ב-13 באוגוסט 2026 DeepSeek שחררה את V4-Pro. MIT מלא, 1.6 טריליון פרמטרים, 49B active per token, 1M context, ו-87.9 ב-Terminal-Bench 2.1. זה לא "עוד מודל פתוח". זה המודל הראשון בקצה ה-frontier עם רישיון שאתה יכול לעשות איתו כל מה שאתה רוצה.
בואו נחזור על המשמעות: MIT. לא Apache. לא Custom. לא "open-ish". MIT. אותו רישיון של jQuery, של React, של TensorFlow. אותו רישיון שאומר "תעשה מה שאתה רוצה, אל תתבע אותנו, אל תכתוב את שמנו". זה לא היה קיים ב-frontier.
DeepSeek עשתה את זה. והיא גם עצרה את מלחמת המחירים באותו הזמן.
מה שחשוב לדעת
- V4-Pro GA ב-13 באוגוסט — weights MIT ב-Hugging Face (893GB)
- 1.6T params, 49B active per token — MoE עם sparsity גבוה
- 1M context — מקצה לקצה
- Terminal-Bench 2.1 = 87.9 — מתחת ל-GPT-5.6 Sol (88.8) ב-1 נקודה
- Artificial Analysis Intelligence Index: #3 — מעל כל המודלים הפתוחים
- 16 באוגוסט: העלאת מחירים + peak/off-peak billing (off-peak = חצי מחיר)
- המשמעות: frontier performance + permissive license + סוף מלחמת מחירים
מה זה MIT, ולמה זה משנה כל כך
ההגדרה הקצרה
MIT License הוא אחד מהרישיונות הכי פרמיסיביים בתוכנה:
- ✅ שימוש מסחרי ללא הגבלה
- ✅ שינוי הקוד
- ✅ הפצה מחדש
- ✅ שימוש תחת רישיון אחר
- ❌ אסור להסיר את ה-copyright notice
- ❌ אין אחריות
זה הסטנדרט של תעשיית התוכנה. אם אתה מפתח, אתה מכיר את זה. אם אתה סטארטאפ, אתה יכול לבנות עליו בלי לחשוב פעמיים.
למה זה לא היה קיים ב-frontier
עד אוגוסט 2026, הקטגוריה הכי גבוהה של מודלים פתוחים הייתה:
- Llama Community License (Meta) — 700M MAU cap
- Apache 2.0 (Mistral, IBM) — מעולה, אבל רק בגדלים בינוניים
- MIT (DeepSeek V3) — לא ב-frontier
- Custom Qwen (Alibaba) — חדש, source-available
MIT ב-frontier לא היה קיים. DeepSeek שברה את ה-barrier.
למה זה לא "עוד רישיון"
ההבדל בין MIT לבין Custom Qwen הוא ההבדל בין "קוד פתוח" ל-"source-available":
| שאלה | MIT | Custom Qwen | Llama Community |
|---|---|---|---|
| מותר resell? | ✅ | ❌ אם > $50M | ⚠️ אם > 700M MAU |
| מותר modify? | ✅ | ✅ | ✅ |
| Patents? | ❌ | ❌ | ⚠️ |
| OSI Approved? | ✅ | ❌ | ❌ |
| Outputs? | ✅ חופשי | ⚠️ carve-out | ⚠️ |
המסקנה: V4-Pro הוא הראשון שבאמת "קוד פתוח" בקטגוריה הגבוהה ביותר. האחרים הם "open-ish".
למה זה משנה בעולם הישראלי
בישראל, לקוחות enterprise רבים — במיוחד במגזר הפיננסי, הבריאות, והממשל — דורשים שליטה מלאה על ה-data. עד אוגוסט 2026, הם נדרשו לבחור בין "לתת את ה-data שלנו ל-OpenAI" לבין "לאמן מודל בינוני בעצמנו". עם V4-Pro תחת MIT, יש אפשרות שלישית: להריץ frontier model בענן פרטי, בלי לוותר על הביצועים, ובלי carve-outs שמגבילים את השימוש המסחרי. זה לא תיאורטי; כבר ברבעון הבא נראה סטארטאפים ישראליים שמציעים self-hosted V4-Pro-as-a-service לבנקים ולגופים רגולטוריים.
