Kata Kunci：Agen AI Cerdas, Akuisisi Meta, Investasi OpenAI, Perencanaan Tugas Agen Cerdas Umum, Infrastruktur AI Stargate, Kode Claude untuk Pengkodean Mandiri
🔥 Fokus
Meta mengakuisisi startup AI Agent Manus senilai miliaran dolar: Meta menyelesaikan akuisisi terbesarnya yang ketiga pada akhir 2025, dengan membeli “kuda hitam” di sektor AI Agent, Manus, senilai lebih dari $2 miliar. Transaksi ini dipimpin langsung oleh Mark Zuckerberg dan diselesaikan hanya dalam sepuluh hari. Manus, dengan posisi sebagai “General Purpose Agent”, berhasil mencapai ARR $100 juta dalam waktu kurang dari setahun berkat kerangka perencanaan dan eksekusi tugas yang kuat. Langkah ini menandai pergeseran paradigma industri AI dari “Dialogue Model” ke “Action Agent”. Meta mencoba menggunakan “lele dari China” ini untuk membentuk kembali ekosistem aplikasi AI internalnya dan menutupi kelemahan di lapisan eksekusi Agent dibandingkan dengan OpenAI dan Anthropic (Sumber: 36氪, ZhihuFrontier, TheRundownAI)
SoftBank menyelesaikan investasi raksasa senilai $40 miliar di OpenAI: SoftBank telah membayar penuh dana yang dijanjikan kepada OpenAI, dengan setoran terakhir sebesar $22,5 miliar yang tiba minggu lalu, membuat kepemilikan sahamnya mencapai sekitar 11%. Pendanaan ini merupakan prasyarat utama bagi OpenAI untuk menyelesaikan restrukturisasi dan bertransformasi menjadi organisasi profit. Masayoshi Son mengumpulkan dana melalui pinjaman dengan jaminan saham Arm dan penjualan saham Nvidia untuk mendukung penuh proyek infrastruktur AI “Stargate” hasil kolaborasi OpenAI dan Oracle. Ini menandai kompetisi persenjataan AI global yang memasuki era infrastruktur bernilai triliunan, dengan intensitas modal mencapai puncak sejarah (Sumber: 36氪)
Zhipu dan MiniMax mulai mengetuk pintu Bursa Efek Hong Kong (HKEX): Zhipu secara resmi telah melewati sidang HKEX dan memulai penawaran saham (IPO), dengan rencana melantai pada 8 Januari 2026; nilai pasar IPO diharapkan melebihi HK$51,1 miliar. MiniMax juga menyusul dengan menyerahkan prospektus. Sebagai perwakilan dari “Enam Macan Kecil” model besar China, pencatatan saham kedua perusahaan ini menandai transisi industri dari “kompetisi parameter” ke tahap “kalibrasi modal”. Prospektus mengungkapkan realitas pertumbuhan tinggi yang dibarengi kerugian besar, di mana Zhipu mencatat kerugian bersih 820 juta yuan pada paruh pertama 2025. Pasar akan meninjau kemampuan profitabilitas nyata dan titik balik biaya komputasi dari jalur komersialisasi model besar melalui data keuangan publik (Sumber: 36氪, andrew_n_carr)
Claude Code mencapai 100% kontribusi kode otonom AI: Insinyur Anthropic, Boris Cherry, mengungkapkan bahwa dalam 30 hari terakhir, ratusan PR dan puluhan ribu baris kode untuk proyek Claude Code dikontribusikan 100% oleh AI, sementara manusia hanya bertugas memberikan “dorongan” pada stop hook agar tetap berjalan. Claude Opus 4.5 menunjukkan kemampuan pengkodean otonom hingga 5 jam dalam pengujian METR, jauh melampaui GPT-5.1-Codex milik OpenAI. Terobosan ini menandakan bahwa rekayasa perangkat lunak sedang memasuki era “AI Operator”, di mana peran programmer berubah dari penulis menjadi auditor dan orkestrator sistem (Sumber: ylecun, imjaredz)
🎯 Tren
Tinjauan Roadmap rilis model OpenAI tahun 2025: OpenAI pada tahun 2025 mencapai konvergensi kemampuan penalaran dan terobosan multimodal real-time melalui seri GPT-5.2. Responses API, Agents SDK, dan protokol MCP yang baru diluncurkan membangun modul pengembangan Agent-native. Dari sisi performa, GPT-5.2 mencapai akurasi 100% dalam kompetisi matematika AIME, dan skor SWE-bench Verified meningkat menjadi 80.0. Pada saat yang sama, OpenAI mulai merilis model open-weight seperti gpt-oss, mencoba melawan kompetitor melalui ekosistem open-source sambil tetap mempertahankan keunggulan closed-source (Sumber: reach_vb)
Neural Network menyimpan fakta sebagai struktur geometris, bukan tabel pencarian: Makalah terbaru dari Google dan Carnegie Mellon University mengungkapkan bahwa model Transformer dan Mamba cenderung mengatur fakta sebagai hubungan dalam ruang geometris selama proses pelatihan. Dalam memori geometris ini, penalaran multi-langkah dapat diubah menjadi pemeriksaan jarak satu langkah, memungkinkan model mencapai akurasi 100% saat menangani kueri jalur graf dengan 50.000 node. Temuan ini menjelaskan mengapa model urutan dalam mampu memunculkan pemahaman logika global yang melampaui koneksi lokal (Sumber: jpt401)
Nvidia merilis NitroGen, model dasar AI game universal: Model ini dilatih melalui kloning perilaku skala besar dari 40.000 jam video game, mencakup lebih dari 1.000 judul game, dan dapat berfungsi sebagai fondasi bagi game agent universal. CEO Nvidia, Jensen Huang, menekankan dalam wawancara eksklusif bahwa Nvidia sedang menciptakan “mesin waktu” melalui integrasi Omniverse dengan dunia fisik untuk memprediksi evolusi sistem masa depan. Selain itu, Nvidia telah mencapai peningkatan efisiensi komputasi sebesar 10.000 kali dalam 8 tahun, memandang batasan energi sebagai batas fisik inti pengembangan AI (Sumber: Reddit, 36氪)
Model Self-E membuka pembuatan gambar dari teks dengan jumlah langkah bebas: Peneliti memperkenalkan model self-evaluation (Self-E), sebuah kerangka kerja pembuatan gambar yang mendukung penalaran dari satu langkah hingga multi-langkah. Berbeda dengan metode distilasi yang bergantung pada guru pra-latih, Self-E melakukan pencocokan global berbasis mandiri melalui mekanisme evaluasi diri yang dinamis. Eksperimen menunjukkan bahwa model ini berkinerja sangat baik pada jumlah langkah rendah, dan performanya meningkat secara monoton seiring bertambahnya langkah penalaran, menyediakan kerangka kerja terpadu untuk pembuatan gambar yang efisien dan skalabel (Sumber: HuggingFace)
🧰 Alat
Manus meluncurkan fitur Design View dan Mark Tool: Untuk memperkecil jarak antara konsep desain dan gambar akhir yang dihasilkan, Manus merilis alat pengeditan visual baru. Pengguna dapat menggunakan Mark Tool untuk menandai area yang perlu dimodifikasi langsung pada gambar, alih-alih menyesuaikan prompt berulang kali. Interaksi ini memberikan kontrol granular atas pembuatan gambar, mengubah AI drawing dari “mode blind box” menjadi “presisi editing” (Sumber: Reddit)
HelloBoss merilis aplikasi “AI Headhunter” berbasis AI Agent: Platform ini menargetkan titik masalah pasar rekrutmen di Jepang dan global, menyelesaikan 90% proses rekrutmen secara otonom, termasuk posting pekerjaan, pencocokan resume cerdas, dan berbagi catatan wawancara. HelloBoss menggunakan model pay-per-result, mengurangi biaya rekrutmen sebesar 20% dan mempersingkat siklus lebih dari setengahnya. Saat ini, platform memiliki lebih dari 500.000 posisi aktif dan telah menerima pendanaan Seri A dari BAI Capital milik Bertelsmann Group (Sumber: 36氪)
LangChain merilis alat analisis AI Wrapped 2025: Alat ini menggunakan agent LangSmith Insights untuk menganalisis riwayat percakapan ChatGPT dan Claude pengguna, mengidentifikasi pola penggunaan, tren, dan klaster anomali selama setahun terakhir. Dasar teknisnya didasarkan pada makalah CLIO dari Anthropic, bertujuan membantu pengguna meninjau data tentang bagaimana mereka bekerja sama dengan AI dan mengungkap kebiasaan interaksi yang tersembunyi (Sumber: LangChainAI)
Typeless meluncurkan keyboard suara AI untuk iOS: Aplikasi ini mengklaim dapat mengubah suara menjadi teks yang telah dipoles dengan kecepatan 4 kali lebih cepat daripada mengetik. Aplikasi ini mendukung lebih dari 100 bahasa dan dapat dipanggil langsung di aplikasi seperti WhatsApp, Slack, dan email. Ini mencerminkan transisi interaksi AI di perangkat seluler dari pengenalan suara sederhana ke mode komunikasi native dengan pemahaman konteks dan pemolesan gaya (Sumber: Reddit)
📚 Pembelajaran
Google meluncurkan platform edukasi AI gratis, Google Skills: Pusat ini berisi 3.000 modul teknis, mencakup konten profesional mulai dari arsitektur dasar Transformer hingga alur kerja penelitian DeepMind. Berbeda dengan “tutorial prompt” yang banyak beredar, Google Skills berfokus pada prinsip teknis dasar dan jalur penelitian garis depan, bertujuan membuka kursus pelatihan internal laboratorium papan atas untuk publik (Sumber: JeffDean)
BrennerBot: Sumber daya metodologi ilmiah berdasarkan wawancara Sydney Brenner: Pengembang menggunakan GPT-5.2 Pro dan Opus 4.5 untuk mengekstraksi secara mendalam 236 catatan wawancara ahli biologi Sydney Brenner untuk membangun brennerbot.org. Proyek ini menunjukkan bagaimana menggunakan model long-context untuk mengekstraksi “jalur pemikiran” dari data tidak terstruktur dalam jumlah besar, mengeksplorasi bagaimana Brenner membentuk hipotesis ilmiah dengan cepat melalui penalaran Bayesian dan induksi logika dalam kondisi keterbatasan sumber daya (Sumber: doodlestein)
23 makalah penelitian kunci yang memprediksi masa depan AI di tahun 2025: TheTuringPost merangkum makalah paling berpengaruh tahun ini, termasuk LeJEPA, Absolute Zero (penguatan self-play tanpa data), dan kerangka berpikir System 3. System 3 didefinisikan sebagai lapisan perbaikan diri di atas persepsi dan penalaran, yang bertanggung jawab atas perilaku jangka panjang dan pembentukan identitas AI Agent, menandakan bahwa pada tahun 2026 Agent akan berubah dari alat statis menjadi entitas yang tumbuh secara dinamis (Sumber: TheTuringPost)
💼 Bisnis
SoftBank mengakuisisi DigitalBridge senilai $4 miliar untuk memperluas infrastruktur AI: Melalui akuisisi ini, SoftBank memperoleh aset pusat data, menara seluler, dan jaringan serat optik dalam jumlah besar. Masayoshi Son memusatkan dana pada mata rantai inti nilai AI melalui restrukturisasi aset dan pendanaan, guna membuka jalan bagi komersialisasi OpenAI dan pusat komputasi “Stargate” di masa depan (Sumber: 36氪)
Adobe dan Runway menjalin kemitraan strategis multi-tahun: Model dan teknologi Runway akan diintegrasikan langsung ke dalam alat kreatif Adobe. Kedua belah pihak akan bersama-sama mengembangkan fitur AI tingkat lanjut yang khusus untuk alur kerja profesional, yang hanya akan tersedia di aplikasi Adobe. Ini menandai integrasi mendalam teknologi pembuatan video dari aplikasi independen ke dalam ekosistem kreatif yang matang (Sumber: c_valenzuelab)
UBTECH berencana mengakuisisi perusahaan A-share Felong senilai 1,665 miliar yuan: Akuisisi lintas pasar “H-share memakan A-share” ini bertujuan untuk melengkapi kepingan manufaktur dan rantai pasokan robot humanoid. UBTECH mencoba mengintegrasikan kemampuan manufaktur presisi Felong untuk mendukung produksi massal robot humanoid industri seperti Walker S2, guna menghadapi tekanan pesanan komersial yang terus meningkat (Sumber: 36氪)
🌟 Komunitas
Developer profesional menolak “Vibe Coding”, menekankan kontrol: Komunitas mendiskusikan survei terhadap pengembang berpengalaman yang menunjukkan bahwa 100% profesional bersikeras mengontrol desain arsitektur saat menggunakan AI. Apa yang disebut “Vibe Coding” sering kali gagal saat menangani logika bisnis yang kompleks dan integrasi kode lama. Pengembang percaya bahwa AI harus menjadi mitra kolaborasi yang terkendali, bukan mesin otomatis yang sepenuhnya lepas dari pengawasan manusia; kompetensi inti terletak pada “mendefinisikan masalah” bukan “menyetel alat” (Sumber: omarsar0, random_walker)
Produk AI memasuki fase kelelahan estetika akibat “Hedonic Adaptation”: Pengguna Reddit mendiskusikan fenomena “AI Fatigue”, berpendapat bahwa seiring dengan berkurangnya efek marjinal Scaling Law dan keringnya data internet, daya kejut produk baru mulai menghilang. Pengguna telah menjadi tidak peka terhadap sekadar “percakapan” dan “pembuatan gambar”; komunitas mulai beralih dari mengejar “model yang lebih pintar” menjadi mengejar “siapa yang benar-benar bisa menyelesaikan pekerjaan”, di mana progress bar lebih menarik daripada kotak dialog (Sumber: Reddit, dotey)
Dunia fisik adalah “guru yang jujur” bagi pembelajaran AI: Komunitas mendiskusikan nilai Embodied AI, berpendapat bahwa lingkungan simulasi bisa berbohong, tetapi hukum fisika selalu jujur. Umpan balik dari permukaan tanah yang diberikan robot adalah nilai kebenaran yang tidak dapat diubah; siklus umpan balik yang instan dan nyata ini adalah jalur yang harus dilalui AI menuju kecerdasan tingkat tinggi. Robot ukuran kecil Q1 yang dirilis oleh Zhihui Jun dipandang sebagai upaya penting untuk menurunkan ambang batas penelitian dan memungkinkan lebih banyak tim menyentuh “umpan balik fisik” (Sumber: ziran_pu, 机器之心)
💡 Lainnya
Komputer kuantum berhasil mensimulasikan fisika kompleks yang melampaui superkomputer: Komputasi kuantum menunjukkan keunggulan kuantum dalam mensimulasikan sistem fisik tertentu, menangani jumlah komputasi yang tidak dapat dilakukan oleh komputer tradisional. Ini menandakan bahwa daya komputasi AI di masa depan mungkin mencapai pertumbuhan lompatan melalui akselerasi kuantum, terutama di bidang ilmu material dan pengembangan obat (Sumber: Ronald_vanLoon)
Alat medis AI menghadapi keraguan “astrologi yang dikaitkan dengan fisika”: Terhadap aplikasi seperti psikiater AI, ada pandangan bahwa meskipun analisis fenotipe digital seakurat pengukuran fisik, jika dikaitkan dengan kerangka psikiatri dengan asumsi yang tidak stabil, hal itu dapat menyebabkan intervensi yang salah. Komunitas waspada terhadap risiko AI yang meratakan emosi manusia yang kompleks menjadi pola prediksi (Sumber: MIT Technology Review)
Platform video pendek dibanjiri oleh “AI Slop”: Penelitian menunjukkan bahwa 21% dari aliran rekomendasi pengguna baru YouTube adalah konten buatan AI. Video dengan biaya rendah, pengulangan tinggi, dan stimulasi sensorik kuat ini, meskipun dapat menipu algoritma rekomendasi dan mendapatkan biaya iklan, menyebabkan pengenceran nilai ekosistem konten. Imbalan algoritma terhadap sinyal perilaku secara tidak sengaja melahirkan industri konten berskala besar dengan kepadatan informasi rendah (Sumber: 36氪)
