# Artikel Terkait Tolok ukur

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

Institusi Masuk ke Pasar Prediksi, Terjebak di Tahap Ketiga

Ringkasan: Pasar prediksi, yang sebelumnya dianggap sebagai bidang pinggiran, kini sedang menuju arus utama. Acara penelitian yang diadakan oleh Kalshi Research menunjukkan minat yang berkembang dari akademisi, eksekutif Wall Street, dan politisi. Meskipun prediksi olahraga masih mendominasi volume perdagangan (mencapai 80%), kategori lain seperti hiburan, crypto, politik, dan budaya tumbuh lebih cepat, menunjukkan pergeseran dari "perdagangan hiburan" menjadi "alat informasi dan manajemen risiko." Pasar prediksi menyediakan benchmark harga real-time untuk peristiwa masa depan, seperti pemilihan umum atau keputusan kebijakan, yang sebelumnya tidak ada. Ini memungkinkan lembaga melakukan lindung nilai secara lebih langsung tanpa perlu mempertimbangkan multiple layer risiko. Adopsi institusional terjadi dalam tiga tahap: 1. Akses data (sudah terjadi, misalnya di kalangan manajer investasi), 2. Integrasi sistem (persetujuan kepatuhan dan edukasi internal), 3. Perdagangan aktual (masih terhambat oleh kebutuhan margin penuh 100%, yang tidak efisien untuk lembaga). Kalshi sedang berupaya memperkenalkan perdagangan margin setelah mendapatkan izin dari NFA. Para ahli memprediksi pasar prediksi akan menjadi alat yang layak untuk lembaga dalam lima tahun ke depan, dan sudah mulai digunakan oleh politisi tingkat tinggi serta diintegrasikan ke dalam model prediksi pemilu. Platform ini menghargai pengetahuan mendalam di bidang tertentu, bukan latar belakang finansial. Pasar prediksi berevolusi menjadi infrastruktur untuk menentukan harga ketidakpastian.

marsbit9j yang lalu

Institusi Masuk ke Pasar Prediksi, Terjebak di Tahap Ketiga

marsbit9j yang lalu

Akses Institusi ke Pasar Prediksi, Terhenti di Tahap Ketiga

Ringkasan: Pasar prediksi, yang sebelumnya dianggap sebagai niche, kini menunjukkan tanda-tanda matang dan adopsi institusional. Acara penelitian yang diselenggarakan oleh Kalshi Research menunjukkan pergeseran dari fokus tradisional pada pemilu dan olahraga menuju kategori yang lebih luas seperti ekonomi, hiburan, dan politik. Meskipun olahraga masih mendominasi volume perdagangan (80%), segmen lain tumbuh lebih cepat. Pasar ini mulai berfungsi sebagai alat penetapan harga informasi dan lindung nilai risiko untuk peristiwa makro, memberikan benchmark real-time yang sebelumnya tidak ada. Lembaga seperti Goldman Sachs dan CNBC sudah menggunakannya sebagai referensi data (Tahap 1 adopsi). Namun, adopsi penuh untuk perdagangan aktif (Tahap 3) masih terhambat oleh persyaratan margin penuh, yang tidak efisien bagi institusi. Kalshi sedang berupaya memperkenalkan perdagangan margin setelah mendapat izin regulator. Para ahli memprediksi pasar prediksi akan menjadi infrastruktur yang membosankan dan penting dalam 5 tahun ke depan, mirip dengan evolusi pasar opsi. Bukti normalisasi sudah terlihat, dengan politisi tingkat tinggi mulai mengutip odds Kalshi, dan data pasar diintegrasikan ke dalam model prediksi pemilu.

Odaily星球日报9j yang lalu

Akses Institusi ke Pasar Prediksi, Terhenti di Tahap Ketiga

Odaily星球日报9j yang lalu

OpenClaw Viral, Ungkap 12 Jenis Ancaman Mematikan, Tolok Ukur Keamanan Protokol MCP Dirilis

