Kata Kunci：Model AI Besar, Model Sumber Terbuka, Optimasi Penalaran, Pencarian AI, Kacamata AI, Agen AI, AGI, Laporan Triliunan Token a16z, Gemini 3 API, Ponsel AI Doubao, Arsitektur Titans, Fusi Multimodal
🎯 Tren
Laporan Triliunan Token a16z Mengungkap Perpecahan Besar AI : OpenRouter dan a16z bersama-sama merilis laporan berdasarkan 100 triliun Token, mengungkapkan tiga tren utama AI pada tahun 2025: pangsa lalu lintas model open-source mencapai 30%, dengan kekuatan open-source Tiongkok bangkit, menduduki hampir 30% pangsa global; lalu lintas model optimasi inferensi melonjak hingga lebih dari 50%, AI beralih dari “menghasilkan teks” menjadi “memikirkan masalah”; pemrograman dan role-playing adalah dua skenario dominan. Laporan tersebut juga mengemukakan “efek sepatu kaca”, menekankan bahwa model perlu terlebih dahulu menyelesaikan masalah spesifik untuk mempertahankan pengguna, dan menunjukkan bahwa penggunaan berbayar di Asia berlipat ganda, dengan bahasa Mandarin menjadi bahasa interaksi AI terbesar kedua. (Sumber: source, source)
Evolusi dan Kontroversi AI Search : AI search sedang berevolusi dari distribusi informasi menjadi mediasi layanan. Mesin pencari native AI seperti Google Gemini 3 dan Perplexity membentuk kembali pengalaman pencarian melalui interaksi percakapan, pemahaman multimodal, dan eksekusi tugas. Pangsa pasar mesin pencari tradisional menurun, dan AI search diinternalisasi sebagai kemampuan dasar berbagai aplikasi. Namun, Elon Musk menegaskan bahwa AI akan “menghilangkan pencarian”, mencerminkan dampak pada model tradisional dan ekspektasi pasar mediasi layanan triliunan dolar di masa depan, sekaligus memicu diskusi tentang sumber informasi yang kredibel dan pergeseran paradigma pemasaran. (Sumber: source)
Perang ‘Ratusan Kacamata’ AI : Pasar Tiongkok meluncurkan 20 model kacamata AI dalam dua bulan, dengan raksasa seperti Google, Alibaba, Huawei, dan Meta memasuki pasar, bertujuan untuk merebut pintu masuk interaksi cerdas generasi berikutnya. Kacamata AI, dengan mengintegrasikan kemampuan large model, mewujudkan fungsi seperti terjemahan real-time, pengenalan skenario, dan tanya jawab suara, mencoba “menggantikan” kacamata tradisional. Namun, homogenitas produk, daya tahan baterai, kenyamanan, dan keamanan privasi masih menjadi tantangan, dan pasar masih mengeksplorasi aplikasi “pembunuh” dan model bisnisnya. (Sumber: source, source)
Perang Ponsel AI Doubao dan Super APP : Ponsel AI Doubao, hasil kolaborasi ByteDance dan ZTE, mewujudkan kemampuan AI tingkat sistem dengan Agent berhak akses tinggi, memicu diskusi tentang “perang antara Super Agent dan Super APP”. Pengguna dapat melakukan operasi kompleks seperti perbandingan harga lintas platform dan memesan makanan dalam satu kalimat. Namun, platform seperti WeChat dengan cepat melarang operasi otomatis pihak ketiga, menyoroti bahwa implementasi AI tingkat sistem bukan hanya masalah teknis, tetapi juga tantangan distribusi kepentingan dan koordinasi ekosistem. Produsen ponsel, sebagai peran netral, mungkin lebih mudah mendorong pembangunan ekosistem terbuka untuk ponsel AI. (Sumber: source, source)
Dilema Implementasi AI di Dunia Fisik : Konsensus umum di industri adalah bahwa AI adalah “dewa” di dunia digital, tetapi masih “bayi raksasa” di dunia fisik. Tokoh terkemuka di industri mobil listrik baru menunjukkan bahwa mengajari robot berjalan lebih sulit daripada mengajari AI menulis puisi, dunia fisik kekurangan “tombol undo”, dan biaya operasional serta hukum sangat besar. Dividen masa depan terletak pada embedding AI ke dalam perangkat fisik seperti mobil dan mesin perkakas, mencapai terobosan dalam “kandungan kerja”. Selain itu, setelah bonus data teks habis, Scaling Law beralih ke “belajar dari video” untuk memahami hukum fisik dan kausalitas, tetapi ini juga membawa tantangan konsumsi daya komputasi yang sangat besar. (Sumber: source)
