"Dalam 2-3 bulan ke depan, Codex hanyalah alat primitif."
Ucapan ini bukan dari pesaing, melainkan dari Thibault Sottiaux, General Manager Produk & Platform OpenAI saat ini yang bertanggung jawab atas ChatGPT dan Codex, yang keluar sendiri dan mengatakannya.
Belakangan ini, framework Harness secara bertahap telah melampaui kalangan tertentu. Dari pengembang hingga pekerja kantoran, orang-orang mulai menggunakan alat Agent semacam ini dan menikmati manfaat otomatisasi yang dibawa AI. Di antara semuanya, Codex dari OpenAI adalah salah satu yang terbaik.
Namun pada titik ini, eksekutif OpenAI telah melihat lebih jauh. Langkah selanjutnya untuk Agen Kecerdasan Buatan (Agent) mungkin juga melibatkan evolusi paradigma dari "alat kecil mandiri" menuju "infrastruktur cloud-native".
Yang dimaksud Thibault Sottiaux dengan "laptop sudah tidak cukup" sangat jelas: kita sedang menggunakan Harness mandiri untuk menggerakkan model generasi berikutnya yang memiliki kemampuan penalaran jangka panjang dan otonomi tinggi. Model "memakai sepatu besar dengan kaki kecil" ini sudah hampir tidak dapat dipertahankan.
Kita tahu bahwa yang disebut Harness mengacu pada rangkaian manajemen konteks, pemanggilan alat, persistensi status, isolasi lingkungan, dan pemulihan dari kegagalan yang dibangun di sekitar model besar. Saat ini, banyak pengembang menjalankan tugas mereka dengan cara menjalankan Agent di laptop (misalnya melalui CLI, Cursor, Claude Code, atau logika Agent ringan).
Tentu saja, semakin banyak pengembang juga cenderung menggunakan banyak alat dan banyak model sekaligus: misalnya, menggunakan Fable 5 di Claude Code untuk menulis dokumentasi proyek, lalu menggunakan model lain di Codex untuk mengeksekusi.
Namun, saat menghadapi model mutakhir generasi berikutnya, ini akan menghadapi tiga hambatan fisik utama:
Batasan Daya Komputasi dan Memori: Ketika agen cerdas perlu mengeksekusi 20 sub-tugas secara bersamaan (seperti menjalankan pengujian, mengambil data, dan mengkompilasi proyek besar sekaligus), memori laptop lokal, CPU, serta sumber daya sandbox bersamaan (Docker/VM) akan langsung penuh.
Tugas Panjang Tidak Bisa Dimatikan: Tugas Agen yang kompleks mungkin perlu berjalan selama beberapa jam atau bahkan berhari-hari, mengharuskan laptop pengguna tidak dimatikan, tidak terputus dari internet, dan tidak ditutup. Ini sangat tidak manusiawi secara teknis.
Ledakan Paralel Konteks dan Rantai Alat: Model generasi berikutnya pasti akan mendukung konteks yang sangat panjang dan penalaran berskala tinggi. Harness ringan lokal akan sangat sulit menangani kompresi konteks, sinkronisasi status, dan pelacakan log terpusat di antara sejumlah besar Agen yang berjalan bersamaan.
Menghadapi tantangan ini, tanda-tanda peralihan alat Agent menuju infrastruktur dan desain sistem yang lebih berat sebenarnya telah muncul secara bertahap dalam beberapa bulan terakhir.
Misalnya, Codex dari OpenAI saat ini sudah menyediakan dukungan operasi asinkron di cloud. Setelah pengguna memberikan perintah di terminal, tugas dilemparkan ke dalam wadah terisolasi (Sandbox Container) di cloud untuk dijalankan secara otonom, ponsel atau laptop hanya berfungsi sebagai kontrol komando.
Sementara itu, mikro-sandbox cloud-native sedang bangkit: infrastruktur sandbox cloud berkecepatan tinggi yang dirancang khusus untuk AI Agent seperti E2B, Daytona, Fly.io, Modal, memungkinkan Agent secara dinamis meluncurkan ratusan lingkungan kontainer independen untuk menjalankan kode dan memverifikasi hasil secara paralel saat menjalankan tugas.
Di antara tim-tim AI terkemuka termasuk OpenAI, Anthropic, Cognition, para insinyur mulai memindahkan fokus pengembangan mereka dari mengoptimalkan Prompt menuju "menulis Harness tingkat sistem".
Pada bulan Februari tahun ini, tim Anthropic pernah menunjukkan contoh menggunakan 16 Claude yang berjalan paralel dalam 2000 Sesi cloud untuk menulis sebuah kompiler bahasa C. Ini adalah tonggak sejarah AI generatif menuju kolaborasi multi-Agen dalam bidang rekayasa perangkat lunak. Di dalamnya, instance Claude yang berbeda memainkan peran yang berbeda: 1 Agen arsitek bertanggung jawab mendesain pohon sintaks abstrak (AST), 4 Agen pengkodean bertanggung jawab atas modul yang berbeda, dua Agen pengujian khusus menulis pengujian unit, 1 Agen audit bertanggung jawab meninjau alur kode dan keamanan.
Peneliti utama Nicholas Carlini menunjukkan: "Sebagian besar energi dihabiskan untuk membangun lingkungan bagi model, infrastruktur pengujian loop tertutup, dan umpan balik."
Dua hingga tiga bulan ke depan, alur kerja agen cerdas seperti ini mungkin akan menjadi keseharian kita.
Dikombinasikan dengan penilaian Thibault Sottiaux, "kendali ringan lokal, eksekusi berat di cloud" akan menjadi standar. Antarmuka pengembang (seperti IDE, Terminal, Web UI) akan benar-benar berubah menjadi papan kendali. Tugas-tugas yang padat komputasi seperti refactoring kode yang sebenarnya, menjalankan pengujian hingga berhasil, dan otomatisasi simulasi peramban, semuanya akan dicerna secara paralel dalam kluster dinamis di cloud, kemudian hanya perbedaan akhir (Diff) dan aliran log yang akan dikirimkan kembali ke lokal secara streaming.
Dan integrasi mendalam antara model dan Harness, mungkin akan mengubah persaingan dari "siapa yang memiliki kemampuan penalaran model lebih kuat" menjadi "siapa yang dapat melepaskan potensi model lebih menyeluruh". Kerangka kerja Agent yang hanya mengandalkan skrip Python sederhana dan panggilan API di komputer lokal akan segera mencapai batasnya.
Artikel ini berasal dari akun WeChat publik "机器之心" (ID:almosthuman2014), penulis: Ze Nan
