# 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.

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

General Tensor dan Talisman Bergabung Kekuatan untuk Membangun Infrastruktur Keuangan bagi AI Terdesentralisasi

General Tensor dan Talisman Wallet mengumumkan kemitraan besar untuk menyederhanakan interaksi pengguna dan institusi dengan Bittensor. Kolaborasi ini menggabungkan teknologi dompet dan multi-signature Talisman dengan operasi validator, infrastruktur penambangan, aktivitas subnet, dan ekosistem platform trading General Tensor. Tujuannya adalah membangun fondasi infrastruktur keuangan yang siap untuk agen AI di masa depan. Kemitraan ini menjembatani kesenjangan antara niat pengguna di tingkat dompet dan eksekusi di tingkat jaringan. Talisman, yang mengamankan aset sekitar $2 miliar (setengahnya terkait Bittensor), menyediakan solusi keamanan dan multi-signature seperti Signet untuk partisipasi institusi. Sementara General Tensor, melalui integrasi vertikalnya termasuk akuisisi Backprop Finance, fokus pada operasi jaringan dan akses pengguna. Bersama-sama, mereka bertujuan menciptakan jalur yang mulus untuk penitipan aset, perdagangan, staking, dan penemuan subnet dalam satu ekosistem tunggal. Hal ini mencerminkan pematangan minat institusi terhadap AI terdesentralisasi, yang bergeser dari eksposur token ke infrastruktur operasional. Kemitraan ini dipandang sebagai langkah kritis untuk mendukung partisipasi skala besar dan sistem AI otonom di jaringan seperti Bittensor di masa depan.

TheNewsCrypto05/22 13:09

General Tensor dan Talisman Bergabung Kekuatan untuk Membangun Infrastruktur Keuangan bagi AI Terdesentralisasi

TheNewsCrypto05/22 13:09

Siapa yang Mendefinisikan Perangkat Keras AI di Tahun 2026?

Pada tahun 2026, industri hardware AI memasuki fase kematangan dengan dirilisnya standar nasional "Klasifikasi Kecerdasan Terminal AI" (L1 hingga L4), yang menetapkan tolok ukur dan ruang lingkup produk. Trend utamanya adalah pergeseran dari konsep dan verifikasi sisi perangkat (*edge*) menuju popularisasi skala besar melalui kolaborasi *edge-cloud*. Berdasarkan standar, mayoritas produk saat ini berada di level L1-L2. Lembaga penelitian menilai industri sedang dalam transisi dari L2 ke L3 (*assistant level*), yang membutuhkan kemampuan pemahaman niat kompleks dan layanan proaktif. Untuk mencapai ini, kombinasi persepsi multimodal dan penalaran *cloud* menjadi kunci. Sebagai contoh, Ali Cloud meluncurkan model Qwen3.7-Max dan kit pengembangan interaksi multimodal untuk mendukung pengembangan hardware cerdas. Kolaborasi *edge-cloud* telah menjadi pilihan wajib. Kasus seperti robot rumah tangga "Bajie" dari Ecovacs dan kamera pintar "Shenmou" dari Yanjiwei menunjukkan pola ini: pemrosesan real-time dan identifikasi dasar di sisi *edge*, sedangkan pemahaman mendalam, perencanaan tugas, dan memori terstruktur ditangani oleh model besar di *cloud*. Pola ini tidak hanya meningkatkan kemampuan produk tetapi juga langsung meningkatkan daya saing komersial, seperti yang terlihat pada peningkatan keterlibatan pengguna dan konversi pembayaran. Peran penyedia layanan *cloud* juga berevolusi, dari sekadar menyediakan sumber daya komputasi menjadi menyediakan infrastruktur dasar kolaborasi *edge-cloud* dan kemampuan *Agentic Coding*, yang menurunkan ambang batas pengembangan bagi produsen hardware. Imajinasi komersial masa depan terletak pada kecerdasan sistem di seluruh skenario (*L4 collaborative level*), di mana beberapa perangkat membentuk jaringan cerdas di sekitar pengguna, berbagi memori dan preferensi. Ini akan mengubah logika komersial dari penjualan produk satu kali menjadi layanan berlangganan berkelanjutan, dengan hardware menjadi pintu masuk layanan. Standar klasifikasi memberikan panduan akhir industri, kolaborasi *edge-cloud* menyediakan jalur yang pasti, dan kemampuan terstandarisasi dari penyedia *cloud* memperluas serta mempermudah jalan tersebut, mendorong percepatan adopsi dan komersialisasi hardware AI.

marsbit05/22 06:01

Siapa yang Mendefinisikan Perangkat Keras AI di Tahun 2026?

marsbit05/22 06:01

Mesin yang Membayar, Manusia yang Menuai: Pertarungan Posisi Kartu Pembayaran AI oleh Coinbase, Stripe, Google, Visa

Laporan ini membahas persaingan infrastruktur pembayaran untuk AI Agent atau transaksi mesin-ke-mesin. Dalam setahun terakhir, empat arsitektur utama telah diluncurkan oleh Coinbase (x402), Stripe/Tempo (MPP), Google (AP2), dan Visa. AI Agent telah menyelesaikan 176 juta transaksi senilai $73 juta, dengan mayoritas (76%) di bawah $0,30—ambang batas yang tidak layak untuk kartu bank tradisional akibat biaya tetap. Solusi berbasis crypto, khususnya stablecoin USDC (98.6% transaksi), menjadi dominan karena biaya penyelesaian mikro yang sangat rendah. Coinbase dan Stripe memimpin dengan mengintegrasikan lima dari enam lapisan dalam tumpukan pembayaran baru ini melalui akuisisi dan pengembangan internal, dengan total investasi melebihi $80 miliar. Perkembangan ini menandai pergeseran dari aktivitas bot ekstraktif ke ekonomi agen produktif. Namun, tantangan utama bukan lagi teknologi, melainkan infrastruktur kepercayaan dan regulasi yang belum mengatur transaksi mandiri antar mesin. Masa depan akan ditentukan oleh seberapa cepat lapisan kepercayaan dapat mengejar kemampuan lapisan penyelesaian yang sudah matang.

marsbit05/22 04:23

Mesin yang Membayar, Manusia yang Menuai: Pertarungan Posisi Kartu Pembayaran AI oleh Coinbase, Stripe, Google, Visa

marsbit05/22 04:23

Sumber Dalam: DeepSeek Sedang Membentuk Tim Harness, Menyaingi Claude Code

**DeepSeek Bentuk Tim 'Harness' untuk Hadapi Claude Code** Menurut informasi dari sumber dalam, DeepSeek sedang membentuk tim **Harness** baru yang difokuskan pada pengembangan produk agen kode pintar, dengan target internal menyaingi **Claude Code** dari Anthropic. Hal ini dikonfirmasi oleh peneliti senior DeepSeek, Chen Deli, melalui media sosial. DeepSeek membuka dua posisi kunci: **Manajer Produk Harness** dan **Insinyur Pengembangan Harness**, berpusat di Beijing. Inti dari inisiatif ini tercermin dalam rumus: **Model + Harness = Agent**. Perspektif ini menekankan bahwa model hanyalah fondasi, sementara kemampuan manajemen konteks, pemanggilan alat, perencanaan tugas, pembacaan/penulisan file, modifikasi kode, eksekusi terminal, dan penilaian umpan balik adalah kunci agar agen dapat benar-benar terintegrasi ke dalam alur kerja. DeepSeek, yang sudah lama berinvestasi dalam model kode seperti DeepSeek-Coder, kini berupaya melengkapi "lapisan tengah" yang menghubungkan model dengan alur kerja nyata. Kompetisi di bidang *AI Coding* telah bergeser dari sekadar kemampuan model menjadi perebutan pintu masuk ke alur kerja pengembang. Kehadiran proyek komunitas seperti **DeepSeek-TUI**—agen coding terminal sumber terbuka yang populer—membuktikan bahwa ada permintaan kuat untuk produk semacam Claude Code yang berbasis DeepSeek. Namun, proyek komunitas memiliki keterbatasan dalam hal sinkronisasi dengan evolusi model dan penciptaan umpan balik data pelatihan yang sistematis. Dengan membangun Harness resmi, DeepSeek bertujuan memanfaatkan keunggulannya dalam kolaborasi tim model, desain antarmuka, siklus data pelatihan, dan operasi ekosistem pengembang untuk menciptakan produk inti yang kompetitif. Langkah ini menandai peralihan DeepSeek dari fokus pada "otak" (model) ke penyediaan "tangan" (Harness) yang memungkinkan modelnya bertindak dalam tugas dunia nyata, memulai babak baru dalam persaingan agen AI.

链捕手05/22 02:19

Sumber Dalam: DeepSeek Sedang Membentuk Tim Harness, Menyaingi Claude Code

链捕手05/22 02:19

Google Secara Resmi Mengumumkan Perang

Google secara resmi menyatakan perang dengan meluncurkan serangkaian produk AI canggih pada acara Google I/O 2026. Mereka memperkenalkan Gemini 3.5 Flash, model yang lebih kecil namun mengungguli versi Pro dalam tes penalaran dan coding berkat distilasi pengetahuan ekstrem dari Gemini 3.5 Ultra dan arsitektur MoE baru dengan 256 pakar mikro. Google juga memperkenalkan Gemini Omni Flash, model video multimodal native dengan latensi sangat rendah (120ms) yang mampu memahami konteks fisik secara real-time. Asisten AI baru bernama Spark diintegrasikan mendalam ke dalam Android 17, memungkinkannya mengotomatiskan tugas kompleks antar-aplikasi. Kacamata pintar ringan dengan chip Gemini khusus dirancang sebagai antarmuka utama untuk interaksi AI tanpa layar. Dengan mengintegrasikan AI ke dalam seluruh ekosistem produknya seperti Chrome, Android, dan Workspace, Google melaporkan Gemini telah mencapai 9 miliar pengguna aktif bulanan. Mereka juga memangkas harga secara drastis, menjadikan Gemini 3.5 Flash jauh lebih murah daripada pesaing. Langkah ini memanfaatkan infrastruktur komputasi mandiri (TPU) dan model bisnis yang didukung oleh iklan serta ekosistem, menekan perusahaan AI yang hanya mengandalkan penjualan model. Google menandai peralihan dari kompetisi model AI menuju perang di empat dimensi: perangkat, cloud, ekosistem, dan perangkat keras.

链捕手05/21 13:58