Base MCP, Langkah Selanjutnya dari X402

marsbitDipublikasikan tanggal 2026-05-28Terakhir diperbarui pada 2026-05-28

Abstrak

Kemarin, Base secara resmi meluncurkan Base MCP. Dengan menghubungkan Base Account ke AI Agent melalui Base MCP, pengguna dapat memberi perintah secara percakapan untuk melakukan Swap, transfer, pelacakan posisi, pengecekan riwayat transaksi, dan lainnya. Bagi Base, fokus utamanya saat ini adalah AI. Namun, di balik ini terdapat persaingan yang lebih besar di bidang pembayaran Agent-to-Agent. Pada tahun 2024, opsi pembayaran untuk AI Agent tidak aman. Pada 2025, Coinbase memperkenalkan x402, memberikan dompet kripto kepada Agent. Pesaing seperti Google (AP2) dan Visa (Intelligent Commerce) juga masuk. Hingga kini, x402 telah memproses 176 juta transaksi dari AI Agent dengan total nilai $70 juta. 98.6%-nya diselesaikan dengan USDC. Transaksi ini didominasi oleh pembayaran mikro (median $0.01-$0.10, 76% di bawah $0.30). Di sinilah stablecoin dan blockchain (biaya settlement Base: $0.0001) unggul dibandingkan pembayaran tradisional (biaya tetap ~$0.30). Dalam persaingan pembayaran kripto untuk Agent, Coinbase kini menghadapi tantangan serius dari Stripe, yang baru meluncurkan protokol MPP. Keduanya memiliki infrastruktur lengkap: lapisan settlement (Base vs Tempo), dompet (Agent Wallet vs Privy), routing (internal vs Bridge), dan protokol (x402 vs MPP). Oleh karena itu, AI menjadi garis utama Base bukan hanya untuk para degen, tetapi untuk memperluas skenario pembayaran Agent, memastikan lebih banyak transaksi Agent terjadi di Base. Tujuannya adalah membentuk keunggulan skal...

Kemarin, Base secara resmi meluncurkan Base MCP. Dengan menghubungkan Base Account ke AI Agent melalui Base MCP, pengguna dapat menggunakan ekspresi bahasa sehari-hari, seperti mengobrol, untuk meminta Agent melakukan operasi seperti Swap, transfer, pelacakan posisi, dan penelusuran riwayat transaksi.

Pemain yang familiar dengan Base tahu bahwa fokus utama Base Chain saat ini adalah AI, jadi pembaruan seperti ini tidak mengejutkan bagi mereka. Bahkan ada pemain yang berharap, ke depannya di Base Chain akan ada permainan baru seperti token meme AI $SHIT di Ethereum sebelumnya, yaitu berpartisipasi dalam peluncuran token baru di on-chain langsung melalui chat dengan Agent menggunakan Base MCP.

Tapi jika kita keluar dari sudut pandang degen on-chain, dan melihat dari perspektif persaingan pembayaran Agent ke Agent, mungkin kita akan mendapatkan jawaban baru mengapa AI menjadi fokus utama Base.

Pembayaran Agent yang Berkembang Pesat

Putar balik waktu ke September 2024. Saat itu, jika manusia ingin membayar suatu biaya melalui AI Agent, hampir hanya ada satu pilihan: menggunakan alat otomatisasi browser (seperti browser headless Playwright, Selenium, dll.) agar AI Agent meniru tindakan manusia dan menyelesaikan proses checkout di halaman web.

Karena perlu memberikan kredensial pembayaran (seperti nomor kartu kredit/debit lengkap, CVV, masa berlaku, dll.) kepada AI Agent, satu-satunya pilihan ini tidak aman.

Pada Mei 2025, Coinbase meluncurkan x402, menyediakan dompet kripto untuk AI Agent, dan menyelesaikan masalah ini dengan cara yang native kripto. Tapi yang menyadari ini adalah pasar potensial bukan hanya Coinbase, dan solusinya bukan hanya satu cara native kripto. Pada tahun 2025, Google meluncurkan AP2, memungkinkan pengguna memberikan otorisasi hak belanja kepada Agent. Visa memperluas saluran pembayaran kartu bank yang ada, meluncurkan Visa Intelligent Commerce, yang tidak memberikan nomor kartu kredit, CVV, dan informasi sensitif lainnya kepada Agent, melainkan menyediakan token spesifik dan terbatas untuk Agent menyelesaikan pembayaran.

Saat ini, x402 telah memproses 176 juta transaksi dari para AI Agent, dengan total nilai transaksi lebih dari 70 juta dolar AS. Angka ini mungkin terlihat tidak besar, tetapi baik Coinbase maupun raksasa tradisional, tidak ada yang meremehkan persaingan dalam cara pembayaran baru ini:

- 22 Januari 2026, Capital One, bank terbesar keenam di AS dengan aset 470 miliar dolar, deposito 330 miliar dolar, dan volume penerbitan kartu kredit nomor tiga nasional, mengumumkan akuisisi Brex senilai 5,15 miliar dolar untuk meningkatkan kemampuan pembayaran AI.

- Maret 2026, Mastercard mengakuisisi perusahaan infrastruktur stablecoin BVNK senilai 1,8 miliar dolar.

- Februari 2025, Stripe mengakuisisi platform pembayaran stablecoin Bridge senilai 1,1 miliar dolar.

Meski tidak diungkapkan secara eksplisit, akuisisi perusahaan terkait stablecoin adalah untuk menghadapi era pembayaran Agent yang akan datang. Namun, stablecoin memang sangat penting bagi pembayaran Agent.

Mengapa Stablecoin Penting untuk Pembayaran Agent?

Menurut data statistik Keyrock, sejauh ini, transaksi Agent yang diproses di x402, nilai median transaksi berada di antara 0,01 hingga 0,10 dolar AS, dengan 76% transaksi memiliki nilai di bawah 0,30 dolar AS.

0,30 dolar AS, ini adalah biaya tetap per transaksi yang paling umum di AS dan banyak pasar utama. Biaya ini seperti tembok, membuat pembayaran mikro dengan jumlah kurang dari 1 dolar menjadi sangat tidak ekonomis. Misalnya, panggilan API senilai 3 sen, biaya 0,3 dolar adalah 10 kali lipat biaya panggilan, jika Agent membayar dengan kartu kredit, biaya kumulatifnya akan sangat tinggi.

Blockchain menyelesaikan masalah ini dengan baik. Di Base, biaya penyelesaian transaksi adalah 0,0001 dolar AS. Dengan keunggulan besar ini, stablecoin hampir secara alami memenangkan persaingan melawan raksasa pembayaran tradisional dalam pembayaran Agent.

Dari 176 juta transaksi Agent yang telah diproses x402, 98,6% transaksi diselesaikan dengan USDC. Mengingat hubungan erat Coinbase dan Circle, bisa dikatakan Coinbase juga menjadi pemenang besar di lapisan penyelesaian.

Tapi lapisan penyelesaian hanyalah salah satu lapisan dalam pembayaran Agent. Dalam perlombaan menyelesaikan pembayaran Agent secara native kripto, Coinbase memiliki pesaing—Stripe.

Tantangan dari Stripe

Bulan Maret ini, Stripe meluncurkan protokol pembayaran Agent MPP, yang membuat arsitektur peta pembayaran Agent Stripe hampir sama dengan Coinbase.

- Dari lapisan penyelesaian: Coinbase memiliki Base, Stripe memiliki Tempo

- Dari lapisan dompet: Coinbase memiliki Agent Wallet, Stripe memiliki Privy

- Dari lapisan routing: Coinbase memiliki fasilitas routing internal, Stripe memiliki Bridge yang diakuisisi senilai 1,1 miliar dolar

- Dari protokol pembayaran: Coinbase memiliki x402, Stripe memiliki MPP

Sekarang kita kembali ke Base MCP yang disebutkan di awal artikel. Karena kedua pihak yang bertarung sudah memiliki 4 lapisan fasilitas pendukung di atas, yang berikutnya diperebutkan, tentu saja adalah lapisan aplikasi.

Inilah alasan inti mengapa AI bisa menjadi fokus utama Base—Base ingin memastikan AI (setidaknya AI di bidang kripto) terjadi di Base. Sebenarnya, ini bukan untuk memberi perspektif kepada degen di Base Chain, melainkan untuk memperluas skenario pembayaran Agent, agar lebih banyak Agent melakukan lebih banyak transaksi untuk lebih banyak aplikasi, sehingga memastikan posisi terdepan mereka dalam perlombaan pembayaran Agent.

Ketika keunggulan skala yang dominan terbentuk, di masa depan ketika pembayaran Agent masuk ke bidang komersial, Coinbase akan lebih bisa menang besar.

Dari sudut pandang ini, melihat peluncuran Base MCP, kita bisa merasakan bahwa ini hanyalah langkah kecil dalam ambisi besar Coinbase.

Pertanyaan Terkait

QApa yang diumumkan Base terkait integrasi AI Agent pada blockchain mereka?

ABase secara resmi meluncurkan Base MCP yang memungkinkan pengguna menghubungkan Base Account ke AI Agent untuk melakukan berbagai operasi seperti Swap, transfer, pelacakan posisi, dan pengecekan riwayat transaksi hanya dengan perintah lisan seperti mengobrol.

QMengapa transaksi mikro menggunakan stablecoin lebih menguntungkan dibanding pembayaran tradisional untuk AI Agent?

ATransaksi mikro di bawah $1 menjadi tidak ekonomis dengan biaya tetap $0,30 pada pembayaran tradisional seperti kartu kredit. Di blockchain Base, biaya penyelesaian hanya $0,0001, dan stablecoin (seperti USDC) memungkinkan pembayaran berbiaya sangat rendah untuk transaksi kecil, sehingga sangat cocok untuk kebutuhan AI Agent.

QSiapa pesaing utama Coinbase/x402 dalam lanskap pembayaran AI Agent yang berbasis kripto, dan bagaimana kemampuan mereka dibandingkan?

APesaing utama adalah Stripe. Stripe memiliki infrastruktur yang setara: Tempo (lapisan penyelesaian seperti Base), Privy (lapisan dompet), Bridge (lapisan perutean yang diakuisisi), dan protokol pembayaran MPP (seperti x402 Coinbase), membentuk persaingan langsung di seluruh tumpukan teknologi pembayaran Agent.

QBagaimana data statistik dari x402 menunjukkan pola penggunaan dan preferensi aset dalam transaksi AI Agent?

AData dari Keyrock menunjukkan bahwa x402 telah menangani 176 juta transaksi AI Agent dengan total nilai $70 juta. Nilai median transaksi antara $0,01 hingga $0,10, dengan 76% transaksi di bawah $0,30. Sebanyak 98,6% transaksi diselesaikan menggunakan stablecoin USDC.

QMenurut artikel, apa alasan strategis di balik fokus Base pada AI dan peluncuran Base MCP, melampaui sekadar memberi kemudahan bagi pengguna degen?

AFokus strategis Base pada AI dan peluncuran Base MCP bertujuan untuk memperluas skenario pembayaran AI Agent, mendorong lebih banyak transaksi Agent terjadi di Base. Tujuannya adalah membangun keunggulan skala yang dominan dalam persaingan pasar pembayaran Agent masa depan, yang akan menguntungkan Coinbase secara signifikan ketika pembayaran Agent memasuki ranah komersial yang lebih luas.

Bacaan Terkait

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit2j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit2j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

Tiga tahun kemudian: Meninjau Kembali 20 Prediksi ChatGPT Saya pada 2023 Pada Maret 2023, penulis Wang Jianshuo membuat 20 prediksi intuitif tentang ChatGPT dan AI masa depan. Kini, di Mei 2026, sebuah sistem AI yang terdiri dari 41 agen menganalisis prediksi-prediksi tersebut berdasarkan data terkini. Hasilnya menunjukkan pola menarik. **Yang Terbukti Benar (Secara Umum):** * **RAG dan Arsitektur Pencarian (✅):** Solusi utama untuk pengetahuan dan halusinasi adalah dengan menambahkan "contekan" (RAG), bukan mengubah model. Arsitektur pencarian + LLM kini menjadi standar. * **LUI sebagai Benua Baru (🟢):** Antarmuka Pengguna Bahasa Alami (LUI) adalah lapisan interaksi baru yang besar, melahirkan industri agen dan protokol seperti MCP. * **Jaringan Robot dan Sistem Pengalamatan Baru (🟢):** Agen akan berkomunikasi otomatis dengan bahasa alami. Protokol seperti MCP dan ANP sedang mewujudkannya. * **Model Besar Tiongkok (🟢):** Model-model seperti DeepSeek dan Qwen telah mengejar ketertinggalan performa, meski dengan investasi lebih kecil. * **Tidak Ada Kesadaran, Tes Turing Hanya Ukur Penampilan (🟢):** AI tidak memiliki kesadaran. Tes Turing hanya mengukur ilusi kesadaran. * **Prediksi Lain yang Benar:** ChatGPT bukan AGI, tapi lompatan besar; gelombang pengangguran besar tidak terjadi; tahun besar untuk startup; momen "browser 1994" telah tiba. **Yang Kurang Tepat atau Salah:** * **Parameter GPT-4 (❌):** Prediksi 100 triliun parameter salah. Estimasi terbaru sekitar 1,8 triliun. * **Matematika di LLM (🟡):** Diagnosis bahwa matematika adalah kelemahan intrinsik dan memerlukan alat bantu benar. Namun, pernyataan "tidak mungkin" ditingkatkan terbukti salah, karena model kini bisa memenangkan medali emas Olimpiade Matematika Internasional (IMO). * **Penangkapan Nilai (🟡):** Aplikasi memang berkembang pesat, tetapi nilai terbesar justru ditangkap oleh lapisan komputasi (seperti Nvidia), bukan oleh pembuat model. * **Hak Cipta (🟡):** Konten AI sulit didaftarkan hak cipta, tetapi tidak serta-mata "menghindari" pelanggaran. Gugatan dan penyelesaian besar (misalnya, Anthropic $1,5 miliar) membuktikan risikonya. * **Biaya Model (🟡):** Prediksi "perang lokal" dengan biaya $5-10 miliar untuk model canggih terbukti salah. Biaya pelatihan model terdepan (seperti GPT-5) jauh lebih tinggi, sementara biaya kloning model terbuka justru bisa lebih murah. **Pola dan Pelajaran:** 1. **Arah dan mekanisme lebih dapat diandalkan daripada angka pasti dan pernyataan mutlak.** 2. **Cenderung terlalu optimis untuk jangka pendek (kecepatan), tetapi terlalu konservatif untuk jangka panjang (skala/dampak).** 3. **Kesalahan sering terjadi pada distribusi, bukan pada total.** Contoh: Tidak ada gelombang pengangguran masif, tetapi dampak berat dirasakan oleh lulusan baru. 4. **Pernyataan yang disertai batasan dan ruang ketidakpastian justru lebih tahan uji waktu.** 5. **Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun.** Kesimpulannya, prediksi tentang arah besar dan mekanisme cenderung akurat, sementara prediksi spesifik tentang angka, kecepatan, dan distribusi dampak lebih sering meleset. Latihan ini lebih merupakan pelajaran dalam kerendahan hati dan penilaian yang bernuansa daripada sekadar penghitungan skor.

链捕手4j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

链捕手4j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

Peringatan Gelembung AI: Investasi AI Membawa Pengembalian Negatif bagi Sebagian Besar Raksasa Teknologi Demam AI kini memasuki tahap pemeriksaan keuangan. Raksasa cloud seperti Microsoft, Alphabet, Amazon, Meta, dan Oracle berencana menginvestasikan ratusan miliar dolar ke pusat data AI dalam lima tahun ke depan. Namun, analisis terhadap proyeksi pendapatan dan pengeluaran modal (capex) hingga 2030 mengungkap masalah: tingkat pengembalian investasi implisit diperkirakan sangat negatif bagi semua perusahaan kecuali Amazon, bahkan dalam skenario optimis ekstrem. Ini menunjukkan bahwa jika tren saat ini berlanjut, boom AI bisa menjadi salah satu peristiwa perusakan nilai pemegang saham terbesar. Ada dua jalan keluar: pendapatan yang jauh melebihi ekspektasi saat ini, atau pengurangan rencana investasi. Jalan pertama tampaknya mustahil, karena membutuhkan tambahan pendapatan triliunan dolar. Jalan kedua—pemotongan investasi—akan berdampak luas, meruntuhkan harga saham perusahaan-perusahaan teknologi global dan dapat mendorong ekonomi AS ke resesi, mengingat 93% pertumbuhan PDB AS belakangan ini didorong oleh investasi teknologi. IPO perusahaan AI seperti OpenAI dan Anthropic tahun ini bisa menjadi mekanisme transfer risiko, memindahkan ketidakpastian dari pemilik awal kepada investor ritail dan dana pensiun. Sementara euphoria pemasaran mungkin bertahan hingga setelah IPO tahun 2026, tekanan matematika yang tak terelakkan mungkin memaksa raksasa cloud mengumumkan pemotongan investasi pada 2027 atau 2028, mirip dengan jeda tiga tahun antara peringatan "irrational exuberance" Alan Greenspan pada 1996 dan pecahnya gelembung dotcom pada 2000.

marsbit5j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

marsbit5j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

Dari Token ke Tenaga Kerja Mesin: AI Berubah dari Alat Menjadi "Pekerja" AI mulai menulis kode, menangani tiket dukungan pelanggan, dan meninjau dokumen hukum. Artikel ini mengusulkan kerangka baru: komersialisasi AI sedang bergerak menuju "pasar tenaga kerja mesin". Dalam pasar ini, token hanyalah unit pengukuran, GPU adalah bahan baku, dan model adalah alat produksi. Objek yang benar-benar ditetapkan harganya dan diperdagangkan adalah kerja ekonomi yang diselesaikan langsung oleh perangkat lunak. Mekanisme penetapan harga AI akan berkembang dari token mentah, kemampuan model yang terstandarisasi, tenaga kerja yang terspesialisasi industri, hingga pasar hasil yang dapat diprogram. Di masa depan, perusahaan mungkin tidak lagi peduli model atau GPU mana yang menyelesaikan suatu tugas, tetapi lebih pada apakah tugas itu diselesaikan dalam batas latensi, akurasi, keandalan, dan biaya yang ditentukan. Implikasinya, dampak AI pada pasar tenaga kerja manusia tidak hanya sekadar penggantian. Saat mesin mengambil alih lebih banyak pekerjaan yang dapat distandardisasi dan diverifikasi, peran manusia mungkin bergeser ke pengawasan, penanggung jawab, manajemen konteks, dan keputusan akhir. Dalam beberapa kasus, penilaian manusia untuk 1% akhir justru menjadi lebih berharga karena dapat membuka kunci 99% otomatisasi skala besar. Pasar AI adalah pasar ekspansif. Ketika biaya kerja turun, permintaan tidak tetap. Jika interaksi dukungan pelanggan menjadi lebih murah, perusahaan dapat menawarkan layanan 24/7, menciptakan pasar interaksi pelanggan yang lebih besar. Persaingan tahap berikutnya di pasar AI mungkin bukan lagi sekadar pertarungan kemampuan model atau perang harga daya komputasi, tetapi tentang siapa yang dapat pertama kali menstandarisasi, memverifikasi, dan menetapkan harga "pekerjaan", akhirnya menjadikan tenaga kerja mesin sebagai faktor produksi baru yang dapat dibeli, diselesaikan, dan diperdagangkan.

marsbit5j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

marsbit5j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

**Ringkasan:** Xiaomi MiMo memotong harga API MiMo-V2.5 hingga **99%**, memicu spekulasi tentang perang harga atau strategi merugi. Luo Fuli, kepala MiMo, merespons dengan mempublikasikan blog teknis 5000 kata yang merinci **enam pilar teknikal** di balik potongan harga besar ini. Intinya, diskon 99% terutama untuk **Input (Cache Hit)** – bagian dimana pengguna membaca ulang konteks historis dalam percakapan panjang. Ini menjadi mungkin karena serangkaian optimasi teknikal yang mengubah biaya komputasi untuk bagian tersebut mendekati nol. **Enam Pilar Teknikal:** 1. **Arsitektur Hybrid SWA:** Menggunakan Sliding Window Attention di sebagian besar lapisan model, mengurangi volume **KVCache** (memori jangka pendek model) hingga **1/7**. 2. **Manajemen KVCache Dua Kolam:** Mengalokasikan memori secara terpisah untuk lapisan SWA dan Full Attention, benar-benar mewujudkan penghematan teoretis 1/7 dan meningkatkan jumlah pengguna yang dapat dilayani secara bersamaan. 3. **Prefix Cache yang Dioptimalkan:** Meningkatkan aturan pencocokan cache untuk arsitektur SWA, menghasilkan **tingkat keberhasilan cache 93-95%** untuk pembacaan ulang. Artinya, sebagian besar permintaan "baca ulang" tidak memerlukan komputasi GPU baru. 4. **Sistem Cache Terdistribusi GCache:** Menyimpan data cache di **SSD bawaan mesin GPU**, menghilangkan biaya penyimpanan cluster khusus dan memperpanjang masa hidup cache. 5. **Sistem Penjadwalan LLM-Router:** Mengarahkan permintaan secara cerdas berdasarkan kesamaan prefix dan panjang konteks, memprioritaskan permintaan yang menggunakan cache, meningkatkan efisiensi dan mengurangi latensi. 6. **Multi-Token Prediction (MTP):** Mengoptimalkan proses generasi output model, mempercepat pembuatan respons dan melengkapi pengurangan biaya di sisi input. **Kesimpulan:** Penurunan harga 99% bukanlah gimmick pemasaran atau strategi merugi, tetapi hasil dari **efisiensi sistemik rekayasa AI** yang telah divalidasi di lingkungan produksi. Rantai optimasi ini secara kumulatif mengurangi biaya komputasi per permintaan hingga lebih dari 95%, memungkinkan penurunan harga ekstrem sambil mempertahankan profitabilitas. Luo Fuli menekankan bahwa ini adalah masalah teknikal yang terwujud, bukan sekadar perang harga.

marsbit7j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

marsbit7j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow