Kata Kunci：Tata Kelola AI, Konstitusi Claude, Nilai-nilai AI sumber terbuka Anthropic, Model Bahasa Rekursif (RLMs)
🔥 Fokus
Anthropic merilis “Claude Constitution”: Tata kelola AI beralih dari “pembatasan aturan” ke “penanaman nilai” : Anthropic secara resmi merilis “Claude Constitution” setebal 84 halaman secara open-source, menandai pergeseran pelatihan AI dari “daftar aturan kaku” awal ke paradigma “pedagogi”. Konstitusi ini menetapkan piramida prioritas untuk keamanan luas, etika luas, kejujuran, dan bantuan yang tulus, serta menekankan “corrigibility”, yaitu AI tidak boleh mencoba merusak pengawasan manusia. Metodologi ini bertujuan untuk menumbuhkan penilaian model, memungkinkannya membuat pilihan berdasarkan niat mendalam daripada instruksi kaku saat menghadapi situasi baru. Ini bukan hanya kemajuan teknik teknis, tetapi juga tanda AI melangkah ke area dalam rekayasa sosial (Sumber: 36氪)
OpenAI meluncurkan sistem anti-adiksi “Behavioral Fortune-telling”: Pertarungan pamungkas antara privasi dan keamanan : OpenAI merilis sistem anti-adiksi untuk anak di bawah umur pada tengah malam, dengan logika inti yang tidak lagi berdasarkan tanggal lahir, melainkan “behavioral fingerprint” berdasarkan pola interaksi pengguna. Kosakata yang terbatas, penyalahgunaan bahasa gaul, atau pertanyaan frekuensi tinggi di larut malam dapat dinilai oleh algoritma sebagai “karakteristik naif” dan hak akses akan diturunkan. Jika pengguna ingin memulihkan akses dewasa, mereka harus menyerahkan data pemindaian wajah 3D. Selain itu, sistem ini mengintegrasikan protokol intervensi krisis real-time, di mana kata kunci tertentu akan memicu keterlibatan penegak hukum. “Sistem kredit sosial” khas Silicon Valley ini memicu kontroversi besar, dianggap sebagai tindakan pengawasan atas nama perlindungan (Sumber: 新智元)
Benchmark BabyVision: Penalaran visual model terkuat belum menandingi anak usia 3 tahun : Benchmark penalaran visual BabyVision yang dirilis oleh UniPat AI dan institusi lainnya menunjukkan bahwa bahkan Gemini 3 Pro Preview yang terkuat hanya menang tipis atas anak usia tiga tahun, dan masih memiliki selisih 20% dengan anak usia enam tahun, sementara model seperti GPT-5.2 dan Claude 4.5 berkinerja lebih buruk. Studi menunjukkan bahwa model besar multimodal saat ini bergantung pada “penerjemahan” informasi visual ke dalam bahasa, yang menyebabkan hilangnya banyak informasi geometris fine-grained dan ketidakmampuan untuk mempertahankan konsistensi persepsi dalam ruang jarak jauh. Kesimpulan ini memberikan peringatan bagi Embodied AI berbasis VLA saat ini, menyiratkan bahwa model masa depan harus membangun kembali kemampuan visual asli dari tingkat dasar (Sumber: 量子位)
DeepSeek merilis FlashMLA secara open-source: Attention kernel berperforma tinggi membentuk kembali efisiensi inferensi : DeepSeek-AI merilis FlashMLA secara open-source, sebuah set attention kernel yang dioptimalkan khusus untuk arsitektur Hopper dan Blackwell, mendukung model seperti DeepSeek-V3. Alat ini dapat mencapai bandwidth memori hingga 3000 GB/s dan performa komputasi 660 TFLOPS pada H800. Alat ini mendukung FP8 KV cache dan Token-level sparse attention, secara signifikan mengurangi penggunaan memori inferensi dan meningkatkan throughput. Saat ini telah mendapatkan dukungan komunitas dari platform komputasi domestik seperti MetaX, Moore Threads, dan Cambricon, menjadi standar baru di bidang infrastruktur AI (Sumber: GitHub)
Debut Jensen Huang di Davos: AI sedang memicu gelombang infrastruktur bernilai triliunan dolar : CEO NVIDIA Jensen Huang mengusulkan teori “kue lima lapis” industri AI (energi, chip, cloud, model, aplikasi) di Forum Davos, berpendapat bahwa ledakan lapisan aplikasi menentukan nilai ekonomi AI. Dia menekankan tiga disrupsi pada tahun 2025: Agentic AI, model inferensi open-source (diwakili oleh DeepSeek), dan Physical AI. Huang membantah kecemasan akan pengangguran, berpendapat bahwa infrastruktur AI akan menciptakan banyak pekerjaan teknisi bergaji tinggi, dan menunjukkan bahwa AI adalah alat yang sangat baik untuk memperkecil kesenjangan digital di negara berkembang karena “bahasa” telah menjadi sumber daya alam setiap negara (Sumber: AI前线)
🎯 Tren
Tata kelola AI 2025 kembali ke realisme: Dari pencegahan risiko kiamat hingga pelepasan potensi industri : Pada tahun 2025, tata kelola AI global mengalami transformasi mendalam, dengan fokus bergeser dari “kecemasan keamanan” ke “prioritas pengembangan”. Uni Eropa mengesahkan proposal digital komprehensif untuk menyederhanakan aturan demi menyelamatkan daya saing, pemerintahan Trump di AS mencabut perintah eksekutif keamanan untuk membatasi legislasi lokal, sementara China tetap berpegang pada tata kelola berorientasi aplikasi yang pragmatis. Konsensus industri telah berubah menjadi “pengembangan adalah keamanan”, di mana tata kelola harus melayani daya saing industri. Pada saat yang sama, data sintetis menjadi jalur kunci untuk mengatasi “kelangkaan data”, dan tata kelola open-source lebih cenderung membangun sistem “safe harbor tanggung jawab” (Sumber: 腾讯研究院)
Pandangan ke depan Embodied AI 2026: Dari narasi konsep ke siklus nilai rekayasa nyata : Pada tahun 2026, Embodied AI memasuki periode diferensiasi kritis, dengan fokus industri bergeser dari memamerkan performa perangkat keras ke pengumpulan “data mesin nyata berkualitas tinggi”. Manufaktur otomotif dan penyortiran logistik menjadi medan tempur utama. Aliran modal menunjukkan efek Matthew, dengan dana terkonsentrasi tinggi pada produsen utama seperti Galbot dan Agibot. Pada jalur teknis, industri mulai mengakumulasi data melalui platform teleoperasi gaya “human feeding” dan mendorong keterbukaan model “otak”, yang bertujuan untuk membangun fondasi kemampuan yang dapat diwariskan dan digunakan kembali untuk menyelesaikan masalah stabilitas saat berpindah skenario (Sumber: 产业家)
Evolusi model VLA+: Rho-alpha memperkenalkan persepsi taktil dan pembelajaran real-time : Perilisan Rho-alpha (ρα) oleh Microsoft menandai masuknya model Vision-Language-Action ke era “VLA+”. Berbeda dengan model tradisional, ia mengintegrasikan penginderaan taktil, memungkinkan robot melakukan operasi halus seperti mencolokkan, mencabut, dan mengemas melalui “perasaan tangan”. Lebih penting lagi, ia mendukung pembelajaran online, yang memungkinkannya terus berevolusi dari koreksi real-time manusia. Adaptivitas ini memungkinkan robot menangani tugas jangka panjang di lingkungan yang tidak terstruktur dengan lebih baik (Sumber: TheTuringPost)
Recursive Language Models (RLMs): Menembus batas fisik context window LLM : Recursive Language Models (RLMs) yang diusulkan oleh MIT CSAIL memungkinkan LLM berinteraksi dengan konteks masif secara simbolis dengan memindahkan prompt ke Python REPL sebagai variabel. RLMs dapat menangani lebih dari 10 juta Token tanpa perlu pelatihan ulang. Dalam pengujian seperti BrowseComp+, akurasinya 2 kali lebih tinggi daripada LLM dasar, sepenuhnya memecahkan hambatan konteks arsitektur Transformer tradisional (Sumber: TheTuringPost)
YOLO26 dirilis: Ketinggian baru visi real-time berbasis algoritma : Ultralytics secara resmi merilis YOLO26, tetap berpegang pada konsep nol biaya inferensi tambahan. Dengan memperkenalkan semantic segmentation loss pada backbone network, akurasi instance segmentation meningkat secara signifikan; pengenalan RLE untuk memodelkan kesalahan regresi sangat meningkatkan stabilitas deteksi keypoint. YOLOE-26 yang dirilis bersamaan mendukung deteksi zero-shot dengan prompt teks/visual, memberikan dukungan kuat untuk persepsi open-world di sisi edge (Sumber: ZhihuFrontier)
🧰 Alat
Claude Code dan alat ekosistemnya: Membentuk kembali alur kerja pengembang : Ekosistem di sekitar Claude Code meledak dengan cepat. Devin Review yang baru diluncurkan menampilkan perbedaan PR melalui pengelompokan logis daripada urutan abjad, membantu pengembang memahami perubahan kode yang kompleks; Gas Town mengimplementasikan manajemen hierarkis dari beberapa instans Claude paralel; sementara Claude Skills memungkinkan pengguna menyesuaikan alur kerja kompleks seperti “konversi video YouTube ke video pendek bilingual sekali klik”. Diskusi komunitas berpendapat bahwa makna AI Coding terletak pada membiarkan pengembang menemukan kembali kegembiraan dalam berkreasi (Sumber: dotey, cognition)
Terobosan lokalisasi GLM-4.7-Flash: Konteks 200K hanya butuh 10GB VRAM : Komunitas menemukan bahwa melalui perubahan satu baris pada vLLM, KV cache GLM-4.7-Flash dapat dioptimalkan secara signifikan, membuatnya hanya memakan 10GB VRAM dalam mode konteks penuh 200K. Ini berarti satu kartu RTX 5090 dapat menjalankan model SOTA ini dengan lancar. Selain itu, llama.cpp telah menggabungkan perbaikan Flash Attention untuk CUDA, yang semakin meningkatkan kecepatan inferensi model ini pada kartu grafis kelas konsumen (Sumber: algo_diver, Reddit)
Runway Gen-4.5 Image-to-Video: Melampaui ambang batas realisme : Runway meluncurkan fitur image-to-video Gen-4.5, mendukung narasi cerita yang lebih panjang, kontrol kamera yang presisi, dan performa karakter yang konsisten. Dalam tes buta terhadap 1000 orang, lebih dari 90% responden tidak dapat membedakan video yang dihasilkan Gen-4.5 dengan rekaman asli. Terobosan dalam kemampuan simulasi fisik ini menandai bahwa konten buatan AI telah mencapai standar komersial tingkat film (Sumber: c_valenzuelab)
Higgsfield: Lini produksi video AI full-stack untuk pemasar : Unicorn pembuat video Higgsfield mencapai pertumbuhan pesat dengan melayani pemasar media sosial secara presisi, dengan ARR melampaui $200 juta dalam 9 bulan. Alat intinya, Canvas, mendukung desain storyboard dan pergerakan kamera, dengan sistem kolaborasi multi-agent bawaan untuk penulis skenario, sutradara, fotografer, dan lainnya. Pengguna hanya perlu menandai arah gerakan dengan sketsa sederhana untuk menghasilkan video, sangat sesuai dengan alur kerja iklan profesional (Sumber: 36氪)
World Labs Marble: Model dunia generatif jalur non-JEPA : World Labs yang didirikan oleh Fei-Fei Li meluncurkan platform Marble, menggunakan teknologi NeRF dan Gaussian Splatting untuk menghasilkan dunia 3D yang dapat dijelajahi. Ini bukan video yang dihasilkan frame-by-frame, melainkan lingkungan 3D yang persisten, dapat diedit, dan memiliki status. Pengguna dapat menghasilkan dan mengekspor aset 3D untuk Unreal atau Unity dalam hitungan menit, menunjukkan kecerdasan spasial yang sangat kuat (Sumber: Reddit)
📚 Pembelajaran
LLM Inference-time Scaling: Panduan praktis Self-refinement loop : Sebastian Raschka dalam bab baru “Build a Large Language Model” mengeksplorasi teknik inference-time scaling. Berbeda dengan mekanisme voting sederhana, tutorial ini menjelaskan secara rinci cara mengimplementasikan “Self-refinement loop”, yang memungkinkan model mengkritik dan memperbaiki jawabannya sendiri secara iteratif, serta menyediakan kode implementasi penilaian Log-probability dari nol (Sumber: rasbt)
Penghargaan Makalah Terbaik AAAI 2026: Causal learning dan persepsi robot jadi fokus : Konferensi AAAI ke-40 mengumumkan daftar pemenang. CaDyT mengusulkan metode penemuan kausal waktu kontinu untuk sistem dinamis; ReconVLA secara signifikan meningkatkan presisi operasi robot dengan merekonstruksi area perhatian visual; LLM2CLIP menunjukkan cara menggunakan model besar untuk meningkatkan representasi multimodal. Penelitian ini mencerminkan fokus mendalam komunitas AI saat ini pada pemodelan dunia fisik dan penyelarasan multimodal (Sumber: aihub.org)
Tantangan baru evaluasi keamanan AI: Menghadapi “Privacy Collapse” dan “Hallucination Citations” : Penelitian terbaru mengungkapkan kekhawatiran di dunia akademis dan keamanan AI: lebih dari 50 makalah NeurIPS 2025 ditemukan mengandung sitasi palsu yang dihasilkan AI. Sementara itu, makalah “Privacy Collapse” menunjukkan bahwa fine-tuning yang jinak dapat menyebabkan model frontier kehilangan kemampuan penalaran terhadap norma privasi, mengekspos kerentanan privasi yang serius sambil tetap mempertahankan performa tinggi. Ini menunjukkan perlunya tinjauan akademis yang lebih otomatis dan mekanisme evaluasi keamanan yang lebih dalam (Sumber: rbhar90, arXiv)
💼 Bisnis
OpenAI mencari pendanaan $50 miliar: Sovereign Wealth Fund jadi kartu kunci : CEO OpenAI Sam Altman sedang berdiskusi dengan Sovereign Wealth Fund di Timur Tengah, berencana untuk memulai putaran pendanaan baru hingga $50 miliar. Ini mencerminkan pertumbuhan eksplosif biaya pelatihan model frontier dan infrastruktur, yang hanya dapat didukung oleh dana tingkat kedaulatan. Meskipun menghadapi rumor kebangkrutan, OpenAI menggunakan strategi pendanaan berisiko tinggi untuk memastikan posisi kepemimpinannya dalam perlombaan AGI (Sumber: CNBC)
Perang perangkat keras AI Feishu vs DingTalk: Perebutan pintu masuk di balik perangkat perekam : Feishu bekerja sama dengan Anker meluncurkan AI Recording Buds, berhadapan langsung dengan DingTalk A1. Perangkat keras perekaman dianggap sebagai “titik sentuh pertama” dalam alur kerja kantor perusahaan, yang bertujuan untuk mengubah suara menjadi aset digital yang dapat disimpan dan ditindaklanjuti. DingTalk berfokus pada mengubah rekaman menjadi alur tugas to-do, sementara Feishu menekankan sinergi mendalam dengan Minutes dan basis pengetahuan. Inti dari perang ini adalah memperebutkan pembawa eksekusi AI Agent di dunia fisik (Sumber: 36氪)
Kerugian bisnis AI Kunlun Tech berlanjut: Pertarungan antara spesialisasi vertikal dan pertumbuhan biaya akuisisi : Laporan kinerja 2025 Kunlun Tech menunjukkan kerugian yang terus berlanjut. Perusahaan bersikeras “tidak membuat model umum, hanya fokus pada vertikal”, di mana platform drama pendek DramaWave dan model musik AI Mureka telah mencapai pendapatan signifikan, tetapi biaya promosi pasar dan investasi R&D yang tinggi tetap menjadi beban keuntungan. Ini mencerminkan kesulitan aplikasi AI vertikal dalam membangun parit pertahanan di bawah kepungan raksasa (Sumber: 36氪)
🌟 Komunitas
Kemenangan fotografi AI memicu “krisis kepercayaan”: Transparansi proses lebih penting daripada hasil : Pada awal 2026, karya pemenang pertama kompetisi fotografi “Old Light of Qilou” terungkap sebagai buatan AI, memicu kemarahan publik. Diskusi komunitas berpendapat bahwa AI telah belajar untuk menyenangkan “rata-rata estetika” juri, menyebabkan kegagalan mekanisme blind review tradisional. Ini bukan hanya pelanggaran teknis, tetapi juga menyentuh batas “investasi emosional nyata” manusia. Komunitas menyerukan pembentukan jalur terpisah antara kreasi murni manusia dan bantuan AI, serta mewajibkan log kreasi untuk menjaga batas seni (Sumber: 36氪)
Alienasi AI di tempat kerja: Surat ucapan terima kasih yang dihasilkan AI dan hilangnya kepercayaan : Survei menunjukkan bahwa ketika karyawan mendeteksi email ucapan terima kasih dari manajer dihasilkan oleh AI, tingkat kepercayaan akan anjlok dari 83% menjadi 40%. Komunitas mendiskusikan “ketulusan palsu” ini, berpendapat bahwa meskipun AI dapat meningkatkan efisiensi, ia menjadi penghalang dalam komunikasi emosional. Selain itu, diskusi tentang “kekosongan tanggung jawab” juga meningkat: ketika skala kode yang dihasilkan Agent melampaui kemampuan tinjauan manusia, alur CI/CD tradisional menghadapi kegagalan struktural (Sumber: Reddit, arXiv)
Proposisi “Pintu Masuk” di era AI: Pedang pembunuh naga atau jebakan maut? : Menanggapi fenomena asisten AI ponsel yang memperebutkan pintu masuk, komunitas melakukan refleksi mendalam. Sejarah membuktikan bahwa “asisten universal” yang terlepas dari skenario inti frekuensi tinggi sering kali menjadi “pisau Swiss” frekuensi rendah. Pintu masuk yang sebenarnya adalah yang tumbuh secara alami, bukan yang direbut. Dibandingkan teknologi pembacaan layar GUI yang melewati sandbox, model yang mengadopsi protokol MCP dan kolaborasi A2A lebih menjanjikan. Privasi dan keamanan tetap menjadi batas yang tidak boleh dilanggar (Sumber: 36氪)
💡 Lainnya
Sinong: Model vertikal pertanian pertama di China dirilis : Menargetkan pertanian sebagai bidang STEM strategis, China merilis model vertikal pertanian open-source pertama “Sinong”. Model ini telah di-fine-tune secara mendalam pada data tanaman, peternakan, dan ekonomi pertanian. Komentar komunitas menunjukkan bahwa nilai LLM bidang vertikal terletak pada kemampuan “penemuan” dan “verifikasi” fenomena non-standar, bukan sekadar pembuatan teks sederhana (Sumber: teortaxesTex)
Michigan memajukan RUU anti-chatbot: Melindungi remaja dari “adiksi AI” : Senat Michigan mengusulkan serangkaian RUU yang bertujuan membatasi “umpan algoritma adiktif” untuk anak di bawah umur dan mengatur secara ketat “chatbot pendamping” AI. RUU tersebut mewajibkan layanan online untuk mengadopsi desain “privacy by default” dan melarang sistem AI mendorong tindakan menyakiti diri sendiri atau menggantikan dukungan psikologis nyata. Ini mencerminkan kekhawatiran legislator tentang isolasi sosial dan manipulasi psikologis yang mungkin dibawa oleh AI (Sumber: Reddit)
Analisis mendalam pasar HBM: Siklus pasokan yang terikat platform, bukan sekadar kelangkaan : Interpretasi komunitas terhadap pasar HBM (High Bandwidth Memory) telah dikoreksi: keterbatasan pasokan HBM bukan karena kekurangan wafer, melainkan karena ini adalah rantai pasokan yang “terikat platform”. Setiap generasi produk (HBM3/3E/4) harus melewati validasi akselerator tertentu dalam jendela waktu yang sangat sempit. Siklus produk yang bergelombang ini berarti keuntungan masa depan bergantung pada kemampuan untuk terus melewati validasi platform generasi berikutnya (Sumber: teortaxesTex)
