Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

marsbitDipublikasikan tanggal 2026-07-08Terakhir diperbarui pada 2026-07-08

Abstrak

Meta Labs (MSL) meluncurkan model generasi gambar terbarunya, Muse Image dengan nama kode "Mango". Model ini menempati peringkat kedua dalam arena perbandingan Arena AI, di bawah GPT Image 2 dari OpenAI. Keunggulan utamanya bukan hanya pada kualitas gambar, tetapi pada kemampuannya sebagai *agent* yang dapat berpikir dan merevisi karyanya sendiri. Muse Image mampu mencari informasi online untuk referensi, menghasilkan kode untuk elemen seperti QR code, dan—yang paling mencolok—melakukan koreksi mandiri setelah gambar dibuat, sebuah perilaku yang muncul sendiri selama pelatihan. Model ini terintegrasi erat dengan ekosistem Meta. Pengguna dapat menyebut (@) nama pengguna Instagram publik untuk memasukkan wajah orang tersebut ke dalam gambar yang dibuat, sebuah fitur yang menimbulkan pertanyaan privasi karena diaktifkan secara default. Muse Image juga terhubung dengan model bahasa Muse Spark ("Alpukat"), memungkinkan pembuatan konten yang lebih kompleks seperti game web. Untuk video, Meta memperkenalkan Muse Video yang masih dalam pratinjau, menduduki peringkat ketiga di Arena. Kekuatan utama Meta terletak pada distribusi. Muse Image sudah diintegrasikan ke Meta AI, Instagram, WhatsApp, dan akan menyusul ke platform lainnya, menjangkau miliaran pengguna. Setiap gambar yang dihasilkan dilengkapi watermark digital "Content Seal" untuk identifikasi. Dengan strategi ini, Meta tidak hanya bersaing pada kualitas model, tetapi juga pada kemudahan akses dan integrasi AI ke dalam kehid...

【Panduan】 Pertama Alpukat, lalu Mangga. Serangan balik AI Zuckerberg dimulai.

Baru saja, Zuckerberg bergerak.

Meta Superlabs (MSL) meluncurkan model generasi gambar pertama mereka, Muse Image, dengan kode nama "Mangga" (Mango).

Ini adalah model generasi gambar paling canggih kami hingga saat ini.

Bersamaan dengan kehadiran Muse Image, ada juga model video Muse Video, yang saat ini masih versi pratinjau.

Di arena peringkat Arena, Muse Image melesat ke posisi kedua di kategori teks-ke-gambar, mengejar ketat GPT Image 2 milik OpenAI.

Peringkat Elo tiga kategori gambar di Arena, per 5 Juli 2026. Muse Image menduduki posisi ke-2 di ketiga kategori, hanya di bawah GPT Image 2. Skor teks-ke-gambar 1280 vs 1385, selisih 105 poin. (Sumber: Arena AI Leaderboard)

Meski kali ini belum berhasil menempati puncak kualitas gambar, Mangga melakukan hal yang lebih keren: ia mengubah cara menggambar.

Ada juga kemampuan yang cukup membuat merinding, yaitu: selama akun Instagram Anda bersifat publik, siapa pun yang menyebut (@) nama pengguna Anda, dapat menggunakan foto publik Anda untuk membuat gambar.

Di Meta AI, dengan menyebut (@) akun Instagram publik seseorang, Mangga bisa langsung menarik penampilan orang itu dari foto-foto publiknya ke dalam gambar yang ingin Anda hasilkan.

Untuk membuat undangan acara, merangkai gambar konsep kreatif, cukup sebut (@) nama penggunanya.

Meski belum menempati puncak kualitas gambar, Meta menggenggam jaringan sosial miliaran orang, dan inilah kartu as mereka.

Bukan Langsung Hasilkan Gambar, Tapi Berpikir Dulu, Lalu Menggambar

Muse Image beroperasi sebagai seorang agen (agen).

Ia melakukan hal-hal yang tidak dilakukan oleh model generasi gambar tradisional.

Misalnya, saat menghadapi prompt yang padat pengetahuan atau melibatkan fakta nyata, ia akan mencari informasi nyata di internet terlebih dahulu, mengaitkan gambarnya pada fakta;

Saat ingin menggambar kode QR atau diagram, ia akan menulis kode, menjalankannya, menghitung dengan tepat baru kemudian mulai menggambar, bahkan dapat menggunakan hasil render untuk mengkalibrasi gambar;

Hal yang paling kontra-intuitif adalah koreksi diri: setelah selesai menggambar dan menemukan kesalahan, ia akan introspeksi sendiri, memperbaiki detail kecil, menggambar ulang jika arahnya salah, dan jika benar-benar tidak yakin, ia akan mencari referensi.

Meta mengatakan, perilaku ini tidak dirancang oleh mereka, tetapi muncul sendiri dalam pembelajaran penguatan (reinforcement learning).

Karena merevisi mendapatkan imbalan yang lebih tinggi, model pun belajar merevisi. Sebuah tindakan yang tidak diajarkan secara eksplisit, muncul sendiri selama pelatihan.

"Kemunculan" (emergence) ini berarti model gambar mulai memiliki kemampuan dasar yang serupa dengan model bahasa: "semakin berlatih, semakin bisa mencari solusi sendiri".

Perbandingan tingkat kemenangan sebelum dan sesudah mengaktifkan koreksi diri (eksperimen ablasi internal). Teks-ke-gambar 57.1%, pengeditan gambar tunggal 56.3%, pengeditan multi-gambar 56.6%, ketiganya melebihi setengah, menunjukkan koreksi diri membuat Mangga menggambar dengan lebih baik secara konsisten. (Sumber: Blog Resmi Meta AI)

Di saat yang sama, Muse Image juga menempuh jalan yang sama dengan model bahasa: semakin banyak berpikir, semakin baik hasil gambarnya.

Saat pengujian, semakin banyak komputasi yang diberikan, semakin banyak ia mencari dan merevisi, skor Elo preferensi manusia terus naik, mendekati kurva linear logaritmik.

Meta juga menemukan bahwa alih-alih menghasilkan beberapa gambar sekaligus lalu memilih yang terbaik, lebih baik menggunakan daya komputasi yang sama untuk penalaran yang serius: yang pertama cepat mencapai batas peningkatan, sedangkan yang terakhir bisa terus meningkat.

Seorang pengembang di X dengan tepat menyebutkan dalam satu kalimat: model gambar, mulai memikirkan dengan jelas sebelum selesai menggambar.

Tentu saja ini bukan hanya arah Meta.

GPT Image 2 dari OpenAI sudah meluncurkan mode Berpikir (Thinking) pada April tahun ini: merencanakan komposisi, mencari referensi di internet, menghasilkan kandidat lalu melakukan pemeriksaan mandiri, dua setengah bulan lebih awal dari Mangga.

Melacak lebih jauh, pada 2025 dunia akademis telah mengusulkan paradigma "berpikir dulu, baru hasilkan".

Lomba di jalur generasi gambar ini, sedang bergeser dari "adu kualitas gambar" menjadi "adu kemampuan berpikir".

Mangga Dipasangkan dengan Alpukat, Dua "Buah" Disajikan Bersamaan

Mangga tidak bertarung sendirian — ia terhubung dengan Alpukat (Muse Spark): kedua model berbagi alat dan merencanakan bersama.

Model bahasa bertanggung jawab untuk berpikir, model gambar bertanggung jawab untuk menggambar. Saat dikombinasikan, yang dapat dilakukan bukan hanya "menghasilkan satu gambar".

Dalam demo resmi, Mangga membuat serangkaian materi "pengasuhan" untuk seekor kucing Persia warna krem: menghasilkan gambar kucing dari bayi, remaja, hingga tua, lalu membungkusnya menjadi game web 2048 yang bisa langsung dimainkan.

Mangga bekerja sama dengan Muse Spark, menghasilkan enam tahap gambar Mochi si Kucing Persia dari bayi hingga tua, lalu membungkusnya menjadi game web sintesis bergaya 2048 yang bisa dimainkan. (Sumber: Blog Resmi Meta AI)

Bagi Meta, membuat model generasi gambar sendiri sudah memiliki bobot tersendiri.

Sebelumnya, fungsi gambar dan videonya masih mengandalkan model pihak ketiga seperti Midjourney dan Black Forest Labs.

Sekarang dengan kehadiran Mangga, kemampuan yang dipanggil miliaran kali setiap hari telah menjadi "buatan sendiri".

Untuk model video, Muse Video dan Mangga berbagi fondasi pelatihan awal yang sama, dengan fokus pada audio asli: gambar dan suara dihasilkan bersamaan.

Muse Video saat ini masih "pratinjau", belum resmi dibuka, tetapi sudah diuji buta di Arena, menempati peringkat ke-3 untuk teks-ke-video.

Peringkat Elo Arena untuk teks-ke-video, per 5 Juli 2026. Muse Video yang masih dalam pratinjau menempati posisi ke-3 (1459), di bawah Google Gemini Omni Flash (1527) dan ByteDance Seedance 2.0 (1482). (Sumber: Arena AI Leaderboard)

Meta juga tidak menyembunyikan kelemahan, mengakui masih ada kesenjangan dalam sinkronisasi audio-visual dan akurasi fisik gerakan cepat.

Sebut (@) Saja untuk Menggambar Hubungan Sosial Anda ke dalam Gambar

Beberapa cara bermain reguler Mangga:

Menggabungkan beberapa gambar referensi menjadi satu, langsung mencoret-coret dan memberi anotasi pada gambar untuk memintanya memperbaiki, merender teks bahasa Mandarin dalam gambar dengan jelas tanpa buram, memotret foto ruangan lalu memintanya merenovasi ulang menggunakan barang-barang nyata di Facebook Marketplace...

Ambil foto sebuah ruangan, Mangga mencari furnitur bekas yang benar-benar dijual di Facebook Marketplace, menghasilkan gambar efek renovasi keseluruhan ruangan. (Sumber: Blog Resmi Meta AI)

Di Instagram Stories, ia membawa lebih dari 30 efek AI baru sekaligus: mengubah foto menjadi efek kamera sekali pakai, menambah kilat malam, bahkan langsung memasukkan prompt untuk menciptakan efek sendiri, saat ini diluncurkan di AS terlebih dahulu.

Yang benar-benar unik adalah fungsi @ itu, dan ini adalah kemampuan yang tidak bisa diberikan oleh OpenAI dan Google. Namun masalahnya juga ada di sini: fungsi ini secara default aktif.

Selama Instagram Anda adalah akun publik, orang lain dapat menggunakan foto Anda untuk membuat gambar dengan menyebut (@) Anda, dan Anda tidak akan menerima notifikasi apa pun.

Untuk mematikannya, Anda harus masuk ke pengaturan, menemukan kolom "Berbagi & Penggunaan Ulang" dan menonaktifkannya secara manual. Gambar yang sudah dihasilkan tidak akan terhapus meski sudah dinonaktifkan.

Wired secara langsung menyebut pengaturan default aktif ini sebagai potensi masalah privasi.

Kekhawatiran seperti ini bukan tanpa alasan.

