מודל ה-AI שהעסק שלכם רץ עליו נסגר לפי לוח זמנים שלא אתם קבעתם:וב-31 באוגוסט מגיעה הדוגמה הבאה

נתחיל בעובדה הקרובה. מחיר ההשקה של Claude Sonnet 5, שני דולר על מיליון טוקני קלט ועשרה על פלט, מסתיים ב-31 באוגוסט 2026 וחוזר ל-3 ו-15 דולר. זו קפיצה של חצי מהמחיר, בלי שאתם עשיתם שום דבר.

ובמקביל, מודלים ישנים פשוט נסגרים. Claude Sonnet 4 ו-Opus 4 המקוריים נסגרו ב-15 ביוני 2026, ו-Opus 4.1 נסגר ב-5 באוגוסט. "טוקן" הוא פשוט יחידת החישוב שלפיה מתומחר כל שימוש במודל, וטוקנים יותר יקרים אומרים חשבון יותר גבוה על אותה עבודה בדיוק.

העניין הוא לא Anthropic. זה מה שכל ספק מודלים עושה, ובקצב שרק עולה.

כשמודל נסגר, זה לא אומר שהוא הופך לאיטי יותר. קריאות למודל אחרי תאריך הסגירה נכשלות. אם אוטומציה, סוכן או אפליקציה אצלכם קוראים בקוד לשם המדויק של המודל, הקריאה הבאה היא הקריאה השבורה.

יש הודעה מראש, אבל היא קצרה. Anthropic מתחייבת ל-60 יום התראה לפחות לפני סגירה של מודל שפורסם לציבור. אצל ספקים אחרים החלון שונה. OpenAI נותנת לפחות חצי שנה על מודלים כלליים, שלושה חודשים על גרסאות מיוחדות, וכשבועיים בלבד על מודלים בגרסת preview.

המלכודת השקטה היא ההפך מכישלון. חלק מהמערכות מנתבות בשקט קריאה למודל שנסגר לגרסה חדשה יותר בלי לומר לכם, וזה נשמע טוב עד שמגלים שהפרומפט כוון להתנהגות של המודל הישן, והחדש מנסח אחרת או עולה יותר. התהליך ממשיך לרוץ, אבל התוצאה כבר לא אותה תוצאה.

מי שחושב שזה סיפור של Anthropic, כדאי שיסתכל על OpenAI. ב-13 בפברואר 2026 OpenAI סגרה מ-ChatGPT כמה מודלים ותיקים, בהם GPT-4o, GPT-4.1 ו-o4-mini, אחרי שהשימוש עבר למודלים חדשים יותר.

הסיבה זהה אצל כולם, והיא לא קפריזה. כל מודל ישן שנשאר פתוח תופס חומרה שהמודלים החדשים צריכים, ולכן הספקים מפנים אותה. הפער המעניין הוא בין המהירות שבה ספקים סוגרים מודלים לבין האיטיות שבה השוק באמת מפסיק להשתמש בהם.

העובדה הזאת היא בדיוק הנקודה שלכם. מחקר של חברת האבטחה Orca מצא ש-GPT-4o, מודל ש-OpenAI הוציאה מ-ChatGPT עוד בפברואר, נמצא ב-37.6 אחוז מסביבות הענן שמאמצות AI, יותר מכל מודל חדש יותר של החברה. הרבה עסקים עדיין בנויים על מודל שהספק כבר מסמן לסגירה.

הצעד הראשון הוא לדעת לאן אתם בכלל חשופים. אפשר להוריד ביקורת של השימוש שלכם ב-API כדי לאתר איפה עדיין קוראים למודל ישן, ולתקן לפני תאריך הסגירה. אם אתם לא יודעים לאיזה מודל כל אוטומציה קוראת, אתם לא יכולים לענות על השאלה הראשונה שכל הודעת סגירה שואלת.

הצעד השני הוא לבדוק את החלופה מראש, לא ביום שהמודל נסגר. הכאב האמיתי הוא הצוות שמריץ בדיקה על המודל הנוכחי. ביום ה-28 מתוך 60 הוא מגלה שהמודל החלופי נכשל ב-12 אחוז מהמקרים. הטעות היא לא שיעור הכישלון, אלא שהוא נשאר לא ידוע עד הדדליין. תריצו את התהליך על המודל הבא כבר עכשיו, ותראו אם התוצאה מחזיקה.

הצעד השלישי הוא לרכז את בחירת המודל למקום אחד. במקום ששם המודל יופיע בעשרה מקומות בקוד, הוא יושב במשתנה הגדרה יחיד, וההחלפה היא שורה אחת. את החלק הזה בונים פעם אחת, וכל סגירה עתידית הופכת לעבודה של דקות. אצלנו זה נכנס לתוך בניית האוטומציות עצמן, כדי שהתהליך לא יהיה קשור בחוזקה לספק אחד.

קל לקרוא את זה כקריאה להחליף ספק כל חמש דקות. זה לא זה. תלות בספק אחד היא בסדר גמור, כל עוד אתם יודעים איפה היא יושבת ומה עולה להזיז אותה.

כפי שסמנכ"ל מיקרוסופט סאטיה נאדלה ניסח את זה ביולי 2026 לגבי תלות בספק יחיד: חשוב שכל חברה תוכל לשלוט בלולאת הלמידה שלה עצמה. לוח סגירות שלא אתם קובעים הוא צורה קונקרטית אחת של אותה תלות.

הבשורה הטובה היא שהפער הזה נסגר בבנייה נכונה, לא בפאניקה. עסק שיודע לאיזה מודל כל תהליך קורא, בדק חלופה, וריכז את הבחירה למקום אחד, מקבל הודעת סגירה ומטפל בה בדקות. זה בדיוק סוג הפער שאנחנו כותבים עליו את הבלוג הזה. אם אתם עדיין בשלב שבו פרויקט ה-AI תקוע לפני שהוא בכלל עלה לאוויר, למה פרויקטים של AI נתקעים הוא המקום הנכון להתחיל בו.