המספרים של V4-Pro
ארכיטקטורה
| פרמטר | ערך |
|---|---|
| תאריך | 13 באוגוסט 2026 |
| ארכיטקטורה | MoE |
| Total params | 1.6T |
| Active per token | 49B |
| Context | 1M tokens |
| Modalities | text-only (אין vision!) |
| Weights size | 893GB |
| License | MIT |
Benchmarks
| Benchmark | V4-Pro | Qwen3.8-Max | GPT-5.6 Sol | Claude Opus 5 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 87.9 | 86.6 | 88.8 | — |
| Artificial Analysis Index | #3 | — | #1 | #2 |
| Open weights rank | #1 | #2 | closed | closed |
המשמעות: V4-Pro הוא המודל הפתוח הכי חזק ב-2026. זה לא "קרוב" ל-GPT-5.6 — זה 1 נקודה מתחת ב-Terminal-Bench 2.1.
השוואה ל-closed frontier
| מודל | License | Terminal-Bench 2.1 | מחיר (input) |
|---|---|---|---|
| GPT-5.6 Sol | Closed | 88.8 | $4/M |
| DeepSeek V4-Pro | MIT | 87.9 | ~$0.50 peak |
| Claude Opus 5 | Closed | — | $5/M |
| Qwen3.8-Max | Custom | 86.6 | $2/M |
| Grok 4.6 | Closed | — | $2/M |
המסקנה: V4-Pro הוא 99% מהביצועים של GPT-5.6 Sol, תחת MIT, ב-1/8 מהמחיר.
חמש צירי הערך — מה V4-Pro נותן שאף אחר לא
| ציר | V4-Pro | המתחרה הכי קרוב | הפער |
|---|---|---|---|
| ביצועים פתוח | 87.9 TB2.1 | Qwen3.8-Max ב-86.6 (Custom) | כמעט זהה, אבל V4-Pro עם MIT |
| חופש רישיון | MIT מלא | Llama Community (מוגבל MAU) | בלי cap, בלי carve-outs |
| מחיר נמוך | $0.50/M peak | GLM-5.3-Flash ב-$0.15 (אבל mid-tier) | frontier ב-$0.50, לא $25 |
| Long context | 1M tokens | Qwen3.8-Max גם 1M | V4-Pro היחידי שגם פתוח גם 1M |
| Self-host | ✅ | Qwen3.8-Max רק API ל-Max tier | היחיד שמשלב frontier + MIT + self-host |
הציר האחרון — שילוב של שלושת הגורמים יחד — הוא מה שאין אף אחד אחר. V4-Pro הוא לא הכי טוב בכל ציר בנפרד; הוא היחיד שמשלב את כולם ברמה גבוהה.
למה DeepSeek העלתה מחירים
זה היה הסימן הכי מעניין. 16 באוגוסט 2026, שלושה ימים אחרי ש-V4-Pro יצא, DeepSeek העלתה מחירים.
הסיבות
למה לא יכולים לרדת יותר:
- GPU compute costs — גם עם sparsity טוב, inference של 1.6T עולה
- Talent retention — DeepSeek צריכה engineers
- Compliance costs — ציות לייצוא US דורש עורכי דין
למה הם רוצים לעלות:
- Position as premium brand (לא "cheap frontier")
- Revenue growth לפני IPO צפוי 2027
- Quality signaling — אם המחיר גבוה, הלקוחות מצפים לביצועים
ה-peak/off-peak billing
DeepSeek הציגה תמחור חדש:
- Peak (8AM-10PM UTC): מחיר מלא
- Off-peak: חצי מחיר
זה לא רק העלאת מחיר — זה גיוון. המסר: "המחיר שלנו לא קבוע, אנחנו גמישים".
למה זה משנה לסטארטאפים: B2B workflows רבים (batch jobs, ETL, data processing) רצים בלילה. עם off-peak של חצי מחיר, סטארטאפ ישראלי שמריץ nightly data analysis משלם ~$0.25/M tokens במקום $0.50. זה הופך workloads שלא היו כלכליים לפתאום ריאליים.
