איזה צ'אטבוט הכי טוב בעברית? התשובה משתנה לפי המשימה

ישראל נמצאת במקום הראשון בעולם במדד השימוש של אנתרופיק ב-Claude, פי 4.9 ממה שהיה צפוי לפי גודל האוכלוסייה. הנתון מרשים, והוא לא עוזר לכם בכלום כשאתם צריכים לנקד הזמנה לבר מצווה, לתמלל ישיבה של שעה וחצי, או לוודא שהמכתב לביטוח לאומי כתוב בעברית שאפשר להגיש.

השאלה "מה הצ'אטבוט הכי טוב בעברית" נשמעת הגיונית, אבל היא מייצרת תשובות חסרות ערך. בטקסט עברי כללי הפער בין המודלים הגדולים הצטמצם מאוד. כשאתם מבקשים מייל, סיכום או רעיון לפוסט, כולם יחזירו משהו סביר. ההבדלים האמיתיים מתגלים במשימות מוגדרות, ובחלק לא קטן מהן הכלי הנכון הוא בכלל לא צ'אטבוט אלא כלי עברי ייעודי שעושה דבר אחד ועושה אותו הרבה יותר טוב.

אז במקום דירוג, הנה התאמה בין משימה לכלי.

מה בעצם קשה בעברית עבור מודל שפה

שלוש בעיות שונות מצטברות זו על זו, וכדאי להכיר אותן כי הן מסבירות כמעט כל תקלה שתיתקלו בה.

הראשונה היא כמות. עברית משמשת כשפת תוכן ב-0.4 אחוז מהאתרים בעולם לפי נתוני W3Techs מאוגוסט 2026, לעומת 49.5 אחוז לאנגלית. מודל שפה לומד ממה שיש, ובעברית פשוט יש פחות. זה מתבטא לא רק בדקדוק אלא בידע: המודל מכיר מצוין את מערכת המס האמריקאית ופחות טוב את סעיפי חוק הביטוח הלאומי.

השנייה היא טכנית ופחות מוכרת. מודלים מפרקים טקסט ליחידות שנקראות טוקנים, והפירוק הזה תוכנן סביב אנגלית. במחקר שליווה את פיתוח DictaLM 2.0 נמדד שהמילון המקורי של Mistral מפרק מילה עברית ממוצעת ל-5.81 טוקנים, כלומר בערך טוקן לכל אות. הוספה של 1,000 טוקנים עבריים בלבד הורידה את המספר לטווח של 2.5 עד 3. המשמעות המעשית: אותו טקסט בעברית תופס פי כמה יותר מקום בחלון ההקשר מאשר באנגלית, המודל "רואה" פחות מהמסמך שלכם בבת אחת, והוא נוטה יותר לשגות בפירוק מילים ארוכות.

השלישית היא המבנה של השפה. עברית כותבת בלי ניקוד, ולכן "ספר" יכול להיות סֵפֶר, סַפָּר, סִפֵּר או סְפָר, וההכרעה נסמכת על הקשר. מילה אחת כמו "וכשנפגשנו" מקפלת בתוכה חמש מילים באנגלית. יש סמיכות שמשנה צורה, יש מילות יחס שמוטות לפי גוף, יש התאמה של מין ומספר בין שם התואר לשם העצם ובין הפועל לנושא, ויש ראשי תיבות שנקראות כמו מילים רגילות. כל אחד מאלה הוא מקום שבו מודל יכול ליפול.

ניקוד: אל תבקשו את זה מצ'אטבוט

זו המשימה שבה הפער הכי גדול והכי חד משמעי. מודלי שפה כלליים מנקדים בעברית ברמה שנעה בין בינונית לגרועה, והסיבה נובעת ישירות מבעיית הטוקנים: סימני הניקוד הם תווים נפרדים שיושבים מתחת לאותיות, והמודל מתקשה לשמור על התאמה מדויקת ביניהם לאורך משפט שלם. התוצאה נראית נכון במבט ראשון ומתפרקת ברגע שמישהו קורא לעומק.

הכלי לעבודה הזו הוא הנקדן של דיקטה, מלכ"ר ישראלי שמפתח כלי עיבוד שפה לעברית. הנקדן קיים בשתי גרסאות עיקריות: נקדן מהיר להדבקת טקסט קצר, ונקדן פרו עם ממשק עריכה שמאפשר לעבור מילה מילה, לבחור בין חלופות ניקוד ולהוריד את התוצאה כקובץ. שניהם מנקדים עברית מודרנית, עברית ספרותית ושירה, וטקסטים קלאסיים, ושניהם חינמיים.

הדרך הנכונה לעבוד: לנקד בנקדן, ואז לעבור על התוצאה בעיניים. הנקדן טועה בעיקר בשמות פרטיים לא שגרתיים, בשמות מותגים ובמילים שיש להן שתי קריאות אפשריות שגם ההקשר לא מכריע ביניהן. זו הגהה של כמה דקות, לא כתיבה מחדש.

תמלול הקלטות: כאן יש מספרים

תמלול עברית הוא אחד התחומים הבודדים שבהם קיימת מדידה ציבורית מסודרת, ולכן אפשר להפסיק לנחש. במחקר ישראלי שהוצג בכנס Interspeech ב-2025 נמדדו שיעורי שגיאת מילים על כמה מאגרי הקלטות בעברית.

המודל של ivrit.ai, גרסה מאומנת מחדש של Whisper שנבנתה על בסיס אלפי שעות הקלטה בעברית ועבודת תיקון של מאות מתנדבים, הגיע ל-6.2 אחוז שגיאה בהקלטות שיחה, לעומת 9.6 אחוז ב-Whisper large-v3 המקורי. בהקלטות פודקאסט הפער היה 8 אחוז מול 9.4, ובשידורי רדיו וטלוויזיה 11.3 אחוז מול 13.4.

מהצד המסחרי, AWS Transcribe במצב עיבוד קבצים הציג תוצאות דומות ולפעמים טובות יותר: 6.9 אחוז בהקלטות שיחה ו-9 אחוז בשידורים. Google Speech-to-Text פיגר משמעותית, עם שיעורי שגיאה שנעו בין 21.2 ל-38.5 אחוז.

כדי לתרגם את זה למשהו מוחשי: 6 אחוז שגיאה פירושו בערך מילה שגויה אחת מכל 17. תמלול של ישיבה בת שעה יגיע אליכם עם כמה מאות תיקונים פוטנציאליים, רובם קטנים. 25 אחוז שגיאה פירושו טקסט שקל יותר להקליד מחדש.

מבחינה מעשית, ivrit.ai מפעילים שירות תמלול חינמי באתר שלהם שאליו מעלים קובץ, וזמן העיבוד עומד על בערך דקת מחשוב לכל שש דקות הקלטה. הקלטה של חצי שעה מסתיימת בכחמש דקות. יש גם אפשרות להריץ את המודל מקומית במחשב באמצעות תוכנה בשם Vibe, מה שרלוונטי למי שמתמלל תוכן רגיש ולא רוצה להעלות אותו לשום שרת.

ואחרי שיש תמלול גולמי, שם הצ'אטבוטים דווקא מצוינים. הדבקה של תמלול גולמי ובקשה לסדר פסקאות, להוסיף פיסוק ולהסיר גמגומים היא בדיוק מה שמודלים גדולים עושים היטב בעברית. תוסיפו הוראה מפורשת: לא לשנות ניסוחים, לא לקצר, לא "לשפר" תוכן. בלי ההוראה הזו הם ישכתבו לכם את הדובר.

מכתב רשמי לרשות ציבורית

זו המשימה שבה כל המודלים הגדולים מספקים תוצאה טובה, אבל עם מלכודת אחת חוזרת.

הרגיסטר הרשמי בעברית, אותו סגנון של "הריני לפנות אליכם בבקשה" ו"בהתאם לאמור לעיל", מיוצג היטב בנתוני האימון כי הוא מופיע בכל מסמך ציבורי סרוק. ChatGPT ו-Claude שניהם מייצרים מכתב ערר, בקשה לפטור או השגה על שומה בניסוח שנשמע נכון. Gemini עושה את זה גם, עם נטייה קצת גדולה יותר לניסוחים כלליים ולערבוב מונחים באנגלית.

המלכודת היא הפרטים המספריים. מודל שמנסח מכתב לרשות נוטה למלא בעצמו את החורים: מספר סעיף בחוק, שם טופס, מספר טופס, תאריך אחרון להגשה, שם היחידה שאליה פונים. חלק מהפרטים האלה יהיו שגויים, והם נראים אמינים לחלוטין. פקיד שיקבל מכתב שמצטט סעיף חוק לא קיים לא יתקן אתכם, הוא פשוט ידחה.

הפתרון פשוט: בקשו במפורש להשאיר סוגריים ריקים במקום כל מספר סעיף, מספר טופס או תאריך, ולמלא אותם בעצמכם מאתר הרשות. וכתבו את הבקשה שלכם בעברית ולא באנגלית. פרומפט בעברית מייצר תשובה שנולדה בעברית, ופרומפט באנגלית מייצר לעתים קרובות תרגום מוסווה, עם תחביר אנגלי שיושב מתחת למילים העבריות.

סיכום מסמך משפטי או מקצועי ארוך

צריך להפריד בין שתי פעולות שנראות דומות ומסוכנות באופן שונה לגמרי.

סיכום מסמך שאתם מעלים בעצמכם הוא שימוש בטוח יחסית. המודל עובד על טקסט שנמצא מולו, ולא שולף מהזיכרון. Claude ו-Gemini בולטים כאן בזכות חלון הקשר גדול שמאפשר להכניס חוזה או פסק דין שלם בבת אחת, וזה חשוב במיוחד בעברית בגלל בעיית הטוקנים שהוזכרה למעלה. מסמך בן 30 עמודים בעברית "תופס" הרבה יותר מקום ממקבילו האנגלי.

בקשה לאתר פסיקה, לצטט סעיפים או להביא אסמכתאות היא סיפור אחר לגמרי. בישראל כבר יש פסיקה בנושא. עורכת דין הגישה עתירה לבג"ץ שהסתמכה על 36 פסקי דין של בית המשפט העליון שכלל אינם קיימים. במקרה אחר הוטלו על עורכת דין הוצאות אישיות של 5,000 שקל לאחר שהגישה אסמכתאות שמקורן בבינה מלאכותית. יו"ר ועדת האתיקה של לשכת עורכי הדין תיאר את המקרים שפורסמו כ"קצה הקרחון" ואמר שמגיעות עשרות תלונות בנושא.

איתור מקור יהודי או הלכתי

זו נקודת הכישלון הקלאסית, ובעברית היא חמורה במיוחד. כשמבקשים מצ'אטבוט "מקור בגמרא לעניין X" הוא כמעט תמיד יחזיר ציטוט מנוסח יפה, עם שם מסכת ומספר דף, שנשמע לגמרי כמו הדבר האמיתי. חלק מהתשובות יהיו נכונות, חלק יהיו ציטוט אמיתי במקום הלא נכון, וחלק יהיו המצאה מלאה. בלי בדיקה אין דרך לדעת באיזו קטגוריה נפלתם.

הכלי הנכון הוא ספרייה דיגיטלית עם טקסט אמיתי. ספריא מחזיקה את הארון היהודי המלא עם קישורים בין מקורות, פרויקט השו"ת של אוניברסיטת בר אילן מיועד לחיפוש בספרות ההלכתית, ודיקטה מפעילה מנועי חיפוש וכלי ניתוח לטקסטים עבריים קלאסיים.

מעניין לראות איך ספריא עצמה ניגשת לבינה מלאכותית. הם משתמשים בה ליצירת מבואות לדפי נושא ולתרגום, אבל עם עריכה אנושית: מתוך כ-15,500 מבואות שנוצרו בעזרת בינה מלאכותית, כ-14,000 עברו בדיקה ועריכה של עורכים, ותוכן שנוצר כך מסומן באייקון. זה בערך הסטנדרט שכדאי לאמץ גם בשימוש הפרטי.

מה שכן עובד יפה: להדביק מקור אמיתי שמצאתם ולבקש הסבר, פירוק לשוני, או ניסוח מחדש בעברית עכשווית. הצ'אטבוטים טובים מאוד בפענוח ארמית וארמית תלמודית כשהטקסט מונח לפניהם.

תרגום מונח מקצועי

יש הבדל בין תרגום משפט לתרגום מונח. משפט הוא משימה של הקשר, ובה המודלים הגדולים חזקים. מונח מקצועי הוא משימה של קונבנציה: מה בפועל אומרים בישראל בתחום הזה.

מודל שפה ייתן לכם תרגום נכון מילולית שאף אחד בתחום לא משתמש בו. הוא יתרגם מונח חשבונאי, רפואי או הנדסי לעברית תקנית שלא מופיעה בשום מסמך אמיתי בענף. הסיבה שוב היא כמות: לא היה לו מספיק חומר עברי מקצועי כדי ללמוד מה נהוג.

עבודה נכונה היא בשני שלבים. קודם מאתרים חלופות במילון עם קורפוס אמיתי: מורפיקס לתרגום מהיר, ריברסו קונטקסט להצגת המונח בתוך משפטים מתורגמים אמיתיים, ומאגרי המונחים של האקדמיה ללשון העברית לתחומים שבהם נקבע מונח רשמי. אחר כך מביאים לצ'אטבוט את שתיים עד שלוש החלופות יחד עם המשפט המלא ומבקשים ממנו להכריע ולנמק. ההכרעה בין חלופות נתונות בהקשר היא בדיוק מה שהוא עושה טוב, בשונה מהשליפה מהאוויר.

אגב, בהערכה אנושית שנעשתה במסגרת פיתוח DictaLM 2.0 המודל העברי הפתוח קיבל ציונים גבוהים יותר מ-Google Translate בתרגום, מה שממחיש כמה מודל שאומן ספציפית לעברית יכול להשיג מול כלי כללי.

כתיבה עם שמות ישראליים

זו טעות שכמעט אף אחד לא מצפה לה, והיא מופיעה בכל טקסט שיווקי, מייל לקוחות או סיפור עם דמויות ישראליות.

בעברית הפועל, שם התואר ומילת היחס משתנים לפי מין הנושא. באנגלית זה לא קורה, ולכן המודל צריך לדעת אם "עדן" בטקסט שלכם היא אישה או גבר. שמות כמו טל, שי, אור, יובל, רותם, עדן ואופל משמשים בשני המינים, והמודל מנחש. ברגע שהוא ניחש, הוא ממשיך עם הניחוש לאורך כל הטקסט, כך שטעות אחת בהתחלה מייצרת עשרים טעויות אחריה.

גם שמות משפחה ישראליים לא שגרתיים מבלבלים אותו, במיוחד שמות שנשמעים כמו מילה רגילה. וכשמערבבים עברית עם מילה באנגלית או עם מספר באמצע משפט, הפיסוק קופץ לצד הלא נכון של השורה. זה לא באג של המודל אלא של תצוגת טקסט דו כיווני, אבל הוא ידביק את עצמו לטקסט כשתעתיקו אותו לוורד או למערכת ניהול תוכן.

הפתרון הוא שורה אחת בפרומפט: לפרט את המין של כל שם שמופיע בטקסט. "עדן היא לקוחה, יובל הוא נציג שירות". זה מבטל את רוב הבעיה.

טבלת התאמה מהירה

המשימה	מה לפתוח קודם	למה
ניקוד טקסט	נקדן דיקטה	כלי ייעודי וחינמי, מודלי שפה כלליים נכשלים כאן
תמלול הקלטה בעברית	ivrit.ai או AWS Transcribe	6 עד 8 אחוז שגיאה בהקלטת שיחה, לעומת 10 ומעלה בכלים כלליים
הגהה וסידור של תמלול	כל צ'אטבוט גדול	חזקים בעברית זורמת, בתנאי שאוסרים עליהם לשכתב תוכן
מכתב רשמי לרשות	ChatGPT או Claude	רגיסטר רשמי מדויק, עם סוגריים ריקים במקום מספרי סעיפים
סיכום מסמך ארוך שהעליתם	Claude או Gemini	חלון הקשר גדול, קריטי בעברית בגלל צריכת טוקנים גבוהה
איתור פסיקה ואסמכתאות	מאגר משפטי, לא צ'אטבוט	הזיות ציטוטים כבר הובילו להוצאות אישיות בבתי משפט בישראל
מקור תורני או הלכתי	ספריא, פרויקט השו"ת, דיקטה	טקסט אמיתי במקום ציטוט משוחזר
תרגום מונח מקצועי	מורפיקס או ריברסו, ואז צ'אטבוט להכרעה	הצ'אטבוט טוב בבחירה בין חלופות, פחות בשליפת מונח מקובל
כתיבה עם שמות ישראליים	כל צ'אטבוט, עם ציון מין מפורש	שמות דו מיניים מייצרים שרשרת שגיאות התאמה
עובדה עדכנית על ישראל	כלי עם חיפוש חי: Perplexity, Gemini, ChatGPT	ידע על מחירים ורגולציה בישראל מתיישן מהר ומדויק פחות מלכתחילה

איפה כולם נכשלים באותה מידה

יש קבוצת משימות שבה החלפת הכלי לא תעזור, וכדאי פשוט לדעת שלא לסמוך עליהן.

• ניקוד מדויק לאורך טקסט שלם. אף מודל שפה כללי לא עומד בזה, וזה לא עניין של גרסה חדשה יותר.
• גימטריה והמרת תאריכים עבריים. חישוב ערך מספרי של מילה או המרה בין תאריך לועזי לעברי יוצאים שגויים בתדירות גבוהה מדי, כי שתי המשימות דורשות חישוב תו אחר תו בדיוק במקום שבו הפירוק לטוקנים מטשטש.
• ראשי תיבות דו משמעיים. "ע"ש", "ד"ר", "בי"ס", "מד"א" ומקבילותיהם מפוענחים לפי ניחוש הקשר, ומודל שטועה בפענוח ימשיך לבנות על הפענוח השגוי.
• כללי הכתיב המלא. כללי האקדמיה ללשון העברית עודכנו ביוני 2017, והיישום שלהם בטקסט שהמודל מייצר לא עקבי. מי שצריך אחידות בכתיב יעבור על הטקסט בעצמו.
• נתונים ישראליים עדכניים. מחירים, תעריפים, סכומי קצבאות ותאריכי הגשה. אלה השדות שבהם ההמצאה הכי נפוצה והכי יקרה, ובעברית הידע דל מלכתחילה. תמיד להצליב מול אתר הגוף עצמו.
• פיסוק בטקסט מעורב. ברגע שיש מילה באנגלית או מספר בסוף משפט עברי, מיקום הנקודה והסוגריים ישתבש במעבר בין מערכות.

מה כדאי לכם לפי סוג השימוש

סטודנטים. העומס האמיתי הוא תמלול הרצאות וסיכומים. שילוב של ivrit.ai לתמלול ומנוי בסיסי לצ'אטבוט אחד לסידור וסיכום מכסה כמעט הכול. אין סיבה לשלם על שני מנויים מקבילים.

עובדי משרד ומיילים. מנוי אחד בדרג הבינוני מספיק בשפע. הערך המרכזי הוא ניסוח, קיצור מסמכים וניסוח מחדש של מייל טעון, וכל המודלים הגדולים עושים את זה בעברית ברמה טובה.

כותבי תוכן ועורכים. כאן ההבדל בין הכלים מורגש. שווה לנסות שניים בחינם על אותו טקסט ולבחור לפי אוזן, כי "עברית טבעית" היא שיפוט סובייקטיבי שאין לו בנצ'מרק. הוסיפו לזה נקדן ומילון קורפוס לתרגום מונחים.

מקצועות משפט, ראיית חשבון ורפואה. להשתמש לניתוח מסמכים שאתם מעלים, לא לשליפת מקורות. הכלל הזה לא ניתן למשא ומתן, וההוצאות האישיות שהוטלו בבתי משפט בישראל הן ההוכחה.

מי שלא רוצה לשלם. הגרסאות החינמיות של כל הכלים הגדולים מספקות היום מודלים חזקים עם מגבלת הודעות. בשילוב עם הכלים העבריים החינמיים, נקדן דיקטה, ivrit.ai וספריא, אפשר לכסות את רוב המשימות בפוסט הזה בלי לשלם שקל.

כמה זה עולה בישראל

נכון לאוגוסט 2026, שני שחקנים כבר מתמחרים בשקלים לישראל וזה משנה את התמונה. ChatGPT Go עומד על 30 שקל בחודש ו-ChatGPT Plus על 70 שקל. גוגל הורידה את Google AI Plus בישראל ל-19 שקל בחודש, כולל 400 ג'יגה אחסון ושיתוף משפחתי לחמישה בני בית נוספים. שאר המסלולים מחויבים בדולרים, ולכן מצטרפת אליהם גם עמלת המרת מטבע של חברת האשראי.

הכלי	גרסה חינמית	מסלול בסיסי	מסלול מתקדם
ChatGPT	יש, עם מגבלת הודעות	Go, 30 שקל	Plus, 70 שקל. Pro, 200 דולר
Claude	יש	Pro, 20 דולר	Max, 100 או 200 דולר
Gemini	יש	Google AI Plus, 19 שקל	AI Pro, כ-20 דולר. AI Ultra, כ-250 דולר
Perplexity	יש	Pro, 20 דולר (17 בחיוב שנתי)	Max, 200 דולר
Grok	יש	X Premium, 8 דולר	SuperGrok, 30 דולר. Heavy, 300 דולר
Microsoft Copilot	יש	נכלל ב-Microsoft 365 Personal, כ-20 דולר	מסלולים עסקיים
DeepSeek	הצ'אט חינמי	אין מסלול צרכני בתשלום	תשלום לפי שימוש ב-API
נקדן דיקטה, ivrit.ai, ספריא	חינם לגמרי	אין	אין

כל הכלים ברשימה זמינים לשימוש מישראל וכולם עובדים בעברית בממשק ובקלט. ההבדל בין מסלול בסיסי למתקדם הוא כמעט תמיד כמות ומהירות ולא איכות עברית, ולכן מי שמשתמש בעיקר לניסוח ולסיכומים לא ירגיש הבדל בשדרוג מעבר לדרג הבינוני.

האמור כאן אינו ייעוץ משפטי או מקצועי. בכל מסמך שמוגש לרשות או לבית משפט, בדקו כל אסמכתא במקור לפני ההגשה.