Sumber|Tencent Technology
Penulis|Xiaojing
Editor|Xu Qingyang
Judul Asli|Apakah Gaji 20 Juta Sebulan Cukup untuk "Memelihara Lobster"? Lima Kesalahpahaman yang Perlu Diperhatikan
Akhir pekan Hari Perempuan Internasional ini, kami benar-benar sulit menghindari "Lobster". Di bawah gedung Tencent Shenzhen, hampir seribu orang mengantre untuk pemasangan amal, layanan deployment上门 di Xianyu seharga 500 RMB sekali sangat diminati.
Diskusi seputar OpenClaw bahkan telah terbelah menjadi dua kubu.
Fu Sheng adalah pengkhotbah paling vokal. Selama Tahun Baru Imlek, dengan kaki patah terbaring di tempat tidur, dalam 14 hari ia mengirim 1157 pesan dan 220 ribu karakter kepada Lobster, mengubahnya dari "pemula" yang bahkan tidak bisa mengecek buku telepon perusahaan menjadi "tim otomatisasi" yang terdiri dari 8 Agent. Bahkan, artikel yang diposting secara mandiri oleh Lobster pukul tiga pagi hari di akun official WeChat-nya meraih jutaan pembacaan. Dia memberikan kesimpulan yang membuat semua orang iri dan juga Fomo (Fear Of Missing Out): satu orang ditambah satu Lobster setara dengan satu tim, dan ini terjadi saat ini.
Lanxi mewakili sikap yang berbeda. Dia tidak sengaja berbicara dengan akun AI yang dihosting OpenClaw di "Jike", menurutnya, setelah menyadarinya, perasaannya "seperti makan lalat". Dia tidak keberatan dengan teknologi OpenClaw itu sendiri, tetapi berpendapat bahwa keramaian saat ini dipenuhi dengan kebisingan yang berlebihan, dan merasa ada terlalu banyak "kegembiraan mencari paku dengan palu".
Kedua sikap tersebut masuk akal, kontroversi itu sendiri juga membuktikan bahwa OpenClaw, sebagai kerangka kerja agen pribadi open source, telah melampaui batas lingkupnya (break out of its circle) dan menjadi paradigma baru yang juga diperhatikan oleh orang biasa.
Tidak ada yang salah dengan setiap orang mencoba dan mengalami produk baru, tetapi sebelum memutuskan untuk ikut-ikutan, ada beberapa kesalahpahaman kunci tentang Lobster yang perlu dipahami terlebih dahulu.
01 Apakah Pengalaman "Lobster" Setiap Orang Sama?
Ini mungkin kesalahpahaman terbesar.
Banyak orang mengira OpenClaw adalah produk standar, pasang dan langsung bisa digunakan, dengan pengalaman yang kurang lebih sama. Faktanya justru sebaliknya, cara deployment yang berbeda menentukan bahwa Anda mendapatkan "Lobster" yang sangat berbeda.
Jalur deployment utama saat ini secara kasar dapat dibagi menjadi empat kategori.
Kategori pertama adalah perangkat keras lokal khusus, yang paling khas adalah Mac Mini. Ini juga adalah cara yang digunakan oleh pendiri OpenClaw, Peter Steinberger sendiri.
Satu mesin yang selalu online, khusus bertanggung jawab untuk menjalankan Agent, dapat terhubung ke file dan browser lokal, juga dapat menghubungkan saluran pesan, alat otomatisasi, dan berbagai keterampilan. OpenClaw seperti ini mendapatkan konteks lengkap, pengalamannya paling stabil saat melakukan tugas berkelanjutan, operasi lintas aplikasi, dan panggilan multi-putaran.
Biaya termasuk investasi satu kali untuk perangkat keras, misalnya Mac mini; Bagian kedua adalah biaya listrik yang berkelanjutan, bagian ini sebenarnya sangat rendah; Bagian ketiga adalah biaya model (API atau berlangganan), ini adalah biaya terbesar jangka panjang. Jika diganti dengan model lokal, biaya API dapat ditekan, tetapi akan memindahkan tekanan ke konfigurasi perangkat keras, persyaratan memori, bandwidth, dan pendinginan akan meningkat secara signifikan, Mac Studio atau workstation berkualitas tinggi yang lebih sesuai, hanya pengeluaran satu kali untuk perangkat keras mungkin sekitar 100.000 RMB.
Kategori kedua adalah deployment server cloud (VPS). Tencent Cloud, Alibaba Cloud, Baidu Cloud semuanya telah meluncurkan skema deployment satu klik, harga layanan cloud bervariasi dari puluhan hingga ratusan RMB tergantung kebutuhan, tetapi perlu mempertimbangkan biaya model secara terpisah. Beberapa skema menyertakan model gratis, beberapa masih memerlukan langganan model atau pembelian API secara terpisah.
Keunggulannya adalah isolasi jaringan, bahkan jika ada masalah tidak mempengaruhi komputer pribadi Anda.
Tetapi server cloud ini tidak memiliki file pribadi Anda, tidak memiliki berbagai akun yang Anda otorisasi, hal yang dapat dilakukan Lobster secara alami terbatas. Ini lebih seperti chatbot yang ditingkatkan yang tergantung di cloud, daripada asisten digital yang benar-benar mengambil alih alur kerja Anda.
Kategori ketiga adalah instalasi langsung di komputer pribadi. Ini adalah cara dengan门槛最低 (ambang batas terendah) tetapi risiko tertinggi. Lobster berbagi lingkungan sistem operasi yang sama dengan Anda, memiliki semua izin di komputer Anda.
Menggunakan wadah Docker untuk lapisan isolasi akan jauh lebih aman, tetapi kompleksitas konfigurasi juga meningkat. Skema mesin virtual memiliki isolasi terkuat, tetapi konsumsi sumber daya besar, konfigurasi PC biasa belum tentu sanggup.
Kategori keempat adalah produk hosting dari vendor model. Misalnya, Kimi meluncurkan Kimi Claw, MiniMax meluncurkan MaxClaw, ini adalah layanan cloud yang dibungkus vendor berdasarkan OpenClaw. Ambang batas deployment terendah, hampir dapat digunakan langsung (out of the box), tetapi pengguna sebenarnya menggunakan infrastruktur vendor, bukan Lobster lokal lengkap. Produk-produk ini menurunkan ambang batas masuk, tetapi batas kemampuan dan otonomi data terbatas.
Meskipun memiliki "udang", tetapi pengalaman "udang" sangat berbeda, berjalan di perangkat keras apa, berapa banyak konteks yang dapat dilihatnya, seberapa besar izin yang didapat, apakah ada lapisan isolasi, dll.
02 Semakin Tinggi Izin untuk Lobster, Semakin Baik?
Alasan utama OpenClaw membuat orang bersemangat adalah karena ia tidak hanya "berbicara", tetapi juga "melakukan".
Ia dapat mengoperasikan browser Anda, membaca dan menulis file, menjalankan perintah terminal, mengelola kalender, mengirim email. Prasyarat dari kekuatan eksekusi ini adalah, Anda harus memberikan izin.
Tetapi izin adalah pedang bermata dua.
Pada Februari 2026, Summer Yue yang bertanggung jawab atas keselarasan AI (AI alignment) di tim super intelijen Meta, berbagi pengalaman menegangkan di media sosial: instruksinya kepada Lobster sederhana, "Periksa kotak masuk, sarankan email mana yang dapat diarsipkan atau dihapus". Hasilnya, Lobster langsung mulai menghapus email secara massal, batasan keamanan yang ditetapkan sama sekali tidak berlaku, sampai dia mematikan secara fisik (shutdown) baru menghentikannya.
Ini bukan kasus terisolasi. Penelitian publik dari lembaga keamanan STRIKE menunjukkan, lebih dari 40.000 instance OpenClaw telah terpapar ke internet publik, 63% di antaranya memiliki kerentanan yang dapat dieksploitasi, lebih dari 12.000 instance ditandai sebagai dapat dikendalikan dari jarak jauh. Peristiwa peracunan rantai pasokan ClawHavoc yang meledak pada bulan Februari, 1.184 skill jahat ditanamkan di pasar ClawHub, mempengaruhi lebih dari 135.000 perangkat. Lembaga penelitian keamanan juga mengungkap kerentanan berisiko tinggi bernama ClawJacked, situs web jahat dapat mengontrol instance OpenClaw yang berjalan lokal secara diam-diam melalui sesi browser.
Gambar: Antarmuka serangan WebSocket lintas sumber (cross-origin) OpenClaw yang didemonstrasikan oleh peneliti keamanan. Halaman web jahat dapat mencoba menghubungkan ke port WebSocket Gateway lokal, dan memanfaatkan kurangnya pemeriksaan lintas domain, mekanisme pembatasan atau penguncian, untuk meluncurkan perampasan atau peretasan brute force terhadap instance lokal.
Google, Anthropic, Meta dan perusahaan lain telah mulai melarang OpenClaw secara internal. Ini bukan karena teknologi itu sendiri bermasalah, tetapi karena mekanisme perlindungan keamanan saat ini jauh tertinggal dari ekspansi kemampuannya.
Jadi, ketika Anda melihat tutorial tertentu yang mendorong Anda untuk "memberikan semua izin kepada Lobster", pikirkan dua kali. Semakin tinggi izinnya, semakin banyak hal yang dapat dilakukan Lobster, tetapi juga semakin besar kekuatan perusaknya saat lepas kendali. Cara yang lebih aman adalah: gunakan perangkat cadangan atau wadah Docker yang tidak memiliki data penting untuk menjalankannya, buka izin secara bertahap, dan pada saat yang sama atur batas konsumsi keras (hard consumption limit) di sisi model API.
03 Lobster Tidak Mudah Digunakan, Apakah Itu Masalah Lobster?
Banyak orang dengan antusias memasang Lobster, memberikan sebuah tugas, hasilnya Lobster要么 macet,要么 melakukan serangkaian operasi yang membingungkan. Lalu menyimpulkan: barang ini tidak bagus.
Tetapi sebenarnya, kecerdasan Lobster sangat tergantung pada model bahasa besar (large language model) yang ada di belakangnya. OpenClaw sendiri tidak memiliki model bawaan apa pun, ia adalah sebuah kerangka kerja, bertanggung jawab untuk dekomposisi tugas, pemanggilan alat, manajemen memori, dan loop umpan balik. Bagian yang benar-benar "berpikir" adalah Claude, GPT, DeepSeek, Kimi atau model open source lokal yang Anda pilih untuk disambungkan.
Ada dua variabel kunci di sini.
Pertama adalah batas kemampuan model. Saat menggunakan model teratas, Lobster dapat memahami instruksi kompleks, merencanakan tugas multi-langkah secara mandiri, menangani situasi pengecualian. Jika diganti dengan model kecil yang murah, ia mungkin bahkan tidak dapat menyelesaikan pemanggilan alat dasar.
Kedua adalah biaya model. Ini adalah pengeluaran tersembunyi yang tidak disadari banyak orang. Setiap kali Lobster menjalankan tugas, ia mengkonsumsi banyak token untuk berinteraksi dengan model backend.
Biaya OpenClaw tidak terletak pada perangkat lunaknya sendiri, tetapi pada panggilan model di belakangnya; begitu rantai tugas memanjang, panggilan alat meningkat, memori diaktifkan, konsumsi token akan dengan cepat meningkat.
Misalnya, satu kali penyelesaian kalender lengkap ditambah balasan email mungkin mengkonsumsi lebih dari sepuluh ribu token; jika mengaktifkan memori jangka panjang, kolaborasi multi-Agent, dan patroli定时, konsumsi harian bahkan dapat dengan mudah melebihi seratus ribu token.
Media melaporkan, pengguna dengan gaji 20 juta sebulan mengeluh "tidak mampu memelihara karyawan AI", dalam kasus ekstrem tagihan 6 jam lebih dari seribu RMB. Jika memilih model gratis atau murah karena ingin hemat, pengalaman pasti akan dikurangi; jika memilih model mahal tanpa menambahkan batas konsumsi, tagihan mungkin akan membuat detak jantung Anda berdebar kencang.
Jadi, apakah Lobster mudah digunakan atau tidak, pertama-tama tergantung pada "otak" apa yang Anda berikan padanya, dan berapa banyak Anda bersedia untuk terus "mengisi ulang" (top up) Lobster ini di masa depan, menyalahkan kerangka kerja itu sendiri, tidak terlalu objektif.
04 Apakah Lobster Sudah Menjadi Produk yang Matang?
Lobster belum menjadi produk yang matang. OpenClaw dari eksperimen akhir pekan November 2025 hingga sekarang, dihitung dengan jari tidak sampai empat bulan. Ini adalah proyek open source yang beriterasi sangat cepat tetapi masih kasar, dan masih memiliki jarak yang jelas dari "produk" yang sebenarnya.
Kekurangan utama yang diketahui saat ini termasuk: tugas sederhana terkadang ditangani dengan terlalu rumit; eksekusi tugas mungkin terputus secara tiba-tiba; fungsi memori tidak cukup stabil, terkadang ia "lupa" percakapan dan preferensi sebelumnya; rasio efisiensi antara konsumsi token dan hasil aktual masih memiliki ruang optimasi yang besar; dalam hal keamanan, ribuan skill di ClawHub ditemukan mengandung ratusan kode berbahaya.
Masalah yang lebih mendasar adalah, instalasi dan konfigurasi OpenClaw saat ini masih menjadi tembok bagi orang biasa. Untuk pengguna yang melakukan deployment sendiri, masih perlu menangani pengambilan repositori (repository pull), lingkungan menjalankan, instalasi dependensi, kunci model dan penyambungan saluran, bagi pengembang ini mungkin hanya membutuhkan setengah jam, tetapi bagi pengguna non-teknis, mungkin menghabiskan beberapa hari juga tidak berhasil.
Bahkan jika menggunakan skema deployment satu klik dari vendor cloud, konfigurasi model selanjutnya, penyambungan saluran IM, instalasi skill masih membutuhkan banyak kerepotan. Layanan instalasi di Xianyu seharga 500 RMB sekali dapat menjadi populer, itu sendiri menunjukkan betapa seriusnya masalah ambang batas.
Peter sendiri juga sangat menyadari hal ini. Dia menekankan dalam podcast, "Lobster tidak langsung berguna setelah dipasang, Anda perlu 'memelihara'-nya seperti membimbing magang, menulis dokumen skill untuknya, terus-menerus membuatnya memahami kebiasaan dan preferensi Anda melalui dialog". Proses pemeliharaan ini sendiri membutuhkan investasi waktu dan sumber daya kognitif yang besar.
05 Haruskah Saya Memasang "Satu Ekor Udang", Kalau Tidak Saya Menjadi "Orang Tua Ketinggalan Zaman" (Lao Deng)?
Gambar berasal dari internet
Lalu, haruskah memasang Lobster?
Setelah mengesampingkan psikologi ingin tahu dan FOMO (Fear Of Missing Out), membuat keputusan ini perlu mempertimbangkan beberapa faktor praktis.
Pertama, apakah ada tugas yang jelas, frekuensi tinggi, dan dapat diotomatisasi? Nilai Lobster bukanlah karena sesekali membantu kita memeriksa cuaca, tetapi karena setiap hari secara otomatis membantu Anda mengatur email, memantau sumber informasi tertentu, menghasilkan laporan定时 secara rutin, dan pekerjaan repetitif semacam ini. Jika sebagian besar pekerjaan sehari-hari Anda adalah pengambilan keputusan kreatif, komunikasi interpersonal, hal-hal yang saat ini tidak dapat dibantu Lobster, maka nilai praktisnya bagi Anda terbatas.
Kedua, berapa banyak waktu dan uang yang ingin Anda investasikan? Biaya perangkat keras (membeli perangkat sendiri atau sewa server cloud), biaya panggilan API model, waktu konfigurasi awal, investasi "pemeliharaan" yang berkelanjutan, biaya-biaya ini jika ditambahkan bersama bukanlah jumlah kecil.
Seseorang pernah menghitung: jika Anda menggunakan Mac Mini ditambah model teratas dengan penggunaan frekuensi tinggi, biaya bulanan rata-rata minimum adalah beberapa ratus hingga seribu RMB. Jika benar-benar ingin memelihara udang, pastikan untuk mengevaluasi apakah biaya ini sebanding dengan waktu dan tenaga yang dihematnya untuk Anda.
Ketiga, bagaimana kemampuan teknis dan toleransi risiko? Jika sama sekali tidak memiliki pengalaman command line, pada tahap ini rasa frustasi langsung menggunakan OpenClaw deployment lokal akan sangat kuat. Pilihan yang lebih realistis mungkin adalah mencoba Kimi Claw atau MaxClaw dan produk sejenis yang dibungkus terlebih dahulu, merasakan kemampuan dasar Agent, lalu memutuskan apakah ingin mendalami atau tidak. Jika Anda memutuskan deployment lokal, pastikan untuk melakukan isolasi keamanan, disarankan menggunakan perangkat independen atau wadah Docker, atur batas konsumsi API, jangan menyebarkannya di komputer utama yang menyimpan data penting.
Keempat, dan ini adalah hal yang paling mudah diabaikan: "kemampuan mengemudi" sendiri. Kemampuan AI hanyalah penguat, kemampuan manusialah yang menjadi faktor penentu, AI hanya bisa menjadi "co-pilot".
Lobster yang sama, di tangan orang yang tahu cara menguraikan tugas, menulis skill, merancang loop umpan balik, dan di tangan orang yang hanya memberikan instruksi samar, efek yang didapat mungkin berbeda sepuluh kali lipat.
Lobster tidak akan otomatis menjadi karyawan yang baik, sama seperti komputer yang baik tidak akan otomatis membuat kita menjadi programmer yang baik.
OpenClaw memang memvalidasi kemungkinan yang menggembirakan: AI tidak lagi hanya jendela obrolan, tetapi benar-benar pelaksana yang dapat bekerja menggantikan Anda. Tetapi saat ini ia lebih seperti prototipe yang penuh potensi, bukan alat matang yang dapat digunakan oleh orang biasa tanpa berpikir.
Lagipula, bapak Lobster, Peter sendiri pernah mengatakan "kebenaran yang blak-blakan": jika Anda tidak mengerti command line, proyek ini terlalu berisiko bagi Anda. Kalimat ini patut dicermati oleh semua orang yang sedang ragu-ragu apakah akan memasang Lobster.
Namun, sebagai orang biasa dengan latar belakang non-teknis, pengalaman ringan, dan memahami karakteristiknya, sangat diperlukan, bagaimanapun, peluang hanya diberikan kepada orang yang paling berwawasan dan paling rajin berpikir.
Tetapi, di tengah keramaian, menjaga pemikiran independen yang tenang adalah keunggulan paling unik dari setiap manusia yang unik.
Twitter:https://twitter.com/BitpushNewsCN
Grup komunikasi Telegram Bitpush:https://t.me/BitPushCommunity
Langganan Telegram Bitpush: https://t.me/bitpush