Penyesuaian API Gratis Google Gemini dan Persaingan Pasar : Google tiba-tiba memperketat batasan tingkat gratis Gemini API, memicu ketidakpuasan pengembang, yang percaya bahwa Google beralih ke profitabilitas setelah mengumpulkan data. Langkah ini datang saat OpenAI berencana merilis GPT-5.2 untuk menanggapi Gemini 3, dengan persaingan large model AI yang semakin memanas. CEO Google DeepMind Demis Hassabis menekankan bahwa Google harus menempati posisi terkuat di bidang AI, dan puas dengan kemampuan pemahaman multimodal Gemini 3, pembuatan game, pengembangan front-end, dll., sambil menegaskan kembali pentingnya Scaling Law. (Sumber: source)
Arsitektur Titans Google DeepMind dan Prospek AGI : CEO Google DeepMind Demis Hassabis memprediksi AGI akan terwujud dalam 5-10 tahun, tetapi membutuhkan 1-2 terobosan “tingkat Transformer”. Pada konferensi NeurIPS 2025, Google merilis arsitektur Titans, yang menggabungkan kecepatan RNN dengan kinerja Transformer, bertujuan untuk menyelesaikan masalah konteks panjang, dan mengusulkan kerangka teori MIRAS. Titans mengompresi data historis melalui modul memori jangka panjang, mewujudkan pembaruan dinamis parameter model saat runtime, dan menunjukkan kinerja yang sangat baik dalam tugas inferensi konteks ultra-panjang, dianggap sebagai penerus Transformer yang kuat. (Sumber: source, source)
🧰 Alat
Arsitektur AI Hibrida dan Kemampuan Multimodal LangChainAI : Komunitas LangChain merilis aplikasi “Energy Buddy”, yang mengadopsi arsitektur AI hibrida LangGraph, memproses gambar melalui OCR deterministik, dan menggunakan agen ReAct untuk memproses kueri, menekankan bahwa tidak semua tugas memerlukan agen. Selain itu, LangChain juga menyediakan tutorial yang menunjukkan cara membangun aplikasi AI multimodal yang memproses gambar, audio, dan video menggunakan Gemini, menyederhanakan panggilan API yang kompleks. (Sumber: source, source)
Alat Prompt Multi-AI Yupp AI : Yupp AI menyediakan platform yang memungkinkan pengguna untuk secara bersamaan mengajukan pertanyaan kepada beberapa model AI (seperti ChatGPT, Gemini, Claude, Grok, DeepSeek) dalam satu tab, dan menggunakan fitur “Help Me Choose” untuk memungkinkan model saling memeriksa pekerjaan. Alat ini bertujuan untuk menyederhanakan, mempercepat alur kerja kolaborasi multi-AI, dan disediakan secara gratis, meningkatkan efisiensi pengguna dalam tugas-tugas kompleks. (Sumber: source)
Sistem Memori Agent Cass Tool : doodlestein sedang mengembangkan sistem memori agen berdasarkan alat Cass-nya, yang menggunakan beberapa agen AI seperti Claude Code, Gemini3, dll., untuk perencanaan dan pembuatan kode. Alat Cass bertujuan untuk menyediakan antarmuka CLI berkinerja tinggi yang terintegrasi dengan agen pengkodean, memperbarui memori agen dengan mencatat log sesi, menyaring preferensi dan umpan balik, untuk mencapai rekayasa konteks yang lebih efektif. (Sumber: source)
Agen Dokumen LlamaCloud : LlamaCloud meluncurkan solusi “Pemrosesan Dokumen Cerdas”, memungkinkan pengguna untuk membangun dan menyebarkan agen dokumen profesional dalam hitungan detik, dan menyesuaikan alur kerjanya melalui kode. Platform ini menyediakan contoh agen pemrosesan faktur dan pencocokan kontrak, mengklaim lebih akurat dan dapat disesuaikan daripada solusi IDP yang ada, bertujuan untuk menyederhanakan tugas pemrosesan dokumen melalui agen pengkodean. (Sumber: source)
Hasil Tes Kode SWE-Bench : MiniMax-M2 menjadi model open-weight dengan skor tertinggi dalam tes SWE-Benchverified, menunjukkan kemampuan Agent yang kuat dan stabilitas penanganan tugas panjang. Versi inferensi Deepseek v3.2 menyusul, menarik perhatian dengan rasio harga-kinerja yang sangat tinggi dan efek yang baik. GLM 4.6 menunjukkan kinerja yang seimbang, cepat, harga rendah, dan kinerja luar biasa, dianggap sebagai raja rasio harga-kinerja, menunjukkan bahwa model open-source dengan cepat mengejar large model komersial di bidang pembuatan kode. (Sumber: source)
Alat Orkestrasi Multi-Agen : Diskusi media sosial menunjukkan bahwa orkestrasi multi-agen adalah masa depan pengkodean AI, menekankan pentingnya manajemen konteks yang cerdas. Alat open-source seperti CodeMachine CLI, BMAD Method, Claude Flow, Swarms direkomendasikan untuk mengoordinasikan alur kerja multi-agen, perencanaan terstruktur, dan penyebaran otomatis. Alat-alat ini bertujuan untuk mengatasi keterbatasan sesi AI tunggal dalam menangani pengembangan perangkat lunak yang kompleks, meningkatkan keandalan AI dalam proyek nyata. (Sumber: source)
Sistem Manajemen Halusinasi LLM Lokal : Seorang pengembang berbagi “sistem saraf” sintetis yang dibangunnya, bertujuan untuk mengelola halusinasi LLM lokal dengan melacak keadaan “somatik” (seperti dopamin dan vektor emosi). Sistem ini memicu sampling defensif (konsistensi diri dan penolakan) pada risiko tinggi/dopamin rendah, berhasil menurunkan tingkat halusinasi tetapi saat ini terlalu konservatif, juga memilih untuk menolak pada pertanyaan yang dapat dijawab. Proyek ini mengeksplorasi potensi untuk meningkatkan keamanan AI selama inferensi melalui lapisan kontrol daripada bobot model. (Sumber: source)
📚 Pembelajaran
Paper Trails ‘Goodreads’ untuk Makalah Akademik : Anuja mengembangkan Paper Trails, sebuah platform manajemen makalah akademik yang mirip dengan Goodreads, bertujuan untuk memungkinkan peneliti terlibat dalam membaca akademik dengan cara yang lebih menyenangkan dan personal, serta mengelola sumber daya seperti makalah, blog, Substack, dll. Platform ini berharap dapat membuat pengalaman penelitian menjadi lebih menarik dan personal. (Sumber: source, source)
Studi Implementasi Produksi Agen AI : DAIR.AI merilis studi skala besar tentang agen AI yang beroperasi di lingkungan produksi, menemukan bahwa agen tingkat produksi cenderung sederhana dan sangat terkendali, terutama mengandalkan model siap pakai daripada fine-tuning, dan didominasi oleh evaluasi manual. Studi ini menantang asumsi umum tentang otonomi agen, menekankan bahwa keandalan masih merupakan tantangan terbesar, dan menunjukkan bahwa sebagian besar tim implementasi produksi cenderung membangun implementasi kustom dari awal daripada mengandalkan kerangka kerja pihak ketiga. (Sumber: source)
Tinjauan Terbaru Agentic LLM : Sebuah makalah tinjauan Agentic LLM baru mencakup tiga kategori yang saling terkait: inferensi, pengambilan, model berorientasi tindakan, dan sistem multi-agen. Laporan tersebut menunjukkan bahwa Agentic LLM memiliki aplikasi kunci dalam diagnosis medis, logistik, analisis keuangan, dan penelitian ilmiah, dan menyelesaikan masalah kelangkaan data pelatihan dengan menghasilkan status pelatihan baru selama proses inferensi. (Sumber: source, source)
Metode Kunci Fusi Multimodal : TheTuringPost merangkum metode kunci fusi multimodal, termasuk mekanisme atensi (cross-attention, self-attention), Mixture-of-Transformers (MoT), fusi grafis, fusi fungsi kernel, dan Mixture of States (MoS). MoS dianggap sebagai salah satu metode terbaru dan paling canggih, secara efektif mengintegrasikan fitur visual dan teks melalui pencampuran status tersembunyi dari setiap lapisan dan router yang dipelajari. (Sumber: source, source)
Daftar Makalah Unggulan NeurIPS 2025 : TheTuringPost merilis daftar 15 makalah penelitian unggulan NeurIPS 2025, mencakup berbagai topik mutakhir seperti Faster R-CNN, Artificial Hivemind, Gated Attention for LLMs, Superposition Yields Robust Neural Scaling, Why Diffusion Models Don’t Memorize, menyediakan sumber daya referensi penting bagi peneliti AI. (Sumber: source)