ההשפעה על השוק
למה זה משנה לסטארטאפים
אם אתה סטארטאפ ב-AI, אתה עכשיו יכול:
- להוריד V4-Pro weights (893GB — צריך storage משמעותי)
- להריץ אותו locally — אם יש לך GPU cluster
- לעשות fine-tuning — ללא הגבלה
- למכור את ה-outputs — אין carve-out
- לשלב במוצר — אין חובת attribution אחרי NOTICE
- להריץ inference API — אין cap על revenue
זה לא היה אפשרי באף מודל frontier קודם.
למה זה משנה לתעשייה
Flag forking: יש סיכוי טוב שב-Q4 2026 נראה forks של V4-Pro:
- V4-Pro-Chinese (אולי מ-Alibaba)
- V4-Pro-EN-Instruct (אולי מ-Meta)
- V4-Pro-Medical (התמחות)
כל fork יהיה MIT, ולכן ימשיך להיות חינמי.
למה זה משנה ל-OpenAI
OpenAI יודעת ש-V4-Pro הוא תחרות ישירה. התגובה שלהם באוגוסט — חיתוך Sol — היא לא רק אסטרטגיית pricing. זה איתות: "אנחנו עדיין שווים את הפער". והעובדה שהם חתכו את Sol רק אחרי V4-Pro הוכיחה ש-V4-Pro השפיע.
למה זה משנה לספקי ענן ישראליים
ספקי הענן הגדולים בישראל (נענע 9, מלם-טים, Matrix) יצטרכו להציע V4-Pro-as-a-service ב-Q4 2026. ה-MIT מאפשר להם לעשות זאת בלי רישיון. הצפי: חבילות "AI frontier ישראלי" ב-₪4,000-₪8,000 לחודש — חצי מהמחיר של OpenAI API מקביל. זה תחרות ישירה ל-AWS Bedrock ו-Azure AI Foundry בקטע הישראלי.
השוואה סופית — V4-Pro vs העולם
נגד closed frontier
| מאפיין | V4-Pro | GPT-5.6 Sol | Claude Opus 5 |
|---|---|---|---|
| License | MIT | Closed | Closed |
| Total params | 1.6T | (closed) | (closed) |
| Active params | 49B | (closed) | (closed) |
| Context | 1M | 1M | 1M |
| Terminal-Bench 2.1 | 87.9 | 88.8 | — |
| AI Index | #3 | #1 | #2 |
| Output speed | ~75 t/s | ~70 t/s | ~80 t/s |
| מחיר (input, peak) | ~$0.50 | $4 | $5 |
| יכולת fine-tune | ✅ | ❌ | ❌ |
| יכולת self-host | ✅ | ❌ | ❌ |
נגד other open
| מודל | License | Total | Active | Benchmarks |
|---|---|---|---|---|
| V4-Pro | MIT | 1.6T | 49B | frontier |
| Qwen3.8-Max | Custom | 2.4T | 95B | frontier minus |
| GLM-5.3-Flash | MIT | 320B | 18B | mid |
| Qwen3.8-27B | Apache 2.0 | 27B | 27B | mid |
| Meta Muse Glimmer | Apache 2.0 | 30B | 30B | mid-low |
המסקנה: V4-Pro הוא ה-#1 ב-open weights + frontier tier.
מה זה אומר להחלטות שלך
אם אתה בונה SaaS
לפני אוגוסט 2026: רוב הסטארטאפים בחרו ב-OpenAI או Anthropic פשוט כי לא הייתה חלופה.
