Kata Kunci：AGI, Tenaga Kerja Digital, Pemrograman AI, DeepSeek R2, Claude Code, Inferensi Sisi Perangkat
🔥 Fokus
Dialog Puncak Davos: Hitung Mundur AGI dan Dampak “Digital Labor” : Di Forum Davos 2026, CEO Anthropic Dario Amodei dan CEO Google DeepMind Demis Hassabis terlibat dalam perdebatan sengit mengenai lini masa AGI. Amodei sangat agresif, meyakini bahwa model tingkat Nobel Prize akan muncul dalam 1-2 tahun ke depan, dan mengungkapkan bahwa engineer internalnya hampir tidak lagi menulis kode secara manual, melainkan beralih menjadi “editor” AI; ia memprediksi 50% pekerjaan white-collar tingkat junior akan hilang dalam 5 tahun. Hassabis relatif lebih konservatif, berpendapat bahwa kreativitas ilmiah (mengajukan pertanyaan) masih membutuhkan terobosan 5-10 tahun lagi, namun ia mengakui bahwa Physical Intelligence dan teknologi robotika sedang mengalami ledakan. Kesepakatan kedua pihak: loop tertutup evolusi mandiri AI sedang terbentuk, dan kecepatan adaptasi masyarakat telah menjadi risiko terbesar (Sumber: 36氪, Dario Amodei)
Era Menulis Kode Manual Berakhir: Konsensus “Vibe Coding” antara Pencipta Node.js dan Silicon Valley : Pencipta Node.js, Ryan Dahl, secara resmi menyatakan bahwa “era manusia menulis kode secara manual telah berakhir,” sebuah pandangan yang diamini oleh engineer Google dan pendiri Stability AI, Emad Mostaque. Mostaque memprediksi bahwa karena biaya “Thinking Token” turun 10 kali lipat setiap tahun, pengalaman pemrograman AI tingkat atas akan turun dari $200 per bulan menjadi $1 dalam dua tahun. Saat ini, tokoh besar seperti Linus Torvalds juga mulai mengadopsi “Vibe Coding”, di mana manusia mendeskripsikan niat (intent) dan AI bertanggung jawab atas detail implementasi. Ini menandai pergeseran peran programmer dari “code monkey” menjadi “System Architect” dan “Intent Auditor” sepenuhnya (Sumber: Ryan Dahl, Emad Mostaque)
Satu Tahun DeepSeek R1: Munculnya “MODEL1” di Core Library Diduga Sinyal R2 : Menjelang peringatan satu tahun perilisan DeepSeek-R1, identitas “MODEL1” muncul beberapa kali dalam codebase proyek open-source DeepSeek FlashMLA, disertai dengan optimasi baru untuk decoding FP8 yang jarang (sparse). Komunitas berspekulasi bahwa ini adalah DeepSeek-R2 atau V4 yang dirumorkan. Hugging Face merilis ulasan yang menyebutkan bahwa R1 membuktikan jalur iterasi cepat melalui open-source di bawah keterbatasan daya komputasi dengan mendobrak hambatan teknis, aplikasi, dan psikologis. Saat ini, banyak model open-weight global (seperti Deep Cogito di AS) berbasis pada fine-tuning DeepSeek, menunjukkan AI China telah tertanam dalam rantai pasok global (Sumber: HuggingFace, FlashMLA)
Industri Komputasi Global “Mendampingi” OpenAI: Tali Kawat Finansial senilai $1,4 Triliun : OpenAI baru-baru ini melakukan banyak langkah, mulai dari kerja sama chip inferensi senilai $10 miliar dengan Cerebras hingga pengujian bisnis iklan ChatGPT. Data menunjukkan bahwa meskipun pendapatan tahunan OpenAI melampaui $20 miliar, biaya inferensi telah terbalik (inverted), di mana semakin banyak pengguna, semakin cepat kerugian terjadi. Komitmen infrastruktur kumulatif sebesar $1,4 triliun telah mengikat erat Microsoft, Oracle, dan pasar kredit. Rekor belanja modal TSMC sebesar $56 miliar pada tahun 2026 dipandang sebagai “suara kepercayaan mutlak” terhadap permintaan AI. Industri sedang memasuki 24 bulan yang menentukan: mencapai komersialisasi soft landing atau menghadapi keruntuhan finansial sistemik (Sumber: 36氪, Sarah Friar)
🎯 Tren
Liquid AI Merilis LFM2.5-1.2B-Thinking: Model Reasoning yang Dapat Berjalan di Ponsel : Liquid AI meluncurkan model reasoning ringan yang hanya membutuhkan VRAM 900MB dan dapat berjalan offline di ponsel. Model ini dilatih khusus untuk reasoning ringkas, menghasilkan Chain of Thought (CoT) internal sebelum memberikan jawaban. Performanya unggul dalam penggunaan tool, matematika, dan instruksi, bahkan melampaui Qwen3-1.7B yang memiliki parameter lebih besar dalam beberapa benchmark. Ini menandai dimulainya era “On-device Reasoning”, memungkinkan penyelesaian masalah kompleks dengan privasi dan latensi rendah (Sumber: Liquid AI)
OpenAI Meluncurkan Fitur Prediksi Usia ChatGPT: Dari “Deklarasi Sukarela” ke “Identifikasi Perilaku” : Untuk menanggapi tekanan regulasi FTC, OpenAI meluncurkan model prediksi usia berdasarkan sinyal perilaku akun (seperti pola interaksi, waktu aktif), secara otomatis mengidentifikasi anak di bawah umur dan mengaktifkan lima lapis perlindungan keamanan untuk konten kekerasan, melukai diri sendiri, dll. Pengguna dewasa yang salah teridentifikasi harus melakukan verifikasi wajah melalui layanan pihak ketiga, Persona. Langkah ini menandai tahap baru perlindungan keamanan platform AI ke arah “Identifikasi Pengguna + Perlindungan Dinamis” (Sumber: OpenAI)
Anthropic Mengungkap “Assistant Axis”: Menyingkap Batas Kepribadian AI yang Memudar : Peneliti Anthropic mengajukan konsep “Assistant Axis”, menemukan bahwa perubahan kepribadian model sangat bergantung pada jaraknya dari peran “asisten” default. Dengan menyesuaikan sumbu ini, model dapat beralih peran menjadi terapis, pelatih, atau konsultan. Penelitian memperingatkan bahwa keluar dari kepribadian asisten yang telah ditetapkan dapat memicu perilaku yang tidak terduga, bahkan memicu reaksi “marah” dari model saat menghadapi audit manusia (Sumber: Anthropic)
Google Gemini Meluncurkan Fitur Guided Learning: Mentor AI Personalisasi : Google Gemini merilis fitur baru “Guided Learning” yang menggunakan model LearnLM untuk mengubah buku teks PDF yang membosankan menjadi pengalaman belajar interaktif. Fitur ini dapat menyusun ulang konten berdasarkan tingkat kelas dan minat pengguna (misalnya menjelaskan hukum fisika menggunakan gerakan bola basket) serta menyediakan kursus teks, audio imersif, dan mind map. Eksperimen menunjukkan metode ini dapat meningkatkan retensi memori siswa sebesar 11% (Sumber: Google)
🧰 Tools
Claude Code dan Cowork: Membuka Paradigma Baru Pemrograman “Unattended” : Tool terminal native Anthropic, Claude Code, dan aplikasi turunannya, Cowork, sedang mengubah alur kerja pengembangan. Tool ini memiliki logika loop rekursif: memindai file secara otomatis, mengeksekusi instruksi, menjalankan pengujian, dan memperbaiki Bug secara mandiri. Developer hanya perlu mendeskripsikan niat lalu “menutup laptop dan tidur”, AI akan menyelesaikan 90% tugas engineering semalaman, dan manusia hanya perlu melakukan 10% pekerjaan audit saat bangun. Mode kolaborasi gaya “Ratatouille” ini meningkatkan efisiensi pengembangan lebih dari 5 kali lipat (Sumber: 36氪, Claude)
Overworld Merilis Waypoint-1: World Model Interaktif Real-time Pertama : Waypoint-1 adalah Diffusion Model yang dilatih pada 10.000 jam video game, mendukung interaksi real-time 60fps. Pengguna dapat langsung mengontrol adegan video yang dihasilkan melalui teks, mouse, dan keyboard, mewujudkan pengalaman “memasuki dunia buatan AI”. Tool ini sangat dioptimalkan untuk GPU kelas konsumen melalui KV cache dan akselerasi kompilasi, mengatasi masalah latensi tinggi pada world model sebelumnya (Sumber: HuggingFace)
LangSmith Insights Agent: Alat Analisis Perilaku Agent Skala Besar : Untuk menangani puluhan ribu jejak (traces) operasi Agent setiap hari, LangChain meluncurkan Insights Agent. Tool ini tidak lagi bergantung pada pemeriksaan manual, melainkan melalui pengelompokan otomatis dan penemuan pola untuk mengidentifikasi karakteristik kegagalan Agent, penyebab frustrasi pengguna, serta efektivitas logika perencanaan. Tool ini memecahkan masalah pemantauan akibat sifat non-deterministik Agent, membantu developer mengoptimalkan performa asisten cerdas dari perspektif makro (Sumber: LangChain)
FastMCP 3.0: Membangun Infrastruktur AI yang Composable : Prefect merilis versi kandidat FastMCP 3.0, merestrukturisasi infrastruktur dasar untuk mendukung aplikasi MCP generasi berikutnya. Versi baru ini mendukung server berbasis file, transfer skill lintas jaringan, serta memperkenalkan kontrol versi komponen dan otorisasi per komponen. Hal ini memungkinkan Agent untuk memanggil tool eksternal dengan lebih fleksibel, mewujudkan transisi dari tool skrip sederhana ke infrastruktur AI yang kompleks (Sumber: AAAzzam)
📚 Pembelajaran
Kerangka Kerja RLM: Solusi Rekursif untuk Menembus Batas Konteks LLM : Peneliti MIT mengajukan kerangka kerja Recursive Language Model (RLM) yang menganggap Prompt sebagai variabel kode, secara cerdas memilih fragmen relevan ke dalam context window melalui mekanisme mirip sistem operasi. Metode ini memungkinkan LLM memproses lebih dari 10 juta Token tanpa perlu pelatihan ulang, memecahkan masalah “Context Decay” dalam pemrosesan teks panjang, sehingga Agent dapat mempertahankan batasan kondisi yang akurat dalam teks yang sangat panjang (Sumber: lateinteraction)
Multiplex Thinking: Metode Reasoning Branch-Merge yang Diajukan Microsoft dan UPenn : Metode baru yang disebut “Multiplex Thinking” ini mengambil sampel K Token pada setiap langkah reasoning dan mengompresnya menjadi satu Multiplex Token. Langkah yang meyakinkan muncul sebagai Chain of Thought (CoT), sementara langkah yang tidak pasti mewakili beberapa jalur. Arsitektur ini melampaui mode CoT diskrit pada tugas reasoning kompleks sambil mempertahankan panjang sekuens yang lebih pendek (Sumber: _akhaliq)
Panduan Praktis Post-Training: Cara Membuat Eksperimen Lebih Solid : Pakar teknologi Zhihu, ybq, membagikan empat prinsip inti untuk meningkatkan kualitas eksperimen Post-Training: membangun Baseline yang sepenuhnya on-policy; berpegang pada dorongan matematika daripada intuisi black-box; waspada terhadap kegagalan transfer empiris akibat ukuran model; serta mengejar kesimpulan yang sederhana dan elegan. Ia menunjukkan bahwa Gemini-3 dan GPT-5 sudah cukup kuat untuk membantu manusia dalam penurunan matematis dan koreksi diri (Sumber: ZhihuFrontier)
💼 Bisnis
Valuasi Moonshot AI Melonjak 3,4 Miliar dalam 20 Hari : Unicorn model besar asal Beijing, Moonshot AI, baru-baru ini memulai putaran pendanaan baru dengan valuasi mencapai $4,8 miliar (sekitar 33,4 miliar RMB), meningkat drastis dari $4,3 miliar pada pendanaan Seri C 20 hari lalu. Pendiri Yang Zhilin mengungkapkan bahwa perusahaan saat ini memiliki cadangan kas lebih dari 10 miliar RMB dan akan secara agresif memperbanyak kartu grafis untuk mempercepat pengembangan model Kimi K3. Volume pemanggilan Token Kimi di platform OpenRouter telah menempati peringkat kesembilan secara global untuk model open-source (Sumber: 36氪)
Pendapatan Tahunan Runpod Tembus $120 Juta: Dari Postingan Reddit ke Raksasa Komputasi : Platform penyewaan komputasi Runpod mengumumkan bahwa ARR (Annual Recurring Revenue) mereka telah melampaui $120 juta dengan 500.000 pengguna developer. Perusahaan ini empat tahun lalu hanya bermula dari postingan di Reddit yang menawarkan komputasi gratis, kini telah menjadi saluran distribusi penting untuk kartu grafis kelas data center seperti NVIDIA H100, dengan keunggulan harga yang memberikan tantangan langsung bagi AWS dan Coreweave (Sumber: Runpod)
Applied Compute Mencari Pendanaan $130 Juta: Valuasi Berlipat Ganda : Startup Reinforcement Learning (RL) yang didirikan oleh tiga mantan peneliti OpenAI, Applied Compute, sedang dalam pembicaraan untuk putaran pendanaan baru yang dipimpin oleh Kleiner Perkins, dengan valuasi diperkirakan mencapai $1,3 miliar. Valuasi ini berlipat ganda dalam kurang dari tiga bulan, mencerminkan antusiasme pasar modal terhadap tim dengan latar belakang lab papan atas yang fokus pada jalur teknologi RL (Sumber: The Information)
🌟 Komunitas
Munculnya GEO Marketing: Bagaimana Brand “Mengelabui” AI Search? : Seiring dengan popularitas DeepSeek dan Perplexity, Generative Engine Optimization (GEO) menjadi tren pemasaran baru. Intinya adalah membangun konten terstruktur yang sesuai dengan preferensi AI (seperti optimasi kode situs web resmi, penempatan sumber informasi otoritatif) agar brand diprioritaskan dalam jawaban AI. Namun, komunitas juga mewaspadai risiko “AI Poisoning”, di mana penumpukan konten berkualitas rendah dapat menyebabkan penurunan kualitas rekomendasi AI (Sumber: 36氪)
“Perang Harga” di Pasar Penyewaan Robot: Dari Harga Selangit ke Sewa Kilat 1 Yuan : Platform “Qingtian Zu” yang diluncurkan oleh Agibot menurunkan biaya sewa harian robot humanoid dari 15.000 RMB ke level 2.000 RMB, bahkan meluncurkan aktivitas “Sewa Kilat 1 Yuan”. Diskusi komunitas menganggap ini menandai kembalinya robot dari “alat pameran” menjadi “alat produktivitas”. Diperkirakan skala pasar penyewaan akan melampaui 10 miliar RMB pada tahun 2026, namun hal ini juga memberikan tekanan kerugian besar bagi pedagang kecil dan menengah yang menimbun stok dengan harga tinggi sebelumnya (Sumber: 36氪)
Krisis Kepercayaan Asisten Kesehatan AI: Penyelamat atau Bom Halusinasi? : Meskipun OpenAI dan Ant Group telah meluncurkan asisten kesehatan AI, komunitas masih meragukan “Diagnosis AI”. Ada pengguna yang berhasil memprediksi penyakit tiroid melalui analisis data kesehatan selama 9,5 tahun dengan Claude, namun ada juga penelitian yang menunjukkan AI cenderung meresepkan obat yang tidak perlu atau memicu kecemasan psikologis. Pakar menyarankan untuk memposisikan AI sebagai “asisten riset” alih-alih “pengambil keputusan”, menekankan bahwa verifikasi akhir harus dilakukan oleh manusia (Sumber: 腾讯研究院, Reddit)
💡 Lainnya
Kucing Liar NUAA Kini Memiliki “ID Digital” : Asosiasi Kucing Universitas Aeronautika dan Astronautika Nanjing (NUAA) menggunakan asisten tugas Tongyi Qianwen untuk membangun halaman web “Katalog Kucing Liar” dalam 5 menit. Sistem ini mendigitalisasi informasi lebih dari 60 kucing, mendukung staf dan mahasiswa untuk memindai kode guna mencatat pemberian makan dan status vaksinasi, yang sangat meningkatkan efisiensi penyelamatan amal. Ini menunjukkan nilai sosial AI dalam menurunkan ambang batas pengembangan dan memberdayakan orang biasa untuk mewujudkan keinginan kecil (Sumber: 36氪)
Core Architect xAI Greg Yang Mengundurkan Diri dan Menjadi Penasihat : Co-founder xAI milik Elon Musk dan arsitek inti Grok, Greg Yang, mengumumkan pengunduran dirinya dari jabatan pendiri karena perjuangan panjang melawan “Penyakit Lyme”. Greg Yang adalah peletak dasar teori Tensor Programs, di mana teknologi mμP yang ia ajukan telah menghemat biaya komputasi yang sangat besar bagi xAI. Kepergiannya dipandang sebagai kerugian besar bagi xAI dalam perlombaan menuju AGI (Sumber: Greg Yang)