Kegagalan dan Perbaikan Konteks Panjang : Artikel blog dbreunig membahas penyebab kegagalan model konteks panjang dan metode perbaikannya. Artikel tersebut menunjukkan bahwa dalam dialog multi-putaran, jika pengguna mengubah pikiran di tengah jalan, iterasi sederhana mungkin tidak efektif, dan disarankan untuk mengagregasi dokumen persyaratan komprehensif menjadi satu prompt panjang untuk hasil yang lebih baik. Ini sangat penting untuk memahami dan mengoptimalkan kinerja LLM dalam dialog yang kompleks dan berjangka panjang. (Sumber: source)
Pemenang Nobel Michael Levitt Berbicara tentang Empat Jenis Kecerdasan : Pemenang Hadiah Nobel Kimia 2013, Michael Levitt, memberikan pidato di CEIBS, menafsirkan secara mendalam logika evolusi kecerdasan dari empat dimensi: kecerdasan biologis, kecerdasan budaya, kecerdasan buatan, dan kecerdasan pribadi. Dia menekankan keragaman dalam evolusi biologis, kreativitas kaum muda, dan potensi AI sebagai alat yang ampuh. Levitt menggunakan 4-5 alat AI setiap hari, mengajukan ratusan pertanyaan, dan menyarankan untuk tetap penasaran dan berpikir kritis, serta berani mengambil risiko. (Sumber: source)
Kekacauan Akademik NeurIPS dan ‘Pabrik Makalah’ : Profesor Ma Yi dari Universitas Hong Kong mengkritik bahwa konferensi terkemuka seperti NeurIPS telah kehilangan atribut akademisnya setelah diskalakan, menjadi bagian dari “rantai industri akademik”. Lembaga bimbingan penelitian Algoverse mengklaim bahwa tim pembimbingnya memiliki tingkat penerimaan makalah di konferensi terkemuka hingga 68%-70%, bahkan siswa SMA menerbitkan makalah, memicu kekhawatiran di kalangan akademisi tentang “makalah berbayar”, “inflasi akademik”, dan krisis kepercayaan. Penelitian menunjukkan bahwa “pabrik makalah” menggunakan alat AI untuk menghasilkan makalah berkualitas rendah, dan ICLR telah mengeluarkan aturan baru yang mengharuskan pernyataan jelas tentang penggunaan AI dan tanggung jawab atas kontribusi. (Sumber: source)
Bias Model Bahasa AI terhadap Dialek Jerman Regional : Penelitian oleh Johannes Gutenberg University Mainz dan institusi lain menemukan bahwa large language model seperti GPT-5 dan Llama secara sistematis bias terhadap penutur dialek Jerman, menilai mereka sebagai “pedesaan”, “tradisional”, atau “tidak berpendidikan”, sementara penutur bahasa Jerman standar digambarkan sebagai “berpendidikan” dan “terorganisir”. Bias ini lebih menonjol ketika model secara eksplisit diberitahu tentang dialek, dan large model menunjukkan bias yang lebih kuat, mengungkapkan masalah replikasi stereotip sosial oleh sistem AI. (Sumber: source)
💼 Bisnis
Taruhan Besar $20 Miliar xAI : xAI milik Elon Musk sedang mencari pembiayaan baru sekitar $20 miliar, termasuk $12,5 miliar dalam utang terstruktur, dan terikat dengan perjanjian pembelian produk NVIDIA. Pengembangan xAI sangat bergantung pada ekosistem X dan Tesla, dan strategi “weak alignment” mereka menghadapi peningkatan risiko di bawah regulasi global yang semakin ketat. Meskipun valuasi melonjak, pendapatan komersialisasi xAI masih sebagian besar berasal dari platform X, dengan pertumbuhan independen yang terbatas, menghadapi berbagai tantangan seperti ketidakseimbangan biaya, model terbatas, dan gesekan regulasi. (Sumber: source)
‘Waktu Bangun’ OpenAI dan Balas Dendam Google : OpenAI menghadapi defisit dana sebesar $207 miliar dan krisis kepercayaan, dengan CEO Sam Altman bahkan mengumumkan status “red alert”. Sementara itu, model Google Gemini menunjukkan kinerja luar biasa dalam benchmark, dan membalas dendam dengan kuat berkat arus kas yang dalam dan rantai industri yang lengkap (TPU, layanan cloud). Sentimen pasar beralih dari kegilaan terhadap OpenAI menjadi preferensi terhadap Google, mencerminkan bahwa industri AI telah memasuki “fase industri” dari “fase teologis”, dengan kekhawatiran tentang profitabilitas dan kualitas produk. (Sumber: source)
Liontin AI Limitless Diakuisisi oleh Meta : Limitless Pendant, yang disebut sebagai perangkat keras wearable AI terkecil di dunia, diakuisisi oleh Meta. CEO Limitless Dan Siroker menyatakan bahwa kedua belah pihak memiliki visi “superintelligence pribadi” yang sama. Akuisisi ini berarti Limitless akan berhenti menjual produk yang ada, tetapi akan menyediakan dukungan teknis setidaknya selama satu tahun untuk pengguna yang sudah ada, dan peningkatan layanan gratis. Peristiwa ini mencerminkan bahwa startup perangkat keras AI, di bawah tekanan biaya R&D yang tinggi dan edukasi pasar, pada akhirnya mungkin berakhir dengan diakuisisi oleh raksasa. (Sumber: source)
🌟 Komunitas
Pandangan Karpathy tentang LLM sebagai Simulator : Andrej Karpathy menyarankan untuk melihat LLM sebagai simulator daripada entitas. Dia berpendapat bahwa ketika menjelajahi suatu topik, seseorang tidak boleh bertanya “Menurut Anda apa itu XYZ?”, melainkan “Bagaimana sekelompok orang akan menjelajahi XYZ? Apa yang akan mereka katakan?”. LLM dapat mensimulasikan berbagai perspektif, tetapi tidak membentuk pandangannya sendiri. Pandangan ini memicu diskusi di komunitas tentang peran LLM, tugas RL, dan esensi “berpikir”, serta bagaimana memanfaatkan LLM secara efektif untuk eksplorasi. (Sumber: source, source, source, source)
Dampak AI pada Pasar Kerja dan Transformasi Pekerja Kerah Biru : AI mempercepat penetrasi ke tempat kerja kerah putih, memicu gelombang PHK, dan mendorong kaum muda untuk meninjau kembali perencanaan karier. Seorang gadis berusia 18 tahun meninggalkan universitas untuk menjadi tukang pipa, dan seorang karyawan Microsoft yang telah bekerja selama 31 tahun di-PHK karena restrukturisasi departemen oleh AI, menyoroti penggantian “kelas menengah berpengalaman” tingkat menengah oleh AI. Hinton pernah menyarankan untuk menjadi tukang pipa untuk melawan dampak AI. Ini mencerminkan bahwa pekerjaan kerah biru, karena kompleksitas operasi fisiknya, menjadi “tempat berlindung” jangka pendek untuk melawan otomatisasi AI, sementara pekerja kerah putih perlu beradaptasi dengan tatanan baru tempat kerja yang “terformat”. (Sumber: source, source)
Gelombang Pengembalian Dana Dipicu oleh Gambar Palsu Buatan AI : Pedagang di platform e-commerce menghadapi masalah “pengembalian dana hanya AI”, di mana ‘wool party’ (pemburu diskon/penipu) menggunakan AI untuk menghasilkan gambar cacat produk guna menipu pengembalian dana, terutama produk segar dan murah menjadi area yang paling parah. Pada saat yang sama, model AI dan ulasan pembeli AI mendominasi kategori pakaian wanita, membuat konsumen sulit membedakan yang asli dari yang palsu. Meskipun platform telah mengeluarkan pedoman tata kelola gambar palsu AI dan fungsi deklarasi proaktif, mereka masih sangat bergantung pada inisiatif pengguna, dan standar auditnya tidak jelas, memicu kekhawatiran tentang penyalahgunaan AI, krisis kepercayaan, dan kelelahan mental. (Sumber: source)
Masalah Halusinasi Makalah ICLR : Fenomena “halusinasi” dalam jumlah besar ditemukan dalam makalah yang diajukan ke ICLR 2026, dengan peneliti memindai 300 makalah dan menemukan 50 di antaranya memiliki halusinasi yang jelas. ICLR telah langsung menolak makalah yang dihasilkan oleh LLM dan tidak melaporkan penggunaannya. Masalah ini memicu kekhawatiran tentang integritas akademik, etika penulisan berbantuan AI, dan efektivitas mekanisme tinjauan konferensi. (Sumber: source, source, source)