אחרי אוגוסט 2026: יש לך ארבע אפשרויות רציניות:
- OpenAI/Anthropic API — אם אתה צריך את הביצועים הכי גבוהים
- V4-Pro self-host — אם אתה רוצה שליטה מלאה
- V4-Pro via API — אם ה-API זול מספיק ב-off-peak
- Hybrid — V4-Pro לרוב ה-requests, frontier ל-edge cases
אם אתה ארגון enterprise
V4-Pro הוא הזדמנות לצאת מתלות ב-OpenAI. considerations:
- cost — self-host עולה הרבה GPU, אבל לטווח ארוך אולי זול מ-API
- data residency — self-host שולט ב-data; API לא
- compliance — חלק מהרגולציות (EU AI Act, etc.) דורשות הסבר מסוים
- risk — frontier model של ספק סיני; geopolitical risks
אם אתה researcher
V4-Pro הוא החלום: model card פתוח, weights MIT, benchmarks שמתפרסמים. אתה יכול:
- לעשות interpretability research
- לבדוק alignment
- לעשות fine-tuning למחקר
- להריץ ablations
tradeoffs לבניית product בישראל
| ציר | OpenAI API | V4-Pro API | V4-Pro self-host |
|---|---|---|---|
| עלות (1B tokens) | ~$4K | ~$0.5K (off-peak $0.25K) | ~$1K-$2K (capex + opex) |
| זמן ל-production | ימים | ימים | 4-8 שבועות (DevOps) |
| Data residency | ❌ (US) | ❌ (DeepSeek cloud) | ✅ (on-prem) |
| Latency | variable | ~75 t/s | ~75 t/s (deterministic) |
| Vendor lock-in | גבוה | בינוני | נמוך |
| התאמה ל-SaaS B2B | גבוהה | גבוהה | בינונית (capex מקשה) |
| התאמה ל-enterprise רגולטורי | נמוכה | נמוכה | גבוהה מאוד |
קריאה מהירה של הטבלה: SaaS צריך זמן לשוק — לכו על API. Enterprise רגולטורי צריך data residency — לכו על self-host. כל מה שבאמצע — hybrid.
מה הלאה — ספטמבר עד דצמבר 2026
עד סוף 2026, סביר שנראה:
- First V4-Pro fork רציני — כנראה Hebrew-specialized או Medical-specialized (שניהם דורשים domain expertise).
- V4-Pro-Hebrew community checkpoint — קהילת ה-AI הישראלית תאמץ את V4-Pro כבסיס לעברית.
- DeepSeek Harness (כלי coding agent) יוצא תחת MIT, תחרותי ל-Claude Code.
- V4-Flash — וריאציה קטנה יותר של V4-Pro, מתחת ל-200B params, אולי MIT גם כן.
- Enterprise case study ראשון — בנק ישראלי או חברת ביטוח שמציגים migration מ-OpenAI ל-V4-Pro self-host.
- Meta Muse Spark 1.2 (סוף ספטמבר) — התגובה של Meta; כנראה תחזק את התחרות.
- Alibaba Qwen3.9 (אוקטובר) — focus ב-agentic tool use; תחרות ישירה ל-V4-Pro.
- רגולציה אמריקאית — ממשל ביידן (או ממשיכיו) עשוי להגביל שימוש ב-Chinese-origin models בסקטורים מסוימים.
הצפי הסביר: עד סוף 2026, V4-Pro יהיה הבסיס של לפחות 30% מה-deployment החדשים של frontier AI בישראל. השאר יתחלק בין OpenAI, Anthropic, ו-GLM.
טבלת סיכום — למה V4-Pro חשוב
| סיבה | השפעה |
|---|---|
| MIT license | Open source לכל דבר |
| 1.6T params | Frontier performance |
| 49B active | Sparsity גבוה |
| 1M context | Long-horizon work |
| 87.9 TB2 | 1 נקודה מ-GPT-5.6 Sol |
| #3 AI Index | מעל כל הפתוחים |
| Peak/off-peak | Pricing flexibility |
playbook פרקטי — מה עושים עכשיו
אחרי כל הטבלאות, הנה תוכנית פעולה קונקרטית לסטארטאפים, לארגונים, ול-researchers.
סטארטאפים — שלושה צעדים ל-Q4 2026
צעד ראשון: בחן את ה-traffic הנוכחי שלך
- הורד את V4-Pro weights מ-Hugging Face (893GB, לוקח כמה שעות ב-1Gbps).
- הרץ benchmark פנימי על 100 דוגמאות representative מה-data שלך.
- השווה לביצועים של OpenAI API באותן דוגמאות.
- המטרה: להחליט אם V4-Pro עומד בסטנדרט שלך. ברוב המקרים — כן, בטווח של 95-99% איכות.
צעד שני: מדוד את ה-savings
- חשב את ההוצאה החודשית על OpenAI/Anthropic.
- השווה לעלות self-host (8x H100 = $25K-$40K לחודש) או ל-API של DeepSeek (off-peak = $0.25/M tokens).
- ה-break-even: כ-50M tokens לחודש לטובת self-host. מתחת לזה — API.
- אם ה-savings גדול מ-$15K לחודש, יש לך business case.
צעד שלישי: תכנן hybrid architecture
- 80% queries → V4-Pro self-host (או DeepSeek API off-peak).