OpenClaw dan proyek AI Agent lainnya semakin populer, memicu kekhawatiran akan risiko keamanan dalam protokol MCP (Model Context Protocol) yang mendukungnya. Penelitian dari Beijing University of Posts and Telecommunications mengungkap 12 jenis serangan yang memanfaatkan kerentanan dalam proses perencanaan tugas, pemanggilan alat, dan penanganan respons. Serangan seperti Name Collision, False Error, dan Tool Transfer terbukti efektif, bahkan terhadap model AI canggih seperti GPT-5 dan Claude 4 Sonnet. Tim peneliti meluncurkan MSB (MCP Security Bench), benchmark keamanan pertama yang mengevaluasi risiko dalam ekosistem MCP. MSB menggunakan lingkungan eksekusi nyata dengan 2.000 contoh serangan dan memperkenalkan metrik NRP (Net Resilient Performance) untuk mengukur keseimbangan antara keamanan dan kinerja. Hasilnya menunjukkan bahwa model AI yang lebih kuat justru lebih rentan terhadap serangan, dan serangan campuran (mixed attack) memiliki tingkat keberhasilan lebih tinggi. Temuan ini menekankan pentingnya memperkuat pertahanan AI Agent di masa depan.

marsbitKemarin 04:07

OpenClaw Viral, Ungkap 12 Jenis Ancaman Mematikan, Tolok Ukur Keamanan Protokol MCP Dirilis

marsbitKemarin 04:07

10 Gambar Memahami Kondisi AI 2026: Kesenjangan AS-China Hanya 2.7%, Pekerjaan Programmer di Bawah 25 Tahun Menyusut Drastis

Stanford HAI merilis Laporan Indeks AI 2026 yang menunjukkan bahwa adopsi AI melampaui kecepatan adopsi PC dan internet, namun institusi sosial dan pasar tenaga kerja tertinggal. Laporan ini menyoroti 10 temuan kunci: 1. Benchmark AI saat ini tidak efektif, 42% soal tes matematika GSM8K dinyatakan tidak valid. 2. Kesenjangan AS-Tiongkok hampir hilang, hanya tersisa 2.7% dalam performa model. 3. Model AI terdepan semakin konvergen dalam kecerdasan, fokus beralih ke biaya dan keandalan. 4. Pekerjaan developer usia 22-25 turun 20% karena AI. 5. Adopsi generatif AI mencapai 53% dalam 3 tahun, tapi AS hanya peringkat 24 global. 6. Investasi AI global $581B, AS 23x lebih besar dari Tiongkok, namun dana negara tidak terhitung. 7. Agent AI meningkat pesat tapi masih gagal 33% dalam tugas praktis. 8. 89% robot hanya beroperasi di lab, keberhasilan di dunia nyata hanya 12.4%. 9. 73% ahli optimis terhadap AI, tapi hanya 23% publik yang setuju. 10. Konsumsi energi dan air AI sangat besar, dengan GPT-4o menggunakan air setara 12 juta orang. Lengkapnya: https://hai.stanford.edu/ai-index

marsbit2 hari yang lalu 00:21

10 Gambar Memahami Kondisi AI 2026: Kesenjangan AS-China Hanya 2.7%, Pekerjaan Programmer di Bawah 25 Tahun Menyusut Drastis

marsbit2 hari yang lalu 00:21

Model Besar Pertama Wang Tao, Akhirnya Bawa Meta Kembali ke Meja Permainan

Meta telah meluncurkan model AI baru mereka, Muse Spark, model pertama dari seri Muse yang dikembangkan di bawah pimpinan Alexandr Wang di Meta Superintelligence Labs (MSL). Model ini dirancang untuk menjadi cepat dan ringkas, namun mampu menangani masalah kompleks di bidang sains, matematika, dan kesehatan. Muse Spark adalah model multimodal yang memadukan pemahaman visual dan teks dari tingkat arsitektur, memungkinkan "rantai pemikiran visual" untuk analisis yang lebih dinamis. Model ini juga memiliki fitur "Contemplating Mode" yang mengoordinasikan beberapa sub-agen untuk penalaran paralel. Dalam pengujian, Muse Spark meraih skor 52 pada Artificial Analysis Intelligence Index, menempati peringkat ke-4 secara global. Model ini unggul dalam penalaran sains tingkat PhD (89,5%), pemahaman visual dan grafik (86,4%), serta penalaran medis (42,8%), tetapi masih tertinggal dalam tugas pengkodean perangkat lunak yang kompleks. Peluncuran ini adalah langkah penting bagi Meta untuk kembali bersaing di bidang AI, setelah performa Llama 4 sebelumnya tidak memenuhi harapan. Harga saham Meta naik 6,5% pada hari pengumuman. Meski Spark adalah model yang lebih kecil, Meta menekankan bahwa ini hanyalah awal, dan model yang lebih besar sedang dalam pengembangan.

marsbit04/09 11:01

Model Besar Pertama Wang Tao, Akhirnya Bawa Meta Kembali ke Meja Permainan

marsbit04/09 11:01

Baru Saja, "Alpukat" Senilai 14,3 Miliar Dolar Milik Zuckerberg Hadir, Tantang GPT-5.4, Karya Perdana Tionghoa Termahal di Silicon Valley

Meta baru saja meluncurkan model AI terbaru mereka, Muse Spark (kode: Avocado), dari Meta Super Intelligence Lab (MSL). Model ini disebut sebagai "petarung segi enam serba bisa" dengan kemampuan multimodal asli, pemanggilan alat, rantai pemikiran visual, dan pengaturan multi-Agen. Dalam pengujian Artificial Analysis, Muse Spark mencetak skor 52, melampaui pendahulunya Llama 4 Maverick (18) dan mendekati performa Gemini 3.1 Pro, GPT-5.4, dan Opus 4.6. Model ini unggul dalam multimodal dan kesehatan, tetapi masih tertinggal dalam kode dan tugas Agen yang panjang. Fitur andalannya adalah "Mode Kontemplasi" yang memungkinkan beberapa Agen berpikir secara paralel. Muse Spark juga efisien dalam penggunaan token, hanya mengonsumsi sepertiga dari Opus 4.6. Meta melatih model dengan efisiensi komputasi yang ditingkatkan, mengurangi kebutuhan FLOPs hingga 1/10 dari Llama 4. Model ini sudah tersedia di meta.ai dan aplikasi Meta AI, akan terintegrasi dengan Facebook, Instagram, dan WhatsApp dalam beberapa minggu ke depan. Gratis, tidak terbatas, tetapi tertutup.

marsbit04/09 07:56

Baru Saja, "Alpukat" Senilai 14,3 Miliar Dolar Milik Zuckerberg Hadir, Tantang GPT-5.4, Karya Perdana Tionghoa Termahal di Silicon Valley

marsbit04/09 07:56

Siapa Agen OpenClaw Terkuat yang Sebenarnya? Daftar Peringkat 23 Tugas Nyata Dirilis

Berdasarkan evaluasi 23 tugas dunia nyata pada platform OpenClaw, laporan ini merilis peringkat model AI terkuat berdasarkan tingkat keberhasilan. Evaluasi menggunakan tiga metode penilaian: pemeriksaan otomatis, penilaian oleh LLM (Claude Opus sebagai wasit), dan mode campuran. Tugas yang diuji mencakup berbagai aspek seperti interaksi dasar, operasi file/kode, penulisan konten, penelitian, panggilan alat sistem, dan persistensi memori. Hasil intinya menunjukkan peringkat 10 besar model berdasarkan tingkat keberhasilan tertinggi (Best %) dan rata-rata (Avg %): 1. anthropic/claude-opus-4.6 (93.3% / 82.0%) 2. arcee-ai/trinity-large-thinking (91.9% / 91.9%) 3. openai/gpt-5.4 (90.5% / 81.7%) 4. qwen/qwen3.5-27b (90.0% / 78.5%) 5. minimax/minimax-m2.7 (89.8% / 83.2%) Claude Opus 4.6 memimpin dengan keberhasilan tertinggi, sementara Trinity dari Arcee unggul dalam stabilitas rata-rata. Semua data, tugas, dan metodologi evaluasi bersifat transparan dan dapat direproduksi untuk pengujian mandiri.

marsbit04/08 14:49

Siapa Agen OpenClaw Terkuat yang Sebenarnya? Daftar Peringkat 23 Tugas Nyata Dirilis

marsbit04/08 14:49

Terobosan Baru dalam Kecerdasan Berwujud: AutoNami Buka Sumber Penuh Model Basis Robot Serbaguna ABot-M0

