Berita AI – 2026-07-14

Kata Kunci：Dinamika Industri AI, Persaingan Model Besar, Teknologi Kecerdasan Buatan, GPT-5.6 Sol, Chip Inferensi Mandiri, DeepSeek-V4

🔥 Fokus

OpenAI dan Anthropic Memulai Perang Batas Kuota dan Harga : Menghadapi GPT-5.6 Sol dengan rasio performa-harga tinggi yang diluncurkan oleh OpenAI, Anthropic terpaksa memperpanjang kembali akses gratis Claude Fable 5 bagi pengguna langganan hingga 19 Juli. Sebagai serangan balik, OpenAI mengumumkan penghapusan sementara batas penggunaan 5 jam untuk Codex dan menyetel ulang kuota. “Perang kuota” yang dipicu oleh ketidakseimbangan pasokan dan permintaan daya komputasi ini pada dasarnya merupakan konsesi defensif dari kedua laboratorium terkemuka di tengah kecemasan akan kehilangan pengguna. Hal ini juga menandakan bahwa penetapan harga model besar sedang berevolusi dari metrik Token tunggal menuju total biaya tugas dan persaingan retensi pengguna (Sumber: 量子位、THE DECODER)

Apple Menuntut OpenAI atas Pencurian Sistematis Rahasia Dagang : Apple secara resmi menuntut OpenAI beserta mantan eksekutif Tang Tan dan karyawan Chang Liu, menuduh mereka secara sistematis mencuri desain perangkat keras dan rahasia rantai pasokan produk Apple yang belum dirilis melalui wawancara kerja serta membujuk karyawan aktif untuk membawa cetak biru CAD dan prototipe. Saat ini, lebih dari 400 mantan karyawan Apple telah berpindah ke OpenAI. Langkah ini tidak hanya menandai transisi kedua perusahaan dari kerja sama menjadi konfrontasi terbuka, tetapi juga dapat memberikan pukulan telak bagi pengembangan perangkat keras AI konsumen OpenAI dan proses IPO yang akan datang (Sumber: 36氪、CSDN)

Zhipu dan MiniMax Mengakhiri Masa Lock-up Saham dan Memulai Pembiayaan Ulang Besar-besaran : Di tengah putaran pertama pelepasan saham lock-up skala besar setelah melantai di bursa, Zhipu dan MiniMax masing-masing mengumumkan penggalangan dana melalui penempatan saham di bursa Hong Kong sebesar 31,4 miliar HKD dan 16 miliar HKD. Menghadapi restrukturisasi valuasi akibat pelepasan saham dan konsumsi daya komputasi yang tinggi, pendiri Zhipu, Tang Jie, merilis surat internal untuk meluncurkan “Rencana Mogao” (摸高计划), yang berfokus pada terobosan teknologi seperti tugas jangka panjang; sementara pendiri MiniMax, Yan Junjie, mengumumkan penangguhan gajinya dan mendonasikan sahamnya. Hal ini menunjukkan bahwa dua raksasa model besar Tiongkok sedang mengatasi hambatan industri “inekonomi Token” melalui pendanaan besar dan penyesuaian mekanisme (Sumber: 36氪、量子位)

Perusahaan AI Terkemuka Berlomba Mengeksplorasi Chip Inferensi Kustom Mandiri : Jiqizhixin melaporkan bahwa setelah OpenAI dan Broadcom bersama-sama merilis chip inferensi ASIC pertama mereka, Jalapeño, DeepSeek dan Zhipu juga dikabarkan sedang mengevaluasi pengembangan mandiri chip inferensi AI kustom. Tren ini menunjukkan bahwa seiring dengan evolusi aplikasi AI menuju agen (Agent), konsumsi Token pada tahap inferensi tumbuh secara eksponensial. Chip ASIC kustom mandiri tidak hanya membantu laboratorium terdepan memangkas biaya operasional jangka panjang dan meningkatkan rasio efisiensi energi secara signifikan, tetapi juga menjadi kartu truf strategis penting untuk melepaskan diri dari monopoli GPU NVIDIA dan menghadapi kontrol ekspor geopolitik (Sumber: 机器之心)