- 15% queries → V4-Pro peak (אם ה-traffic דורש SLA גבוה).
- 5% queries → Closed frontier (OpenAI o3, Claude Opus 5) ל-edge cases.
- זה hybrid מקטין capex, שומר על ביצועים, ומפזר סיכון vendor.
ארגונים — תוכנית ארבעה שלבים
שלב 1: Pilot ב-Q4 2026 (1-2 חודשים, $30K-$80K)
- הקים סביבת POC בענן פרטי (AWS GovCloud או ענן ישראלי).
- העבר 10% מה-traffic של workflow אחד.
- מדוד latency, accuracy, cost.
שלב 2: הרחבה ל-30% (Q1 2027)
- אחרי POC מוצלח, העבר עוד workflows.
- התחל fine-tuning ל-domain-specific data.
- בנה internal champion team.
שלב 3: data residency מלא (Q2 2027)
- העבר 80% של ה-traffic ל-self-host.
- שמור 20% ל-OpenAI כ-fallback ול-edge cases.
- צמצם את ה-dependency האמריקאית.
שלב 4: enterprise benchmark (Q3 2027)
- פרסם case study פנימי / חיצוני.
- השתמש בזה כ-content ל-sales.
- בנה יתרון תחרותי מול מתחרים שעוד תלויים ב-OpenAI.
Researchers — גישה מהירה
V4-Pro הוא המודל הכי נגיש למחקר AI כרגע. הנה איך להתחיל:
- הורד weights (893GB) דרך Hugging Face.
- הרץ את eval suite הסטנדרטי — HELM, lm-eval-harness, MT-Bench.
- התמקד ב-unique angles — למשל alignment של MoE sparsity, או interpretability של reasoning chains.
- פרסם תחת license compatible (MIT outputs ניתנים לכל שימוש).
- תרום ל-community — model variants, fine-tunes, evaluation harnesses.
חלוקת compute למחקר ישראלי: אוניברסיטת תל אביב, הטכניון, ומכון ויצמן מתארגנים ל-cluster משותף ל-V4-Pro עם MIT license. צפוי לפעול תחילת 2027.
מקרי קצה שכדאי להכיר
מקרה 1: agency קטן שרוצה להציע "AI תוצרת ישראל"
- עם V4-Pro self-host, אתה יכול להציע "שירות AI עם data residency ישראלי".
- זה יתרון ממשי מול לקוחות enterprise (בנקים, חברות ביטוח, רשויות).
- עלות פתיחה: ~$30K פעם אחת + $30K לחודש. שולי רווח טובים אם יש pipeline.
מקרה 2: סטארטאפ SaaS שרוצה רק 20K tokens לחודש
- V4-Pro API לא משתלם (setup overhead גבוה).
- הישאר עם OpenAI API.
- ה-MIT של V4-Pro לא רלוונטי כשאתה לא self-hosting.
מקרה 3: חברה שצריכה vision
- V4-Pro לא תומך ב-vision.
- השתמש ב-Qwen3.8-Max או ב-Meta Muse Glimmer (multi-modal).
- או חכה ל-V4-Pro-Multimodal שיגיע כ-fork קהילתי.
מקרה 4: חברת defense/סייבר
- V4-Pro origin סיני — רגולציה אמריקאית (DFARS, ITAR) עשויה להגביל.
- בדוק עם רגולטור לפני commit.
- חלופה בטוחה יותר: Meta Muse Glimmer (אמריקאי) או IBM Granite.
למה המודל הזה הוא "regime change"
לפני אוגוסט 2026, "open source AI" היה בערך מה ש-Meta ו-Alibaba נתנו: models טובים, אבל עם restrictions. ה-MIT של V4-Pro הוא מעבר ל-regime. זה אומר שכל code review, כל benchmark, כל ablation, כל fine-tune — הופך ל-public domain knowledge. קוד של V4-Pro לא שייך לספק; הוא שייך לקהילה.
ההשפעה תהיה דומה למה שקרה עם Linux ב-2000s: לאט לאט, סקטורים שלמים יעברו ל-open source. AI security, AI audit, AI compliance — כל אלה יהיו מבוססים על V4-Pro תוך 3 שנים. זה לא overstatement. זה דפוס היסטורי שחוזר על עצמו, והמשמעות העמוקה היא שליטה טכנולוגית של הקהילה ולא של ספק מסחרי.
שאלות נפוצות
האם אני באמת יכול לעשות כל מה שאני רוצה עם V4-Pro? כן. MIT מאפשר שימוש מסחרי, שינוי, הפצה, מכירה — בלי הגבלות. הסייג היחיד: שמור את ה-copyright notice ואת license text.
למה זה לא היה קיים קודם? כי ספקיות AI רצו לסגור את ה-weights כדי להגן על ה-revenue. DeepSeek היא הראשונה שהבינה ש-V4-Pro MIT יכול להיות יותר רווחי — דרך API, לא דרך weights.
האם V4-Pro מסוכן? DeepSeek בנתה safety filters ב-base. אבל אחרי fine-tuning, אתה יכול להסיר אותם. זה ה-trade-off של MIT: חופש מוחלט.
האם ה-weights שלמים ב-Hugging Face? כן. 893GB safetensors. תצטרך מקום אחסון משמעותי.
איך זה משפיע על ה-IPO של OpenAI? פוטנציאל — לרעה. הרבה מה-evaluation של OpenAI ב-IPO מבוסס על "אנחנו המובילים ב-tech". V4-Pro מראה שוק הרבה יותר תחרותי. זה יכול להוריד את ה-multiple.
מתי צפוי V5? DeepSeek לא אישרה. אולי Q4 2026, אולי 2027. הם משקיעים ב-V4-Flash וב-Harness (כלי coding).
האם Qwen3.8-Max עדיין רלוונטי? כן, ל-licensing-target. אם אתה לא צריך commercial floor protection, V4-Pro עדיף. אם אתה רוצה 2.4T params עם 1M context — Qwen3.8-Max.
האם עדיף V4-Pro על Qwen3.8-Max לסטארטאפ בישראל? ברוב המקרים כן. ה-MIT מאפשר גמישות שאין ב-Custom Qwen. ה-87.9 ב-Terminal-Bench 2.1 קרוב מספיק ל-86.6 של Qwen3.8-Max. חריג יחיד: אם המודל הספציפי שלך דורש image+video native — אז Qwen3.8-Max, אבל V4-Pro יידרש fine-tune multimodal.
כמה עולה להריץ V4-Pro self-host בישראל? תלוי בספק. ב-AWS eu-central-1 (Frankfurt, קרוב לישראל), 8x H100 עם v4-Pro עולה ~$32K לחודש. ב-Lambda Labs בארה"ב — דומה. בענן ישראלי (נענע 9, מלם-טים) — צפוי $25K-$35K לחודש כשייצא, עם שיפור latency לקוחות ישראליים.
סיכום
DeepSeek V4-Pro הוא הסמן הכי ברור ל-2026: frontier AI + open source + permissive license. ה-weights שלו כבר ב-Hugging Face, ה-MIT license מאפשר כל שימוש, והביצועים מתחרים ב-GPT-5.6 Sol ו-Claude Opus 5.
זה לא רק עוד מודל. זה הסוף של ה-monopoly של ה-closed frontier. אם אתה יכול להוריד מודל שמבצע 87.9 ב-Terminal-Bench 2.1 ולעשות איתו כל מה שאתה רוצה, אז ה-API של OpenAI הופך מ-necessity ל-choice.
התוצאה: סקטור ה-AI ישתנה. לא יהיה יותר "אנחנו סגורים ואתה תלוי בנו". יהיה "אנחנו נותנים לך את הקוד ואתה בונה עליו". וזה יקרה מהר.
מקורות
- DeepSeek: https://deepseek.com/
- QZ: https://qz.com/
- Yotta Labs: https://yottalabs.ai/
- Digital Applied: https://digitalapplied.com/
- Hugging Face: https://huggingface.co/
- Artificial Analysis: https://artificialanalysis.ai/
- MindStudio: https://mindstudio.ai/
- DataNorth: https://datanorth.ai/
- DataCamp: https://datacamp.com/
- Axios: https://www.axios.com/
`
מאמרים קשורים
מהקריאה לבנייה
יש לכם מערכת שצריכה לעבוד עם AI?
אני עוזר לעסקים להפוך מודלים, אוטומציות ותשתיות מאובטחות למערכות שאפשר להפעיל בפרודקשן.
בואו נדבר על הפרויקט