Tren Teknologi

Mengulas inovasi terbaru, peningkatan protokol, solusi cross-chain, dan mekanisme keamanan dalam ekosistem blockchain. Ini memberikan perspektif yang berfokus pada pengembang untuk menganalisis tren teknologi yang muncul dan potensi terobosan.

Base MCP, Langkah Selanjutnya dari X402

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 skala sebelum pembayaran Agent masuk ke ranah komersial yang lebih luas. Peluncuran Base MCP adalah langkah kecil dalam ambisi besar Coinbase ini.

marsbit05/28 08:27

Base MCP, Langkah Selanjutnya dari X402

marsbit05/28 08:27

AI Skill Layout Grafik Xiaohongshu Ini Menemukan Jalan Keluar untuk Menghindari Labelisasi AI dalam Pembuatan Konten

Pada Februari 2026, Xiaohongshu mewajibkan konten hasil sintesis AI diberi label. Untuk menghindari deteksi model identifikasi AI platform yang menganalisis pola piksel, sebuah proyek open-source bernama **guizang-social-card-skill** mengambil pendekatan teknis alternatif. Alat ini tidak menggunakan model AI untuk menghasilkan gambar, melainkan mengandalkan render HTML+CSS dengan mesin Playwright, menggunakan foto stok dari Unsplash atau Pexels, dan gambar peta nyata dari OpenStreetMap. Skill ini menawarkan 28 templat tata letak dalam dua gaya visual (Editorial dan Swiss). AI (seperti Claude Code) bertugas memilih templat, menentukan posisi teks, dan menyiapkan parameter peta, kemudian menghasilkan kode HTML+CSS untuk dirender menjadi gambar PNG dengan ukuran khusus untuk Xiaohongshu dan WeChat. Strategi ini berusaha menghindari deteksi dengan memastikan piksel akhir tidak berasal dari model generatif seperti Midjourney, melainkan dari proses render browser dan foto asli. Namun, keamanan jangka panjangnya bergantung pada bagaimana platform mendefinisikan "konten sintesis AI". Jika definisi diperluas ke "output render yang dirancang berbantuan AI", pendekatan ini mungkin kehilangan keunggulannya. Artikel tersebut membandingkan tiga rute teknis utama: **generasi gambar langsung oleh model AI** (risiko deteksi tinggi), **render mesin templat via API** (risiko dianggap produksi massal), dan **render HTML berbantuan AI** (jalan tengah saat ini). Skill ini paling cocok untuk konten perjalanan yang membutuhkan peta dan struktur informasi yang jelas, tetapi kurang fleksibel untuk konten seperti fashion atau makeup yang mengandalkan estetika personal dan kolase bebas. Intinya, ini merupakan bagian dari iterasi perlombaan senjata antara alat AI kreatif dan kebijakan platform. Masa depan pendekatan render HTML bergantung pada evolusi model deteksi Xiaohongshu dan penekanan platform pada "bantuan AI" versus "penggantian AI" untuk produksi massal berkualitas rendah.

marsbit05/28 07:05

AI Skill Layout Grafik Xiaohongshu Ini Menemukan Jalan Keluar untuk Menghindari Labelisasi AI dalam Pembuatan Konten

