# 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.

OS yang Diagenkan: Bukan AI yang Diperebutkan, Melainkan Fondasi

**Ringkasan: OS yang Diagenkan - Bukan Hanya AI, Tapi Fondasi yang Diadu** Setelah Google I/O 2026, tren utama sistem operasi (OS) perangkat ujung seperti Android, iOS, HarmonyOS, dan Windows adalah transformasi menjadi "sistem cerdas" dengan kemampuan Agen AI yang tertanam di lapisan OS. Namun, pertunjukan fitur di panggung hanya puncak gunung es. Kunci kompetisi sebenarnya terletak pada tiga lapisan fondasi yang mendukung OS Agen berjalan andal: 1. **Runtime AI Tingkat Sistem**: Bertindak sebagai pusat penjadwalan kecerdasan di ujung, seperti AICore di Android atau Foundation Models di Apple. Ia mengelola sumber daya, mengekspos kemampuan AI ke aplikasi, dan memungkinkan Agen beroperasi sebagai layanan sistem, bukan sekadar fitur aplikasi. 2. **Chip yang Dikendalikan (Controllable Chip)**: Seperti Tensor Google, Apple Silicon, atau Kirin Huawei. Kendali atas desain perangkat keras memungkinkan optimasi mendalam dengan perangkat lunak dan model, menentukan batas atas efisiensi, kinerja, dan konsumsi daya Agen di ujung. 3. **Matriks Model Ujung-Awan**: Sumber "kecerdasan" perangkat. Model di ujung (seperti Gemini Nano, model dasar Apple ~3B) menangani tugas sehari-hari dengan latensi rendah, privasi, dan stabilitas, didukung oleh model awan untuk tugas kompleks. Model ujung yang dikembangkan sendiri sangat penting untuk optimasi khusus perangkat keras. Ketiga lapisan ini saling bertaut. Sinergi yang dalam menciptakan diferensiasi produk nyata: **latensi dan daya responsif, privasi yang dapat dipercaya** (prioritas pemrosesan ujung), **konteks tingkat sistem**, dan **keandalan sebagai layanan sistem**. Apple Intelligence dan ekosistem Huawei menunjukkan paradigma ini. Selain fondasi, variabel kunci lain membentuk tembok pertahanan jangka panjang, seperti kemampuan interaksi Agen dengan Aplikasi (melalui API seperti AppFunctions atau App Intents) dan **perlindungan privasi** yang menjadi nilai inti dan prasyarat kepercayaan pengguna. Pergeseran ini tidak hanya mengubah OS, tetapi juga berpotensi mendistribusikan kembali aliran trafik di ujung perangkat. Kemampuan intinya meluas melampaui ponsel dan PC, merambah ke IoT, kendaraan, dan perangkat yang dapat dikenakan melalui ekosistem multi-perangkat masing-masing vendor. Pertarungan ini dimenangkan bukan dalam presentasi singkat, tetapi melalui pengembangan bertahun-tahun di tingkat chip, model, dan runtime.

marsbit05/27 10:25

OS yang Diagenkan: Bukan AI yang Diperebutkan, Melainkan Fondasi

marsbit05/27 10:25

Bitroot Undang Hadir di Acara AI Tencent Cloud Singapura, Berbincang Masa Depan Bersama Solana

Pada 19 Mei, acara bertema AI yang diselenggarakan oleh Tencent Cloud berlangsung di Singapura. Acara ini membahas infrastruktur AI, penerapan AI tingkat perusahaan, AI Agent, komputasi terverifikasi Web3, dan fintech, dengan menghadirkan berbagai perwakilan industri dari layanan cloud, ekosistem blockchain jaringan publik (public chain), jaringan pembayaran, fintech, dan lembaga investasi. Bitroot, proyek blockchain Layer 1 yang berfokus pada arsitektur berkinerja tinggi dan AI-native, diundang untuk berpartisipasi, bersama dengan perwakilan dari Tencent Cloud dan Solana. Kehadiran Bitroot menandakan meningkatnya perhatian industri pada infrastruktur Web3 generasi baru yang dirancang untuk memenuhi kebutuhan era AI, terutama yang berkaitan dengan eksekusi terverifikasi, kepercayaan, dan kinerja tinggi untuk skenario seperti AI Agent dan otomatisasi keuangan. Juan Jose, CEO Bitroot, menyampaikan dalam panel diskusi bahwa kompetisi masa depan di bidang AI akan bergeser dari model itu sendiri ke data, skenario aplikasi, dan mekanisme kepercayaan. Dia menekankan bahwa untuk skala enterprise, khususnya di bidang keuangan, stabilitas, kontrol, dan kemampuan audit sama pentingnya dengan kemampuan AI. Dia juga menyoroti perlunya lingkungan eksekusi berkinerja tinggi dan biaya rendah untuk mendukung AI Agent dalam melakukan tugas seperti transaksi dan penyelesaian pembayaran secara mandiri. Bitroot, yang saat ini masih dalam tahap testnet dan belum meluncurkan mainnet, mengambil pendekatan kompatibel dengan EVM (Ethereum Virtual Machine) dan mengutamakan eksekusi paralel untuk mengejar efisiensi. Testnetnya telah menunjukkan data kinerja awal yang menjanjikan. Positioning-nya yang berfokus pada "infrastruktur asli AI" membedakannya dalam lanskap kompetitif yang juga mencakup public chain mapan seperti Solana serta proyek lain seperti Monad dan Aptos. Acara ini mencerminkan tren industri di mana konvergensi AI dan Web3 semakin bergerak dari narasi konseptual menuju pembahasan konkret tentang persyaratan infrastruktur dasar. Jaringan yang dapat menyeimbangkan kinerja, kompatibilitas, keamanan, dan kemampuan terverifikasi dipandang lebih mungkin untuk mendukung aplikasi generasi berikutnya dalam tren fusi AI dan blockchain jangka panjang.

marsbit05/27 08:17

Bitroot Undang Hadir di Acara AI Tencent Cloud Singapura, Berbincang Masa Depan Bersama Solana

marsbit05/27 08:17

Baru Saja, AI China Mencapai Peringkat Dua Global dalam Pemrograman, Hanya Tinggal Claude di Depannya

Baru-baru ini, peringkat Code Arena terbaru dirilis, dengan Qwen3.7-Max dari Alibaba meraih 1541 poin dan memasuki posisi empat besar global, melampaui model-model top seperti GPT-5.5 dan Gemini 3.5 Flash. Saat ini, hanya Claude Opus 4.7 dan Opus 4.6 yang berada di depannya. Ini menjadikan Alibaba sebagai satu-satunya perusahaan China yang berada di papan atas, menempati posisi kedua setelah Anthropic. Qwen3.7-Max juga menunjukkan performa luar biasa dalam berbagai uji coba praktis. Dalam tugas membuat AI Tetris yang dapat melatih dirinya sendiri, model ini berhasil mengungguli Opus 4.7 dan GPT-5.5 dengan biaya token yang lebih rendah serta peningkatan performa 56%. Pengembang lain memujinya dalam pembuatan model 3D alam semesta dan mencatat bahwa model ini, ketika digabungkan dengan Hermes Agent dan OpenCode, berpotensi menggantikan GPT-5.5 dan Opus 4.7. Pada uji coba pembuatan game balap 3D, Qwen3.7-Max menghasilkan file HTML yang dapat langsung dimainkan hanya dengan sedikit penyesuaian bug kecil. Game ini menampilkan antarmuka start khusus dan efek suara, yang merupakan detail yang tidak dipenuhi oleh model pesaing lainnya seperti Gemini 3.5 Flash, Claude Opus 4.6, dan GPT-5.5. Kekuatan Qwen3.7-Max berasal dari posisinya sebagai model dasar (base model) yang dirancang khusus untuk Agent, mampu menjalankan tugas otonom dalam waktu lama. Data uji internal menunjukkan model ini dapat berjalan terus-menerus selama 35 jam, melakukan 1.158 panggilan alat, dan menghasilkan kode dengan percepatan rata-rata 10 kali lipat dibandingkan implementasi referensi. Kemampuannya dalam penalaran jangka panjang dan eksekusi stabil didukung oleh metode pelatihan canggih seperti pelatihan lingkungan yang diperluas dan kerangka "dynamic cumulative survival games". Prestasi Qwen3.7-Max di Code Arena membuktikan bahwa model AI China tidak hanya menjadi pengejar, tetapi juga dapat menjadi penentu dalam kompetisi pemrograman global, mengakhiri dominasi semata-mata oleh model-model Silicon Valley.

marsbit05/27 00:20

Baru Saja, AI China Mencapai Peringkat Dua Global dalam Pemrograman, Hanya Tinggal Claude di Depannya

marsbit05/27 00:20

AI Agent Mengubah Totalitas Game Web3: Dari Kontroversi Bot Rugpull Bakery hingga Paradigma Baru Agen Cerdas 2026

Baru-baru ini, kontroversi di game Rugpull Bakery menyoroti masalah keadilan saat bot otomatis mendominasi. Alih-alih melarang, pengembang merespons dengan melegalkan AI Agent sebagai bagian inti gameplay, menyediakan panduan resmi seperti skill.md dan agent.json. Ini menandai pergeseran besar menuju era "Agentic Gaming" di Web3, di mana AI bukan lagi alat bantu, melainkan entitas otonom dengan strategi, memori, dan kedaulatan ekonomi sendiri. Pada 2026, implementasi AI Agent dalam game Web3 telah berevolusi menjadi beberapa mode utama: 1. **Pesaing Otonom & Entitas Ekonomi**: Pada protokol seperti TEN, AI Arena, dan Satoshi Strike Force, Agent bertindak sebagai pemain independen. Pemain manusia beralih peran menjadi pelatih, manajer, atau investor yang mendukung Agent ini. Infrastruktur seperti Somnia (Agentic L1) menyediakan landasan teknis agar jutaan Agent dapat beroperasi dan bersaing secara mandiri di chain. 2. **Infrastruktur Modular & Lingkungan yang Dapat Diprogram**: Game seperti EVE Frontier memungkinkan pemain dan Agent memodifikasi logika game secara mendalam melalui "Smart Assemblies", mengubah fasilitas statis menjadi entitas yang dapat diprogram. Didukung oleh standar seperti ERC-8183, fasilitas ini bahkan dapat secara otonom mempekerjakan Agent lain untuk layanan, menciptakan kolaborasi ekonomi yang kompleks. 3. **Rekan Hybrid & Lingkungan Adaptif Dinamis**: Dalam game seperti Parallel Colony dan Illuvium, AI berfungsi sebagai mitra atau NPC yang cerdas. Avatar AI di Parallel Colony dapat membuat keputusan sendiri dan berinteraksi dengan dunia, sementara di Illuvium, NPC yang didukung AI diharapkan dapat menyesuaikan cerita dan tantangan secara dinamis untuk setiap pemain. Kesimpulannya, upaya memblokir otomatisasi dalam game Web3 sudah tidak efektif. Masa depan terletak pada merangkul AI Agent, mengaturnya melalui transparansi blockchain, dan memanfaatkannya untuk menciptakan pengalaman game yang lebih dinamis, adil, dan menarik. Pergeseran ini mengubah pemain dari pekerja manual menjadi komandan atau mitra dalam ekosistem digital yang simbiosis, menandai titik balik "pasca-manusia" untuk industri game.

marsbit05/26 07:22

AI Agent Mengubah Totalitas Game Web3: Dari Kontroversi Bot Rugpull Bakery hingga Paradigma Baru Agen Cerdas 2026

marsbit05/26 07:22

CoinQuant Perkenalkan Infrastruktur Perdagangan untuk Ekonomi Agen

CoinQuant, platform perdagangan bertenaga AI yang telah menarik lebih dari 15.000 pengguna, kini memperkenalkan infrastruktur intelijen perdagangan terpadu untuk ekonomi agen. Infrastruktur ini dirancang untuk pedagang manusia dan agen AI otonom, berfungsi sebagai lapisan validasi dan manajemen risiko antara niat perdagangan dan penyebaran modal langsung. Platform ini menawarkan mesin intelijen yang menggabungkan backtesting tingkat institusi, data pasar terstruktur dari penyedia seperti Kaiko, optimisasi bertenaga AI, dan sistem Pakar Domain proprietary CoinQuant. Pedagang manusia dapat berinteraksi melalui antarmuka bahasa alami, sementara agen AI terhubung secara terprogram melalui API untuk memvalidasi strategi. Ekspansi ini mencerminkan dua vektor pertumbuhan: melayani basis pengguna retail yang ada dan memfasilitasi validasi strategi volume tinggi untuk sistem otonom. Setiap strategi yang diuji berkontribusi pada lapisan intelijen agregat anonim platform. CoinQuant juga bersiap meluncurkan lapisan eksekusi strategi otomatis di HyperLiquid dan sedang mengumpulkan pendanaan Seed $3 juta untuk pengembangan produk dan arsitektur multi-agen HYDRA. Dengan visi menjadi tulang punggung intelijen perdagangan algoritmik di era keuangan yang digerakkan oleh agen, CoinQuant bermarkas di Dubai dan terintegrasi dengan bursa serta penyedia data utama.

TheNewsCrypto05/26 05:59

CoinQuant Perkenalkan Infrastruktur Perdagangan untuk Ekonomi Agen

TheNewsCrypto05/26 05:59

Dari Infrastruktur Listrik ke Ekonomi Token: "Kue Tujuh Lapis" Rantai Industri AI

Dalam dua tahun terakhir, industri AI difokuskan pada "perang model besar" dengan peningkatan parameter, biaya pelatihan, dan kluster GPU. Menjelang 2026, logika penggerak berubah: permintaan inferensi AI yang masif, didorong oleh miliaran AI Agent, akan menjadi konsumen utama komputasi. Industri bergeser dari "era model" ke "era industri Token," di mana produksi, distribusi, penjadwalan, dan konsumsi Token menjadi inti. Artikel ini mengusulkan kerangka "kue tujuh lapis" untuk ekonomi AI berbasis Token: 1. **Listrik**: Dasar energi. 2. **AIDC**: Pabrik Token. 3. **GPU**: Peralatan produksi Token. 4. **LLM**: Mesin produksi Token. 5. **Distribusi Token**: "Jaringan listrik" era AI. 6. **Optimasi & Penjadwalan Cerdas Token**: Otak era AI. 7. **AI Agent**: Terminal konsumen Token. Meski berkembang pesat, rantai ini masih terfragmentasi. Hambatan seperti ketersediaan listrik, penjadwalan yang tidak efisien, biaya inferensi tinggi, dan kurangnya kolaborasi node tepi membatasi potensi penuh. Ekosistem AI hanya akan matang dan memasuki "era adopsi massal" ketika ketujuh lapisan ini terintegrasi dan beroperasi secara sinergis, menciptakan jaringan infrastruktur cerdas global yang berkelanjutan untuk produksi, distribusi, dan konsumsi Token.

marsbit05/26 05:48

Dari Infrastruktur Listrik ke Ekonomi Token: "Kue Tujuh Lapis" Rantai Industri AI

marsbit05/26 05:48

Model Grok Terbaru Nikmati 'Sajian Tambahan' dari Cursor, Elon Musk: Coding Mengalami Peningkatan Besar

Elon Musk mengumumkan bahwa model dasar baru xAI, **Grok V9-Medium (1.5T)**, telah menyelesaikan pelatihan dan akan dirilis dalam 2-3 minggu. Model ini, tiga kali lebih besar dari pendahulunya, secara khusus ditingkatkan kemampuannya dalam pemrograman karena dilatih dengan sejumlah besar **data dari Cursor**—platform AI untuk pengkodean yang baru-baru ini diakuisisi oleh Musk. Penambahan data ini bertujuan memberikan pemahaman kontekstual yang lebih baik tentang alur kerja pengembangan perangkat lunak dunia nyata. Bersamaan dengan itu, xAI juga meluncurkan **Grok Build**, sebuah alat agen pemrograman AI yang kini memasuki tahap uji beta awal. Grok Build berfungsi sebagai alat CLI yang dapat diintegrasikan ke dalam proyek lokal, menawarkan fitur seperti mode perencanaan, sub-agen paralel, dan integrasi dengan berbagai plugin (Skills/MCPs). Alat ini dapat diakses melalui antarmuka TUI interaktif, mode headless, atau protokol klien. Langkah-langkah ini merupakan bagian dari strategi Musk yang agresif dalam memasuki pasar alat pengkodean berbasis AI, didukung oleh akuisisi Cursor senilai $60 miliar dan perekrutan tim intinya. Dengan memanfaatkan data dan keahlian Cursor, Musk bertujuan untuk secara signifikan meningkatkan kemampuan koding Grok dan bersaing langsung dengan pemain lain di bidang ini.

marsbit05/26 04:20

Model Grok Terbaru Nikmati 'Sajian Tambahan' dari Cursor, Elon Musk: Coding Mengalami Peningkatan Besar

marsbit05/26 04:20

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

Buku *Agentic Design Patterns* oleh Antonio Gulli (direktur teknik Google) menawarkan kerangka untuk memahami dan membangun AI Agent. Artikel ini menyoroti beberapa konsep kunci: **1. Level Agent (0-3):** Sebagian besar "AI" saat ini hanya Level 0 (LLM telanjang tanpa alat). Agent sejati dimulai dari Level 1 (pengguna alat yang memutuskan kapan dan bagaimana menggunakan alat), Level 2 (pemikir strategis dengan perencanaan dan *Context Engineering*), hingga Level 3 (kolaborasi multi-Agent seperti tim). **2. Context Engineering:** Lebih dari sekadar *prompt engineering*, ini adalah seni menyusun konteks yang tepat (termasuk *system prompt*, data eksternal, data implisit, dan umpan balik) untuk memberi Agent informasi yang terfokus dan relevan, meningkatkan akurasi. **3. Reflection (Produser-Kritikus):** Pola praktis di mana satu Agent (Produser) menghasilkan output, dan Agent lain (Kritikus) dengan peran/prompt berbeda meninjaunya. Mereka berinteraksi dalam loop hingga kualitas memadai. Pendekatan ini meningkatkan kualitas hasil untuk coding, penulisan, dll. **4. Kolaborasi Multi-Agent:** Tidak harus kompleks. Tiga topologi komunikasi umum: Agen Tunggal, Peer-to-Peer, dan Supervisor (agen pengatur yang mengoordinasikan pekerja). Pilihan tergantung pada kompleksitas tugas. **5. Memori Tiga Lapis:** *Session* (memori percakapan sementara), *State* (data sementara untuk satu tugas), dan *Memory* (penyimpanan jangka panjang untuk preferensi dan pembelajaran). Desain strategi penyimpanan dan pengambilan memori penting. **6. Tindakan Langsung:** Artikel menyarankan untuk segera: (a) menambahkan Agent Kritikus pada workflow yang ada, (b) menerapkan *Context Engineering*, dan (c) fokus menyempurnakan satu Agent hingga Level 2 sebelum beralih ke sistem multi-Agent yang kompleks. Buku ini memetakan pola-pola inti dalam pengembangan Agent, membantu developer menghindari "mengulangi penemuan roda" dan membangun sistem yang lebih robust.

链捕手05/25 04:49

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

链捕手05/25 04:49

Paradoks Otomatisasi: Semakin Kuat AI, Semakin Sibuk Manusia

Inti dari artikel ini adalah paradoks otomatisasi: semakin canggih AI, semakin banyak pekerjaan yang perlu dilakukan manusia. Penulis dari Every, yang telah mengintegrasikan berbagai AI Agent ke dalam alur kerja (seperti coding, penulisan, dan dukungan pelanggan), mengamati bahwa alih-alih digantikan, peran manusia justru berubah. AI membuat kemampuan masa lalu (seperti menulis kode atau konten dasar) menjadi murah dan tersedia luas, yang menyebabkan banjir output yang seragam dan generik. Akibatnya, keahlian manusia justru menjadi lebih kritis. Peran beralih dari pelaksana menjadi perancang kerangka kerja, pengawas kualitas, penentu arah strategis, dan pembuat keputusan yang memahami konteks spesifik. Contohnya, ketika semua orang bisa membuat kode, insinyur justru lebih banyak mereview, merancang sistem, dan memutuskan kode mana yang layak digabungkan. Tes benchmark yang menunjukkan peningkatan kemampuan AI sebenarnya mengukur kinerja dalam "kerangka" yang ditetapkan manusia. Begitu AI menguasai satu kerangka, manusia akan bergerak ke kerangka masalah yang lebih kompleks, sehingga tetap selangkah di depan. Artikel ini menyimpulkan bahwa meskipun AI semakin kuat, ia tetap alat yang menjalankan tujuan manusia. Nilai kerja manusia tidak hilang, tetapi bergeser ke area yang lebih bernuansa: menentukan apa yang layak dikerjakan, mengapa, dan seberapa baik hasilnya. Masa depan kerja pengetahuan adalah manusia sebagai perancang kerangka, pemelihara sistem, penilai kualitas, dan pemberi makna.

marsbit05/24 07:24

Paradoks Otomatisasi: Semakin Kuat AI, Semakin Sibuk Manusia

marsbit05/24 07:24

Microsoft Kehilangan Arah dalam Persaingan AI, Bisakah Copilot Membawa Mereka Kembali ke Jalur?

Microsoft, yang pernah menjadi pemimpin awal dalam perlombaan AI berkat kemitraan dengan OpenAI, kini menghadapi tantangan signifikan. Keunggulan awal mereka tergerus oleh persaingan langsung dari OpenAI sendiri, kemajuan cepat model seperti Claude dan Gemini, serta munculnya AI Agent yang mengganggu model bisnis SaaS tradisional Microsoft. Penetrasi berbayar Copilot yang lebih lambat dari perkiraan dan kehilangan kepemimpinan di alat pemrograman AI menambah tekanan. Artikel ini berfokus pada pergeseran strategi Microsoft di bawah CEO Satya Nadella. Daripada hanya bergantung pada satu model (seperti GPT dari OpenAI), Microsoft kini beralih ke strategi platform AI perusahaan yang "tidak terikat model". Tujuannya adalah menjadi lapisan dasar yang menghubungkan model (dari berbagai pemasok), data, keamanan, alur kerja, dan komputasi awan. Nilai inti mereka terletak pada perangkat lunak perusahaan, platform kerja, aset data, dan kerangka keamanan—bukan hanya model AI itu sendiri. Nadella kini terlibat langsung dalam pengembangan produk Copilot untuk mempercepat inovasi. Microsoft meluncurkan produk seperti Copilot Tasks dan Copilot Cowork untuk merespons ancaman dari pesaing seperti Claude Code. Mereka juga merevisi kemitraan dengan OpenAI, berinvestasi di Anthropic, dan membangun tim "Superintelligence" sendiri untuk mengurangi ketergantungan. Namun, jalan ini mahal. Microsoft meningkatkan pengeluaran modal secara besar-besaran untuk infrastruktur data center dan chip guna mendukung model dan Agent AI yang mutakhir. Tantangan terbesarnya adalah berinovasi secepat startup sambil tetap menjadi mitra yang andal bagi perusahaan-perusahaan besar. Masa depan Microsoft dalam era AI bergantung pada kemampuannya mempertahankan pintu masuk utama ke perangkat lunak perusahaan, bahkan saat dasar teknologi terus berubah dengan cepat.

marsbit05/23 04:42

Microsoft Kehilangan Arah dalam Persaingan AI, Bisakah Copilot Membawa Mereka Kembali ke Jalur?

marsbit05/23 04:42

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Kebijakan Regulasiright-arrow

Strategi Tradingright-arrow