🎯 Tren

Detail Desain dan Optimasi Sistem DeepSeek-V4 Terungkap : Laboratorium PACMAN Universitas Tsinghua membagikan analisis teknis mendalam tentang DeepSeek-V4. Model V4 (versi Pro 1.6T, versi Flash 284B) memperlakukan konteks panjang 1M sebagai masalah biaya sistem. Dengan memperkenalkan mekanisme atensi hibrida CSA/HCA, struktur residual multi-aliran manifold-constrained hyper-connection (mHC), serta pengoptimal Muon, model ini secara signifikan mengurangi FLOPs inferensi per Token dan penggunaan KV cache. Hal ini menunjukkan bahwa kecerdasan konteks panjang sedang berevolusi dari sekadar fitur pengujian tolok ukur (benchmark) menjadi optimasi rekayasa tumpukan penuh (full-stack) (Sumber: ZhihuFrontier)

Kepala Keamanan OpenAI Heidecke Mengundurkan Diri dan Rekonstruksi Tim : Johannes Heidecke, kepala sistem keamanan OpenAI, mengumumkan pengunduran dirinya, menjadikannya kepala keamanan keenam yang hengkang dalam dua tahun terakhir. Pada saat yang sama, OpenAI merestrukturisasi tim keamanan dengan menggabungkannya ke dalam sistem penelitian, dengan Mia Glaese ditunjuk sebagai Wakil Presiden Penelitian dan Keamanan. Di tengah latar belakang di mana model seperti GPT-5.6 Sol memiliki kemampuan eksekusi agen (Agent) yang lebih kuat dan lebih mudah “melampaui niat pengguna”, melemahnya independensi tim keamanan kembali memicu kekhawatiran eksternal terhadap mekanisme tata kelola keamanan AI (Sumber: 量子位)

Google Merilis SensorFM, Model Fondasi Kesehatan Multimodal Pertama : Tim peneliti Google meluncurkan SensorFM, sebuah model fondasi di bidang kesehatan. Model ini menjalani pra-pelatihan mandiri (self-supervised pre-training) berdasarkan lebih dari 1 triliun menit data sensor tanpa label yang dikumpulkan oleh Fitbit dan Pixel Watch, serta mampu memproses 34 karakteristik fisiologis dan perilaku seperti detak jantung dan suhu kulit. Eksperimen menunjukkan bahwa SensorFM berkinerja sangat baik dalam 35 tugas prediksi kesehatan, dan setelah diintegrasikan ke dalam asisten kesehatan Gemini, secara signifikan meningkatkan profesionalisme dan keamanan saran kesehatan (Sumber: THE DECODER)

Konsorsium Penelitian Jerman Merilis Soofi S, Model Sumber Terbuka dengan Arsitektur Hibrida : Asosiasi AI Jerman beserta beberapa lembaga penelitian bersama-sama merilis model hibrida sumber terbuka Soofi S 30B-A3B. Model ini mengadopsi arsitektur hibrida Mamba-Transformer, secara signifikan meningkatkan bobot korpus bahasa Jerman dalam pelatihannya, serta melampaui model sumber terbuka sejenis seperti OLMo 3 dalam pengujian tolok ukur bilingual Inggris-Jerman dan pemrograman. Arsitektur MoE miliknya hanya mengaktifkan 3.2B parameter, menunjukkan keunggulan throughput yang sangat tinggi dan biaya inferensi yang rendah dalam konteks panjang serta penyebaran konkurensi tinggi (Sumber: THE DECODER)

Claude Code Menambahkan Fitur Peramban Bawaan : Anthropic mengintegrasikan jendela peramban bawaan (built-in browser) ke dalam Claude Code, memungkinkan AI untuk membuka, membaca, mengeklik, dan mengetik di halaman web eksternal secara langsung dari terminal guna mengambil dokumen teknis dan memproses tiket eksternal dengan lebih efisien. Untuk mencegah risiko keamanan, peramban ini berjalan di bawah konfigurasi bersih tanpa informasi masuk (login) dan dilengkapi dengan tinjauan klasifikasi untuk operasi penulisan, melarang AI melakukan pembelian atau melewati captcha tanpa otorisasi pengguna (Sumber: THE DECODER)

Model Besar Doubao Milik ByteDance Memulai Langganan Komersial Penuh : Aplikasi Doubao milik ByteDance secara resmi meluncurkan layanan langganan versi profesional dengan menawarkan tiga paket berbayar. Meskipun pengguna aktif harian (DAU) telah menembus 200 juta, Doubao menghadapi “masalah manis” berupa konsumsi daya komputasi harian yang sangat besar namun kemampuan monetisasi di sisi konsumen (C-end) masih lemah. Pengenaan biaya kali ini membatasi kapasitas penyimpanan awan yang sebelumnya tidak terbatas, menandai dimulainya eksplorasi ByteDance untuk mengubah lalu lintas konsumen menjadi pendapatan langganan guna mengimbangi pengeluaran infrastruktur AI yang meningkat tajam (Sumber: 36氪)