marsbit05/28 07:05

OpenAI dan Anthropic Bisa Saja Membacakan Sutra yang Salah

Selama setahun terakhir, "Sistem Multi-Agen (MAS)" menjadi salah satu arah paling populer di dunia AI. Namun, ada dua jalur pemikiran yang sangat berbeda. **Jalur Pertama: MAS Tipe "Harness" (Pengendalian)** Ini adalah pendekatan MAS yang kini mendominasi. Intinya adalah "banyak peran AI berkolaborasi menyelesaikan tugas". Misalnya, satu Agen menulis kode, satu menguji, satu merencanakan, dan seterusnya. Mereka berbagi konteks dan tujuan, dijadwalkan secara terpusat, tetapi tidak memiliki identitas jangka panjang, kepentingan, atau kedaulatan yang nyata. Pada dasarnya, ini lebih mirip mesin alur kerja (workflow engine) yang canggih. Agen di sini berfungsi seperti alat atau fungsi yang dapat dipanggil untuk meningkatkan efisiensi tugas tunggal. Fokusnya adalah pada rekayasa prompt, manajemen konteks, perutean tugas, dan pemanggilan alat—masih merupakan masalah rekayasa perangkat lunak. **Jalur Kedua: Sistem Agen Asli-Protokol (Protocol-Native)** Jalur ini kurang dibicarakan tetapi radikal. Fokusnya bergeser dari banyak agen menyelesaikan tugas menjadi **setiap individu memiliki Agen Pribadi (Personal Agent) atau perusahaan otomatis (unmanned company) miliknya sendiri**. Agen menjadi milik pribadi yang melekat pada identitas seseorang, bukan hanya instance untuk satu tugas. Ia memiliki memori jangka panjang, identitas berkelanjutan, preferensi, sumber daya, wewenang, jaringan hubungan, dan batas kepentingan. Singkatnya, ia menjadi entitas mandiri yang mewakili Anda. Perubahan ini menggeser filosofi sistem secara total. Ketika banyak Agen mandiri dengan tujuan, model dunia, dan kepentingan berbeda perlu berinteraksi, mereka tidak dapat lagi bergantung pada prompt, alur kerja, atau konteks bersama yang sama. Sebaliknya, mereka harus berkolaborasi melalui **protokol (protocol)**. Protokol di masa depan tidak hanya mendefinisikan komunikasi dan komputasi, tetapi juga koordinasi, wewenang, insentif, identitas, dan hubungan kelembagaan. Ini akan menjadi dasar bagi "masyarakat digital" di mana protokol berfungsi sebagai organisasi (Protocol as Organization). Tantangan terbesar di masa depan bukan lagi sekadar kemampuan reasoning atau eksekusi agen, tetapi bagaimana entitas otonom dengan nilai dan tujuan berbeda dapat berkolaborasi secara berkelanjutan. Ontologi dan protokol semantik akan menjadi kunci. Bahkan, "perusahaan" di masa depan mungkin bukan organisasi manusia lagi, melainkan aliansi dinamis dari berbagai Agen Pribadi (seperti AI CFO, AI Lawyer) yang diikat oleh protokol. Inilah visi menuju peradaban asli-kecerdasan (intelligent-native civilization).

marsbit05/28 05:34

OpenAI dan Anthropic Bisa Saja Membacakan Sutra yang Salah

marsbit05/28 05:34

Peringatan dari Ahli Audit Top: Semua DeFi Tidak Aman, Segera Keluar!

"Semua DeFi Sudah Tidak Aman": Peringatan Keras dari Pakar Audit Keamanan Manuel Aráoz, pendiri OpenZeppelin—perusahaan audit keamanan terkemuka di industri DeFi—mempublikasikan peringatan mengejutkan: ia percaya semua protokol DeFi sudah tidak aman. Ia bahkan mulai menyarankan teman dan keluarga untuk menarik dana dari protokol besar seperti Aave, MakerDAO, dan Compound. Penyebab utama kekhawatiran ini adalah kemajuan pesat Kecerdasan Buatan (AI). AI Coding Agent kini mampu mengidentifikasi dan mengeksploitasi kerentanan kontrak pintar dengan efisiensi eksponensial. Apa yang dulu membutuhkan waktu berminggu-minggu bagi ahli keamanan, kini dapat dilakukan AI dalam hitungan menit. Keadaan semakin parah karena sifat asimetris keamanan DeFi: pihak bertahan harus memperbaiki semua celah, sementara penyerang hanya perlu menemukan satu. Realitas mendukung peringatan ini. Bulan April dan Mei 2024 diwarnai serangkaian peretasan besar-besaran: - Drift Protocol: $280 juta (1 April) - Kelp DAO: $292 juta (19 April) - THORChain, Verus, Echo Protocol, StablR, SquidRouter, dan StakeDAO juga mengalami serangan dengan kerugian jutaan dolar sepanjang Mei. AI telah menjadi "senjata pamungkas" bagi peretas. Kemampuannya mencakup pemindaian celah nol-hari dalam hitungan detik, pembuatan skrip serangan otomatis, hingga pengintaian aktivitas pengembang di platform seperti GitHub. Dengan situasi ini, rasio risiko-imbalan bagi pengguna DeFi menjadi tidak seimbang. Imbal hasil dari protokol utama kini seringkali hanya satu digit (sekitar 5%), tetapi pengguna mempertaruhkan 100% modalnya terhadap risiko serangan yang dapat mengosongkan dana dalam semenit. Tanpa perlindungan asuransi atau hukum yang memadai, Manuel Aráoz berpendapat bahwa pilihan paling rasional saat ini adalah menarik dana dan mengamankan modal.

Odaily星球日报05/28 04:00

Peringatan dari Ahli Audit Top: Semua DeFi Tidak Aman, Segera Keluar!

Odaily星球日报05/28 04:00

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

Teks ini membahas perdebatan definisi AGI (Kecerdasan Buatan Umum) yang belum memiliki standar pengukuran yang diterima secara universal. Berbagai pihak, seperti OpenAI, Microsoft, dan para CEO, memiliki tolok ukur dan ramalan waktu yang berbeda-beda. Sebuah makalah oleh Michael Timothy Bennett dari Australian National University menawarkan definisi baru AGI sebagai "ilmuwan buatan"—yaitu, sistem yang mampu beradaptasi secara luas, efisien, dan ilmiah di bawah kendala sumber daya terbatas (komputasi, memori, energi) seperti layaknya ilmuwan manusia. Penulis mengkritik standar lama seperti Tes Turing dan uji benchmark manusia karena telah "dikuasai" oleh model bahasa besar (LLM) tanpa mendekatkan kita pada kecerdasan umum yang sesungguhnya. LLM saat ini dinilai hanya melakukan "aproksimasi maksimalisasi skala", menyimpan jawaban perkiraan untuk berbagai tugas dalam bobot jaringannya, namun gagal pada masalah di luar distribusi data pelatihan dan tidak memiliki kemampuan aktif seperti merancang eksperimen atau memahami hubungan sebab-akibat. Teks ini merinci tiga kemampuan kunci AGI sejati menurut kerangka "ilmuwan buatan": 1. Dari "boneka pasif" menjadi "peneliti aktif": Mampu merencanakan eksperimen secara mandiri untuk memperoleh informasi. 2. Dari "tahu apa" menjadi "tahu mengapa": Memiliki pemahaman kausal, bukan hanya korelasi. 3. Menyeimbangkan "eksplorasi" dan "eksploitasi": Mengalokasikan sumber daya komputasi secara dinamis di bawah kendala. Tiga pendekatan metodologis dalam membangun sistem cerdas dianalisis: *Scale-maxing* (pendekatan LLM saat ini yang menumpuk parameter dan data), *Simp-maxing* (maksimalkan kesederhanaan model), dan *W-maxing* (melemahkan batasan fungsional agar sistem menemukan solusi optimal sendiri). Kesimpulannya, AGI tidak akan tercapai hanya melalui satu pendekatan (seperti *Scaling Law*), tetapi memerlukan konvergensi berbagai metode. Jika definisi baru ini diterima, akan terjadi pergeseran paradigma dalam industri AI. Standar evaluasi akan bergeser dari peringkat ujian manusia ke "benchmark adaptasi" yang menguji kemampuan menemukan pengetahuan baru dalam lingkungan yang tidak dikenal.

marsbit05/28 00:27

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

marsbit05/28 00:27

Paus Menerbitkan Ensiklik Pertama tentang AI: 40 Ribu Kata dengan 10 Pandangan Inti, Kecemasan AI Dijelaskan Secara Tuntas

Pada 15 Mei 2026, Paus Leo XIV menerbitkan ensiklik berjudul *Magnifica Humanitas*, yang pertama dalam sejarah Gereja Katolik yang berfokus pada kecerdasan buatan (AI). Dokumen setebal 40.000 kata ini membahas dampak AI yang telah menjadi bagian dari kehidupan sehari-hari dan sistem pengambilan keputusan, memengaruhi berbagai bidang seperti pekerjaan, pendidikan, kesehatan, dan informasi. Ensiklik menyoroti sepuluh poin utama: (1) AI bukan musuh, tetapi telah tertanam dalam proses keputusan; (2) Kekuasaan teknologi kini banyak dipegang oleh perusahaan swasta; (3) Bahkan pengembang pun tidak sepenuhnya memahami cara kerja AI; (4) AI tidak boleh disamakan dengan kecerdasan atau subjek moral manusia; (5) Keputusan AI di bidang sensitif seperti pekerjaan dan hukum memerlukan transparansi dan pengawasan; (6) Sumber daya AI harus melayani kepentingan bersama, bukan hanya segelintir orang; (7) AI memperbesar penyebaran informasi palsu; (8) Pendidikan AI harus melatih pemikiran kritis, bukan hanya penggunaan alat; (9) AI mengubah tenaga kerja, tetapi pekerjaan juga tentang pengembangan diri; (10) Keputusan hidup dan mati yang tidak dapat diubah tidak boleh diserahkan kepada AI. Intinya, ensiklik menekankan bahwa teknologi tidak netral. Nilai dan kepentingan mereka yang mengembangkan dan mengendalikan AI membentuk bagaimana teknologi ini memengaruhi masyarakat. Tantangan terbesar AI bukanlah teknis, tetapi antropologis: AI dapat meniru hubungan, kreativitas, dan penilaian manusia, tetapi tidak dapat memikul tanggung jawab, kehendak, atau konsekuensi yang sebenarnya. Dokumen ini mengajak refleksi untuk mendefinisikan kembali makna menjadi manusia di era di mana mesin semakin mampu meniru hal-hal yang dianggap unik bagi manusia.

marsbit05/28 00:23

Paus Menerbitkan Ensiklik Pertama tentang AI: 40 Ribu Kata dengan 10 Pandangan Inti, Kecemasan AI Dijelaskan Secara Tuntas

marsbit05/28 00:23

Siapa yang Bisa Menghasilkan Uang di Era Agents?

Banyak yang memperkirakan pengguna blockchain berikutnya akan didominasi oleh Agen (Agents). Namun, di dunia seperti itu, siapa yang sebenarnya akan mendapatkan nilai? Teori lama dalam kripto, seperti "Protokol Gemuk" (Fat Protocols) yang berfokus pada manusia, dan teori "Aplikasi Gemuk" (Fat Apps) yang berfokus pada hubungan dengan pengguna, mungkin tidak lagi berlaku ketika pengguna adalah Agen. Agen bersifat rasional, tanpa loyalitas merek, dan dapat beralih antar platform dengan mudah. Mereka tidak peduli pada antarmuka pengguna (UX) atau kemudahan. Ini mengikis keunggulan aplikasi yang menguasai hubungan dengan pengguna. Lalu, siapa yang menangkap nilai? Artikel ini menjelaskan beberapa kemungkinan skenario: 1. **Aplikasi Menjadi "Tanpa Kepala" (Headless):** Pemenang di lapisan aplikasi saat ini (seperti dompet, agregator) dapat membuka infrastruktur mereka sebagai API untuk Agen, beralih menjadi penyedia backend murni. 2. **Kebangkitan Kembali Protokol:** Jika integrasi menjadi sangat mudah, Agen mungkin melewati perantara dan berinteraksi langsung dengan protokol dasar, memberi napas baru pada teori Protokol Gemuk. 3. **Runtuhnya Daya Tarif Harga di Seluruh Lapisan Teknologi:** Agen yang selalu mencari harga terbaik dapat memicu perang harga ekstrem, memaksa margin semua lapisan mendekati biaya marjinal. Kripto menjadi utilitas dengan keuntungan tipis. 4. **Agen Menciptakan Aktivitas Ekonomi Baru:** Agen memungkinkan aktivitas yang tidak layak bagi manusia (misalnya, rebalancing portofolio berbiaya sangat rendah, perdagangan mesin-ke-mesin), memperbesar total kue ekonomi secara signifikan. 5. **Model Bisnis Baru yang Belum Terbayangkan:** Seperti pergeseran ke ekonomi perhatian di era internet, mungkin muncul model bisnis dominan baru di dunia Agen yang saat ini belum terpikirkan. Kemungkinan besar, manusia dan Agen akan tetap hidup berdampingan. Untuk transaksi manusia, teori Aplikasi Gemuk masih relevan. Sedangkan untuk transaksi Agen, pertanyaan kuncinya adalah: apa yang membuat sebuah Agen memilih Anda, bukan hanya harga termurah? Faktor seperti likuiditas, latensi rendah, atau jaminan penyelesaian mungkin menjadi jawabannya.

marsbit05/27 14:10

Siapa yang Bisa Menghasilkan Uang di Era Agents?

marsbit05/27 14:10

Siapa yang Akan Menghasilkan Uang di Era Agents?

Penulis Jonah Burian membahas bagaimana era agen AI (Agents) dapat mengganggu teori penangkapan nilai di ruang kripto. Teori "protokol gemuk" (fat protocol) yang dominan, menyatakan protokol blockchain menangkap sebagian besar nilai, tampak valid ketika ruang blok terbatas (seperti Bitcoin/Ethereum awal). Namun, dengan banyaknya L1, L2, dan lapisan modular saat ini, ruang blok menjadi berlimpah dan dapat dipertukarkan, menghilangkan kelangkaan dan kekuatan penetapan harga protokol. Teori "aplikasi gemuk" (fat app) kemudian muncul, berpendapat bahwa aplikasi yang mengontrol hubungan pengguna (UI, aliran transaksi) akan menangkap nilai terbesar, seperti yang terlihat pada dompet dan agregator. Teori ini bergantung pada preferensi manusia terhadap UX, merek, dan kenyamanan. Namun, kedatangan Agents mengubah segalanya. Sebagai perangkat lunak, Agents tidak peduli dengan UX atau merek; mereka memanggil API secara langsung, beralih tanpa biaya, dan selalu mencari opsi termurah. Ini meruntuhkan parit defensif aplikasi yang bergantung pada hubungan dengan pengguna manusia. Artikel ini mengeksplorasi beberapa skenario untuk masa depan: 1. **Aplikasi Menjadi "Tanpa Kepala" (Headless):** Pemenang di era manusia (mis., agregator) membuka infrastruktur backend mereka sebagai API untuk Agents, mempertahankan nilai melalui rute ini. 2. **Kebangkitan Kembali Protokol:** Jika integrasi menjadi sangat mudah, Agents mungkin melewati perantara dan berinteraksi langsung dengan protokol, menghidupkan kembali teori protokol gemuk. 3. **Runtuhnya Kekuatan Harga di Seluruh Stack:** Agents yang rasional dapat menekan margin ke biaya marjinal di setiap lapisan, mengubah kripto menjadi utilitas dengan keuntungan tipis. 4. **Aktivitas Baru yang Belum Pernah Ada:** Agents memungkinkan aktivitas ekonomi baru yang tidak layak bagi manusia (mis., rebalancing portofolio mikro, perdagangan mesin-ke-mesin), memperluas kue ekonomi secara keseluruhan. 5. **Model Bisnis yang Belum Dinamai:** Mungkin muncul model bisnis sama sekali baru yang belum terbayangkan saat ini. Kesimpulannya, kemungkinan besar manusia dan Agents akan hidup berdampingan sebagai pengguna. Teori aplikasi gemuk akan tetap berlaku untuk interaksi manusia, sementara interaksi Agents akan diatur oleh dinamika yang berbeda—di mana faktor seperti likuiditas, latensi, dan jaminan penyelesaian mungkin menjadi pengganti loyalitas merek atau UX.

链捕手05/27 13:57

Siapa yang Akan Menghasilkan Uang di Era Agents?

链捕手05/27 13:57

活动图片