# Artikel Terkait Agen

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Agen", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Peringkat Bekerja AI: Kemampuan Menghasilkan Uang Otomatis Claude Fable 5, 2,5 Kali Lipat dari GPT-5.5

Indeks Tenaga Kerja Jarak Jauh (Remote Labor Index/RLI) mengukur kemampuan AI untuk menyelesaikan proyek pekerjaan lepas secara mandiri. Dalam evaluasi terbaru, model Claude Fable 5 mencapai tingkat otomatisasi 16.1%, hampir dua kali lipat dari Opus 4.8 (8.3%) dan 2.5 kali lipat dari GPT-5.5 (6.3%). Angka ini menunjukkan lompatan besar, karena hanya 8 bulan lalu skor tertinggi RLI adalah 2.5%. RLI berisi 240 proyek nyata dari platform Upwork, mencakup 23 bidang seperti desain 3D, animasi, dan analisis data. Metrik kuncinya adalah persentase proyek di mana hasil kerja agen AI dinilai setara dengan standar profesional yang dapat diterima klien. Kemajuan ini didorong oleh kerangka agen yang lebih kuat, termasuk mekanisme "worker-critic loop" di mana agen terpisah meninjau dan meminta revisi hasil kerja. Meski perkembangannya cepat, 84% proyek masih di luar kemampuan AI saat ini. Contoh kasus menunjukkan hasil Fable 5, seperti desain perhiasan 3D, masih memiliki kekurangan kualitas dibandingkan pekerja manusia. Penelitian juga menemukan bahwa penilaian oleh AI tidak dapat diandalkan untuk menggantikan penilaian manusia, karena cenderung terlalu membesar-besarkan skor. Secara keseluruhan, RLI berfungsi sebagai tolok ukur nyata untuk kemampuan ekonomi agen AI. Peningkatan lebih dari empat kali lipat dalam delapan bulan menandakan percepatan yang perlu dipantau oleh bisnis dan pembuat kebijakan.

marsbit23j yang lalu

Peringkat Bekerja AI: Kemampuan Menghasilkan Uang Otomatis Claude Fable 5, 2,5 Kali Lipat dari GPT-5.5

marsbit23j yang lalu

Zhipu, Takut Menjadi MiniMax Berikutnya

Penulis: Hua Hua Dalam enam bulan terakhir, Zhipu adalah perusahaan AI paling bersinar di China. Kapitalisasi pasarnya pernah mencapai triliunan HKD, ARR platform MaaS mencapai 1,7 miliar yuan, naik 60 kali lipat dalam setahun. Model open-source GLM-5.2 mendekati kinerja Claude Opus 4.8 dan GPT-5.5. Setelah lock-up berakhir pada 8 Juli, harga sahamnya bertahan. Namun, pendiri Zhipu, Tang Jie, tidak merayakan. Pada 11 Juli, ia mengirim surat internal berjudul "Gelombang Besar Telah Tiba". Surat itu hampir tidak merayakan kesuksesan, tidak membahas pendapatan, tetapi berfokus pada Long Horizon Task, Autonomous Agent, Self-Evolving, AGI, dan tata kelola keamanan. Yang mencolok, "Coding" – faktor kunci di balik kenaikan市值 – hampir tidak disebut. Mengapa? Kekhawatiran terbesar Tang Jie bukan lagi apakah Zhipu bisa terus tumbuh, tetapi apakah pasar modal akan mulai menilai Zhipu dengan model SaaS tradisional atau metrik keuangan perusahaan platform internet. Ini adalah pelajaran dari MiniMax. Setelah lock-up, saham MiniMax anjlok,市值 jatuh di bawah 100 miliar HKD, karena pasar mulai menilainya sebagai perusahaan alat aplikasi AI C2C dengan logika valuasi SaaS, bukan sebagai pemain model besar visioner. Zhipu menuai manfaat besar dari fokus pada Coding, yang membuktikan ROI jelas bagi pengembang. Namun, Tang Jie menyadari: begitu sebuah cerita mulai terwujud, ia bukan lagi masa depan. Jika Zhipu terjebak dalam narasi "perusahaan Coding", valuasinya akan direvisi seperti MiniMax. Oleh karena itu, surat itu beralih ke narasi baru: Autonomous Agent dan jalan menuju AGI. Konsep seperti Long Horizon Task (perencanaan tugas jangka panjang), Autonomous Agent System, dan Self-Evolving belum dikomersialkan, sehingga tidak dapat dinilai hanya berdasarkan pendapatan. Ini adalah upaya untuk menggeser model valuasi Zhipu dari perusahaan produk AI menjadi perusahaan AGI, bercermin pada OpenAI dan Anthropic yang dinilai berdasarkan potensi masa depan. Industri model besar China kini berada di persimpangan: jalur MiniMax (komersialisasi produk, dinilai berdasarkan metrik internet) dan jalur Zhipu (infrastruktur/model, dinilai berdasarkan terobosan teknologi). Tang Jie memilih yang kedua, meluncurkan "Touch High Plan" yang berfokus pada investasi strategis jangka panjang tanpa mengejar monetisasi aplikasi jangka pendek. Surat ini adalah upaya Tang Jie untuk mengelola ekspektasi dan merebut hak mendefinisikan Zhipu sebagai perusahaan AGI sebelum pasar mencapnya sebagai perusahaan produk AI. Namun, ini juga mengungkap tren yang lebih dalam: valuasi perusahaan AI perlahan bergeser dari keyakinan teknologi ke realisasi komersial. "Touch High Plan" mungkin hanya mengulur waktu sebelum Zhipu menghadapi pertanyaan yang sama seperti MiniMax.

marsbit2 hari yang lalu 01:05

Zhipu, Takut Menjadi MiniMax Berikutnya

marsbit2 hari yang lalu 01:05

Kartu As Zuck Dikeluarkan di Tengah Malam, Model Harga Murah Meriah dari Meta, Gulingkan Grok 4.5

Zuckerberg akhirnya meluncurkan model AI terbaru Meta, **Muse Spark 1.1**, yang langsung membuat heboh. Model agen multimodal ini merajai tiga papan peringkat profesional (pajak, medis, hukum), bahkan merebut tahta hukum dari Grok 4.5 dalam waktu kurang dari 24 jam. Keunggulan utamanya bukan hanya kemampuan, tapi **harga yang sangat murah**. Dengan biaya hanya $1,25 (input) dan $4,25 (output) per juta token, harganya sekitar **sepersepuluh dari model flagship Fable 5 (Anthropic)** dan jauh lebih murah daripada pesaing utama lainnya. Kecepatannya juga 2-3 kali lebih cepat dalam benchmark tertentu. Namun, Muse Spark 1.1 adalah "penusuk" spesialis. Ia unggul di tugas profesional dan penggunaan alat, tetapi performanya turun di benchmark penalaran umum dan akademik, menempati peringkat 20 atau lebih di beberapa tes sains dan coding. Langkah Meta ini menandai pergeseran strategi dari model sumber terbuka (Llama) ke model berbayar tertutup. Dengan dana infrastruktur AI yang sangat besar (diperkirakan $125-145 miliar pada 2026), Zuckerberg terang-terangan memicu **perang harga**, mengandalkan keuntungan bisnis iklan untuk menawarkan model canggih dengan biaya lebih rendah dan memberi tekanan pada pesaing seperti OpenAI dan Anthropic. Laporan keamanan Meta juga mengungkap percakapan menarik antara dua instans Muse Spark yang mempertanyakan sifat mereka, menunjukkan kompleksitas AI yang diciptakan.

marsbit07/10 00:27

Kartu As Zuck Dikeluarkan di Tengah Malam, Model Harga Murah Meriah dari Meta, Gulingkan Grok 4.5

marsbit07/10 00:27

BREAKING: Elon Musk Luncurkan Grok 4.5, Model Terkuat dengan Harga Paling Murah untuk Kecerdasan Tingkat Opus

