---
title: "עדכון למודל חדש ולאלגוריתם תמלול חדש – Hanah"
description: "עדכנו את המודל שמנסח את הרשומות שלכם ואת אלגוריתם התמלול. שיעור שגיאות המילים ירד מ-5.9% ל-1.6%, והפרטים המומצאים מ-5 ל-1."
source: https://hanah.health/he/blog/benchmark-update-july-2026/
---

1.  [דף הבית](https://hanah.health/he/)
2.  [בלוג](https://hanah.health/he/blog/)
3.  עדכון למודל חדש ולאלגוריתם תמלול חדש.

מאמר

# עדכון למודל חדש ולאלגוריתם תמלול חדש.

מאת [Ahmed](https://hanah.health/he/blog/authors/ahmed/) · 3 דקות קריאה  
פורסם ב-31 ביולי 2026 · עודכן ב-15 באוקטובר 2026

## עיקרי הדברים

-   העדכון הזה, מיולי 2026, החליף את מודל הפקת הרשומות ואת אלגוריתם התמלול, והשאיר את התבניות כפי שהן.
-   בהערכה האוסטרלית שדווחה, שיעור שגיאות המילים ירד מ-5.9% ל-1.6%, ומספר הפרטים המומצאים המאושרים ירד מחמישה לאחד.
-   אלה תוצאות היסטוריות של הקורפוס וההרצה המצוטטים. קראו לצידן את המתודולוגיה המקושרת ואת הדוחות העדכניים.

עדכנו את המודל שמנסח את הרשומות שלכם, וגם את האלגוריתם שמקליט ומתמלל את המפגש. הפוסט הזה מסביר מה השתנה, למה לצפות ומה נשאר אותו דבר.

## מה המבחן ההשוואתי שלנו מראה

בהשוואה של ההרצה הזו מול הקורפוס האוסטרלי שלנו להרצה שפרסמנו ב-29 ביוני:

#### שיעור שגיאות המילים

1.6% −4.3 נק׳ לעומת 29 ביוני

#### פרטים מומצאים, מאושרים

1 −4 לעומת 29 ביוני

#### עובדות קליניות שנקלטו

94.7% +3.2 נק׳ לעומת 29 ביוני

[לנתונים ולתוצאות בפירוט רב יותר](https://hanah.health/he/au/trust/transparency/).

בבדיקות שלנו, מודל Gemini Flash 3.6 החדש קלט יותר עובדות קליניות והמציא הרבה פחות פרטים. בהקשר קליני, שלמות לעולם לא צריכה לבוא על חשבון הדיוק, ובעדכון הזה לא נאלצנו לוותר על אחד בשביל השני.

## התבניות נשארות אותו דבר

התבניות שלכם לא מושפעות. אותן תבניות אמורות להפיק את אותו מבנה, את אותם חלקים ואת אותם שדות. אין צורך לחזור לשום דבר שהגדרתם, ואין שום פעולה שנדרשת מכם.

## מה השתנה

עדכנו את מודל הפקת הרשומות מ-Gemini Pro 3.1 ל-Gemini Flash 3.6, וגם עדכנו את אלגוריתם התמלול שלנו.

**אלגוריתם התמלול.** שינינו את האופן שבו מזוהה דיבור ואת האופן שבו המפענח עומד בקצב של מפגש ארוך, כך שחלק גדול יותר ממה שנאמר מגיע לתמליל, במיוחד בתחילת משפט ועד סוף הקלטה ארוכה. שיפרנו גם את זיהוי השמות, ועדכנו את קורפוס המבחן ההשוואתי שלנו כך שיכלול שמות פחות מוכרים.

**מודל הפקת הרשומות.** עודכן ל-Gemini Flash 3.6. יחד עם שיפור הדיוק בתמלול, זה הוביל לפחות הזיות ולניסוח הדוק יותר בהפקת הרשומות.

## המספרים, ואיך לבדוק אותם

שתי ההרצות מתפרסמות במלואן: [הדוח הנוכחי](https://hanah.health/he/au/trust/transparency/), [ההשוואה זו לצד זו](https://hanah.health/he/au/trust/comparison/) [והתוצאות הקודמות](https://hanah.health/he/au/trust/benchmarks/). אפשר לקרוא כל תמליל, כל רשומה שהופקה ואת הנימוקים של כל מעריך.

הערה חשובה: שדרגנו את פאנל השופטים של מודלי השפה (LLM jury) כך שישתמש במודלים גדולים יותר, כדי להגביר את הביטחון במבחן ההשוואתי שלנו. מצאנו שהרצה של מודלים קטנים יותר כמה פעמים הפיקה לעיתים קרובות דוחות גרועים יותר מהרצה אחת של מודלים גדולים.

## למה אנחנו בכלל מפרסמים את זה

אנחנו מאמינים שתוכנה לנותני שירותי בריאות לא צריכה להתנהל כמו SaaS בגישת 'move fast and break things'. אנחנו שקופים עד הסוף ומשתפים כל שינוי שאנחנו עושים או מתכננים לעשות, כדי שתדעו בדיוק איך אנחנו מעבדים נתונים.