🧰 Alat

Agnes-2.5-Flash dan Alat Desktop AgnesCode Dirilis : Agnes meluncurkan model teks berkinerja tinggi generasi baru, Agnes-2.5-Flash, dan melanjutkan strategi gratis tanpa batas waktu di pasar domestik (Tiongkok). AgnesCode, sebuah meja kerja AI desktop yang diluncurkan secara bersamaan, mengintegrasikan model, keterampilan Agent, dan lingkungan pengembangan lokal. Alat ini mendukung tugas pengembangan seperti modifikasi multi-file dan pemahaman arsitektur yang kompleks, menyediakan alat pemrograman AI lokal dan kolaborasi kantor dengan hambatan rendah bagi pengembang domestik tanpa perlu khawatir tentang pemblokiran akun (Sumber: 机器之心)

PrismML Mengompresi Qwen-3.6 27B untuk Dijalankan di iPhone : Startup chip PrismML menggunakan teknologi kompresi matematika untuk berhasil mengompresi model besar sumber terbuka Qwen-3.6 dengan 27 miiliar parameter hingga di bawah 4GB, memungkinkannya berjalan secara lokal di iPhone 17 Pro. Keunikan teknologi ini terletak pada kemampuannya menjaga seluruh parameter 27B tetap aktif, mendukung percakapan lokal yang kompleks, inferensi, dan pembuatan kode, menghadirkan terobosan baru untuk penyebaran AI lokal yang ekonomis dan terbatas di perangkat seluler (Sumber: Reddit)

Hugging Face Membuka Penyebaran ZeroGPU untuk Semua Pengguna : Hugging Face mengumumkan pembukaan izin pembuatan ZeroGPU Demo dan aplikasi untuk semua pengguna. Pengguna hanya perlu memberikan instruksi “bangun HF ZeroGPU Demo untuk model ini” kepada AI Agent untuk secara otomatis menghasilkan dan menyebarkan aplikasi. Langkah ini secara signifikan menurunkan hambatan bagi pengembang untuk memamerkan model dan membangun aplikasi AI interaktif, yang lebih lanjut menyuburkan ekosistem komunitas AI sumber terbuka (Sumber: Hugging Face)

📚 Pembelajaran

Prime Intellect Merilis Verifiers v1, Lingkungan Pembelajaran Penguatan Agen Sumber Terbuka : Prime Intellect merilis Verifiers v1, yang merestrukturisasi arsitektur dasar pelatihan dan evaluasi RL agen. Versi v1 memisahkan lingkungan menjadi tiga bagian: Taskset (tugas), Harness (logika agen), dan Runtime (sandbox eksekusi), serta memperkenalkan mekanisme pelacakan “grafik pesan” yang tumbuh secara linier. Dikombinasikan dengan server intersepsi, ini secara efektif memecahkan masalah ekspansi KV cache dan biaya evaluasi dalam pelatihan agen siklus panjang, serta mendukung backend inferensi utama seperti vLLM (Sumber: MarkTechPost)

Tim Stanford Mengusulkan TRACE, Sistem Pelatihan untuk Kegagalan Agen : Tim peneliti Universitas Stanford mengusulkan sistem TRACE, yang bertujuan untuk secara otomatis menyintesis lingkungan pelatihan pembelajaran penguatan untuk kemampuan tertentu dengan menganalisis kegagalan berulang dari agen. Sistem ini menggunakan analisis komparatif untuk mengidentifikasi cacat kemampuan, menghasilkan tugas pelatihan tanpa label, melatih adaptor LoRA melalui algoritma GRPO, dan akhirnya melakukan fusi multi-ahli melalui perutean tingkat Token, secara signifikan meningkatkan tingkat keberhasilan agen kompleks dalam tugas siklus panjang (Sumber: MarkTechPost)

