Kata Kunci：Arsitektur Superkomputer AI, Model Besar, Agen AI, Arsitektur Superkomputer Rubin, MiroThinker 1.5, Koneksi Super Terbatas Manifold
🔥 Fokus
NVIDIA merilis arsitektur superkomputer Rubin: Dari “menjual sekop” menjadi “menjual bengkel produktivitas” : Jensen Huang memamerkan arsitektur AI supercomputer terbaru, Vera Rubin, di CES 2026. Arsitektur ini bukan sekadar peningkatan kartu grafis, melainkan sistem integrasi vertikal yang menggabungkan enam chip khusus termasuk Vera CPU, Rubin GPU, dan NVLink 6. Rubin dirancang untuk memecahkan masalah skalabilitas sistem, dengan klaim peningkatan throughput inferensi sebesar 10 kali lipat, pengurangan kebutuhan GPU untuk melatih model triliunan parameter hingga seperempat dari Blackwell, dan pemangkasan biaya Token hingga sepersepuluh. Langkah ini menandai NVIDIA sedang membangun parit pertahanan melalui optimasi tingkat sistem, mencoba mengubah penumpukan daya komputasi dari “perakitan manual” menjadi “lini produksi standar”, yang menandakan datangnya era inferensi terjangkau (Sumber: 36氪, TheRundownAI)
MiroThinker 1.5 dirilis: Model 30B yang setara dengan GPT-5-High : Tim MiroMind, yang didanai oleh Chen Tianqiao (TCCI) dan dipimpin oleh Associate Professor Tsinghua Dai Jifeng, merilis MiroThinker 1.5. Dengan hanya 30B parameter, model ini mampu bersaing dengan GPT-5-High dan DeepSeek-V3.2 dalam benchmark tingkat tinggi seperti HLE dan BrowseComp. Teknologi intinya adalah “Interactive Scaling”, yang meningkatkan performa dengan melatih model untuk menangani interaksi yang lebih dalam dan sering antara Agent dan lingkungan. Pencapaian ini membuktikan bahwa tim elit kecil, melalui pilihan arsitektur yang tepat (seperti fokus pada pemodelan Agent daripada sekadar pre-training), masih dapat membentuk kembali peta persaingan di garis depan AGI (Sumber: GitHub, ZhihuFrontier)
DeepSeek merilis Manifold-Constrained Hyper-Connections (mHC): Terobosan besar dalam arsitektur Transformer : Tim DeepSeek menerbitkan makalah berjudul “Manifold-Constrained Hyper-Connections”, yang mengusulkan solusi baru untuk memperlebar aliran residual tanpa menyebabkan kegagalan pelatihan. Teknologi ini mengatasi masalah instabilitas, skalabilitas, dan overhead memori dalam pelatihan model yang sangat dalam. CEO Liang Wenfeng turut menandatangani makalah ini, yang dianggap sebagai salah satu peningkatan arsitektur paling mendasar sejak lahirnya Transformer pada tahun 2015. Eksperimen menunjukkan teknologi ini berkinerja sangat baik pada model dengan 27B parameter dan kedalaman 60 lapisan, mengisyaratkan bahwa DeepSeek V4 mungkin akan mengadopsi desain arsitektur yang lebih dalam dan lebar (Sumber: nrehiew_, Reddit)
Akuisisi Manus oleh Meta menghadapi tinjauan regulasi China : Menurut sumber internal, Kementerian Perdagangan China sedang mengevaluasi kesepakatan akuisisi startup AI Agent, Manus, oleh Meta senilai $2 miliar untuk menentukan apakah hal tersebut melanggar peraturan kontrol ekspor teknologi. Inti dari tinjauan ini adalah legalitas migrasi aset digital dan teknologi yang dikembangkan oleh tim tersebut selama di China ke Singapura. Langkah ini mencerminkan sensitivitas tinggi regulator terhadap keluarnya talenta AI papan atas dan teknologi inti di tengah persaingan AI global, serta dapat memicu diskusi mendalam mengenai batas antara kontribusi open-source dan transfer teknologi lintas batas (Sumber: dotey, teortaxesTex)
🎯 Tren
Makalah DeepSeek-R1 diperbarui secara signifikan: Dari 22 halaman menjadi 86 halaman : Dokumentasi teknis DeepSeek-R1 telah dilengkapi secara mendalam, mengungkapkan detail proses evolusi mandiri R1-Zero, detail evaluasi, strategi distilasi, serta eksperimen ablasi yang lebih mendalam. Langkah ini dipandang oleh komunitas sebagai pertanda rilis DeepSeek V4 atau R2, menunjukkan akumulasi mendalam mereka di bidang Reinforcement Learning dan model penalaran. Konten baru ini memberikan referensi bernilai tinggi bagi para peneliti untuk memahami logika internal model penalaran (Sumber: dejavucoder, MachineLearning)
OpenAI secara rahasia mengembangkan perangkat konsumen berbentuk pena: Menantang posisi iPhone : Rumor menyebutkan OpenAI sedang mengembangkan perangkat keras AI berbentuk pena dengan kode nama “Third Core Device”, dengan ukuran mendekati iPod Shuffle. Perangkat ini dilengkapi dengan mikrofon dan kamera, memiliki kemampuan persepsi lingkungan, dengan fungsi inti mengubah catatan tulisan tangan menjadi teks secara real-time dan mengunggahnya ke ChatGPT. Langkah ini menunjukkan ambisi OpenAI untuk melewati sistem ponsel yang ada dan langsung menguasai pintu masuk interaksi pengguna melalui perangkat keras AI asli (Sumber: Reddit)
Runway merilis GWM Worlds: Model dunia simulasi lingkungan real-time : Runway mendemonstrasikan model dunia terbarunya, GWM Worlds. Pengguna hanya perlu memberikan satu gambar pemandangan statis, dan model akan menghasilkan ruang 3D imersif yang dapat dijelajahi tanpa batas, lengkap dengan simulasi geometri, cahaya, dan fisik secara real-time. Teknologi ini bertujuan untuk menyediakan sarana pembuatan lingkungan interaktif baru bagi produksi film dan pengembangan game, menandai lompatan AI dari pembuatan video ke pembuatan dunia yang dapat diinteraksi (Sumber: c_valenzuelab)
DFlash: Teknologi speculative decoding mempercepat Qwen3 hingga 6,2 kali lipat : Tim Zhijian Liu memperkenalkan DFlash, yang menggunakan block diffusion untuk speculative sampling. Teknologi ini mencapai akselerasi lossless sebesar 6,2 kali lipat pada Qwen3-8B, 2,5 kali lebih cepat dari EAGLE-3. Logika inti dari teknologi ini adalah “model difusi bertanggung jawab untuk draf, model autoregresif bertanggung jawab untuk verifikasi”, yang secara cerdik memecahkan masalah lambatnya inferensi LLM, menunjukkan potensi besar kolaborasi antara model difusi dan arsitektur autoregresif (Sumber: jeremyphoward)
Tesla FSD menyelesaikan tantangan lintas Amerika 100% otonom untuk pertama kalinya : Pengemudi David Moss menggunakan Tesla FSD untuk menyelesaikan perjalanan sejauh 2.732 mil dari Los Angeles ke Myrtle Beach tanpa intervensi manusia sama sekali, termasuk parkir otomatis di Supercharger. Ini menandai bahwa teknologi mengemudi otonom berbasis jaringan saraf end-to-end telah memiliki ketangguhan yang sangat tinggi dan mendekati titik kritis mengemudi tanpa pengemudi sepenuhnya (Sumber: Reddit)
🧰 Alat