התוצאות של העדכונים האלה חיוביות למדי בסך הכול, אבל כפי [שכתבנו בתחילת החודש](https://hanah.health/he/blog/ai-health-tech-transparency/), למספר יש משמעות רק אם אנחנו מפרסמים גם כשהתוצאות רעות, והשקיפות הזו היא ההתחייבות שלנו אליכם.

אם אתם מרגישים שחלה נסיגה, או שקורפוס המבחן ההשוואתי שלנו לא משקף את הקליניקה שלכם, אל תהססו לפנות אלינו ב-hello@hanah.health.

## שאלות נפוצות

**האם אלה נתוני הדיוק העדכניים?**

אלה התוצאות שדווחו לעדכון של יולי 2026. הרצות חדשות יותר עשויות להיות שונות. לתוצאות האחרונות שפורסמו, עיינו [בדוחות הדיוק](https://hanah.health/he/transparency/).

**האם העדכון דרש תבניות רשומה חדשות?**

העדכון שמתואר כאן החליף את מודל ההפקה ואת אלגוריתם התמלול, והשאיר את התבניות.

**מה שיעור שגיאות המילים מודד?**

הוא מודד את ההבדלים בין התמליל שהופק לבין תמליל הייחוס, לפי שיטת הניקוד שפורסמה. הוא נפרד מהדיוק של רשומה קלינית שהופקה.

## המקורות שצוטטו במאמר

-   [לנתונים ולתוצאות בפירוט רב יותר](https://hanah.health/he/au/trust/transparency/) – hanah.health
-   [ההשוואה זו לצד זו](https://hanah.health/he/au/trust/comparison/) – hanah.health
-   [התוצאות הקודמות](https://hanah.health/he/au/trust/benchmarks/) – hanah.health
-   [דוחות הדיוק](https://hanah.health/he/transparency/) – hanah.health

## על הכותבת

[Ahmed](https://hanah.health/he/blog/authors/ahmed/) · מייסד שותף ומנכ״ל, Hanah

Ahmed הוא המייסד השותף והמנכ״ל של Hanah. הרקע שלו כולל פיתוח משחקים, אנליטיקה בספורט, פינטק ו-AI, עם ניסיון ב-Electronic Arts, ב-Catapult Sports וב-Commonwealth Bank, ניהול סטודיו עצמאי למשחקים, ותפקיד ראש תחום AI ב-sixclicks, חברה בתחום הממשל, ניהול הסיכונים והציות. הוא מביא את הניסיון שלו בתכנון מנגנוני מעורבות ושימור במשחקים לבניית לולאות משוב שעוזרות למטופלים להישאר מעורבים בטיפול שלהם ולהתקדם לתוצאות בריאות טובות. [למאמרים שלו](https://hanah.health/he/blog/authors/ahmed/).

**הערת עדכון:** נוספו סיכומים מובנים ונתוני פרסום. העדכון הזה לא משנה את תאריכי בדיקת המקורות או את תאריכי המבחן ההשוואתי שמצוינים במאמר.

[איך אנחנו כותבים, מתעדים מקורות ובודקים מאמרים](https://hanah.health/he/blog/editorial-policy/)

## קריאה נוספת

-   [Accuracy over inference: your AI scribe should not fill in the blanks](https://hanah.health/he/blog/accuracy-over-inference/)
    
    A plausible clinical detail is still an invented detail if the encounter never established it. Real examples from our testing explain why Hanah prioritises faithful documentation, and why we measure consistency across repeated runs.
    
-   [Hanah מול כל השאר: מבחן השוואתי אובייקטיבי ושקוף](https://hanah.health/he/blog/hanah-vs-the-rest-benchmark/)
    
    השמענו את אותם 13 מפגשים מוקלטים לשבעה סקרייבים מבוססי AI והערכנו כל רשומה וכל תמליל באופן עיוור. ברשומות של Hanah לא היו סימוני הזיה משמעותית, הן כללו 93.7% מהפרטים הקליניים הנדרשים לעומת ממוצע של 84.2%, ובתמלילים שלה היו 66% פחות שגיאות משמעותיות קלינית. כל תמליל, רשומה וציון מתפרסמים.
    
-   [במבחנים השוואתיים קפדניים בתעשייה, Hanah נמצאה כסקרייב ה-AI הטוב ביותר](https://hanah.health/he/blog/hanah-best-ai-scribe-benchmark/)
    
    ScribeStandard הריצה שישה סקרייבים מבוססי AI על אותם 12 מפגשים מוקלטים והעריכה כל רשומה באופן עיוור. ל-Hanah היו הכי מעט שגיאות והבדיקה המהירה ביותר, והיא דורגה ראשונה ב-18 מתוך 19 מדדים. כל הקלטה, רשומה וציון מתפרסמים.
    

לראות את Hanah בקליניקה שלכם.

[לתיאום הדגמה](https://hanah.health/he/#demo)