Insinyur Claude Akhirnya Mengeluarkan Fable 5, Mengajarkan Cara Menghilangkan Kesenjangan Informasi dengan Model

marsbitDipublikasikan tanggal 2026-07-06Terakhir diperbarui pada 2026-07-06

Abstrak

Artikel ini membahas strategi untuk meningkatkan efektivitas penggunaan model AI Claude Fable 5 dalam pemrograman dan tugas-tugas kompleks lainnya. Inti permasalahan yang diangkat adalah adanya "kesenjangan informasi" antara pengguna dan model, di mana petunjuk (prompt), konteks, dan keterampilan yang diberikan tidak sepenuhnya mencerminkan kompleksitas tugas sebenarnya ("peta" vs "wilayah"). Penulis, Thariq Shihipar (insinyur Claude Code), memperkenalkan konsep "hal yang tidak diketahui" (unknowns) yang dikategorikan menjadi empat jenis: diketahui-diketahui, diketahui-tidak diketahui, tidak diketahui-diketahui, dan tidak diketahui-tidak diketahui. Kunci keberhasilan adalah secara aktif mengidentifikasi dan mengklarifikasi hal-hal yang tidak diketahui ini sebelum, selama, dan setelah proses implementasi. Artikel ini menawarkan berbagai teknik praktis untuk mencapai hal tersebut, seperti: - **Sebelum Implementasi**: Pemindaian titik buta (blindspot scan), brainstorming dan pembuatan prototipe, wawancara balik oleh Claude, penggunaan referensi kode, dan pembuatan rencana implementasi. - **Selama Implementasi**: Menyimpan catatan implementasi untuk melacak penyimpangan dari rencana. - **Setelah Implementasi**: Membuat dokumen penjelasan dan presentasi, serta melakukan kuis untuk memastikan pemahaman menyeluruh. Kesimpulannya, semakin kuat kemampuan model AI, semakin penting bagi pengguna untuk terampil dalam mendefinisikan batasan dan detail tugas. Dengan secara proaktif beke...

Sejak dirilis, nasib Fable 5 terasa mistis seperti nama model itu sendiri.

Dari "momen deifikasi AI" yang ditunggu-tunggu semua orang, hingga dilarang paksa oleh pemerintah AS dan diblokir untuk pengunjung non-Amerika, dapat dikatakan telah menarik perhatian global.

Kini, badai perlahan mereda. Model pada akhirnya harus kembali ke produktivitas.

Untuk itu, insinyur Claude Code, Thariq Shihipar, merilis blog panjang di media sosial, menjelaskan secara detail teknik menggunakan Fable 5.

Artikel ini menjawab kebingungan yang telah lama dialami banyak orang. Mengapa, ketika menggunakan model, saya masih merasa tidak mampu menyelesaikan tugas dengan benar meskipun kemampuannya sudah sangat maju?

Blog Thariq memberikan pencerahan. Singkatnya: terdapat kesenjangan informasi antara manusia dan model, yaitu perbedaan antara prompt, Skill, konteks yang diberikan pengguna, dan eksekusi tugas sebenarnya.

Untuk itu, keseluruhan blog mengajarkan cara menghilangkan kesenjangan informasi ini. Di bawah ini, Heart of Machine akan menyertakan teks lengkap blog untuk dinikmati pembaca.

Judul Blog: A Field Guide to Fable: Finding Your Unknowns

Tautan Blog: https://x.com/trq212/status/2073100352921215386

Bekerja dengan Claude Fable 5 terus-menerus mengingatkan saya pada pepatah lama: peta tidak sama dengan wilayah.

Yang disebut "peta" adalah representasi pekerjaan yang akan diselesaikan, yaitu prompt, keterampilan, dan konteks saya, yang saya berikan kepada Claude. Yang disebut "wilayah" adalah tempat di mana pekerjaan sebenarnya harus dilakukan: basis kode, dunia nyata, dan kendala nyata yang ada di dalamnya.

Saya menyebut perbedaan antara peta dan wilayah sebagai "hal yang tidak diketahui". Ketika Claude menemukan hal yang tidak diketahui, ia harus membuat keputusan berdasarkan tebakan terbaiknya tentang maksud saya. Semakin kompleks pekerjaannya, semakin banyak hal yang tidak diketahui yang mungkin dihadapi Claude.

Fable adalah model pertama yang membuat saya merasa jelas bahwa kualitas pekerjaan bergantung pada kemampuan saya untuk menjelaskan hal-hal yang tidak diketahui.

Yang penting, hanya merencanakan sebelumnya tidak selalu cukup. Anda mungkin menemukan hal-hal yang tidak diketahui di kedalaman implementasi; atau mungkin menemukan bahwa hal-hal ini mengarah pada fakta bahwa sebenarnya Anda harus menyelesaikan masalah ini dengan cara yang sama sekali berbeda.

Saya menemukan bahwa berkolaborasi dengan Fable pada dasarnya adalah proses iteratif untuk menemukan hal-hal yang tidak diketahui sebelum, selama, dan setelah implementasi.

Penulis memberikan beberapa contoh untuk menemukan "hal yang tidak diketahui", yang dapat dilihat bersama dengan teks lengkap.

Tautan Contoh: https://thariqs.github.io/html-effectiveness/unknowns/

Kenali Hal-Hal yang Tidak Anda Ketahui

Apa itu hal yang tidak diketahui? Ketika saya mendatangi Claude dengan sebuah masalah, saya biasanya memecahnya dari empat sudut pandang:

Yang diketahui diketahui: Ini pada dasarnya adalah apa yang saya tulis di prompt. Saya memberi tahu agen apa yang saya inginkan?

Yang diketahui tidak diketahui: Hal-hal apa yang belum saya pahami, tetapi saya tahu bahwa saya belum memahaminya?

Yang tidak diketahui diketahui: Hal-hal apa yang begitu jelas bagi saya sehingga saya bahkan tidak akan menuliskannya, tetapi begitu melihatnya, saya bisa mengenalinya?

Yang tidak diketahui tidak diketahui: Hal-hal apa yang sama sekali tidak saya pertimbangkan? Pengetahuan apa yang belum saya ketahui? Apakah saya tahu seberapa baik sesuatu bisa dilakukan?

Pemrogram agen terbaik biasanya memiliki lebih sedikit hal yang tidak diketahui. Mereka sangat jelas tentang apa yang mereka inginkan, dan detailnya sangat lengkap. Mereka sangat selaras dengan basis kode dan perilaku model.

Tetapi mereka juga akan mengasumsikan adanya hal-hal yang tidak diketahui. Dalam banyak hal, mengurangi dan merencanakan hal-hal yang tidak diketahui terlebih dahulu adalah kemampuan inti dari pemrograman agen. Untungnya, ini adalah keterampilan yang dapat ditingkatkan melalui kolaborasi dengan Claude.

Bantu Claude untuk Membantu Diri Anda Sendiri

Memberi instruksi kepada Claude adalah keseimbangan yang halus. Jika Anda terlalu spesifik, Claude akan mengikuti instruksi Anda dengan ketat, meskipun beralih ke solusi lain mungkin lebih tepat. Jika Anda terlalu samar, Claude cenderung membuat pilihan dan asumsi berdasarkan praktik terbaik industri, yang tidak selalu sesuai dengan tugas Anda.

Kedua kasus ini gagal ketika Anda belum cukup mempertimbangkan hal-hal yang tidak diketahui. Anda tidak tahu kapan jalan di depan penuh rintangan, atau kapan sebenarnya jalan itu mulus, tetapi Anda masih ingin Claude dapat melakukan penyesuaian bila diperlukan.

Claude dapat membantu Anda menemukan hal-hal yang tidak diketahui lebih cepat. Ia dapat mencari basis kode dan internet dengan sangat cepat, dan memiliki pengetahuan umum yang lebih banyak daripada Anda dalam sebagian besar topik. Ia juga dapat beriterasi dari kegagalan dengan lebih cepat.

Yang terpenting dalam proses ini adalah memberikan konteks awal yang cukup kepada Claude. Misalnya, beri tahu di mana posisi pemikiran Anda saat ini; jelaskan seberapa akrab Anda dengan masalah dan basis kode ini; biarkan ia berkolaborasi dengan Anda seperti mitra berpikir.

Saya sebelumnya pernah menulis tentang cara membuat HTML dengan Claude. Di hampir semua skenario ini, artefak HTML adalah cara terbaik untuk memvisualisasikan dan mengekspresikan ide.

Dalam artikel ini, saya akan menjelaskan secara detail beberapa pola yang saya gunakan untuk menemukan hal-hal yang tidak diketahui ini. Saya tidak selalu menggunakan semua teknik ini setiap kali, tetapi menyimpannya sebagai satu set metode yang dapat dipanggil sangat berguna.

Sebelum Implementasi

Pemindaian Titik Buta

Salah satu hal paling berguna saat memulai pekerjaan adalah memahami titik buta Anda sendiri. Misalnya, jika Anda menulis fitur di modul baru dalam basis kode, atau meminta Claude menangani pekerjaan yang tidak Anda kenal, seperti mengiterasi desain, kemungkinan besar Anda akan memiliki banyak "yang tidak diketahui tidak diketahui".

Anda mungkin tidak tahu pertanyaan apa yang harus diajukan, tidak tahu apa yang dianggap baik, tidak tahu pekerjaan sejarah apa yang telah dilakukan, dan tidak tahu jebakan apa yang harus dihindari.

Untuk melakukan ini, Anda dapat meminta Claude membantu menemukan "yang tidak diketahui tidak diketahui" dan menjelaskannya kepada Anda. Saya suka langsung menggunakan istilah "blindspot pass" dan "unknown unknowns". Biasanya, penting juga untuk memberi tahu siapa Anda dan apa yang Anda ketahui.

Contoh prompt:

"Saya sedang menambahkan penyedia autentikasi baru, tetapi saya tidak tahu apa-apa tentang modul autentikasi di basis kode ini. Bisakah Anda melakukan blindspot pass, membantu saya menemukan unknown unknowns terkait, dan membantu saya menulis prompt yang lebih baik untuk Anda?"

"Saya tidak tahu tentang color grading, tetapi saya perlu melakukan color grading untuk video ini. Bisakah Anda mengajari saya untuk memahami unknown unknowns saya dalam color grading, sehingga saya dapat menulis prompt yang lebih baik?"

Brainstorming dan Prototipe

Ketika saya bekerja di bidang dengan banyak "yang tidak diketahui diketahui", yaitu hal-hal yang hanya setelah melihatnya saya tahu bagaimana mendefinisikan standar, saya akan meminta Claude untuk melakukan brainstorming dan membuat prototipe bersama saya.

Mengidentifikasi dan mengekspresikan "yang tidak diketahui diketahui" ini sedini mungkin pada tahap prototipe sangat berharga, karena jika ditemukan pada tahap implementasi, biayanya seringkali relatif lebih tinggi. Perubahan kecil dalam fungsionalitas atau spesifikasi dapat menyebabkan perbedaan besar dalam implementasi kode, dan lebih sulit untuk membuat agen mundur dari modifikasi sebelumnya.

Misalnya, Anda mungkin hanya ingin melihat seperti apa efek menambahkan tombol dalam framework tertentu, tanpa benar-benar menghubungkan rute backend atau mempertahankan status ekstra di frontend.

Desain visual adalah sesuatu yang sulit saya ekspresikan dengan jelas, tetapi saya tahu apa yang saya inginkan setelah melihatnya. Dalam kasus seperti ini, saya akan meminta Claude memberikan beberapa arah desain yang berbeda untuk sebuah artefak.

Saya hampir selalu memulai setiap sesi coding dengan eksplorasi atau brainstorming. Ini membantu saya mendefinisikan ruang lingkup proyek dengan niat yang jelas. Claude sering menemukan solusi bernilai tinggi yang mungkin saya lewatkan, tetapi terkadang ia juga hanya melihat pohon dan bukan hutan. Brainstorming dapat mencegah saya memulai dengan ruang lingkup yang terlalu sempit atau terlalu luas.

Contoh prompt:

"Saya ingin membuat dasbor untuk set data ini, tetapi saya tidak punya selera visual dan tidak tahu seberapa jauh ini bisa dilakukan. Buatkan saya halaman HTML dengan 4 arah desain yang sangat berbeda dalam gaya, agar saya dapat memberikan umpan balik berdasarkan hasilnya."

"Sebelum benar-benar menghubungkan, buat file HTML terpisah dengan data palsu untuk mensimulasikan toolbar editor baru. Saya ingin memberikan umpan balik tentang tata letak terlebih dahulu, baru kemudian Anda dapat mengubah aplikasi nyata."

"Ini masalah kasar saya: pengguna churn setelah onboarding. Cari basis kode, brainstorming 10 tempat di mana kita dapat melakukan intervensi, dari yang paling murah hingga yang paling ambisius. Saya akan memberi tahu arah mana yang lebih terasa."

Pertanyaan Balik

Setelah melakukan brainstorming yang cukup, saya biasanya masih memiliki hal-hal yang tidak diketahui.

Dalam situasi seperti ini, saya akan meminta Claude mewawancarai saya seputar area mana pun yang tidak jelas atau ambigu. Saat meminta Claude mewawancarai Anda, cobalah memberikan konteks tentang masalahnya agar ia dapat mengajukan pertanyaan yang lebih terarah. Berikut adalah beberapa contoh.

Contoh prompt:

"Tolong ajukan satu pertanyaan kepada saya pada satu waktu, wawancarai saya seputar area mana pun yang ambigu. Prioritaskan pertanyaan yang jawaban saya akan mengubah desain arsitektur."

Referensi

Terkadang, Anda tidak dapat menjelaskan secara detail apa yang Anda inginkan. Misalnya, Anda mungkin tidak memiliki bahasa ekspresi yang sesuai, atau hal ini terlalu kompleks sehingga akan memakan waktu lama untuk dijelaskan sepenuhnya.

Dalam kasus seperti ini, jawaban terbaik adalah referensi. Anda dapat memberikan diagram, dokumen, atau gambar, tetapi referensi terbaik sebenarnya adalah kode sumber.

Jika Anda memiliki pustaka yang mengimplementasikan fungsi tertentu dengan cara tertentu, atau memiliki komponen desain yang sangat Anda sukai, arahkan langsung Fable ke folder tersebut dan beri tahu apa yang harus dilihat. Bahkan jika kode referensi ditulis dalam bahasa lain, tidak masalah.

Ini juga cara kerja Claude Design. Anda tidak harus memberinya file, meskipun Anda juga bisa melakukannya. Anda dapat mengarahkannya ke modul situs web yang Anda sukai, dan ia akan membaca kode dasarnya, bukan hanya tangkapan layar. Ini memberikan detail yang lebih kaya, termasuk struktur markup, cara komponen diorganisir, dan bagaimana komponen ini sebenarnya dibangun.

Contoh prompt:

"Crate Rust di vendor/rate-limiter ini mengimplementasikan perilaku coba ulang dengan backoff yang persis saya inginkan. Tolong baca, dan implementasikan kembali semantik yang sama di klien API TypeScript kami."

Rencana Implementasi

Ketika saya merasa siap untuk mulai mengimplementasikan, saya biasanya meminta Claude untuk menyusun rencana implementasi terlebih dahulu untuk saya tinjau, dengan fokus pada bagian yang paling mungkin berubah, seperti model data, antarmuka tipe, atau alur UX. Ini memungkinkan Claude untuk mengungkapkan lebih awal beberapa hal yang mungkin memang perlu saya sesuaikan.

Contoh prompt:

"Tulis rencana implementasi dalam HTML, tetapi awali dengan menyajikan titik keputusan yang paling mungkin saya ubah: perubahan model data, antarmuka tipe baru, dan konten apa pun yang berorientasi pengguna. Letakkan refaktor mekanis di paling bawah, bagian itu saya percayakan pada Anda."

Selama Implementasi

Catatan Implementasi

Ketika saya puas dengan rencana tersebut, saya akan memulai sesi baru dan memasukkan artefak terkait ke dalam prompt. Misalnya, saya mungkin memasukkan file spesifikasi dan prototipe, lalu meminta agen untuk mengimplementasikannya.

Namun kenyataannya, tidak peduli seberapa banyak Anda merencanakan, selalu ada hal-hal yang tidak diketahui yang mengintai. Selama bekerja, agen mungkin menemukan bahwa ia harus berpikir dengan cara yang berbeda karena kasus tepi tertentu dalam kode.

Saya akan meminta Claude Code untuk mempertahankan file implementation-notes.md sementara, atau file .html, untuk mencatat keputusan yang diambilnya, sehingga kita dapat belajar dari percobaan berikutnya.

Contoh prompt:

"Tolong pertahankan file implementation-notes.md. Jika Anda menemukan kasus tepi yang mengharuskan Anda menyimpang dari rencana awal, pilih opsi konservatif, catat alasannya di bawah 'Deviations', dan lanjutkan."

Setelah Implementasi

Dokumentasi Presentasi dan Penjelasan

Salah satu hal terpenting saat merilis sesuatu adalah mendapatkan pemahaman, dukungan, dan persetujuan orang lain. Membangun artefak presentasi dan penjelasan dalam dokumentasi akhir membantu:

Mempercepat pemahaman mereka ketika peninjau awalnya juga membawa hal-hal yang tidak diketahui yang sama dengan Anda.

Mempercepat persetujuan ketika para ahli ingin memastikan Anda telah mempertimbangkan hal-hal yang tidak diketahui dan titik kegagalan umum yang mereka prediksi.

Contoh prompt:

"Bungkus prototipe, spesifikasi, dan catatan implementasi menjadi satu dokumen yang dapat saya kirim langsung ke Slack untuk mendapatkan dukungan. Awali dengan GIF demonstrasi."

Ujian

Setelah sesi kerja yang panjang, Claude mungkin telah menyelesaikan lebih banyak pekerjaan daripada yang saya sadari. Hanya melihat diff kode seringkali hanya memberi saya pemahaman dangkal tentang apa yang terjadi, karena banyak perilaku bergantung pada jalur kode yang sudah ada.

Meminta Claude untuk menguji saya seputar perubahan ini setelah memberikan banyak konteks dapat membantu saya benar-benar memahami apa yang terjadi. Saya hanya akan menggabungkan kode setelah lulus ujian dengan sempurna.

Contoh prompt:

"Saya ingin memastikan saya memahami semua yang terjadi dalam perubahan ini. Berikan saya laporan HTML untuk membantu saya membaca dan memahami perubahan ini, termasuk konteks, penjelasan intuitif, apa yang sebenarnya dilakukan, dll., dan sertakan ujian yang harus saya lulus di bagian bawah."

Merangkai Metode: Contoh Merilis Fable

Video rilis Fable sepenuhnya diedit oleh Claude Code. Ini adalah bidang yang sama sekali baru bagi saya, dan saya sama sekali bukan ahli di bidang ini.

Jadi saya mulai dengan apa yang saya ketahui. Saya tahu Claude dapat mengedit video dengan kode dan melakukan transkripsi, tetapi saya tidak yakin akurasinya cukup. Jadi saya meminta Claude menjelaskan bagaimana teknologi transkripsi seperti Whisper bekerja, dan apakah saya dapat memotong filler words seperti "um" atau jeda panjang dengan akurat menggunakan ffmpeg.

Saya ingin Claude membuat UI dan menyinkronkannya dengan kata-kata yang saya ucapkan dalam waktu, tetapi saya tidak yakin apakah ini bisa dilakukan. Jadi saya meminta Claude membuat prototipe video menggunakan Remotion dan teks transkripsi, untuk melihat apakah ide ini layak.

Akhirnya, video itu sendiri terlihat agak suram. Saya tahu ini masalah color grading, tetapi saya tidak benar-benar memahami apa itu color grading. Percobaan pertama saya adalah meminta Claude membuat beberapa versi untuk saya pilih, tetapi saya menyadari bahwa dalam hal color grading, saya tidak tahu apa yang dianggap "bagus". Jadi, alih-alih terus membuat versi secara membabi buta, saya meminta Claude mengajari saya color grading, untuk menemukan hal-hal yang tidak saya ketahui.

Cocokkan Peta dengan Wilayah

Semakin kuat modelnya, semakin banyak yang dapat Anda selesaikan dengan metode yang benar. Ketika tugas jangka panjang mengembalikan hasil yang salah, kemungkinan besar Anda perlu menghabiskan lebih banyak waktu untuk mendefinisikan hal-hal yang tidak diketahui Anda, atau membuat rencana implementasi yang memungkinkan Claude untuk beradaptasi dengan hal-hal yang tidak diketahui ini.

Setiap dokumen penjelasan, brainstorming, wawancara, prototipe, dan referensi adalah metode biaya rendah untuk menemukan hal-hal yang sebelumnya tidak Anda ketahui, sebelum biaya perbaikan menjadi tinggi.

Jadi, saat memulai proyek berikutnya, minta Claude membantu Anda menemukan hal-hal yang tidak Anda ketahui terlebih dahulu.

Artikel ini berasal dari akun WeChat "Heart of Machine", editor: Redaksi Heart of Machine

Kripto yang Sedang Tren

ctr
CitreaCTR
wstusdt
wrapped stUSDTWSTUSDT
apr
aPrioriAPR
ctx
Cryptex FinanceCTX
audio
AudiusAUDIO
mantra
MantraMANTRA
xvs
VenusXVS
waxl
AxelarWAXL
bill
Billions NetworkBILL
pyth
PYTH (Pyth)PYTH
rune
THORChainRUNE
velodrome
Velodrome FinanceVELODROME
brev
BrevisBREV
zrx
ZRX（0X）ZRX
cake
PancakeSwapCAKE

Pertanyaan Terkait

QApa yang dimaksud dengan 'informasi yang tidak diketahui' atau 'unknowns' dalam konteks penggunaan model AI seperti Fable 5?

A'Informasi yang tidak diketahui' (unknowns) mengacu pada perbedaan antara apa yang dijelaskan pengguna dalam prompt, skill, dan konteks ('peta'), dengan kenyataan yang sebenarnya di kode, dunia nyata, dan batasan yang ada ('wilayah'). Ini adalah celah informasi antara pengguna dan model, di mana Claude harus membuat keputusan berdasarkan asumsi ketika menghadapi hal-hal yang tidak jelas.

QBagaimana Claude Code engineer Thariq Shihipar menyarankan untuk mengidentifikasi 'unknown unknowns' sebelum memulai suatu tugas?

AIa menyarankan untuk meminta Claude melakukan 'blindspot pass' atau pemindaian titik buta. Dengan memberi tahu Claude latar belakang dan pengetahuan Anda, mintalah model untuk membantu mengidentifikasi hal-hal yang tidak Anda ketahui dan tidak Anda sadari (unknown unknowns), serta menjelaskannya agar Anda dapat menulis prompt yang lebih baik.

QApa manfaat membuat prototipe dan melakukan brainstorming dengan Claude pada tahap awal pekerjaan?

AMembuat prototipe dan brainstorming membantu mengidentifikasi 'unknown knowns' (hal yang Anda ketahui hanya setelah melihatnya) lebih awal. Ini mencegah perubahan besar yang mahal pada tahap implementasi, memungkinkan eksplorasi berbagai arah desain, dan membantu menentukan ruang lingkup pekerjaan dengan niat yang lebih jelas.

QApa yang dimaksud dengan 'rencana implementasi' (implementation plan) dan mengapa penting memintanya dari Claude sebelum eksekusi?

ARencana implementasi adalah dokumen yang disusun Claude yang merinci langkah-langkah pelaksanaan tugas. Penting untuk memintanya agar dapat meninjau, terutama pada bagian yang paling mungkin berubah (seperti model data, antarmuka tipe, alur UX). Ini memungkinkan Claude mengungkapkan potensi masalah atau penyesuaian yang diperlukan sebelum pekerjaan nyata dimulai.

QMetode apa yang disarankan untuk digunakan setelah implementasi selesai, agar memastikan pemahaman dan kualitas hasil kerja?

ADisarankan untuk meminta Claude membuat: 1) Dokumen penjelasan atau presentasi yang menggabungkan prototipe, spesifikasi, dan catatan implementasi untuk memudahkan pemahaman dan persetujuan pihak lain. 2) Ujian atau kuis berbasis HTML untuk menguji pemahaman Anda sendiri tentang perubahan yang dibuat, yang harus dilalui sebelum menggabungkan kode.

Bacaan Terkait

Xingdong Jiyuan Raised 2.5 Miliar dalam Dua Bulan, Modal Negara Berbondong-bondong Masuk

Perusahaan robotika humanoid terkemuka China, StarHeir (星动纪元), baru saja menyelesaikan putaran pendanaan baru senilai 1 miliar RMB (10 miliar rupiah) pada 6 Juli. Putaran ini dipimpin oleh China Reform Fund, sebuah platform modal negara di bawah State-owned Assets Supervision and Administration Commission (SASAC) China. Sejumlah investor institusional negara lainnya dan modal ventura swasta juga berpartisipasi. Dalam dua bulan terakhir, StarHeir telah mengumpulkan total 2,5 miliar RMB (25 miliar rupiah), membentuk struktur modal yang kuat dengan dukungan modal negara, lembaga keuangan terkemuka, dan sinergi ekosistem industri. Perusahaan ini didirikan pada Agustus 2023 sebagai perusahaan spin-off dari Universitas Tsinghua, satu-satunya perusahaan humanoid yang dimiliki oleh universitas tersebut. Pendirinya, Chen Jianyu, adalah seorang profesor muda berbakat di Tsinghua dengan latar belakang penelitian robotika di UC Berkeley. StarHeir mengambil pendekatan unik "AI Native", mengembangkan seluruh tumpukan teknologi secara mandiri, dari model otak (AI), data, kontrol gerak, tangan lincah (dexterous hand), hingga platform robotika fisik. Mereka adalah pelopor dalam mengusulkan dan mengembangkan "World Model" untuk robotika, dengan model PAD mereka dirilis pada September 2024, lebih awal dari solusi serupa dari Nvidia. Strategi inti mereka adalah "memperkuat otak dengan tangan" – menggunakan tangan lincah buatan mereka sendiri, **XHAND series**, sebagai pintu masuk utama untuk mengumpulkan data interaksi fisik berkualitas tinggi dari dunia nyata. Data ini kemudian digunakan untuk melatih model AI (otak) yang lebih cerdas, menciptakan siklus peningkatan yang berkelanjutan. Tangan lincah mereka telah diadopsi oleh berbagai perusahaan robotika global, termasuk Skild AI (AS) dan Rainbow Robotics (Korea). Dalam hal komersialisasi, StarHeir berfokus pada skenario logistik dan manufaktur kelas atas. Mereka telah mencapai Product-Market Fit (PMF) pertama di industri dengan mengerahkan robot secara batch di pusat logistik milik raksasa seperti SF Express (Shunfeng) dan China Post di beberapa wilayah di China. Robot-robot ini dapat beroperasi 24/7 untuk tugas-tugas seperti penyortiran paket, dengan efisiensi yang diklaim melebihi manusia di beberapa kasus. Mereka juga bekerja sama dengan perusahaan industri seperti Samsung, Lenovo, dan Geely. Dengan kemampuan model yang matang, data dunia nyata yang melimpah dari tangan lincah, dan implementasi komersial yang stabil di lapangan, StarHeir membangun posisi yang kuat di persimpangan kompetisi robotika humanoid China. Mereka meyakini bahwa tahun 2026 adalah titik balik, di mana fokus bergeser dari kemampuan model di lab ke penutupan loop komersial di dunia nyata.