Cursor mengungkap “Dynamic Context Discovery”: Sistem file adalah memori utama bagi Agent : Cursor merilis blog teknis yang menjelaskan strategi manajemen konteks melalui sistem file. Dengan mengubah output panjang menjadi file, memuat Agent Skills sesuai kebutuhan, dan mengoptimalkan deskripsi alat MCP, Cursor berhasil mengurangi konsumsi Token sebesar 46,9% sambil tetap menjaga kualitas. Poin intinya adalah: daripada memasukkan informasi dalam jumlah besar yang mengganggu model, lebih baik membiarkan model secara aktif mengambil informasi melalui sistem file saat dibutuhkan. Ini sejalan dengan konsep “sistem file sebagai konteks” dari Manus (Sumber: dotey, swyx)
Claude Desktop mengintegrasikan antarmuka Claude Code lokal : Anthropic memperbarui aplikasi desktopnya dengan menyertakan Claude Code yang memiliki antarmuka grafis. Pengguna hanya perlu beralih ke mode “Code” di sidebar dan memilih folder lokal untuk menggunakan Claude dalam penulisan kode dan manajemen file di lingkungan non-terminal. Ini sangat menurunkan hambatan penggunaan alat pemrograman AI, memungkinkan pengembang yang tidak terbiasa dengan baris perintah untuk memanfaatkan kemampuan Agent Claude secara efisien (Sumber: op7418)
Skywork meluncurkan Video Agent: Kemampuan pengeditan video AI alur kerja penuh : Skywork Videos Agent mendukung alur kerja lengkap mulai dari pembuatan storyboard hingga pengeditan materi. Pengguna dapat menghasilkan materi video melalui teks, gambar, atau frame awal dan akhir, serta langsung menggabungkan musik dan suara di editor sebelah kanan. Template efek khusus yang diluncurkan mendukung penggunaan kembali dengan satu klik, menunjukkan evolusi AI Agent dari pembuatan konten tunggal menuju manajemen alur kerja kreatif yang kompleks (Sumber: op7418)
NousCoder-14b: Model pemrograman tingkat kompetisi open-source : Nous Research merilis NousCoder-14b yang berbasis pada fine-tuning Qwen3-14B. Model ini dilatih menggunakan kerangka kerja Atropos dengan 48 unit B200 selama 4 hari, meningkatkan akurasi Pass@1 menjadi 67,87% melalui verifiable execution rewards. Tim juga merilis lingkungan RL lengkap, benchmark, dan stack pelatihan secara open-source, mendorong batas kemampuan komunitas open-source dalam pemrograman logika kompleks (Sumber: tokenbender, huggingface)
Memvid: Lapisan penyimpanan serverless file tunggal untuk AI Agent : Memvid adalah sistem memori AI portabel yang ditulis dalam Rust. Sistem ini meminjam logika pengkodean video untuk mengemas data, embedding, dan struktur pencarian ke dalam satu file .mv2, memberikan kecepatan pengambilan lokal di bawah 5 milidetik. Desain ini memungkinkan AI Agent untuk membawa memori jangka panjang seperti membawa hard drive, tanpa memerlukan pipeline RAG yang kompleks atau database vektor sisi server, menjadikannya pilihan ideal untuk membangun Agent offline-first (Sumber: GitHub)
📚 Pembelajaran
Veteran Rust Steve Klabnik bekerja sama dengan Claude, membangun bahasa baru Rue dalam 11 hari : Penulis “The Rust Programming Language”, Steve Klabnik, menggunakan bantuan Claude untuk menulis sekitar 100.000 baris kode Rust dalam 11 hari guna menciptakan bahasa tingkat sistem eksperimental, Rue. Proyek ini menunjukkan bagaimana AI dapat secara signifikan mengurangi biaya eksperimen desain bahasa, membebaskan pengembang dari penulisan kode yang berat untuk fokus pada desain abstraksi dan definisi batasan. Kasus ini memicu diskusi besar di komunitas mengenai “apakah bahasa pemrograman baru masih dibutuhkan di era AI” (Sumber: 36氪)
Kerangka kerja CogFlow: Mensimulasikan kognisi manusia untuk memecahkan masalah matematika visual : Sebuah makalah mengusulkan kerangka kerja CogFlow, yang mensimulasikan logika manusia dalam memecahkan masalah matematika melalui tiga tahap: “persepsi-internalisasi-penalaran”. “Knowledge internalization reward model” yang diperkenalkan memastikan model benar-benar mengintegrasikan petunjuk visual alih-alih mencari jalan pintas. Dataset MathCog yang dirilis bersama makalah ini berisi 120.000 anotasi penyelarasan persepsi-penalaran berkualitas tinggi, menyediakan sumber daya penting bagi penelitian penalaran matematika multimodal (Sumber: HuggingFace)
Sistem SOP: Solusi online post-training untuk model Visual-Language-Action (VLA) : Sistem SOP memungkinkan pelatihan online multi-tugas terdistribusi untuk robot di dunia fisik. Melalui arsitektur loop tertutup, klaster robot mengirimkan aliran pengalaman secara real-time kembali ke cloud learner dan menerima pembaruan kebijakan secara asinkron. Eksperimen menunjukkan bahwa interaksi nyata selama beberapa jam dapat secara signifikan meningkatkan performa model dalam tugas-tugas kompleks seperti melipat pakaian dan menaruh barang di rak, dengan performa yang meningkat secara linier seiring jumlah robot (Sumber: HuggingFace)
💼 Bisnis
Zhipu AI dan MiniMax berencana IPO di Hong Kong: Gelombang pencatatan unicorn model besar China dimulai : Zhipu AI dan MiniMax berencana untuk melantai di bursa Hong Kong pada Januari 2026, dengan target pendanaan sekitar $550 juta dan valuasi sekitar $6,5 miliar. Pendapatan Zhipu tahun 2024 sekitar $44,7 juta, sementara MiniMax sekitar $30,5 juta. Meskipun menghadapi ketegangan perdagangan, kedua perusahaan ini dianggap masih memiliki valuasi yang menarik berkat model teknis yang solid dan basis pengguna (MiniMax mencapai 220 juta pengguna), menandai industri AI China memasuki periode pengembalian modal (Sumber: bookwormengr, 36氪)
xAI menyelesaikan pendanaan $20 miliar: Valuasi melonjak hingga $230 miliar : xAI milik Elon Musk kembali mengumpulkan dana sebesar $20 miliar untuk membeli daya komputasi dan memperluas kemampuan AI-nya di platform X. Keunggulan unik xAI terletak pada kepemilikan data real-time platform X dan 250 juta pengguna aktif harian. Strategi Musk adalah “membangun perhatian dengan AI”, melalui gaya Grok yang humoris dan anti-mainstream untuk menciptakan jalur diferensiasi di tengah kepungan OpenAI dan Anthropic (Sumber: TheRundownAI, Yuchenj_UW)
Kai-Fu Lee merangkum 2025: Evolusi dari “Pabrik Dunia” menjadi “Pabrik Agent” : CEO 01.AI, Kai-Fu Lee, menyatakan bahwa 2025 adalah tahun pertama AI Agent penalaran, di mana momen DeepSeek membentuk kembali pasar ToB. Ia memprediksi tahun 2026 akan memasuki era “satu orang satu tim AI”, di mana sistem multi-agen akan membentuk kembali organisasi seperti halnya lini produksi membentuk kembali industri. China, dengan model open-source yang kuat dan basis manufaktur, berpotensi menjadi pabrik Agent global, memodularisasi kemampuan organisasi dan menyebarkannya 24/7 (Sumber: ZhihuFrontier)
🌟 Komunitas
Refleksi eksperimen Noam Brown: AI belum bisa sepenuhnya menggantikan ahli bidang tertentu : Peneliti AI papan atas Noam Brown mencoba menggunakan Codex dan Claude Code untuk menulis poker solver. Meskipun AI dapat mempercepat pengembangan, ia masih sering melakukan kesalahan atau bahkan “menyesatkan” pengguna dalam logika algoritma, implementasi GUI frontend, dan pengembangan algoritma inovatif. Ia berpendapat bahwa AI saat ini lebih seperti “kompiler yang tidak stabil”, di mana verifikasi dan koreksi dari ahli manusia tetap sangat diperlukan dalam tugas penelitian yang membutuhkan latar belakang domain yang mendalam (Sumber: polynoamial, SebastienBubeck)
Peringatan harga perangkat keras: GPU, DRAM, dan NAND akan melonjak tajam : Diskusi komunitas menunjukkan bahwa akibat lonjakan permintaan pusat data dan perebutan kapasitas produksi oleh raksasa seperti OpenAI, harga kontrak memori pada Q1 2026 diperkirakan naik 55-60%, dan harga SSD sudah naik dua kali lipat. Harga NVIDIA RTX 5090 mungkin akan melonjak hingga $5.000. Hal ini mendorong pengembang untuk beralih ke model kuantisasi yang lebih efisien (seperti FLUX.2 quantized) dan kerangka kerja inferensi ringan seperti llama.cpp (Sumber: Reddit)
Akhir dari Prompt Engineering? Aturan “Scratchpad” menjadi populer : Komunitas menemukan bahwa daripada menghabiskan waktu berminggu-minggu menulis Persona dan batasan yang kompleks, lebih baik meminta AI untuk melakukan brainstorming dan kritik diri menggunakan <scratchpad> sebelum menjawab. Mode “berpikir paksa” ini mengungguli sebagian besar prompt kompleks dalam masalah logika. Pandangan menyatakan bahwa inti dari Prompt Engineering sebenarnya hanyalah mencari cara agar model “melambat” untuk berpikir (Sumber: Reddit)
Gelombang “kematian mendadak” aplikasi AI: Rata-rata satu alat AI tumbang setiap hari di tahun 2025 : Statistik menunjukkan bahwa hampir 400 alat AI di seluruh dunia telah berhenti beroperasi pada tahun 2025, termasuk aplikasi pendamping terkenal di China seperti Maopao Ya dan Wow AI yang ditarik secara massal. Penyebab utama kegagalan adalah: kurangnya kemampuan monetisasi meskipun trafik tinggi, inovasi “telanjang” pada fungsi tunggal, serta pelanggaran garis merah kepatuhan. Ini menandai kewirausahaan AI sedang kembali dari “era pamer teknologi” ke logika bisnis dasar, di mana hanya produk yang menyelesaikan masalah nyata yang dapat bertahan (Sumber: 36氪)
💡 Lainnya
Agibot Genie Sim 3.0: Platform simulasi open-source kecerdasan embodied dirilis : AGIBOT meluncurkan Genie Sim 3.0 di CES 2026, mengintegrasikan NVIDIA Isaac Sim dan menyediakan lebih dari 10.000 jam dataset sintetis operasi robot nyata. Platform ini mendukung pembuatan skenario simulasi skala besar dalam hitungan menit, bertujuan untuk mengurangi ketergantungan kecerdasan embodied pada perangkat keras fisik dan mempercepat iterasi model melalui rekonstruksi 3D berkualitas tinggi dan teknologi pembuatan visual (Sumber: ziran_pu)
Risiko AI menciptakan virus memicu kekhawatiran keamanan : Komunitas mendiskusikan kemampuan AI untuk merancang virus dari nol, yang dianggap hanya selangkah lagi dari “senjata biologis sempurna”. Diskusi menyerukan penguatan regulasi dan pembangunan pagar pembatas pada model besar di bidang biologi untuk mencegah teknologi disalahgunakan guna menciptakan patogen baru, menyoroti urgensi tata kelola AI di bidang non-digital (Sumber: Reddit)