Dampak AI pada Harga Produk Elektronik : Diskusi media sosial berpendapat bahwa demam AI sedang menghantam pasar elektronik global, mirip dengan dampak penambangan cryptocurrency pada pasar GPU. Permintaan besar pusat data AI untuk HBM dan memori grafis kelas atas menyebabkan harga memori seperti DRAM melonjak, memengaruhi produk elektronik konsumen seperti PC dan smartphone. Komentator khawatir bahwa sebelum gelembung AI pecah, konsumen biasa akan menanggung biaya produk elektronik yang lebih tinggi, dan mempertanyakan apakah arah pengembangan AI saat ini menyimpang dari aplikasi yang benar-benar bermanfaat bagi umat manusia. (Sumber: source)
Aplikasi Praktis dan Batasan Agen AI : Diskusi media sosial membahas secara mendalam tugas-tugas praktis dan batasan “Agentic AI”. Pengguna umumnya percaya bahwa banyak produk “agen” saat ini masih “hype pemasaran”, lebih dekat ke “otomatisasi” daripada “otonomi penuh”. Tugas AI otonom sejati meliputi pemrosesan data, pengambilan multi-langkah, operasi perangkat lunak berulang, refactoring kode, dan pemantauan berkelanjutan. Namun, tugas yang melibatkan penilaian, pengambilan keputusan berisiko, pilihan kreatif, atau operasi yang tidak dapat dibatalkan masih memerlukan intervensi manusia. (Sumber: source)
Chatbot AI dan Privasi Pribadi : Pengguna Reddit berbagi pengalaman mereka dengan tuan rumah Airbnb yang menggunakan ChatGPT untuk membalas pesan, memicu diskusi tentang privasi, kepercayaan, dan potensi risiko hukum dalam layanan otomatis AI. Pengguna juga mengklaim berhasil “menipu” ChatGPT untuk memberikan metadata yang diterimanya, semakin memperburuk kekhawatiran tentang transparansi pemrosesan data sistem AI. (Sumber: source, source)
Etika Hijau AI dan Pilihan Pribadi : Pengguna Reddit membahas apakah, dalam konteks AI yang semakin terintegrasi ke berbagai industri (terutama medis), seseorang harus terus menghindari penggunaan AI hiburan (seperti ChatGPT) untuk mengurangi dampak negatif terhadap lingkungan. Diskusi berfokus pada dampak pusat data AI terhadap lingkungan, serta bagaimana individu di era AI dapat mengadvokasi penggunaan dan implementasi AI yang lebih hijau dan bertanggung jawab, menyeimbangkan nilai-nilai pribadi dengan pengembangan teknologi. (Sumber: source)
💡 Lain-lain
AI Mensimulasikan Sel Manusia : Para ilmuwan sedang melatih AI untuk menciptakan sel manusia virtual, model digital ini dapat mensimulasikan perilaku sel nyata, memprediksi responsnya terhadap obat-obatan, mutasi genetik, atau kerusakan fisik. Simulasi sel yang didorong AI diharapkan dapat mempercepat penemuan obat, mewujudkan pengobatan yang dipersonalisasi, mengurangi biaya trial-and-error dalam uji coba awal, tetapi pengujian laboratorium in vivo masih sangat diperlukan. (Sumber: source)
Generator CV AI : Seorang pengguna mengembangkan alat AI (ekstensi Chrome) yang dapat secara otomatis membaca beberapa halaman rekrutmen dan menghasilkan CV yang disesuaikan untuk setiap posisi berdasarkan latar belakang pengguna. Alat ini menggunakan Gemini, bertujuan untuk mengatasi masalah yang membosankan dan memakan waktu dalam memodifikasi CV secara manual selama proses pencarian kerja, meningkatkan efisiensi pencarian kerja, dan menemukan bahwa Gemini memiliki keunggulan biaya dalam pembuatan dibandingkan ChatGPT. (Sumber: source, source)
SLM Medis Offline 6GB : Sebuah SLM (Small Language Model) medis offline 6GB yang sepenuhnya mandiri telah berhasil dikembangkan, dapat berjalan di laptop dan ponsel, tanpa cloud, dan tanpa kebocoran data. Model ini menggabungkan BioGPT-Large dan knowledge graph biomedis native, melalui embedding sadar grafis dan RAG real-time, mencapai jawaban tingkat panduan yang hampir tanpa halusinasi, dan mendukung penalaran terstruktur di 7 bidang klinis. Alat ini bertujuan untuk menyediakan informasi medis yang aman dan akurat bagi dokter, peneliti, dan pasien. (Sumber: source, source)