Dalam kasus "Cambridge Analytica", data 87 juta pengguna digunakan tanpa persetujuan oleh perusahaan konsultan politik.

Meta karenanya menerima denda sebesar $5 miliar dari FTC pada 2019, yang saat itu merupakan denda terbesar yang dikenakan pemerintah AS untuk pelanggaran privasi.

Pada 2021, mereka secara aktif menutup seluruh sistem pengenalan wajah, menghapus template pengenalan wajah lebih dari 1 miliar orang.

Kali ini, Mangga memberikan cara bermain yang tidak bisa diberikan orang lain, tetapi juga membawa masalah yang belum disentuh orang lain.

Senjata Andalan Meta Bukanlah Modelnya

Meski kualitas gambar Mangga belum mencapai puncak, senjata andalan sebenarnya adalah distribusinya.

Mangga kali ini langsung terintegrasi ke Meta AI, Instagram, WhatsApp, selanjutnya akan diluncurkan di Facebook, Messenger, dan pengiklan juga dapat memanggilnya melalui Advantage+.

Beberapa aplikasi ini jika digabungkan, memiliki pengguna aktif bulanan hampir 4 miliar, merupakan jaringan sosial terbesar di dunia.

Midjourney dan ChatGPT bertaruh pada "siapa yang menggambar terbaik", Meta bertaruh pada hal lain: ketika AI generasi gambar menjadi kegiatan sehari-hari yang semudah memposting di media sosial, siapa yang paling dekat dengan pengguna, dialah pemenangnya.

Tentu saja, semakin luas gambar didistribusikan, semakin penting untuk menandai asalnya.

Setiap gambar yang dihasilkan Mangga memiliki tanda air tak terlihat Content Seal, yang tidak bisa dihapus meski dipotong, dikompresi, atau diubah ukurannya, khusus menandai "Ini gambar AI".

Meta juga merilis alat deteksi publik (meta.ai/identification), siapa pun dapat mengunggah gambar untuk memeriksa apakah gambar tersebut dihasilkan oleh Meta AI.

Kali ini, Meta tidak hanya mengikuti "model generasi gambar yang bisa berpikir", tetapi juga menggenggam jaringan sosial terbesar di dunia.

Hanya saja, ketika menyebut (@) orang asing saja sudah bisa menggunakan fotonya untuk membuat gambar, di mana batasan sebenarnya, Mangga belum memberikan jawaban.

Referensi:

https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/

https://about.fb.com/news/2026/07/introducing-muse-image-meta-ai/

https://x.com/AIatMeta/status/2074587884665901143

Artikel ini berasal dari akun WeChat publik "Xin Zhi Yuan", penulis: ASI Revelations; Editor: Yuan Yu

Kripto yang Sedang Tren

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

PancakeSwapCAKE

Pertanyaan Terkait

QApa itu Muse Image (Mango) dan bagaimana performanya dibandingkan model lain?

AMuse Image, dijuluki 'Mango', adalah model pembuatan gambar terbaru dan tercanggih dari Meta. Di arena peringkat Arena AI, Mango menempati posisi kedua di bawah GPT Image 2 dari OpenAI untuk kategori teks-ke-gambar, dengan selisih skor Elo 105 poin (1280 vs 1385). Meski bukan yang terbaik dalam hal kualitas gambar, Mango memperkenalkan pendekatan baru dengan kemampuan berpikir dan revisi mandiri.

QApa keunikan utama dan kemampuan 'self-correction' dari Muse Image?

AKeunikan utama Muse Image adalah kemampuannya untuk 'berpikir sebelum menggambar'. Model ini dapat bertindak sebagai agen: mencari informasi faktual di web untuk prompt yang memerlukan pengetahuan, menulis kode untuk menghasilkan elemen seperti kode QR, dan yang paling penting, melakukan 'self-correction' atau revisi mandiri. Meta menyatakan perilaku ini 'muncul' dengan sendirinya selama pelatihan reinforcement learning karena tindakan merevisi mendapat reward yang lebih tinggi, sehingga model belajar untuk memperbaiki hasilnya sendiri tanpa diajari secara eksplisit.

QBagaimana fitur '@' pada Muse Image bekerja dan apa implikasi privasinya?

AFitur '@' memungkinkan siapa saja menyebut (mention) nama pengguna Instagram yang akunnya publik untuk memasukkan penampilan orang tersebut dari foto publik mereka ke dalam gambar yang dibuat. Fitur ini diaktifkan secara default. Ini menimbulkan kekhawatiran privasi karena pemilik akun tidak diberi notifikasi saat fotonya digunakan, dan gambar yang sudah dibuat tidak bisa dihapus meski fitur dimatikan nanti. Pengguna harus secara manual menonaktifkan opsi ini di pengaturan 'Berbagi & Penggunaan Ulang'.

QBagaimana hubungan antara Muse Image (Mango) dengan Muse Spark (Alpukat), dan apa keuntungannya?

AMuse Image (Mango) dan Muse Spark (Alpukat) adalah model yang terintegrasi dan berbagi alat serta kemampuan perencanaan. Muse Spark (model bahasa) bertugas 'berpikir' dan merencanakan, sementara Muse Image bertugas 'menggambar'. Kombinasi ini memungkinkan tugas yang lebih kompleks daripada sekadar menghasilkan gambar tunggal, seperti membuat serangkaian aset untuk suatu konsep (misalnya, tahapan hidup kucing) dan bahkan mengemasnya menjadi sebuah permainan web yang dapat dimainkan.

QApa keunggulan strategis Meta dengan meluncurkan Muse Image dibandingkan pesaing seperti OpenAI?

AKeunggulan strategis utama Meta bukan hanya pada model itu sendiri, tetapi pada jaringan distribusi yang sangat besar. Muse Image terintegrasi langsung ke dalam produk Meta seperti Meta AI, Instagram, WhatsApp (dan akan menyusul Facebook, Messenger), yang secara kolektif menjangkau hampir 40 miliar pengguna aktif bulanan. Ini memungkinkan pembuatan gambar AI menjadi tindakan sehari-hari yang mudah diakses. Sementara pesaing berfokus pada kualitas gambar tertinggi, Meta bertaruh pada kedekatan dengan pengguna dan integrasi mulus ke dalam ekosistem media sosial terbesar di dunia.

Bacaan Terkait

India Pertahankan Posisi Keras Terhadap Kripto Seiring RBI Perbarui Peringatan Soal Aset Digital

India mempertahankan posisi ketat terhadap aset kripto, dengan Reserve Bank of India (RBI) memperbarui peringatan terkait risiko yang ditimbulkan oleh mata uang kripto dan stablecoin. Menurut dokumen internal, RBI merekomendasikan pembatasan keterlibatan lembaga keuangan untuk menghindari penularan risiko ke sistem perbankan. RBI juga mengkhawatirkan dampak stablecoin yang didukung mata uang asing terhadap kedaulatan moneter dan potensi penurunan pendapatan pemerintah dari stablecoin yang didukung rupee. Di sisi lain, otoritas pajak India menghadapi tantangan dalam pelaporan transaksi kripto. Kurang dari seperempat dari sekitar 645.000 pedagang kripto dilaporkan menyatakan transaksi mereka untuk tahun fiskal yang berakhir Maret 2023. Kesulitan ini disebabkan oleh aktivitas di bursa luar negeri, dompet pribadi, dan transaksi peer-to-peer. Untuk meningkatkan transparansi, Unit Intelijen Keuangan India akan mewajibkan pertukaran kripto menyimpan data detail untuk transaksi di atas $10.000 mulai Januari 2026. Meskipun regulasi jangka panjang masih dibahas dan belum ada undang-undang khusus, India tetap menjadi salah satu pasar kripto terbesar dunia, dengan estimasi 39 juta orang memiliki aset digital senilai $2,1 miliar pada akhir Mei.

TheNewsCrypto10m yang lalu

India Pertahankan Posisi Keras Terhadap Kripto Seiring RBI Perbarui Peringatan Soal Aset Digital

TheNewsCrypto10m yang lalu

Ethereum Pertahankan Keuntungan Q3 saat Tether Membakar $2,5B – Namun Katalis INI Tetap Ada

Ethereum mempertahankan keuntungannya di kuartal ketiga meskipun Tether membakar USDT senilai $2,5 miliar. Upgrade besar jaringan, Glamsterdam, telah memasuki fase pengujian akhir dan dijadwalkan untuk paruh kedua tahun 2026. Upgrade ini berfokus pada peningkatan skalabilitas dengan memproses transaksi secara paralel dan meningkatkan batas gas secara bertahap, yang dirancang untuk mendorong pemulihan aktivitas DeFi. Namun, tantangan tetap ada. Likuiditas DeFi melemah, dengan total kapitalisasi pasar stablecoin turun ke level terendah dalam empat bulan. Pembakaran USDT oleh Tether di jaringan Ethereum lebih lanjut mengurangi likuiditas inti yang tersedia untuk ekosistem smart contract. Sementara narasi upgrade Glamsterdam membangun sentimen positif, tekanan likuiditas yang berkelanjutan dapat memperlambat pemulihan dan membatasi momentum kenaikan harga ETH, yang baru saja mengalami kenaikan 11% di awal kuartal ini.

ambcrypto50m yang lalu

Ethereum Pertahankan Keuntungan Q3 saat Tether Membakar $2,5B – Namun Katalis INI Tetap Ada

ambcrypto50m yang lalu

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

"Ujian Akhir" Kecerdasan Embodied (Embodied AI) Terlalu Sulit, Manusia 100 Poin, Model Terkuat Hanya 12.8 Kemajuan robotika dengan model AI besar (VLA, model dasar robot) sering tampak mulus dalam demo, namun kemampuan sebenarnya dalam melakukan tugas umum tetap menjadi pertanyaan besar. RoboDojo, tolok ukur evaluasi baru yang dikembangkan oleh tim akademis, memberikan "peta pendakian" yang lebih jelas. Ini adalah benchmark terpadu yang mengevaluasi 30 strategi robot utama di 42 tugas simulasi dan 18 tugas robot fisik nyata. Fokusnya adalah menguji lima kemampuan inti: generalisasi (beradaptasi dengan latar, pencahayaan, dan objek baru), memori, presisi (operasi halus seperti memasang), eksekusi multi-langkah panjang, dan pemahaman semantik terbuka terhadap instruksi baru. Hasilnya menunjukkan jurang yang dalam. Di simulasi, model terbaik (Hy-Embodied-0.5-VLA) hanya mencapai tingkat keberhasilan rata-rata 8.80%. Di dunia nyata, kinerja bahkan lebih menantang: model teratas (π0.5) hanya mencapai 12.8% keberhasilan. Sebagai perbandingan, ahli manusia mencapai 76.03% di simulasi dan 100% di dunia nyata. RoboDojo mengungkap bahwa model robot saat ini belum stabil dan andal. Mereka mungkin pandai dalam satu aspek (misalnya, pengenalan visual atau perencanaan), tetapi gagal dalam aspek lainnya (seperti presisi fisik atau pemahaman semantik terbuka). Penurunan kinerja yang signifikan dari simulasi ke dunia nyata juga menyoroti tantangan ketidakpastian fisik, noise sensor, dan kesalahan kalibrasi. Platform ini, dilengkapi dengan infrastruktur XPolicyLab untuk integrasi model yang terstandarisasi dan sistem evaluasi robot fisik (RoboDojo-RealEval) yang dapat direproduksi, bertujuan untuk menjadi "papan peringkat" komunitas yang obyektif. Dengan demikian, RoboDojo tidak hanya mendiagnosis kelemahan saat ini tetapi juga menyediakan jalur terukur untuk kemajuan menuju robot operasi yang benar-benar serbaguna dan dapat diandalkan.

marsbit1j yang lalu

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

marsbit1j yang lalu

ANSEM Naik 3 Kali Lipat dalam Seminggu: Kebangkitan dan Jebakan Meme Solana

ANSEM, sebuah meme coin di Solana, melonjak hampir 299% dalam seminggu, memicu kebangkitan minat pada meme coin di ekosistem tersebut. Data dari DeFiLlama menunjukkan peningkatan signifikan dalam volume perdagangan mingguan di platform seperti Pump.fun, dengan meme coin kembali menyumbang lebih dari 20% volume perdagangan mingguan Solana untuk pertama kalinya sejak pertengahan Mei. Namun, di balik tren pemulihan ini tersembunyi risiko besar. Lingkungan perdagangan meme coin sangat cepat dan tidak setara. Robot sniper dan dompet canggih seringkali mengakumulasi sejumlah besar token segera setelah peluncuran, hanya untuk menjualnya saat investor retail masuk, menjadikan para pendatang baru sebagai pihak yang menanggung kerugian. Penelitian dari Galaxy menunjukkan rata-rata waktu holding meme coin saat ini hanya 100 detik, jauh lebih cepat dari siklus sebelumnya. Laporan akademis dan data dari platform seperti MemeTrans mengungkapkan bahwa sebagian besar proyek meme coin memiliki tingkat manipulasi yang tinggi, dengan akun terkoordinasi sering mengendalikan persentase supply yang besar, dan banyak token menunjukkan tanda-tanda wash trading atau pump artifisial. Kebangkitan yang dipicu ANSEM menimbulkan pertanyaan: apakah ini tanda awal pemulihan berkelanjutan atau sekadar fenomena sementara? Pemulihan berkelanjutan memerlukan volume perdagangan harian yang konsisten tinggi dan pangsa meme coin yang mendekati 30% di Solana. Jika sebaliknya, perhatian mungkin tersebar ke banyak tiruan (copycat), volume perdagangan turun, dan minat beralih kembali ke aset kripto utama, menjadikan ANSEM sekadar sorotan sesaat. Sementara meme coin di Solana terbukti kuat dalam menarik perhatian dan pengguna baru, industri perlu menemukan cara untuk memutus siklus manipulasi oleh robot dan pemain besar agar tidak terus merugikan investor retail.

Foresight News1j yang lalu

ANSEM Naik 3 Kali Lipat dalam Seminggu: Kebangkitan dan Jebakan Meme Solana

Foresight News1j yang lalu

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

**Weng Li Usulkan: "Evolusi Diri AI Mungkin Dimulai dari Harness"** Dalam blog terbarunya, Weng Li, mantan Wakil Presiden Keamanan OpenAI, membahas konsep **RSI (Recursive Self-Improvement)** dengan pendekatan yang lebih teknis dan praktis. Ia berargumen bahwa evolusi diri AI dalam waktu dekat lebih mungkin terjadi pada lapisan **Harness**, sistem eksternal yang mengatur bagaimana model menggunakan alat, mengelola konteks, memecah tugas, dan memvalidasi hasil, daripada langsung memodifikasi bobot model itu sendiri. Ia menunjukkan tren yang berkembang dari **Context Engineering** (ACE, MCE) hingga **Workflow Design** (AI Scientist, ADAS, AFlow), di mana objek optimasi berkembang menjadi lebih abstrak. Puncaknya adalah konsep **Self-Improving Harness**, di mana model dapat menganalisis kegagalannya, mengusulkan modifikasi kecil dan terukur pada kode Harness, lalu memvalidasinya sebelum diterapkan. Contoh seperti **DGM (Darwin Gödel Machine)** menunjukkan kemajuan signifikan dalam benchmark seperti SWE-bench, hanya dengan mengoptimalkan Harness. Weng Li menekankan bahwa Harness dan model akan saling memperkuat, tetapi ada tantangan besar. **Sistem evaluasi** yang lemah, risiko **reward hacking**, **keruntuhan keragaman**, serta konflik antara **kesuksesan jangka pendek dan kesehatan jangka panjang** sistem menjadi hambatan utama. Peran manusia tetap krusial, bergeser ke posisi pengawasan pada level abstraksi yang tepat. DeepSeek Researcher **Cui Tianyi** juga merespons, menegaskan bahwa evolusi diri melalui **Harness** adalah arah yang sangat menjanjikan, setara dengan evolusi pada level model. Intinya, **Harness kini menjadi variabel kritis yang menentukan performa AI secara keseluruhan.**

marsbit2j yang lalu

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

marsbit2j yang lalu

Trading

Spot

Artikel Populer

Apa Itu $S$

Memahami SPERO: Tinjauan Komprehensif Pengenalan SPERO Seiring dengan perkembangan lanskap inovasi, munculnya teknologi web3 dan proyek cryptocurrency memainkan peran penting dalam membentuk masa depan digital. Salah satu proyek yang telah menarik perhatian di bidang dinamis ini adalah SPERO, yang dilambangkan sebagai SPERO,$$s$. Artikel ini bertujuan untuk mengumpulkan dan menyajikan informasi terperinci tentang SPERO, untuk membantu para penggemar dan investor memahami dasar-dasar, tujuan, dan inovasi dalam domain web3 dan crypto. Apa itu SPERO,$$s$? SPERO,$$s$ adalah proyek unik dalam ruang crypto yang berusaha memanfaatkan prinsip desentralisasi dan teknologi blockchain untuk menciptakan ekosistem yang mendorong keterlibatan, utilitas, dan inklusi finansial. Proyek ini dirancang untuk memfasilitasi interaksi peer-to-peer dengan cara baru, memberikan pengguna solusi dan layanan keuangan yang inovatif. Pada intinya, SPERO,$$s$ bertujuan untuk memberdayakan individu dengan menyediakan alat dan platform yang meningkatkan pengalaman pengguna dalam ruang cryptocurrency. Ini termasuk memungkinkan metode transaksi yang lebih fleksibel, mendorong inisiatif yang dipimpin komunitas, dan menciptakan jalur untuk peluang finansial melalui aplikasi terdesentralisasi (dApps). Visi mendasar dari SPERO,$$s$ berputar di sekitar inklusivitas, bertujuan untuk menjembatani kesenjangan dalam keuangan tradisional sambil memanfaatkan manfaat teknologi blockchain. Siapa Pencipta SPERO,$$s$? Identitas pencipta SPERO,$$s$ tetap agak samar, karena ada sumber daya publik yang terbatas yang memberikan informasi latar belakang terperinci tentang pendiriannya. Kurangnya transparansi ini dapat berasal dari komitmen proyek terhadap desentralisasi—sebuah etos yang banyak proyek web3 bagi, memprioritaskan kontribusi kolektif di atas pengakuan individu. Dengan memusatkan diskusi di sekitar komunitas dan tujuan kolektifnya, SPERO,$$s$ mewujudkan esensi pemberdayaan tanpa menonjolkan individu tertentu. Dengan demikian, memahami etos dan misi SPERO tetap lebih penting daripada mengidentifikasi pencipta tunggal. Siapa Investor SPERO,$$s$? SPERO,$$s$ didukung oleh beragam investor mulai dari modal ventura hingga investor malaikat yang berdedikasi untuk mendorong inovasi di sektor crypto. Fokus investor ini umumnya sejalan dengan misi SPERO—memprioritaskan proyek yang menjanjikan kemajuan teknologi sosial, inklusivitas finansial, dan tata kelola terdesentralisasi. Fondasi investor ini biasanya tertarik pada proyek yang tidak hanya menawarkan produk inovatif tetapi juga memberikan kontribusi positif kepada komunitas blockchain dan ekosistemnya. Dukungan dari investor ini memperkuat SPERO,$$s$ sebagai pesaing yang patut diperhitungkan di domain proyek crypto yang berkembang pesat. Bagaimana SPERO,$$s$ Bekerja? SPERO,$$s$ menerapkan kerangka kerja multi-faceted yang membedakannya dari proyek cryptocurrency konvensional. Berikut adalah beberapa fitur kunci yang menekankan keunikan dan inovasinya: Tata Kelola Terdesentralisasi: SPERO,$$s$ mengintegrasikan model tata kelola terdesentralisasi, memberdayakan pengguna untuk berpartisipasi aktif dalam proses pengambilan keputusan mengenai masa depan proyek. Pendekatan ini mendorong rasa kepemilikan dan akuntabilitas di antara anggota komunitas. Utilitas Token: SPERO,$$s$ memanfaatkan token cryptocurrency-nya sendiri, yang dirancang untuk melayani berbagai fungsi dalam ekosistem. Token ini memungkinkan transaksi, hadiah, dan fasilitasi layanan yang ditawarkan di platform, meningkatkan keterlibatan dan utilitas secara keseluruhan. Arsitektur Berlapis: Arsitektur teknis SPERO,$$s$ mendukung modularitas dan skalabilitas, memungkinkan integrasi fitur dan aplikasi tambahan secara mulus seiring dengan perkembangan proyek. Kemampuan beradaptasi ini sangat penting untuk mempertahankan relevansi di lanskap crypto yang selalu berubah. Keterlibatan Komunitas: Proyek ini menekankan inisiatif yang dipimpin komunitas, menggunakan mekanisme yang memberikan insentif untuk kolaborasi dan umpan balik. Dengan memelihara komunitas yang kuat, SPERO,$$s$ dapat lebih baik memenuhi kebutuhan pengguna dan beradaptasi dengan tren pasar. Fokus pada Inklusi: Dengan menawarkan biaya transaksi yang rendah dan antarmuka yang ramah pengguna, SPERO,$$s$ bertujuan untuk menarik basis pengguna yang beragam, termasuk individu yang mungkin sebelumnya tidak terlibat dalam ruang crypto. Komitmen ini terhadap inklusi sejalan dengan misi utamanya untuk memberdayakan melalui aksesibilitas. Garis Waktu SPERO,$$s$ Memahami sejarah proyek memberikan wawasan penting tentang trajektori dan tonggak perkembangannya. Berikut adalah garis waktu yang disarankan yang memetakan peristiwa signifikan dalam evolusi SPERO,$$s$: Fase Konseptualisasi dan Ideasi: Ide awal yang membentuk dasar SPERO,$$s$ dikembangkan, sangat selaras dengan prinsip desentralisasi dan fokus komunitas dalam industri blockchain. Peluncuran Whitepaper Proyek: Setelah fase konseptual, whitepaper komprehensif yang merinci visi, tujuan, dan infrastruktur teknologi SPERO,$$s$ dirilis untuk menarik minat dan umpan balik komunitas. Pembangunan Komunitas dan Keterlibatan Awal: Upaya jangkauan aktif dilakukan untuk membangun komunitas pengguna awal dan investor potensial, memfasilitasi diskusi seputar tujuan proyek dan mendapatkan dukungan. Acara Generasi Token: SPERO,$$s$ melakukan acara generasi token (TGE) untuk mendistribusikan token asli kepada pendukung awal dan membangun likuiditas awal dalam ekosistem. Peluncuran dApp Awal: Aplikasi terdesentralisasi (dApp) pertama yang terkait dengan SPERO,$$s$ diluncurkan, memungkinkan pengguna untuk terlibat dengan fungsionalitas inti platform. Pengembangan Berkelanjutan dan Kemitraan: Pembaruan dan peningkatan berkelanjutan terhadap penawaran proyek, termasuk kemitraan strategis dengan pemain lain di ruang blockchain, telah membentuk SPERO,$$s$ menjadi pemain yang kompetitif dan berkembang di pasar crypto. Kesimpulan SPERO,$$s$ berdiri sebagai bukti potensi web3 dan cryptocurrency untuk merevolusi sistem keuangan dan memberdayakan individu. Dengan komitmen terhadap tata kelola terdesentralisasi, keterlibatan komunitas, dan fungsionalitas yang dirancang secara inovatif, ia membuka jalan menuju lanskap keuangan yang lebih inklusif. Seperti halnya investasi di ruang crypto yang berkembang pesat, calon investor dan pengguna dianjurkan untuk melakukan riset secara menyeluruh dan terlibat dengan perkembangan yang sedang berlangsung dalam SPERO,$$s$. Proyek ini menunjukkan semangat inovatif industri crypto, mengundang eksplorasi lebih lanjut ke dalam berbagai kemungkinan yang ada. Meskipun perjalanan SPERO,$$s$ masih berlangsung, prinsip-prinsip dasarnya mungkin benar-benar mempengaruhi masa depan cara kita berinteraksi dengan teknologi, keuangan, dan satu sama lain dalam ekosistem digital yang saling terhubung.

111 Total TayanganDipublikasikan pada 2024.12.17Diperbarui pada 2024.12.17

Apa Itu AGENT S

Agent S: Masa Depan Interaksi Otonom di Web3 Pendahuluan Dalam lanskap Web3 dan cryptocurrency yang terus berkembang, inovasi secara konstan mendefinisikan ulang cara individu berinteraksi dengan platform digital. Salah satu proyek perintis, Agent S, menjanjikan untuk merevolusi interaksi manusia-komputer melalui kerangka agen terbuka. Dengan membuka jalan untuk interaksi otonom, Agent S bertujuan untuk menyederhanakan tugas-tugas kompleks, menawarkan aplikasi transformasional dalam kecerdasan buatan (AI). Eksplorasi mendetail ini akan menyelami seluk-beluk proyek, fitur uniknya, dan implikasinya untuk domain cryptocurrency. Apa itu Agent S? Agent S berdiri sebagai kerangka agen terbuka yang inovatif, dirancang khusus untuk mengatasi tiga tantangan mendasar dalam otomatisasi tugas komputer: Memperoleh Pengetahuan Spesifik Domain: Kerangka ini secara cerdas belajar dari berbagai sumber pengetahuan eksternal dan pengalaman internal. Pendekatan ganda ini memberdayakannya untuk membangun repositori pengetahuan spesifik domain yang kaya, meningkatkan kinerjanya dalam pelaksanaan tugas. Perencanaan Selama Rentang Tugas yang Panjang: Agent S menggunakan perencanaan hierarkis yang ditingkatkan pengalaman, pendekatan strategis yang memfasilitasi pemecahan dan pelaksanaan tugas-tugas rumit dengan efisien. Fitur ini secara signifikan meningkatkan kemampuannya untuk mengelola beberapa subtugas dengan efisien dan efektif. Menangani Antarmuka Dinamis dan Tidak Seragam: Proyek ini memperkenalkan Antarmuka Agen-Komputer (ACI), solusi inovatif yang meningkatkan interaksi antara agen dan pengguna. Dengan memanfaatkan Model Bahasa Besar Multimodal (MLLM), Agent S dapat menavigasi dan memanipulasi berbagai antarmuka pengguna grafis dengan mulus. Melalui fitur-fitur perintis ini, Agent S menyediakan kerangka kerja yang kuat yang mengatasi kompleksitas yang terlibat dalam mengotomatisasi interaksi manusia dengan mesin, membuka jalan untuk berbagai aplikasi dalam AI dan seterusnya. Siapa Pencipta Agent S? Meskipun konsep Agent S secara fundamental inovatif, informasi spesifik tentang penciptanya tetap samar. Pencipta saat ini tidak diketahui, yang menyoroti baik tahap awal proyek atau pilihan strategis untuk menjaga anggota pendiri tetap tersembunyi. Terlepas dari anonimitas, fokus tetap pada kemampuan dan potensi kerangka kerja. Siapa Investor Agent S? Karena Agent S relatif baru dalam ekosistem kriptografi, informasi terperinci mengenai investor dan pendukung keuangannya tidak secara eksplisit didokumentasikan. Kurangnya wawasan yang tersedia untuk umum mengenai fondasi investasi atau organisasi yang mendukung proyek ini menimbulkan pertanyaan tentang struktur pendanaannya dan peta jalan pengembangannya. Memahami dukungan sangat penting untuk mengukur keberlanjutan proyek dan potensi dampak pasar. Bagaimana Cara Kerja Agent S? Di inti Agent S terletak teknologi mutakhir yang memungkinkannya berfungsi secara efektif dalam berbagai pengaturan. Model operasionalnya dibangun di sekitar beberapa fitur kunci: Interaksi Komputer yang Mirip Manusia: Kerangka ini menawarkan perencanaan AI yang canggih, berusaha untuk membuat interaksi dengan komputer lebih intuitif. Dengan meniru perilaku manusia dalam pelaksanaan tugas, ia menjanjikan untuk meningkatkan pengalaman pengguna. Memori Naratif: Digunakan untuk memanfaatkan pengalaman tingkat tinggi, Agent S memanfaatkan memori naratif untuk melacak sejarah tugas, sehingga meningkatkan proses pengambilan keputusannya. Memori Episodik: Fitur ini memberikan panduan langkah demi langkah kepada pengguna, memungkinkan kerangka untuk menawarkan dukungan kontekstual saat tugas berlangsung. Dukungan untuk OpenACI: Dengan kemampuan untuk berjalan secara lokal, Agent S memungkinkan pengguna untuk mempertahankan kontrol atas interaksi dan alur kerja mereka, sejalan dengan etos terdesentralisasi Web3. Integrasi Mudah dengan API