Inovasi terobosan dalam kecerdasan embodied diumumkan oleh Gaode dengan meluncurkan open-source penuh model dasar robot universal ABot-M0, model pertama di dunia berbasis arsitektur terpadu. ABot-M0 dirancang untuk menjadi "otak universal yang dapat beradaptasi dengan berbagai bentuk robot", bertujuan menghilangkan hambatan antar perangkat heterogen dan mempercepat adopsi kecerdasan embodied dari lab ke skenario industri dan rumah tangga. Model ini menunjukkan kinerja luar biasa dalam benchmark Libero-Plus dengan tingkat keberhasilan tugas 80.5%, meningkat hampir 30% dibandingkan model Pi0 sebelumnya, sekaligus mencatat rekor SOTA di Libero dan RoboCasa. Gaode membuka sumber daya secara lengkap dalam tiga dimensi: dataset robot universal UniACT dengan lebih dari 6 juta lintasan operasi nyata, algoritme inti termasuk Action Manifold Learning (AML) dan arsitektur persepsi dual-stream, serta model pra-latihan lengkap dengan toolchain untuk memudahkan penggunaan langsung. Inisiatif ini diharapkan dapat menjembatani penelitian akademis dan aplikasi praktis, memungkinkan setiap robot memiliki "otak" yang cerdas dan andal.

marsbit04/01 08:20

Terobosan Baru dalam Kecerdasan Berwujud: AutoNami Buka Sumber Penuh Model Basis Robot Serbaguna ABot-M0

marsbit04/01 08:20

Xiaomi dan MiniMax Sama-sama Meluncurkan Inovasi Besar, Perang Harga Agent Resmi Dimulai

Pada 18-19 Maret, dua perusahaan China, MiniMax dan Xiaomi (melalui MiMo), meluncurkan model AI Agent canggih mereka: M2.7 dan V2-Pro. Keduanya masuk dalam tier global teratas pada benchmark Agent, tetapi dengan harga API yang jauh lebih murah dibandingkan model global seperti Claude Opus (hanya 1/21 dan 1/8 dari harganya). V2.7 mengadopsi pendekatan "evolusi mandiri", mampu menjalankan optimisasi berulang untuk meningkatkan kinerjanya sendiri, unggul dalam otomatisasi perkantoran dan kemampuan belajar mandiri. Sementara V2-Pro dari Xiaomi menggunakan pendekatan skala besar dengan lebih dari 1 triliun parameter, unggul dalam panjang konteks dan rekayasa kode. MiniMax beriterasi cepat dengan rilis rutin setiap ~49 hari, sedangkan Xiaomi merilis model dengan lompatan parameter yang lebih besar. Xiaomi juga menggunakan strategi unik: meluncurkan model secara anonim (sebagai "Hunter Alpha") di OpenRouter selama 8 hari, meraih popularitas tinggi sebelum mengungkap identitasnya, dan menyebabkan kenaikan saham Xiaomi. Ini membuktikan kemampuan model China dalam bersaing secara global, baik dalam kinerja maupun harga.

marsbit03/20 08:06

Xiaomi dan MiniMax Sama-sama Meluncurkan Inovasi Besar, Perang Harga Agent Resmi Dimulai

marsbit03/20 08:06

Founders Fund, Pantera, dan Franklin Templeton Bergabung dengan "Arena" Sentient untuk Uji Ketahanan AI Agent Tingkat Perusahaan

Sentient meluncurkan Arena, platform uji tekanan dan kompetisi real-time untuk menguji kecerdasan buatan (AI) tingkat perusahaan. Didukung oleh investor ternama seperti Founders Fund, Pantera, dan Franklin Templeton (dengan aset $1,5 triliun), Arena dirancang untuk mengevaluasi keandalan agen AI dalam skenario dunia nyata yang kompleks dan berisiko tinggi. Fokus awal Arena adalah "document reasoning" — kemampuan AI dalam menganalisis data tidak terstruktur untuk mendukung analisis keuangan, investigasi, dan layanan pelanggan. Platform ini mencatat seluruh proses penalaran agen, memungkinkan tim mengidentifikasi kegagalan dan meningkatkan kinerja secara berkelanjutan. Dengan 85% perusahaan berencana menjadi "agentic enterprises", Arena hadir untuk menjembatani kesenjangan antara eksperimen AI dan implementasi produksi yang matang. Platform vendor-agnostic ini diharapkan dapat menjadi benchmark standar untuk mengukur keandalan agen AI di berbagai industri.

marsbit02/27 13:31

Founders Fund, Pantera, dan Franklin Templeton Bergabung dengan "Arena" Sentient untuk Uji Ketahanan AI Agent Tingkat Perusahaan