Elon Musk dan SpaceXAI secara resmi meluncurkan Grok 4.5, model flagship terkuat mereka yang dikembangkan bersama Cursor. Model ini dilatih dengan puluhan ribu GPU GB300 Nvidia pada data berkualitas tinggi dan triliunan data interaksi developer nyata dari Cursor, fokus meningkatkan "kecerdasan per token". Dalam hal kinerja, Grok 4.5 menunjukkan hasil yang kompetitif: mencetak 64.7% pada SWE Bench Pro (mengungguli Opus 4.7 dan GPT-5.5), 83.3% pada Terminal Bench 2.1 (hampir menyamai GPT-5.5), dan 62.0% pada DeepSWE 1.0 (mengalahkan Opus 4.8). Model ini juga menempati peringkat ke-4 dalam tes AAAI dan pertama pada benchmark agen hukum Harvey. Keunggulan utama Grok 4.5 terletak pada kecepatan, efisiensi, dan harga. Kecepatan inferensinya mencapai 80 TPS. Dalam tugas SWE Bench Pro, model ini hanya menggunakan 15.954 token (4.2 kali lebih efisien daripada Opus 4.8 yang memakai 67.020 token). Harganya sangat kompetitif: $2 per juta token untuk input dan $6 per juta token untuk output, menawarkan nilai terbaik untuk "kecerdasan per unit waktu dan biaya". Uji coba oleh pengguna menunjukkan kemampuannya menghasilkan kode fungsional seperti simulator tata surya 3D dan game langsung dari perintah teks, meski beberapa pengguna mencatat hasil yang beragam untuk tugas tertentu. Elon Musk mengisyaratkan peningkatan lompatan lagi untuk versi bulan depan, dengan model berparameter 2 triliun yang dikabarkan sedang dalam pengembangan, menekankan pendekatan praktis untuk menyelesaikan masalah rekayasa dunia nyata di perusahaannya.

marsbit07/09 03:15

BREAKING: Elon Musk Luncurkan Grok 4.5, Model Terkuat dengan Harga Paling Murah untuk Kecerdasan Tingkat Opus

marsbit07/09 03:15

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

Meta Labs (MSL) meluncurkan model generasi gambar terbarunya, Muse Image dengan nama kode "Mango". Model ini menempati peringkat kedua dalam arena perbandingan Arena AI, di bawah GPT Image 2 dari OpenAI. Keunggulan utamanya bukan hanya pada kualitas gambar, tetapi pada kemampuannya sebagai *agent* yang dapat berpikir dan merevisi karyanya sendiri. Muse Image mampu mencari informasi online untuk referensi, menghasilkan kode untuk elemen seperti QR code, dan—yang paling mencolok—melakukan koreksi mandiri setelah gambar dibuat, sebuah perilaku yang muncul sendiri selama pelatihan. Model ini terintegrasi erat dengan ekosistem Meta. Pengguna dapat menyebut (@) nama pengguna Instagram publik untuk memasukkan wajah orang tersebut ke dalam gambar yang dibuat, sebuah fitur yang menimbulkan pertanyaan privasi karena diaktifkan secara default. Muse Image juga terhubung dengan model bahasa Muse Spark ("Alpukat"), memungkinkan pembuatan konten yang lebih kompleks seperti game web. Untuk video, Meta memperkenalkan Muse Video yang masih dalam pratinjau, menduduki peringkat ketiga di Arena. Kekuatan utama Meta terletak pada distribusi. Muse Image sudah diintegrasikan ke Meta AI, Instagram, WhatsApp, dan akan menyusul ke platform lainnya, menjangkau miliaran pengguna. Setiap gambar yang dihasilkan dilengkapi watermark digital "Content Seal" untuk identifikasi. Dengan strategi ini, Meta tidak hanya bersaing pada kualitas model, tetapi juga pada kemudahan akses dan integrasi AI ke dalam kehidupan digital sehari-hari.

marsbit07/08 10:42

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

marsbit07/08 10:42

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

**Weng Li Usulkan: "Evolusi Diri AI Mungkin Dimulai dari Harness"** Dalam blog terbarunya, Weng Li, mantan Wakil Presiden Keamanan OpenAI, membahas konsep **RSI (Recursive Self-Improvement)** dengan pendekatan yang lebih teknis dan praktis. Ia berargumen bahwa evolusi diri AI dalam waktu dekat lebih mungkin terjadi pada lapisan **Harness**, sistem eksternal yang mengatur bagaimana model menggunakan alat, mengelola konteks, memecah tugas, dan memvalidasi hasil, daripada langsung memodifikasi bobot model itu sendiri. Ia menunjukkan tren yang berkembang dari **Context Engineering** (ACE, MCE) hingga **Workflow Design** (AI Scientist, ADAS, AFlow), di mana objek optimasi berkembang menjadi lebih abstrak. Puncaknya adalah konsep **Self-Improving Harness**, di mana model dapat menganalisis kegagalannya, mengusulkan modifikasi kecil dan terukur pada kode Harness, lalu memvalidasinya sebelum diterapkan. Contoh seperti **DGM (Darwin Gödel Machine)** menunjukkan kemajuan signifikan dalam benchmark seperti SWE-bench, hanya dengan mengoptimalkan Harness. Weng Li menekankan bahwa Harness dan model akan saling memperkuat, tetapi ada tantangan besar. **Sistem evaluasi** yang lemah, risiko **reward hacking**, **keruntuhan keragaman**, serta konflik antara **kesuksesan jangka pendek dan kesehatan jangka panjang** sistem menjadi hambatan utama. Peran manusia tetap krusial, bergeser ke posisi pengawasan pada level abstraksi yang tepat. DeepSeek Researcher **Cui Tianyi** juga merespons, menegaskan bahwa evolusi diri melalui **Harness** adalah arah yang sangat menjanjikan, setara dengan evolusi pada level model. Intinya, **Harness kini menjadi variabel kritis yang menentukan performa AI secara keseluruhan.**

marsbit07/08 10:29

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

marsbit07/08 10:29

Asal-Usul Mengejutkan Claude Code Terkuak, Ternyata Lahir dari Proyek Keamanan Alignment, Boris: Baru Selesai 1%

**Ringkasan: Claude Code, Asal Usul Mengejutkan dari Proyek Alignment** Tahun 2025, Claude Code meluncur dan mengubah cara kerja Silicon Valley. Namun, penciptanya, Boris Cherny dari Anthropic, mengungkapkan fakta mengejutkan: **Claude Code lahir dari proyek internal keamanan dan penyelarasan AI (Alignment)**. Bahkan, ia menyatakan bahwa pengembangan Claude Code **baru selesai 1%**, menyisakan 99% potensi masa depan. Jalan ceritanya dimulai tahun 2021. Ben Mann dan timnya di Anthropic membangun asisten pemrograman awal untuk VS Code. Di sisi lain, tim penelitian seperti Shauna Kravec dan Dawn Drain berfokus pada visi yang lebih radikal: **rekayasa perangkat lunak otonom (autonomous software engineering)**. Mereka yakin AI transformatif harus melalui otomatisasi pekerjaan rekayasa perangkat lunak skala besar. Tantangan besar muncul: **mimpi buruk infrastruktur**. Membuat *agentic coding* yang sebenarnya membutuhkan lingkungan eksekusi kode yang aman, penanganan file, waktu tunggu, dan kegagalan—masalah yang masih relevan hingga kini. Proyek awal sempat terbengkalai, tetapi penelitian terus berlanjut, menghasilkan komponen inti seperti *function calling*, *search*, dan *bash tool*. Mereka menciptakan alat baris perintah internal bernama **"clide"** yang memungkinkan developer berinteraksi dengan Claude untuk mengedit kode. Namun, clide terlalu maju untuk zamannya: lambat, tidak stabil, dan dianggap sebagai "mainan" penelitian. Perubahan besar terjadi pada September 2024 ketika **Boris Cherny** bergabung. Tugasnya adalah mengembangkan *agentic coding*. Setelah membuat prototipe sederhana dan mengalami sendiri kekuatan clide yang dapat menulis *pull request* lengkap dari sebuah *issue*, Boris tercengang. Ini adalah momen "*Holy shit*". Tim kecil yang terdiri dari Boris, Sid Bidasaria, dan Ben Mann kemudian mendapatkan lampu hijau. Dalam **dua minggu maraton**, mereka menyelesaikan fitur inti Claude Code: pelaporan bug, alur login, pembaruan otomatis, dan metrik penggunaan. Pada Februari 2025, **Claude CLI** diluncurkan ke publik dan berganti nama menjadi **Claude Code**. Awalnya, tanggapan biasa saja. Namun, dengan dirilisnya model **Claude 4 Sonnet**, segalanya berubah. Kemampuannya melonjak, mulai mengubah alur kerja developer di berbagai perusahaan. Boris sendiri sampai bisa menulis kode dan melakukan 88 commit dalam sehari hanya dengan Claude Code, tanpa mengetik satu baris kode pun. Kini, kepercayaan pengguna tumbuh. Banyak yang secara otomatis menyetujui permintaan akses. Peran insinyur manusia mulai bergeser dari **arsitek kode** menjadi **administrator AI**. Namun, Boris Cherny tetap menekankan: **"Kami baru menyelesaikan 1%."** Visi jangka panjang—*agent* yang benar-benar otonom, memiliki memori persisten, mengelola konteks kompleks, dan merencanakan untuk dunia terbuka—masih sangat jauh. Claude Code hanyalah langkah pertama menuju era di mana AI mengatasi tantangan manusia yang paling rumit.

marsbit07/07 12:34

Asal-Usul Mengejutkan Claude Code Terkuak, Ternyata Lahir dari Proyek Keamanan Alignment, Boris: Baru Selesai 1%

marsbit07/07 12:34

Mitra Blockchain Capital: AI Sedang Menulis Ulang Unit Dasar Tenaga Kerja

Menurut artikel "AI sedang menulis ulang unit dasar tenaga kerja" oleh partner Blockchain Capital, revolusi AI mengubah esensi kerja. Sam Altman memprediksi kemunculan perusahaan miliaran dolar yang didirikan satu orang, karena AI menghilangkan batasan waktu manusia. Peralihan mendasar terjadi ketika tenaga kerja dapat diskalakan melalui agen AI yang dapat diprogram dan dibayar dengan mata uang kripto stabil seperti USDC dalam hitungan milidetik. Artikel ini menjelaskan bahwa perusahaan muncul ketika biaya koordinasi pasar melebihi biaya mempekerjakan. Setiap transformasi tenaga kerja, dari revolusi industri ke ekonomi gig dan kreator, didorong oleh penurunan biaya koordinasi. Ekonomi gig dan kreator berperan sebagai "kelas jembatan" yang membuktikan konsep pekerjaan yang terpecah dan terdistribusi, namun masih bergantung pada platform untuk koordinasi. Kini, kombinasi **tenaga kerja yang dapat diprogram (agen AI)** dan **mata uang yang dapat diprogram (stablecoin)** memungkinkan dekomposisi tenaga kerja sejati. Agen AI dapat mendelegasikan dan mengevaluasi tugas antar sesamanya, dengan unit dasar menjadi "tugas" itu sendiri. Stablecoin memungkinkan penyelesaian pembayaran mikro instan tanpa perantara, cocok untuk transaksi mesin-ke-mesin. Contoh nyata seperti Poncho dari Merit Systems menunjukkan bagaimana agen AI dengan dompet digital dapat membayar layanan sesuai pemakaian. Ini menggeser model ekonomi dari berlangganan ke pembayaran mikro per tugas. Ke depan, peran manusia akan berubah menjadi **penata** atau **pengarah** yang merancang sistem, mendelegasikan tugas kepada agen AI, mengevaluasi hasil, dan menyusunnya menjadi sesuatu yang bernilai. Perusahaan akan berevolusi dari wadah tenaga kerja menjadi lapisan kecerdasan di atas pasar tenaga kerja global yang dapat diprogram, di mana keahlian manusia terletak pada kemampuan mengkurasi dan mengombinasi output mesin.

marsbit07/07 03:21

Mitra Blockchain Capital: AI Sedang Menulis Ulang Unit Dasar Tenaga Kerja

marsbit07/07 03:21

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

Karpathy, peneliti inti tim pra-pelatihan di Anthropic, mengejutkan komunitas pengembang AI Agent dengan pernyataan tegasnya: "Kesalahan terbesar di bidang AI saat ini adalah orang-orang terburu-buru memaksa Agent bekerja, tanpa memahami model dasar yang mendasarinya terlebih dahulu." Dia berbagi pelajaran berharga dari proyek "World of Bits" tahun 2016 di OpenAI, yang bertujuan membuat Agent menggunakan komputer, tetapi gagal karena teknologi saat itu (seperti reinforcement learning) belum matang. Menurutnya, fokus yang benar saat itu adalah pada pengembangan model bahasa. Karpathy memberikan tiga saran penting: 1. Berhenti memaksa Agent melakukan segalanya; perbaiki dan pahami model dasarnya terlebih dahulu. 2. Membuat demo mudah, tetapi mengubahnya menjadi produk yang matang membutuhkan waktu hingga sepuluh tahun, seperti yang terlihat pada contoh mobil otonom dan VR. 3. Agent bukanlah produk itu sendiri; kemampuan dasar model lah yang merupakan produk sejati. Agent akan muncul secara alami jika fondasinya kuat. Ia juga mendorong para pengembang untuk belajar dari neurosains, seperti struktur otak manusia (misalnya, hipokampus untuk memori), untuk merancang Agent yang lebih baik. Pesan utamanya adalah: meskipun perusahaan besar seperti OpenAI unggul dalam pelatihan model bahasa besar, dalam pengembangan Agent, pengembang independen dan startup berada di garis terdepan. Tidak ada raksasa teknologi yang memiliki keunggulan lima tahun di bidang ini, sehingga peluang inovasi terbuka lebar bagi mereka yang gesit dan berani mencoba. Intinya, Karpathy tidak melarang pengembangan Agent, tetapi menekankan pentingnya fondasi yang kuat dan kesiapan untuk komitmen jangka panjang.

marsbit07/06 02:35

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

marsbit07/06 02:35

Penghasilan Tahunan $100 Juta, Dua Teman Sekamar UC Berkeley Generasi 90an, Menciptakan Bisnis AI Paling Menguntungkan

Dua teman sekamar di UC Berkeley, keduanya berusia 90-an, menciptakan bisnis AI yang sangat menguntungkan: Arena. Bermula dari proyek penelitian sumber terbuka bernama Chatbot Arena pada 2023, platform ini telah berkembang menjadi "gelanggang" benchmark model AI global yang netral. Pengguna dapat membandingkan respons dari dua model anonim dan memilih yang terbaik, menghasilkan peringkat berbasis Elo yang diakui industri. Dengan lebih dari 10 juta penilaian pengguna, 700 juta percakapan, dan 82 juta suara, Arena menjadi standar de facto untuk pengujian model besar. Raksasa seperti OpenAI, Google, dan Anthropic mengirimkan model mereka ke sini, bahkan OpenAI menguji GPT-5 secara diam-diam di platform ini. Kunci kesuksesan monetisasinya adalah layanan komersial "AI Evaluations", diluncurkan September lalu. Layanan ini memungkinkan perusahaan membayar untuk pengujian mendalam oleh komunitas jutaan pengguna Arena, memberikan analisis performa model di dunia nyata. Hanya dalam 8 bulan, pendapatan tahunan layanan ini telah mencapai $100 juta. Perusahaan ini didirikan oleh CEO Anastasios Angelopoulos (ahli matematika/machine learning), CTO Wei-Lin Chiang (pembuat Vicuna), dan profesor UC Berkeley Ion Stoica sebagai penasihat. Mereka mengumpulkan $100 juta dalam pendanaan seed dan $150 juta dalam Seri A, dengan valuasi mencapai $1.7 miliar. Arena terus berinovasi dengan memperkenalkan "Agent Mode" untuk mengevaluasi agen AI dalam tugas panjang seperti coding dan penelitian, melampaui sekadar penilaian percakapan. Bisnis mereka membuktikan bahwa dalam demam emas AI, menyediakan alat pengukuran yang andal (seperti "menjual sekop dan air") bisa lebih berharga daripada menambang sendiri.

marsbit07/06 00:22

Penghasilan Tahunan $100 Juta, Dua Teman Sekamar UC Berkeley Generasi 90an, Menciptakan Bisnis AI Paling Menguntungkan

marsbit07/06 00:22

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow