Kata Kunci：Regulasi AI, Akuisisi lintas batas, Kepatuhan teknologi, Akuisisi Meta terhadap Manus, Evaluasi model AI, AI sisi perangkat
🔥 Fokus
Kementerian Perdagangan China Mengintervensi Investigasi Evaluasi Akuisisi Manus oleh Meta: Kementerian Perdagangan China mengumumkan akan melakukan investigasi evaluasi terhadap transaksi akuisisi startup AI Agent, Manus, oleh Meta. Fokus peninjauan adalah apakah akuisisi tersebut mematuhi peraturan perundang-undangan mengenai kontrol ekspor, impor-ekspor teknologi, dan investasi luar negeri. Meskipun tim inti Manus telah pindah ke Singapura, asal-usul teknologinya berada di Beijing. Jika melibatkan transfer teknologi yang dibatasi atau keluarnya data ke luar negeri, transaksi tersebut berisiko menghadapi penundaan, denda, atau bahkan penghentian. Peristiwa ini menandai bahwa merger dan akuisisi lintas batas di bidang AI telah memasuki zona regulasi yang ketat; pengembang perlu waspada terhadap “garis merah” kepatuhan dalam ekspansi teknologi ke luar negeri (Sumber: 36氪)
Laporan Epoch AI Mengungkapkan Kesenjangan AI antara AS dan China Stabil di Angka 7 Bulan: Laporan terbaru menunjukkan bahwa kemajuan model AI China rata-rata tertinggal sekitar 7 bulan dari level terdepan di Amerika Serikat. Meskipun China melakukan pengejaran “lompatan” melalui perluasan skala parameter dan arsitektur MoE, ritme pembaruan model closed-source AS (seperti GPT-5, Gemini 3) sangat cepat, dan lonjakan kemampuan tidak sepenuhnya bergantung pada skala, melainkan beralih ke desain jalur penalaran (reasoning). Laporan tersebut berpendapat bahwa inti dari evolusi AI pada tahun 2026 adalah paradigma “Continuous Learning”; siapa pun yang pertama kali mencapai iterasi mandiri dalam parameter akan mendefinisikan ulang garis depan teknologi (Sumber: 36氪)
Peringkat Evaluasi LMArena Dituduh Menjadi “Kontes Kecantikan AI”: Platform evaluasi ternama LMArena menghadapi keraguan mendalam. Investigasi Surge AI menunjukkan bahwa 52% jawaban pemenang dalam daftar tersebut secara faktual salah. Pengguna cenderung memberikan suara pada jawaban yang panjang, memiliki format yang indah, dan menggunakan emoji, daripada jawaban yang akurat. “Halusinasi yang dihargai” ini menyebabkan produsen melakukan optimasi format demi menaikkan peringkat. Komunitas mengkritik sistem evaluasi ini karena menjadi “racun” bagi perkembangan AI, memaksa laboratorium memilih antara mengejar kebenaran atau peringkat trafik jangka pendek (Sumber: New智元)
🎯 Tren
OpenAI Merilis Ruang Kesehatan Independen ChatGPT Health: Fitur ini memungkinkan pengguna untuk terhubung secara aman dengan Apple Health, sistem rekam medis elektronik, dan lainnya, untuk memberikan analisis kesehatan yang presisi berdasarkan data pribadi. Untuk mengatasi kekhawatiran privasi, OpenAI membangun arsitektur isolasi tingkat fisik; data kesehatan tidak akan pernah digunakan untuk pelatihan model, dan memori tidak akan dibagikan dengan percakapan utama. Ini menandai transformasi asisten AI dari pencarian umum menjadi “konsultan kesehatan pribadi”, yang melalui kerja sama ekosistem dengan b.well dan lainnya, telah melengkapi siklus dari interpretasi rekam medis hingga saran tindakan (Sumber: dotey, 36氪)
Laporan Teknis DeepSeek-R1 Diperluas Secara Signifikan Menjadi 86 Halaman: DeepSeek memperbarui makalah R1-nya, dari 22 halaman menjadi 86 halaman, dengan menambahkan banyak detail teknis. Konten baru mencakup proses evolusi mandiri R1-Zero, analisis evaluasi mendetail, serta teknologi distilasi. Laporan tersebut menekankan bahwa peningkatan kemampuan model tidak berasal dari “lebih banyak data”, melainkan melalui Reinforcement Learning (RL) yang membentuk kembali cara model mengalokasikan upaya penalaran dan mengeksplorasi jalur solusi. Mode “Control First” ini menunjukkan jalur baru untuk menstabilkan kemampuan penalaran pada skala ekstrem (Sumber: andrew_n_carr, stanfordnlp)
CES 2026 Menunjukkan Tren Ledakan Menyeluruh “On-device AI”: Qualcomm, NVIDIA, dan AMD di CES memamerkan tren desentralisasi komputasi AI. Qualcomm mendorong NPU menjadi subsistem permanen pada terminal pintar; NVIDIA menggabungkan AI Factory dengan penerapan fisik; sementara AMD menekankan kontinuitas heterogen antara Cloud, PC, dan Edge. Konsensus industri meyakini bahwa pada tahun 2026, “On-device AI” akan menjadi opsi default, yang bertujuan untuk memberikan pengalaman inferensi lokal dengan latensi rendah dan privasi tinggi. AI sedang menyusun ulang arsitektur komputasi (Sumber: TheTuringPost, yoheinakajima)
NVIDIA Merilis Model Inferensi Mengemudi Otonom Alpamayo: Model ini adalah model Vision-Language-Action (VLA) pertama di dunia yang dirancang khusus untuk mengemudi otonom, memiliki rantai penalaran eksplisit yang mampu menjelaskan logika di balik keputusan mengemudi. Model ini menggabungkan dataset Physical AI dan alat simulasi AlpaSim, yang bertujuan untuk mencapai mengemudi otonom Level 4 melalui penilaian layaknya manusia. Mercedes-Benz telah mengumumkan akan mengintegrasikan tumpukan teknologi lengkap ini ke dalam model mobil terbarunya (Sumber: nvidia, 36氪)
🧰 Alat
Claude Code Versi 2.1.1 Dirilis: Anthropic dengan cepat mengiterasi alat baris perintahnya. Versi baru memperkenalkan “Skill Hot Reloading”, yang memungkinkan pengembang memodifikasi skill tanpa perlu memulai ulang agar perubahan berlaku. Opsi context: fork baru memungkinkan sub-agent berjalan dalam konteks independen untuk menghindari kontaminasi pada percakapan utama. Selain itu, sub-agent memiliki ketahanan yang lebih kuat setelah izin ditolak, dan akan mencoba solusi alternatif untuk melanjutkan tugas. Pembaruan ini secara signifikan meningkatkan fleksibilitas dan ketangguhan workflow Agentic (Sumber: dotey, Reddit)
Cursor Agent Mengimplementasikan Penemuan Konteks Dinamis: Cursor merombak cara agent menggunakan konteks. Alih-alih memasukkan semua konten ke dalam prompt, Cursor sekarang menemukan konteks yang relevan secara dinamis melalui file, alat, dan riwayat. Peningkatan ini mengurangi penggunaan Token sebesar 46,9%, memberikan lebih banyak ruang kerja bagi agent. Dengan menyegarkan transkrip percakapan ke disk, Cursor mampu melakukan recall di jutaan Token percakapan, yang secara signifikan meningkatkan kemampuan menangani tugas jangka panjang (Sumber: StringChaos, amanrsanger)
Kindly: Server MCP Pencarian Web Open-source: Alat ini dirancang khusus untuk alat pengembangan seperti Claude Code dan Codex, yang bertujuan untuk menyelesaikan masalah informasi yang terfragmentasi atau kebisingan HTML yang berlebihan dari alat pencarian tradisional. Kindly mendukung penguraian cerdas tanya jawab lengkap StackOverflow, ekstraksi percakapan GitHub Issue, serta konversi PDF makalah ArXiv menjadi teks. Alat ini mengembalikan konten terstruktur melalui satu panggilan alat, menghindari pembacaan sekunder oleh AI, dan secara drastis meningkatkan efisiensi AI dalam menangani tugas Debug yang kompleks (Sumber: Reddit)
Unsloth-MLX: Mendukung Fine-tuning Model Besar di Mac: Alat ini memungkinkan pengguna untuk melakukan fine-tuning model besar langsung pada Mac dengan chip Apple Silicon. Alat ini menyediakan abstraksi API yang baik, mendukung berbagai metode pelatihan seperti SFT, DPO, dan GRPO, serta dapat diekspor ke format HuggingFace atau GGUF. Kemajuan ini menurunkan ambang batas perangkat keras bagi pengembang individu untuk berpartisipasi dalam pelatihan model, membuat “Fine-tuning di Mac” menjadi kenyataan (Sumber: karminski3)
📚 Pembelajaran
Andrej Karpathy Merilis nanochat untuk Mengeksplorasi Scaling Laws: Karpathy membagikan bagian pertama dari seri fine-tuning nanochat, menekankan bahwa optimasi LLM harus ditujukan pada “keluarga model” dan bukan model tunggal. Eksperimen membuktikan bahwa nanochat mengikuti Scaling Laws yang jelas, dengan skor CORE yang digunakan untuk membandingkannya dengan GPT-2/3. Ia mengusulkan bahwa melalui penyesuaian hyperparameter yang ilmiah, model kecil dengan performa unggul dapat dilatih dengan biaya yang sangat rendah (sekitar $100), memberikan paradigma eksperimen Scaling yang dapat direproduksi bagi pengembang (Sumber: karpathy)
Andrew Ng Merilis Kursus Pengembangan Tanpa Kode “Build with Andrew”: Kursus ini bertujuan untuk mengajarkan pengguna tanpa latar belakang pemrograman sama sekali tentang cara membangun aplikasi web yang dapat dijalankan dalam waktu 30 menit melalui deskripsi bahasa alami. Kursus ini menekankan konsep “Vibe Coding”, yaitu memperbaiki dan meningkatkan aplikasi melalui dialog berkelanjutan dengan AI, menunjukkan bagaimana AI dapat mengubah ide menjadi produktivitas, sehingga ambang batas pengembangan perangkat lunak benar-benar hilang (Sumber: DeepLearningAI, AndrewYNg)
FinePDFs: Mengekstrak Data Berkualitas Tinggi dari 1,3 Miliar PDF: Tim HuggingFace membagikan penelitian mendalam tentang cara mengekstrak pengetahuan inti dari file PDF dalam jumlah besar di internet. Meskipun PDF hanya mencakup 0,6% dari konten web, PDF mengandung banyak makalah akademik dan dokumen hukum. Penelitian ini mengeksplorasi cara membangun dataset PDF tingkat SOTA, memilih RolmOCR untuk Optical Character Recognition, dan menganalisis evolusi konten internet, memberikan pengalaman pemrosesan data yang berharga untuk pre-training model (Sumber: eliebakouch)
Epiplexity: Metrik Informasi Baru untuk Kecerdasan dengan Keterbatasan Komputasi: Makalah “From Entropy to Epiplexity” mengusulkan metode pengukuran informasi baru yang bertujuan untuk memberikan dasar teoritis bagi sistem kecerdasan dengan keterbatasan komputasi dalam memilih, menghasilkan, atau mengubah data. Penelitian menunjukkan bahwa informasi dapat diciptakan melalui komputasi, dan pemodelan likelihood dapat menghasilkan program yang lebih kompleks daripada proses pembuatan data itu sendiri. Teori ini menantang pandangan entropi informasi tradisional dan memiliki inspirasi penting bagi paradigma pembelajaran AI generasi berikutnya (Sumber: teortaxesTex, pratyushmaini)
💼 Bisnis
Zhipu AI Melantai di Bursa Hong Kong, Menjadi Saham Model Besar Pertama di Dunia: Zhipu (02513.HK) resmi melantai di Bursa Efek Hong Kong pada 8 Januari 2026, dengan nilai pasar melampaui 52 miliar HKD. Jajaran investor landasan (cornerstone investors) sangat mewah, termasuk Beijing State-owned Capital Operation and Management, Gaoyi, Taikang Life, dan lainnya. Zhipu telah membangun model bisnis yang menggabungkan MaaS (Model as a Service) dengan layanan perusahaan bermargin tinggi, di mana GLM-4.7 menunjukkan performa luar biasa di Code Arena. Sebagai perusahaan model besar pertama yang mempublikasikan keuangannya, performa IPO-nya akan menjadi eksperimen kunci untuk memvalidasi logika bisnis “model besar sebagai infrastruktur” (Sumber: 36氪, op7418)
Anthropic Berencana Mengumpulkan Dana $10 Miliar, Valuasi Berlipat Ganda: Kabar menyebutkan bahwa Anthropic sedang mencari putaran pendanaan baru sebesar $10 miliar, dengan valuasi yang mungkin mencapai $350 miliar, hampir dua kali lipat dibandingkan empat bulan lalu. GIC Singapura dan Coatue memimpin pendanaan ini. Langkah ini menunjukkan persaingan sengit pasar modal untuk laboratorium AI papan atas. Sementara itu, OpenAI dilaporkan menyisihkan $50 miliar dalam bentuk pool saham karyawan untuk merebut talenta top, mencerminkan realitas persaingan kejam di industri AI di mana talenta sama langkanya dengan daya komputasi (Sumber: srimuppidi, New智元)
Tailwind CSS Memangkas 75% Karyawan Akibat Dampak AI: Adam Wathan, pendiri framework open-source front-end terkemuka Tailwind, mengumumkan pemecatan sebagian besar tim engineering-nya. Ironisnya, Tailwind menjadi sangat populer karena digunakan secara default oleh alat pemrograman AI, namun karena pengguna beralih ke AI untuk mendapatkan jawaban, trafik dokumentasi resmi turun 40%, menyebabkan terputusnya konversi produk berbayar dan penurunan pendapatan sebesar 80%. Kasus ini mengungkapkan paradoks yang dihadapi proyek open-source di era AI: semakin populer, model bisnisnya justru semakin rapuh (Sumber: 36氪)
🌟 Komunitas
Elon Musk Memprediksi Kecerdasan AI Akan Melampaui Total Seluruh Umat Manusia pada Tahun 2030: Dalam dialog terbaru selama 173 menit, Musk menegaskan kembali bahwa AGI akan tercapai pada tahun 2026, dan berpendapat bahwa listrik, bukan chip, yang menjadi hambatan nyata bagi ekspansi AI. Ia mengajukan metafora dingin bahwa “manusia hanyalah program pemuat (Bootloader) biologis bagi kehidupan berbasis silikon”, beranggapan bahwa tugas manusia adalah meluncurkan AI. Ia menekankan bahwa AI harus mengejar kebenaran untuk menghindari kehancuran seperti HAL 9000 yang dipaksa berbohong (Sumber: 36氪)
“Vibe Coding” Memicu Diskusi Besar di Komunitas Pengembang: Komunitas memiliki pendapat beragam tentang fenomena baru “Vibe Coding”. Pendukung percaya bahwa AI sangat meningkatkan efisiensi pengembangan prototipe, memungkinkan non-profesional untuk membangun aplikasi yang kompleks; sementara penentang khawatir hal ini akan menyebabkan proliferasi “bahasa tingkat tinggi” dan hilangnya kontrol tingkat rendah, menghasilkan banyak kode yang sulit dipelihara. Ada pandangan bahwa AI Agent tidak seharusnya hanya menulis kode tingkat rendah, tetapi harus menyediakan abstraksi tingkat yang lebih tinggi, membiarkan pengembang mengekspresikan logika sistem daripada mengelola detail (Sumber: lateinteraction, omarsar0)
Dilema Watermark Konten AI dan Solusi Baru Instagram: Seiring dengan konten buatan AI (slop) yang melanda media sosial, kepala Instagram mengakui ketidakmampuan untuk mendeteksi konten AI secara andal. Ia mengusulkan untuk beralih ke “memberi watermark pada konten asli”, di mana produsen kamera dan ponsel melakukan tanda tangan kriptografi pada saat pengambilan gambar. Namun, produsen perangkat keras kurang termotivasi karena masalah biaya dan tanggung jawab. Ini mencerminkan sulitnya kolaborasi lintas platform dalam tata kelola AI, di mana keaslian menjadi sumber daya paling langka di internet (Sumber: 36氪)
💡 Lainnya
SuperMicro Mengumumkan Penghentian Penjualan Motherboard Independen: Akibat lonjakan permintaan server AI yang lengkap, SuperMicro mengumumkan penghentian penjualan motherboard independen ke pasar DIY, dengan memprioritaskan pelanggan OEM dan sistem lengkap. Ini mencerminkan tekanan kuat dari tren AI terhadap ekosistem perangkat keras PC tradisional, di mana kesulitan dan biaya perakitan workstation AI berperforma tinggi bagi individu semakin meningkat (Sumber: karminski3)
Character.ai dan Google Mencapai Kesepakatan Damai Terkait Gugatan Remaja: Menanggapi beberapa gugatan yang menuduh chatbot AI menyebabkan bunuh diri remaja, Character.ai beserta pendirinya telah mencapai kesepakatan damai dengan Google. Peristiwa ini kembali memicu diskusi luas mengenai keamanan pendamping AI dan risiko ketergantungan emosional. Regulator sedang mempercepat penyusunan metode pengelolaan layanan interaksi antropomorfik untuk melindungi kelompok rentan seperti anak di bawah umur (Sumber: Reddit)