marsbit2m yang lalu

Xingdong Jiyuan Raised 2.5 Miliar dalam Dua Bulan, Modal Negara Berbondong-bondong Masuk

marsbit2m yang lalu

Arah Pasar AS (6 Juli): Emas dan Kripto Bangkit Lebih Dulu dari Saham AS, Notulen Kenaikan Suku Bunga Tentukan Arah Pekan Ini

**Ringkasan Pasar Saham AS (6 Juli): Emas & Kripto Bangkit Lebih Dulu, Arah Pekan Ini Ditentukan Risalah Suku Bunga** Pasar saham AS libur pada Jumat karena Hari Kemerdekaan, tetapi berjangka Nasdaq 100 tetap naik >1%, menunjukkan kekhawatiran seputar sektor AI mereda. Emas bangkit 2,16% sepanjang pekan, menghentikan tren turun, sementara minyak terus melemah karena premi risiko Timur Tengah memudar. Bitcoin dan Ethereum juga naik kuat, sering menjadi sinyal awal perbaikan sentimen risiko. Pekan ini penuh dengan peristiwa kunci. SpaceX akan segera dimasukkan ke dalam Indeks Nasdaq 100, memicu aliran dana pasif. Sidang tarif perdagangan AS dan KTT Sun Valley juga akan digelar, bersama dengan peluncuran bersaing model AI baru seperti GPT-5.6. Acara paling penting adalah rilis risalah rapat Fed pertama di bawah kepemimpinan baru, yang akan dicari pasar untuk konfirmasi nada lebih hawkish setelah proyeksi kenaikan suku bunga pada Juni. Laporan keuangan kuartal kedua juga akan mulai dirilis. Perspektif: Optimisme pasar didukung pemulihan di pasar berjangka dan aset berisiko tinggi seperti kripto selama libur. Namun, ketegangan dapat muncul dari kombinasi risalah Fed, sidang tarif, dan masuknya SpaceX ke indeks. Titik belok utama adalah nada risalah Fed. Jika tidak lebih hawkish dari perkiraan, rally berjangka mungkin berlanjut. Sebaliknya, jika mengonfirmasi kecenderungan menaikkan suku bunga, aset volatil seperti kripto kemungkinan akan terkoreksi terlebih dahulu.

marsbit4m yang lalu

Arah Pasar AS (6 Juli): Emas dan Kripto Bangkit Lebih Dulu dari Saham AS, Notulen Kenaikan Suku Bunga Tentukan Arah Pekan Ini

marsbit4m yang lalu

Meta Juga Ikut Berjualan ‘Sekop’: Model Bisa Lambat, GPU Harus Untung

Meta menghadapi berbagai tantangan dalam pengembangan model AI, termasuk pembatasan penggunaan Gemini oleh Google dan kemajuan teknologi agen AI yang lebih lambat dari perkiraan. Sebagai respons, perusahaan mempertimbangkan rencana alternatif: menjual kelebihan kapasitas komputasi AI-nya kepada klien eksternal melalui layanan "Meta Compute". Meta memiliki infrastruktur komputasi yang besar, dengan kapasitas data center yang signifikan. Sumber daya ini dapat dialokasikan untuk pelatihan model internal seperti Muse Spark dan Watermelon (yang diklaim setara dengan GPT-5.5), meningkatkan sistem rekomendasi iklan, atau disewakan dengan harga premium seperti yang dilakukan SpaceX. Selain itu, Meta berencana menjadi platform untuk model pihak ketiga, berpotensi menampung model seperti Claude dari Anthropic, yang dapat dijual sebagai layanan. Langkah ini didorong oleh biaya pengembangan model yang sangat tinggi dan tekanan untuk menghasilkan pendapatan dari investasi infrastruktur. Meskipun Meta tetap berkomitmen pada tujuan jangka panjangnya menciptakan kecerdasan super umum (ASI), penjualan daya komputasi menawarkan aliran pendapatan yang lebih langsung dan mudah dipahami pasar.

marsbit19m yang lalu

Meta Juga Ikut Berjualan ‘Sekop’: Model Bisa Lambat, GPU Harus Untung

marsbit19m yang lalu

Pusat Data Terbesar di Dunia Batal

Blackstone, raksasa investasi alternatif global dengan aset US$1,3 triliun, secara mengejutkan menghentikan proyek pembangunan pusat data "Digital Gateway" di Virginia melalui anak perusahaannya QTS. Proyek yang pernah digadang-gadang sebagai kampus pusat data terbesar di dunia itu akhirnya mangkrak. Proyek seluas 2100 hektare dengan investasi rencana US$100 miliar ini telah menghadapi penolakan warga setempat selama lima tahun karena lokasinya dekat situs bersejarah dan khawatir akan dampak lingkungan. Pukulan telak datang dari pengadilan negara bagian yang membatalkan izinnya pada Maret lalu karena cacat prosedural. Mitra pengembang, Compass Datacenters, memutuskan keluar, membuat Blackstone memilih untuk menghentikan proyek. Tindakan Blackstone ini dianggap sebagai sinyal penting. Sebagai pemain utama di industri pusat data, mereka baru-baru ini juga menjual aset matang sambil membatalkan proyek raksasa, mirip strategi "keluar di puncak" yang pernah mereka terapkan di pasar gedung perkantoran. Industri pusat data AI menghadapi tantangan nyata: pembatasan pasokan listrik (konsumsi listrik pusat data AS diproyeksikan meningkat tiga kali lipat pada 2035), penolakan akar rumput yang meluas (lebih dari 800 grup penentang di AS), dan pengaturan kebijakan lokal yang semakin ketat. Laporan menunjukkan bahwa pada kuartal pertama tahun ini, proyek pusat data senilai US$130 miliar di AS tertunda atau terhambat. Keterbatasan infrastruktur dan resistensi sosial mulai membatasi laju ekspansi yang sebelumnya deras.

marsbit30m yang lalu

Pusat Data Terbesar di Dunia Batal

marsbit30m yang lalu

OpenAI Usulkan Pelepasan 5% Saham kepada Pemerintah AS

OpenAI dilaporkan telah memulai pembicaraan awal dengan pemerintah AS untuk mengusulkan penjualan 5% sahamnya kepada pemerintah. Dengan valuasi perusahaan sebesar $852 miliar, saham senilai 5% itu setara dengan lebih dari $42 miliar. CEO Sam Altman mengusulkan agar langkah serupa juga diikuti oleh perusahaan AI besar AS lainnya, seperti Anthropic, Google, dan Meta, dengan masing-masing menyumbangkan 5% sahamnya ke dalam sebuah dana investasi publik. Dana itu, terinspirasi dari Alaska Permanent Fund, bertujuan membagikan keuntungan dari pertumbuhan AI kepada pemerintah dan warga AS. Usulan ini dilihat sebagai upaya Altman untuk membangun kepercayaan dan mengatasi tekanan regulasi yang meningkat di AS dengan menjadikan pemerintah sebagai pihak yang memiliki kepentingan bersama. Namun, usulan tersebut masih bersifat konseptual dan mungkin memerlukan persetujuan Kongres. Sementara Altman mengusulkan 5%, senator seperti Bernie Sanders memiliki pandangan yang lebih radikal dengan mengusulkan kepemilikan publik hingga 50%. Langkah ini terjadi di tengah penundaan persetujuan pemerintah untuk rilis model AI terbaru dan kekhawatiran publik mengenai dampak AI. Dengan pemerintah memegang saham, ia bisa mendapatkan pengaruh dalam pengambilan keputusan terkait keamanan dan peluncuran model. Usulan ini menandai pergeseran dalam diskusi regulasi AI, dari sekadar "apakah perlu diatur" menjadi "haruskah pemerintah menjadi pemegang saham". Meski belum pasti diimplementasikan, gagasan ini berpotensi mengubah lanskap pengembangan AGI (Kecerdasan Buatan Umum) di masa depan.

marsbit33m yang lalu

OpenAI Usulkan Pelepasan 5% Saham kepada Pemerintah AS

marsbit33m 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.

107 Total TayanganDipublikasikan pada 2024.12.17Diperbarui pada 2024.12.17

Apa Itu $S$

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

Apa Itu AGENT S

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.

1.5k Total TayanganDipublikasikan pada 2025.01.15Diperbarui pada 2026.06.02

Cara Membeli S

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.

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow