Shannon 3, המודל ללא הצנזורה שבוחן את התשובה של עצמו

כמעט כל מודל צ'אט שהשתמשת בו עונה במעבר קדימה יחיד. הוא בוחר את הטוקן הראשון לפני שהוא יודע מה יהיה האחרון, וברגע שמשפט נפלט הוא מחויב אליו: המודל יכול לסתור אותו מאוחר יותר, אבל הוא לא יכול לחזור ולתקן. זה עובד היטב כשהתשובה קצרה ולשאלה יש חלק אחד. זה עובד רע כשהתשובה ארוכה, לשאלה יש ארבעה חלקים, ופסקה שש מבטלת בשקט את פסקה שתיים. Shannon 3 קיים כי לא חשבנו שהפתרון לזה הוא מודל גדול יותר. הפתרון הוא לתת למודל לקרוא את מה שהוא בדיוק כתב.

01מה זה Shannon 3

Shannon 3 היא משפחת מודלים בשני דרגים. שני הדרגים רצים על אשכול ה-GPU שלנו ולא על API היסק של צד שלישי, ושניהם ללא צנזורה: אין שכבת סירוב לפניהם ואין מסנן תוכן אחריהם. מה שנבדל בין הדרגים הוא כמה עבודה תור יחיד רשאי לעשות לפני שהתשובה מגיעה אליך.

ב-API שני הדרגים הם מזהי מודל רגילים. אין נקודת קצה מיוחדת, אין SDK נפרד, ואין פורמט בקשה ייעודי:

דרג	מזהה מודל	צורת התור	מתאים במיוחד ל
Shannon 3 Lite	shannon-3	מעבר אחד של חשיבה + ניסוח	צ'אט, כתיבת טיוטות, שאילתות, נפח גבוה
Shannon 3 Pro	shannon-3-pro	לולאה מלאה, עד 10 מעברים, בתוספת איסוף ידע	ניתוח, כתיבה ארוכה, עבודה רגישה לנכונות

02למה מעבר קדימה יחיד הוא הצורה הלא נכונה לשאלות קשות

מודל שמייצר טקסט משמאל לימין מקבל רצף בלתי הפיך של החלטות מקומיות. אין לו מחק. כשהוא 400 טוקנים בתוך הסבר ומבין שהמסגור שבחר היה שגוי, האפשרויות היחידות שלו הן להמשיך במסגור השגוי או להוסיף תיקון — וכך נוצרות התשובות שכולם מזהים, אלה שאומרות למעשה, בחזרה למה שנאמר למעלה באמצע ומשאירות לך ליישב שני חצאים שאינם מתיישבים.

שרשרת חשיבה משפרת את זה אבל לא פותרת. חשיבה תחילה נותנת למודל תוכנית לפני שהוא מתחייב לפרוזה, וזה רווח אמיתי; הטיוטה שבאה אחריה עדיין נכתבת במעבר אחד ועדיין נשלחת בלי שנקראה. שום דבר אף פעם לא שואל את השאלה שעורך אנושי שואל ראשונה: האם התשובה הזו באמת עושה את מה שהחשיבה אמרה שהיא תעשה? מצבי הכשל ששורדים את שרשרת החשיבה הם ספציפיים ומוכרים:

• תת-שאלות שנשמטו. שאלת ארבעה דברים. החשיבה מנתה ארבעה דברים. התשובה מכסה שלושה.
• סחיפת תוכנית. החשיבה מתמקמת על גישה מסוימת; הפרוזה מאמצת בהדרגה גישה אחרת, ואין משפט בודד שבו זה השתבש.
• חשבון ויחידות. מספר שחושב נכון בחשיבה מועתק שגוי לתשובה, או שנתון חודשי מוצג כשנתי.
• אילוצים שנעלמו. אמרת בלי תלויות חיצוניות; הקוד מייבא אחת, והחשיבה לא מזכירה את האילוץ שוב אחרי שהכירה בו.
• פערים בביטחון מלא. המודל אומר בחשיבה שהוא לא בטוח לגבי עובדה מסוימת, ואז קובע אותה נחרצות בתשובה בכל זאת.

כל אחד מאלה נתפס על ידי קריאת הטיוטה. אף אחד מהם אינו נתפס על ידי יצירת הטיוטה בזהירות רבה יותר.

03לולאת החשיבה, שלב אחר שלב

תור של Shannon 3 Pro הוא לולאה עם ארבעה שלבים ותנאי יציאה.

לחשוב

המודל עובד על הבעיה לפני שהוא כותב לך משהו: מפרק את השאלה, מציין אילוצים, מזהה מה הוא יודע ומה לא, ומתמקם על גישה. מה שהוא מייצר כאן הופך לאמת המידה שהתשובה נמדדת מולה בהמשך.

לנסח טיוטה

המודל כותב תשובה שלמה ואמיתית — לא ראשי פרקים. היא חייבת להיות שלמה, כי השלב הבא מעריך מוצר גמור, ולא ניתן לבקר סקיצה על מצבי כשל שמופיעים רק באורך מלא.

לבקר

זהו השלב שהופך את המשפחה למה שהיא. המודל קורא את הטיוטה מול החשיבה — מבחן חד בהרבה מקריאת הטיוטה לבדה. לשאול מודל האם התשובה הזו טובה מזמין אותו לומר כן; לשאול התוכנית אמרה לכסות את X, Y ו-Z תחת אילוץ C — האם הטקסט הזה עושה זאת? נותן לו משהו הניתן להפרכה לבדוק. הביקורת מנקבת בשם מה שגוי במקום לתת ציון.

לשכתב

הבעיות שנוקבו בשמן מתוקנות בטיוטה חדשה. זהו שכתוב, לא טלאי: תיקון שמחייב סידור מחדש של הטיעון רשאי לסדר מחדש את הטיעון. הטיוטה החדשה חוזרת לביקורת.

לעצור

הלולאה מסתיימת בפעם הראשונה שביקורת מאשרת את הטיוטה — היציאה הרגילה, וברוב התורים זה קורה הרבה לפני התקרה. התקרה הקשיחה של 10 סבבים קיימת למקרים פתולוגיים, כמו שאלה דו-משמעית באמת שבה כל שכתוב מחליף פגם אחד באחר, כדי שתור לא יוכל להסתובב ללא הגבלה.

Lite לוקח את שני השלבים הראשונים ועוצר. הוא חושב, מנסח, ומוסר לך את הטיוטה. זו החלטת מוצר מכוונת ולא תאונה של גרסה מקוצצת: בחלק גדול מההודעות האמיתיות הטיוטה הראשונה היא התשובה הנכונה, ולשלם השהיית ביקורת רק כדי שיגידו לך את זה הוא עסקה גרועה. Lite הוא למקרים שבהם אתה רוצה שהמודל יהיה מהיר; Pro הוא למקרים שבהם אתה רוצה שהוא יהיה בטוח.

04איסוף הידע של Pro: לבקש עזרה במקום לנחש

ביקורת עצמית תופסת סתירות, השמטות והפרות אילוצים, כי הראיות הדרושות לתפוס אותן כבר נמצאות בתור. היא לא יכולה לתפוס עובדה שפשוט אין למודל. מודל שמבקר את הטיוטה של עצמו יכול להסיק אני לא בטוח לגבי הנתון הזה ואז לא יהיה לו לאן ללכת עם המסקנה הזו.

Pro נותן לו לאן ללכת. סביב שלב הניסוח הוא מבצע איסוף ידע: הוא מזהה את העובדות הספציפיות שחסרות לו או שאינו בטוח לגביהן, שואל עליהן בדיוק מודל שני וגדול יותר, ומשלב את מה שחוזר בתשובה המשופרת. זו שאילתה ממוקדת שמונעת מפער שהמודל עצמו נקב בשמו, ולא חוות דעת שנייה גורפת.

שתי תכונות חשובות בפועל. היא תחומה: האיסוף שואל על פערים שזוהו במקום לשאול מחדש את כל השאלה, כך שהמודל הגדול יותר נועץ במקום שבו הוא מוסיף מידע ולא במקום שבו הוא רק יוסיף קול אחר. והיא משולבת: עובדות שנאספו חוזרות דרך הלולאה ועומדות מול אותה ביקורת כמו כל השאר, במקום להגיע כפסקה מודבקת.

05החשיבה גלויה, והיא בשפה שלך

כל העקבות מוצגים לך בזמן שהתור רץ: החשיבה, וב-Pro גם כל ביקורת ומה שהיא השיגה עליו. זו אינה תצוגת ניפוי שאנחנו סובלים את חשיפתה — היא חלק גדול ממה שאתה קונה, והיא משנה את יחסי העבודה בשלוש דרכים מוחשיות.

• אתה יכול לעצור מוקדם. אם החשיבה מפרשת לא נכון את השאלה שלך — תוצאה נפוצה של הנחיה דו-משמעית, לא של מודל גרוע — אתה מגלה זאת בשניות הראשונות, ולא אחרי שהגיעה תשובה מלאה שפותרת את הבעיה הלא נכונה.
• אתה יכול לבקר את החשיבה בנפרד מהתשובה. תשובה נכונה שהושגה בחשיבה שגויה היא נטל, כי היא לא תשרוד את השאלה הבאה.
• אתה יכול לראות את הלולאה נכשלת. כאשר Pro שורף כמה סבבים בלי להתכנס, זה מוצג ולא מוסתר — וזה מידע אמיתי, שבדרך כלל אומר שהשאלה מוגדרת בחסר.

העקבות נכתבים בשפה שלך, ולא נוצרים באנגלית ומתורגמים בסוף. אם אתה עובד ביפנית, ערבית, טורקית או פורטוגזית, המודל חושב בשפה הזו — מה ששומר על עקביות המינוח בעקבות עם המינוח בתשובה, ומונע את התפרים שמופיעים כשמודל חושב בשפה אחת ומדבר באחרת.

06ללא צנזורה: בלי שכבת סירוב, בלי מסנן פלט

Shannon 3 מגיע בלי שכבת סירוב ובלי סינון תוכן על הפלט. התנהגות סירוב אינה קיימת במוצר באף רמה: לא כעטיפה שבודקת את ההודעה שלך לפני שהמודל רואה אותה, לא כמסווג שבודק את התשובה לפני שאתה רואה אותה, ולא כרפלקס שצריך לשכנע את המודל לוותר עליו. זה שונה מהותית משני הדברים שאנשים בדרך כלל מתכוונים אליהם כשהם אומרים ללא צנזורה:

גישה	מה היא עושה	איך היא נכשלת
פריצה דרך הנחיית מערכת	מורה למודל מיושר להתנהג כאילו אינו מיושר	נשחקת לאורך שיחה ארוכה; הסירוב חוזר תחת לחץ
הסרת מסנן פלט	מפסיקה לחסום טקסט שהמודל כבר ייצר	המודל עדיין כותב טקסט מגודר וחמקני — שום דבר לא נחסם, הוא פשוט מעולם לא נכתב
Shannon 3	אין שכבת סירוב להסיר ואין מסנן לכבות — ההתנהגות פשוט אינה שם	מטיל את שיקול הדעת כולו עליך; המודל לא יסרב במקומך

בפועל Shannon 3 מתעסק עם השאלה ששאלת ולא עם השאלה הבטוחה שנמצאת לידה: סיפורת עם אנטגוניסטים אמיתיים, נושאי אבטחה שנדונים טכנית ולא בגובה הודעה לעיתונות, מידע רפואי, משפטי ופיננסי שניתן ישירות עם ההסתייגויות שבאמת מוצדקות — ובלי הרצאת סיום על למה שאלת. הוא גם לא מדלל את הלולאה: ביקורת רשאית לומר שהטיוטה שגויה, וזו התנגדות שונה ושימושית יותר מסירוב.

מה שהיעדר שכבת סירוב אינו עושה הוא להפוך את המודל לנכון. מודל ללא צנזורה מסוגל בדיוק באותה מידה להיות שגוי בביטחון מלא כמו מודל מצונזר, ואף בגלוי יותר, כי הוא לא ייסוג לעמימות כשאינו בטוח. זה אחד הטיעונים הטובים יותר בעד הלולאה: בלי רפלקס סירוב בדרך, ביקורת עצמית עושה את עבודת הבטיחות שחשובה למשתמש מקצועי — תפיסת טעויות. השימוש שלך במודל נשאר כפוף למדיניות השימוש האחראי שלנו ולחוק במקום שבו אתה נמצא.

07ראייה, מסמכים ויצירת תמונות

שני הדרגים מקבלים תמונות ומסמכים כקבצים מצורפים וקוראים אותם כחלק מהתור. צילום מסך של בנייה שנכשלת, לוח מחיק מצולם, תרשים חשמלי, עמוד חוזה סרוק או קובץ PDF יכולים להיות נושא השאלה במקום משהו שאתה מתמלל קודם. ב-Pro הקבצים המצורפים משתתפים בלולאה כמו כל השאר: אם ביקורת מחליטה שהטיוטה ענתה על שאלה שהתמונה אינה תומכת בה, זה משוכתב.

יצירת תמונות ועריכתן זמינות בצ'אט ככלי, ולא כמטרתו של המודל. Shannon 3 הוא מודל חשיבה שיכול לייצר או לערוך תמונה כשהשיחה דורשת זאת, ולא מודל תמונות עם ממשק צ'אט מוצמד. ההבחנה מכוונת ציפיות נכון: שפוט את המשפחה לפי איך שהיא חושבת, והתייחס לתמונות כאל נוחות שחוסכת החלפת הקשר.

08חלון ההקשר, ולאן המשיך קו 3.x

Shannon 3.0 הושק עם חלון הקשר של 32,768 טוקנים. זה הנתון ההיסטורי הכן, וכדאי לומר אותו במפורש, כי לולאה צורכת הקשר אחרת ממודל של מעבר יחיד: ההנחיה שלך, הקבצים המצורפים שלך, החשיבה, וכל מחזור טיוטה וביקורת חיים באותו תקציב.

32K נוח לרוב עבודות הצ'אט והניתוח — מסמך ארוך, קובץ קוד משמעותי, שאלה מפורטת מרובת חלקים עם מקום שהלולאה תרוץ. הוא צפוף עבור קלטים גדולים באמת, והאילוץ הזה הוא בדיוק מה שהגרסה הבאה טיפלה בו. Shannon 3.1 מעלה משמעותית את חלון ההקשר ומשנה על מה אפשר לכוון את הלולאה; אם אתה מעריך את המשפחה היום, קרא את המאמר ההוא שני והתייחס למספר כאן כאל היסטוריה.

09קריאה ל-Shannon 3 מה-API

Shannon 3 זמין דרך כל שלושת ניבי ה-API שלנו, על אותם מודלים, עם סטרימינג בכל אחד:

ניב	נקודת קצה	מתי להשתמש
תואם OpenAI	/v1/chat/completions	יש לך קוד לקוח קיים של OpenAI — שנה את כתובת הבסיס ואת מזהה המודל
תואם Anthropic	/v1/messages	המחסנית שלך בנויה סביב פורמט Messages
Responses	/v1/responses	אתה רוצה את צורת הבקשה והתגובה החדשה יותר

העבר shannon-3 או shannon-3-pro כמזהה המודל. שני דברים כדאי לתכנן עבורם בצד הלקוח. התורים של Pro אורכים יותר, ובמידה משתנה, כי מספר הסבבים תלוי בשאלה — קבע פסקי זמן מול התקרה ולא מול הממוצע, והעדף סטרימינג כדי שהמשתמש יראה התקדמות ולא גלגל טעינה. וכן, עקבות החשיבה הם תוכן שאתה יכול לבחור להציג; כשמשתמשים ממתינים, הצגתם בדרך כלל עדיפה על הסתרתם, כי היא הופכת זמן מת למשהו קריא. סכמות הבקשה והתגובה, פרטי הסטרימינג ומגרש משחקים חי נמצאים בתיעוד ה-API.

10בחירת דרג

הלולאה של Pro מצדיקה את ההשהיה שלה ביחס לכמה יש מה לטעות בו.

המשימה שלך	דרג	למה
שאלה עובדתית מהירה, תשובה קצרה	shannon-3	הטיוטה הראשונה היא התשובה; לביקורת אין מה לתפוס
אוטומציה בנפח גבוה או חסומת השהיה	shannon-3	זמן תור צפוי הוא האילוץ המחייב
ניתוח מרובה חלקים עם אילוצים	shannon-3-pro	תת-שאלות שנשמטו והפרות אילוצים הם בדיוק מה שהביקורת תופסת
כתיבה ארוכה שחייבת להחזיק יחד	shannon-3-pro	סתירה פנימית היא תכונה של אורך מלא, בלתי נראית בזמן הניסוח
כל דבר עם מספרים שתפעל לפיהם	shannon-3-pro	הביקורת בודקת מחדש את החשבון והיחידות מול החשיבה
שאלות שנוגעות בעובדות בקצה של המודל	shannon-3-pro	איסוף הידע הופך פער שנוקב בשמו לשאילתה

דפוס מעשי: השתמש ב-Lite בזמן שאתה עדיין מגבש מה לשאול, ואז הרץ שוב את השאלה המגובשת פעם אחת על Pro. שווה לשלם על הלולאה בגרסת השאלה שבאמת התכוונת אליה.

11מגבלות שכדאי להכיר לפני שאתה מתחייב

כרטיס מודל שמפרט רק חוזקות הוא פרסומת. הנה איפה Shannon 3 יאכזב אותך:

• Pro איטי יותר, ובאופן בלתי צפוי. תור שמתכנס בשני סבבים ותור שרץ עד עשרה נבדלים פי כמה בזמן שעון. אם אתה צריך השהיה חסומה, השתמש ב-Lite.
• ביקורת אינה הוכחה. מודל שבודק את העבודה של עצמו חולק את נקודות העיוורון של עצמו. הלולאה תופסת באופן אמין חוסר עקביות בין החשיבה לטיוטה; היא לא תופסת באופן אמין שגיאה שמוחזקת בביטחון בתוך החשיבה עצמה.
• ההקשר משותף עם הלולאה. ב-32K, קלט ארוך מאוד בתוספת כמה טיוטות באורך מלא הוא אילוץ אמיתי ב-3.0. ראה Shannon 3.1 לתקרה המורמת.
• האיסוף ממלא רק פערים שהמודל מבחין בהם. הוא הופך את אני לא בטוח לגבי זה לשאילתה, וזה רווח אמיתי — אבל עובדה שהמודל שגוי לגביה בביטחון מלא לעולם אינה מסומנת כחסרה, ולכן לעולם אינה נאספת.
• ללא צנזורה פירושו ללא צנזורה. המודל לא יסרב ולא ירכך. אם המוצר שלך זקוק לגבול סירוב, בנה אותו במקום שאתה יכול לראות ולא בתקווה שהמודל יספק אחד.

12שאלות נפוצות

---

Shannon 3 מופעל על ידי Shannon Lab LLC, ניו מקסיקו, ארה"ב. הנתונים כאן מתארים את תצורת ההשקה של 3.0; ראה את כרטיס המודל של Shannon 3.1 למגבלות הנוכחיות ואת מדד המחקר לשאר המשפחה. אנחנו לא מפרסמים ציוני מדדים ל-Shannon 3 ולא טוענים טענות ביצועים השוואתיות.