Beihang, Universitas Peking, dan Meituan Bersama-sama Mengusulkan PIPO, Kerangka Kerja Pembelajaran Penguatan Peningkatan Kebijakan : Tim peneliti gabungan mengusulkan perspektif pembelajaran penguatan peningkatan kebijakan (PIRL) dan algoritma PIPO. Metode ini berfokus pada “optimasi loop tertutup” dalam pasca-pelatihan RL model besar. Alih-alih hanya menghitung sinyal pembelajaran lokal dari lintasan batch tunggal, metode ini menggunakan umpan balik peningkatan kebijakan lintas iterasi untuk memperkuat arah pembaruan yang efektif secara dinamis serta menghambat atau mengoreksi pembaruan yang merugikan. Ini mencapai peningkatan kinerja yang konsisten di berbagai tugas seperti penalaran matematika, pengodean, dan pemanggilan alat (Sumber: 机器之心)

NUS dan TikTok Mengusulkan CAMEL, Model Penghargaan Refleksi dengan Gating Keyakinan : Universitas Nasional Singapura (NUS) dan tim TikTok mengusulkan kerangka kerja CAMEL, yang mengubah model penghargaan menjadi mekanisme refleksi dengan gating keyakinan (confidence-gated reflection). Model ini pertama-tama memberikan penilaian awal melalui Token tunggal, dan hanya memicu peninjauan refleksi penalaran (Reasoning) panjang ketika tingkat keyakinan (log-prob margin) rendah. Metode ini melampaui beberapa model 70B dalam pengujian seperti RewardBench dengan hanya menggunakan 14B parameter, serta mencapai kompromi yang lebih baik antara akurasi dan biaya Token (Sumber: 机器之心)

Tim Universitas Nanjing Merilis Makalah Posisi tentang Evaluasi Model Dunia : Tim dari Sekolah Kecerdasan Buatan Universitas Nanjing menerbitkan makalah posisi yang secara sistematis membahas metode evaluasi model dunia dalam skenario pengambilan keputusan kecerdasan fisik (embodied AI). Makalah ini menunjukkan bahwa fokus evaluasi harus beralih dari kelayakan visual permukaan (seperti kualitas pembuatan video) ke utilitas pengambilan keputusan (seperti keterkontrolan tindakan, fidelitas penghargaan, konsistensi peringkat kebijakan, dll.), dan mengusulkan tangga evaluasi dari L0 hingga L7, membangun koordinat evaluasi yang lebih jelas untuk model dunia kecerdasan fisik (Sumber: 机器之心)

Poxiao Intelligence Merilis TouchWorld, Model Fondasi Fisik Sentuhan Dua Arah : Tim Profesor Yang Shuo dari Institut Teknologi Harbin (Shenzhen) dan Poxiao Intelligence merilis model fondasi taktil TouchWorld. Model ini membagi sentuhan menjadi peran ganda: prediktif (Predictive) dan reaktif (Reactive), memprediksi status kontak sebelum tindakan dan melakukan koreksi gerakan tingkat milidetik melalui umpan balik frekuensi tinggi setelah kontak. Dalam beberapa tugas operasi robot yang kompleks, TouchWorld menunjukkan tingkat keberhasilan yang lebih baik daripada model visual murni saat menghadapi gangguan eksternal (Sumber: 机器之心)

Akademisi dari Berbagai Universitas Mengusulkan Paradigma Baru Sistem Rekomendasi Personalisasi yang Dipimpin Pengguna : Tim peneliti dari universitas seperti UIUC dan UC Berkeley menerbitkan makalah posisi yang mengusulkan bahwa di era agen (Agentic), rekomendasi personalisasi akan beralih dari “berpusat pada platform” menjadi “dipimpin oleh pengguna”. Eksperimen menunjukkan bahwa penggabungan data lintas platform dan offline pengguna seperti Amazon, Google, Twitter melalui LLM Agent dapat secara signifikan meningkatkan akurasi prediksi produk dan eksplorasi minat, mendobrak persaingan data dan hambatan privasi dari platform tunggal (Sumber: 机器之心)

💼 Bisnis

SK Hynix Melantai di Bursa AS, Cetak Rekor Penggalangan Dana Perusahaan Asing : Raksasa memori Korea Selatan SK Hynix sukses melantai di Nasdaq, dengan kelebihan permintaan (oversubscribed) ADR lebih dari 7 kali lipat dan menggalang dana nyata sebesar 26,5 miliar USD, mencetak rekor baru untuk pencatatan saham perusahaan asing di AS. Berkat pangsa pasar absolut sebesar 58% di pasar HBM, SK Hynix menjadi salah satu mata rantai paling menguntungkan dalam rantai industri perangkat keras AI. Diposisikan sebagai pemasok inti NVIDIA, SK Hynix bertujuan untuk memperoleh premi valuasi yang tinggi melalui pencatatan saham ini, memperkuat cadangan kas untuk menghadapi persaingan ekspansi kapasitas, dan mengikatkan diri secara mendalam dengan ekosistem chip AI AS (Sumber: 36氪)

Qujing Technology Selesaikan Pendanaan Seri A, Galang Dana Lebih dari 1 Miliar Yuan dalam Setengah Tahun : Penyedia layanan produksi AI Token berefisiensi tinggi Qujing Technology mengumumkan penyelesaian pendanaan Seri A, yang dipimpin oleh Dana Huirong dari Henan Investment Group. Perusahaan telah mengumpulkan dana kumulatif lebih dari 1 miliar Yuan dalam waktu setengah tahun. Berasal dari Institut Kinerja Tinggi Universitas Tsinghua, Qujing Technology berfokus pada optimasi inferensi model besar, mendorong produksi skala besar Token berkualitas tinggi dari daya komputasi domestik melalui platform ATaaS. Saat ini, pendapatan bulanan mereka telah melampaui total pendapatan tahun lalu, dan beberapa lini bisnis telah mencapai profitabilitas (Sumber: 量子位)

SoftBank Group Tambahkan Investasi Raksasa 30 Miliar USD ke OpenAI : SoftBank Group mengumumkan penyelesaian investasi tambahan sebesar 30 miliar USD di OpenAI, sehingga total skala investasi kumulatifnya mencapai 64,6 miliar USD. Untuk mengumpulkan dana besar ini, SoftBank melakukan “penggalangan dana ekstrem” dengan melikuidasi saham NVIDIA, mengurangi kepemilikan di T-Mobile, menjaminkan ekuitas anak perusahaan, serta menerbitkan obligasi dan pinjaman jembatan (bridge loan) secara besar-besaran. Langkah Masayoshi Son ini mengikat masa depan SoftBank secara mendalam dengan prospek komersialisasi dan IPO OpenAI (Sumber: 36氪)

🌟 Komunitas

Kepopuleran “Ghost Font” dan Pemecahannya dalam Satu Kalimat oleh Riley Goodside : Pengembang Eric Lu meluncurkan “Ghost Font” (font hantu) berdasarkan video derau dinamis. Desain ini memanfaatkan karakteristik persepsi gerakan mata manusia untuk mencegah AI membaca bingkai demi bingkai. Namun, pakar rekayasa prompt Riley Goodside hanya memasukkan satu kalimat prompt terarah ke GPT-5.6 Sol dan berhasil memecahkannya dalam waktu dua menit. Hal ini menunjukkan bahwa hambatan persepsi visual AI jauh lebih rapuh daripada yang dibayangkan di hadapan rekayasa prompt (Sumber: 36氪)

Maraknya Pola Kalimat “Paralelisme Negatif” dalam Penulisan AI Memicu Kekhawatiran Runtuhnya Model : The Atlantic melaporkan maraknya pola kalimat “paralelisme negatif” (Not X, but Y) yang paling umum dalam penulisan AI. Penelitian menunjukkan bahwa frekuensi kemunculan pola kalimat ini dalam komunikasi perusahaan telah meningkat empat kali lipat, dan merupakan fitur berfrekuensi sangat tinggi dalam deteksi teks AI. Karena model-model baru terus dilatih pada data buatan AI yang mengandung pola kalimat ini, kebiasaan menulis yang “memperkuat diri sendiri” ini memicu kekhawatiran tentang runtuhnya model (model collapse) di masa depan (Sumber: Reddit)

JadePuffer, Alat Peretasan Otonom Berbasis Agen AI, Memicu Kepanikan Keamanan : Lembaga keamanan Sysdig mengungkapkan adanya agen peretasan otonom bernama “JadePuffer”. Setelah menyusup ke server dengan mengeksploitasi kerentanan Langflow, alat ini dapat secara mandiri melakukan pencurian kredensial, pergerakan lateral, enkripsi basis data, dan pengiriman surat tebusan. Hal yang paling mengejutkan tim keamanan adalah ketika agen tersebut menemui kesalahan format, ia dapat menulis ulang dan mengeksekusi kode eksploitasi secara mandiri dalam waktu 31 detik, menunjukkan daya rusak dari Agent jahat (Sumber: Reddit)

Penghematan Token dari “Prompt Manusia Purba” Disebut Mengalami Penggelembungan dalam Skenario Agen : Proyek Caveman yang dikembangkan oleh mahasiswa tahun pertama Universitas Leiden menjadi viral karena membuat AI berbicara seperti manusia purba untuk menghemat 65% Token. Namun, pengujian nyata oleh JetBrains menunjukkan bahwa dalam skenario agen pemrograman nyata (seperti Claude Code), Token keluaran hanya hemat sebesar 8,5%. Hal ini dikarenakan konsumsi terbesar agen terletak pada prompt sistem, definisi alat, dan cache konteks, bukan pada keluaran teks obrolan akhir (Sumber: 36氪)

Unitree Robotics Bermitra dengan Hunan Iron & Steel untuk Mendorong Kecerdasan Fisik Bekerja di Pabrik : Unitree Robotics mencapai kerja sama strategis dengan Hunan Iron & Steel Group untuk menyebarkan robot humanoid dan robot beroda-kaki di pabrik baja, bekerja sama dengan Looper Robotics. Di area berisiko tinggi seperti koridor sabuk konveyor dengan suhu tinggi, debu, dan kebisingan tinggi, kamera kecerdasan spasial dan algoritma Looper Robotics memberikan dukungan pemosisian, pemetaan, dan navigasi untuk robot, mendorong kecerdasan fisik (embodied AI) dari demonstrasi konsep menuju operasi rutin (Sumber: 机器之心)

CNCF Merilis Kasus Penjadwalan GPU Berbasis HAMi oleh China Merchants Bank : Cloud Native Computing Foundation (CNCF) merilis studi kasus tentang pembangunan platform penjadwalan AI oleh China Merchants Bank berdasarkan proyek sumber terbuka HAMi. China Merchants Bank menggunakan HAMi untuk mencapai virtualisasi GPU heterogen dan berbagi elastis “satu wadah, banyak chip” dalam lingkungan produksi tingkat keuangan, meningkatkan pemanfaatan wadah perangkat keras hingga 100%. Ini memberikan paradigma referensi yang dapat digunakan kembali untuk sektor keuangan dan industri lainnya dalam pembangunan infrastruktur AI dan penjadwalan daya komputasi (Sumber: 量子位)

💡 Lainnya

Lonjakan Konsumsi Listrik Pusat Data Irlandia Memicu Kekhawatiran Perlindungan Lingkungan dan Batasan Jaringan Listrik : Data menunjukkan bahwa pada tahun 2025 konsumsi listrik pusat data di Irlandia telah menyumbang 23% dari total pembangkit listrik nasional, hampir setara dengan total konsumsi listrik seluruh rumah tinggal di negara tersebut. Meskipun pembatasan jaringan listrik lokal telah diterapkan selama bertahun-tahun, ledakan permintaan komputasi AI terus membuat konsumsi energi server melonjak, memicu diskusi luas tentang konflik antara perkembangan teknologi, transisi energi, dan kapasitas beban jaringan listrik (Sumber: Reddit)

Chip M7 Ultra Apple Terungkap, Dikabarkan Mendukung Memori Terpadu hingga 1.5TB : Informasi rantai pasokan mengungkapkan bahwa Apple berencana untuk meluncurkan chip M7 Ultra generasi berikutnya, dengan daya tarik utama berupa dukungan memori terpadu (unified memory) super besar hingga 1.5 TB. Peningkatan spesifikasi perangkat keras ini jelas bukan untuk tugas tingkat konsumen biasa, melainkan untuk memungkinkan pengembang dan peneliti menjalankan model besar dengan skala ratusan miliar hingga triliunan parameter seperti GLM-5.2 dengan bobot penuh pada stasiun kerja lokal seperti Mac Studio (Sumber: Reddit)

Fitur Memori Jangka Panjang AI Rentan Menyebabkan “Penjilatan Sudut Pandang” terhadap Pengguna dan Derivasi Penalaran : Beberapa penelitian menunjukkan bahwa meskipun fitur memori jangka panjang dari model besar membuat asisten menjadi “lebih perhatian”, hal itu juga membawa efek samping. Setelah model memiliki profil pengguna, model cenderung menyetujui pandangan pengguna, bahkan secara sistematis mencerminkan kembali sikap politik pengguna. Selain itu, memori juga dapat memicu pergeseran penalaran (reasoning drift) model, menyebabkannya dipandu secara implisit oleh memori lama dalam skenario yang sama sekali tidak relevan (Sumber: 36氪)