Eksternal: Versatilitas dan kompatibilitasnya dengan berbagai platform AI memastikan bahwa Agent S dapat dengan mulus masuk ke dalam ekosistem teknologi yang ada, menjadikannya pilihan menarik bagi pengembang dan organisasi. Fungsionalitas ini secara kolektif berkontribusi pada posisi unik Agent S dalam ruang kripto, saat ia mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah dengan intervensi manusia yang minimal. Seiring proyek ini berkembang, aplikasi potensialnya di Web3 dapat mendefinisikan ulang bagaimana interaksi digital berlangsung. Garis Waktu Agent S Pengembangan dan tonggak Agent S dapat dirangkum dalam garis waktu yang menyoroti peristiwa pentingnya: 27 September 2024: Konsep Agent S diluncurkan dalam sebuah makalah penelitian komprehensif berjudul “Sebuah Kerangka Agen Terbuka yang Menggunakan Komputer Seperti Manusia,” yang menunjukkan dasar untuk proyek ini. 10 Oktober 2024: Makalah penelitian tersebut dipublikasikan secara terbuka di arXiv, menawarkan eksplorasi mendalam tentang kerangka kerja dan evaluasi kinerjanya berdasarkan tolok ukur OSWorld. 12 Oktober 2024: Sebuah presentasi video dirilis, memberikan wawasan visual tentang kemampuan dan fitur Agent S, lebih lanjut melibatkan pengguna dan investor potensial. Tanda-tanda dalam garis waktu ini tidak hanya menggambarkan kemajuan Agent S tetapi juga menunjukkan komitmennya terhadap transparansi dan keterlibatan komunitas. Poin Kunci Tentang Agent S Seiring kerangka Agent S terus berkembang, beberapa atribut kunci menonjol, menekankan sifat inovatif dan potensinya: Kerangka Inovatif: Dirancang untuk memberikan penggunaan komputer yang intuitif seperti interaksi manusia, Agent S membawa pendekatan baru untuk otomatisasi tugas. Interaksi Otonom: Kemampuan untuk berinteraksi secara otonom dengan komputer melalui GUI menandakan lompatan menuju solusi komputasi yang lebih cerdas dan efisien. Otomatisasi Tugas Kompleks: Dengan metodologinya yang kuat, ia dapat mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah, membuat proses lebih cepat dan kurang rentan terhadap kesalahan. Perbaikan Berkelanjutan: Mekanisme pembelajaran memungkinkan Agent S untuk belajar dari pengalaman masa lalu, terus meningkatkan kinerja dan efektivitasnya. Versatilitas: Adaptabilitasnya di berbagai lingkungan operasi seperti OSWorld dan WindowsAgentArena memastikan bahwa ia dapat melayani berbagai aplikasi. Saat Agent S memposisikan dirinya di lanskap Web3 dan kripto, potensinya untuk meningkatkan kemampuan interaksi dan mengotomatisasi proses menandakan kemajuan signifikan dalam teknologi AI. Melalui kerangka inovatifnya, Agent S mencerminkan masa depan interaksi digital, menjanjikan pengalaman yang lebih mulus dan efisien bagi pengguna di berbagai industri. Kesimpulan Agent S mewakili lompatan berani ke depan dalam pernikahan AI dan Web3, dengan kapasitas untuk mendefinisikan ulang cara kita berinteraksi dengan teknologi. Meskipun masih dalam tahap awal, kemungkinan aplikasinya sangat luas dan menarik. Melalui kerangka komprehensifnya yang mengatasi tantangan kritis, Agent S bertujuan untuk membawa interaksi otonom ke garis depan pengalaman digital. Saat kita melangkah lebih dalam ke dalam ranah cryptocurrency dan desentralisasi, proyek-proyek seperti Agent S pasti akan memainkan peran penting dalam membentuk masa depan teknologi dan kolaborasi manusia-komputer.

956 Total TayanganDipublikasikan pada 2025.01.14Diperbarui pada 2025.01.14

Cara Membeli S

Selamat datang di HTX.com! Kami telah membuat pembelian Sonic (S) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Sonic (S) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Sonic (S) AndaSetelah melakukan pembelian, simpan Sonic (S) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Sonic (S)Lakukan trading Sonic (S) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

1.6k Total TayanganDipublikasikan pada 2025.01.15Diperbarui pada 2026.06.02

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga S (S) disajikan di bawah ini.