# 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.

Dari Hunyuan ke AI WeChat, Irama Lambat Tencent Hingga Titik Penyerahan

Pada 8 Juni 2026, platform pengembang WeChat mengumumkan uji coba internal WeChat AI, asisten AI terintegrasi dalam ekosistem WeChat yang memungkinkan pengguna mengakses dan mengoperasikan mini-program melalui dialog bahasa alami. Dua mode akses ditawarkan: Mode Otomatis memungkinkan platform membaca kode sumber mini-program tanpa pengembangan tambahan, sedangkan Mode Pengembang memungkinkan pembuat konten membangun keterampilan khusus. Hal ini menandakan langkah terbaru Tencent dalam menghadirkan AI ke aplikasi super. WeChat AI membuka lapisan dialog untuk ekosistem mini-programnya, yang memiliki lebih dari 400.000 pengembang, 80%-nya tim kecil. Mode Otomatis menawarkan akses mudah bagi sebagian besar pengembang, namun menimbulkan kekhawatiran tentang keamanan kode sumber, logika iklan, dan tanggung jawab atas kesalahan operasi AI. Kemampuan WeChat AI didukung oleh model dasar Tencent, Hunyuan, yang menduduki peringkat kedua di Tiongkok dalam kemampuan dasar dan peringkat pertama dalam kemampuan aplikasi menurut laporan SuperCLUE 2025. Hunyuan fokus pada stabilitas dan latensi rendah yang dibutuhkan untuk tugas-tugas Agen, dengan iterasi kuartalan yang lebih lambat dibandingkan kompetitor. Sebelum WeChat AI, aplikasi mandiri Tencent, Yuanbao, berperan dalam validasi pengguna. Yuanbao mencapai puncak DAU 50 juta selama Tahun Baru Imlek 2026, tetapi DAU rutin turun menjadi sekitar 9 juta setelahnya, menyoroti tantangan retensi pengguna. Integrasi asli dalam WeChat bertujuan untuk meningkatkan retensi dengan mengikat AI ke skenario penggunaan spesifik. Pimpinan Tencent, Pony Ma, membayangkan setiap mini-program menjadi "lobster" cerdas (AI Agent yang dapat menjalankan tugas). Namun, ada ketegangan antara penjadwalan terpusat yang efisien oleh AI dan kedaulatan lalu lintas terdesentralisasi penyedia layanan. Ma menekankan perlunya keseimbangan, meski mekanisme spesifiknya belum terungkap. Dengan Hunyuan sebagai fondasi teknis, Yuanbao sebagai validator pengguna, dan WeChat AI sebagai kendaraan pengiriman akhir, jalan bertahap Tencent tampak koheren. Namun, persepsi pengguna akhir belum sepenuhnya berubah. Keberhasilan WeChat AI bergantung pada penyelesaian masalah kepercayaan pengembang, keseimbangan kepentingan ekosistem, dan keandalan operasi AI bagi pengguna. Seperti yang dikatakan Ma, AI adalah maraton, dan uji coba internal ini hanyalah sebuah tanda perjalanan.

marsbit06/08 10:27

Dari Hunyuan ke AI WeChat, Irama Lambat Tencent Hingga Titik Penyerahan

marsbit06/08 10:27

Valuasi Tembus 200 Miliar, Kimi Dikabarkan Kumpulkan Dana 13,6 Miliar Lagi, IPO di Hong Kong Dipercepat

Menurut laporan, perusahaan unicorn model AI besar asal Tiongkok, Moonshot AI (Kimi), sedang merundingkan pendanaan baru senilai hingga **$20 miliar (sekitar RMB 136 miliar)**, dengan valuasi target mencapai **$300 miliar (sekitar RMB 2035 miliar)**. Jika pendanaan ini berhasil, valuasi perusahaan akan meningkat sekitar 6 kali lipat dibandingkan Desember lalu. Ini akan menjadi putaran pendanaan ketiga Kimi dalam 6 bulan terakhir. Pada Mei lalu, perusahaan baru saja menyelesaikan pendanaan sekitar $20 miliar, mendorong valuasi pasca-pendanaan melampaui $200 miliar. Total pendanaan yang telah dikumpulkan Kimi dilaporkan melebihi RMB 376 miliar, menjadikannya perusahaan rintisan model besar dengan total pendanaan tertinggi di Tiongkok. Produk inti Kimi adalah Asisten Cerdas Kimi. Pada April, perusahaan merilis dan membuka sumber model andalannya, **Kimi K2.6**, yang diklaim memiliki kinerja setara atau bahkan lebih baik dari model berpemilik terkemuka seperti GPT-5.4 dalam beberapa pengujian benchmark. Baru-baru ini, Kimi juga memulai pengujian beta internal **Kimi Work**, sebuah agen universal lokal yang ditargetkan untuk pekerja pengetahuan. Di sisi komersialisasi, pendapatan tahunan berulang (ARR) Kimi dilaporkan melebihi $2 miliar per April. Perusahaan juga disebut sedang mempersiapkan **IPO di Hong Kong**, meski prosesnya masih dalam tahap awal dan belum pasti. Secara keseluruhan, proses kapitalisasi perusahaan model besar Tiongkok terkemuka semakin cepat pada tahun 2026, dengan pendanaan besar dan persiapan IPO yang berlangsung intensif. Tren ini terjadi di tengah persiapan IPO dan rekor pendanaan yang juga dicatat oleh perusahaan AI global seperti OpenAI dan Anthropic.

marsbit06/08 07:46

Valuasi Tembus 200 Miliar, Kimi Dikabarkan Kumpulkan Dana 13,6 Miliar Lagi, IPO di Hong Kong Dipercepat

marsbit06/08 07:46

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

Alumni Tsinghua '00 Wang Guan Kembali Hadir dengan Karya Baru: Gunakan Token 1/900, Komputasi 1/432, Ubah Paradigma Model Pra-Latihan Transformer

Alumni muda 00-an Universitas Tsinghua, Wang Guan, dan timnya merilis karya baru: model pra-pelatihan efisien HRM-Text, yang menggunakan model rekursif berlapis (HRM) untuk menggantikan Transformer standar. Dengan hanya 1B parameter dan dilatih pada 40B token unik dengan biaya sekitar $1.500, HRM-Text mencapai performa setara model sumber terbuka 2B hingga 7B dalam benchmark seperti MMLU (60,7%) dan GSM8K (84,5%). Metode ini menggunakan 100-900 kali lebih sedikit token pelatihan dan 96-432 kali lebih sedikit perhitungan dibanding baseline standar. Arsitekturnya membagi komputasi menjadi modul H (lambat) dan L (cepat) dengan pembaruan rekursif multi-langkah, sementara target pelatihannya berfokus hanya pada bagian jawaban dalam pasangan instruksi-jawaban, menggunakan masker PrefixLM. Pendekatan ini menunjukkan bahwa prior struktural dan target pelatihan yang ditargetkan dapat secara signifikan menurunkan ambang batas pra-pelatihan. Namun, ada batasan seperti cakupan pengetahuan yang terbatas dan kebutuhan validasi skala lebih besar di masa depan.

marsbit05/26 03:18

Alumni Tsinghua '00 Wang Guan Kembali Hadir dengan Karya Baru: Gunakan Token 1/900, Komputasi 1/432, Ubah Paradigma Model Pra-Latihan Transformer

marsbit05/26 03:18

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

Gemini 3.5 Telah Datang! Malam Ini, Google Menyingkirkan Google dengan Tangan Sendiri

Pada Google I/O 2026, perusahaan meluncurkan serangkaian terobosan besar dalam kecerdasan buatan. Gemini Omni, model "pintar" pertama yang benar-benar multimodal, mampu membuat video berkualitas tinggi dari input teks, gambar, audio, atau video, dengan pemahaman mendalam tentang logika dunia fisik. Gemini 3.5 Flash, model andalan baru, mengungguli pendahulunya Gemini 3.1 Pro dalam hampir semua tolok ukur dan menawarkan kecepatan empat kali lebih cepat daripada pesaing. Antigravity 2.0 berkembang dari IDE menjadi platform pengembangan agen mandiri, dengan demo di mana 93 agen berhasil membangun kernel sistem operasi dari nol dalam 12 jam. Gemini Spark diperkenalkan sebagai agen AI pribadi yang berjalan 24/7 di cloud, mengotomatiskan tugas kompleks di seluruh produk Google seperti Gmail dan Docs. Google juga mengumumkan perubahan harga, termasuk paket AI Ultra baru seharga $100, dan mengintegrasikan Gemini 3.5 Flash ke dalam Aplikasi Gemini serta mode AI Penelusuran Google. Acara ini menandai langkah besar menuju AI yang lebih otonom dan canggih.

链捕手05/20 07:02

Gemini 3.5 Telah Datang! Malam Ini, Google Menyingkirkan Google dengan Tangan Sendiri

链捕手05/20 07:02

Era Auto Research: 47 Tugas Tanpa Jawaban Baku Jadi Daftar Wajib Uji Kemampuan Agent

Di era Auto Research, 47 tugas tanpa jawaban standar kini menjadi patokan wajib untuk mengukur kemampuan Agent AI. Biasanya, AI Agent tampak serba bisa, namun sebenarnya banyak yang hanya mengandalkan pengetahuan dalam basis data yang sudah ada. Dunia rekayasa nyata lebih keras: stabilitas robot bawah air, batas litium pada baterai, pengendalian kebisingan sirkuit kuantum — masalah-masalah ini tidak memiliki "jawaban sempurna", hanya "optimisasi yang mendekati batas maksimal". Baru-baru ini, Frontier-Eng Bench dari Einsia AI's Navers lab menghadirkan perubahan paradigma. Alih-alih menguji AI dengan soal pemrograman lama, benchmark ini memberikan sistem "loop rekayasa" yang lengkap: mengusulkan solusi, terhubung ke simulator, menerima umpan balik dan error, memperbaiki parameter, dan menjalankannya kembali. Dalam 47 tugas lintas disiplin yang menantang, AI harus bertindak seperti insinyur berpengalaman, mencari solusi optimal di antara tiga kendala yang sulit: daya, keamanan, dan kinerja. Ini bukan sekadar kumpulan tes, melainkan gambaran evolusi Agent. Hasil pengujian menunjukkan bahwa model seperti GPT-5.4 berkinerja cukup stabil, tetapi masih jauh dari menyelesaikan seluruh benchmark. Penelitian ini mengungkap pola penting: peningkatan kinerja AI mengikuti hukum pangkat (power law), di mana kemajuan awal cepat tetapi semakin sulit dan kecil seiring waktu. Selain itu, kedalaman eksplorasi (depth) lebih krusial daripada sekadar menjalankan banyak percobaan paralel (width) untuk mencapai terobosan. Implikasi jangka panjangnya adalah potensi lahirnya "AI Engineer". Di masa depan, manusia mungkin fokus pada penentuan tujuan dan arahan, sementara AI akan bekerja tanpa lelah untuk mengoptimalkan solusi — menjalankan simulasi, menganalisis hasil, dan melakukan iterasi terus-menerus menuju target yang ditetapkan. Frontier-Eng Bench menandai langkah menuju sistem AI yang dapat berevolusi secara mandiri dalam loop umpan balik jangka panjang, membawa kita lebih dekat ke era penelitian otomatis (Auto Research) di mana AI aktif berkontribusi dalam memecahkan masalah rekayasa dunia nyata yang kompleks.

marsbit05/13 07:29

Era Auto Research: 47 Tugas Tanpa Jawaban Baku Jadi Daftar Wajib Uji Kemampuan Agent

marsbit05/13 07:29

K2.6 Adalah Roadshow Pertama Yang Zhilin

Ringkasan: Bulan lalu, Moon's Dark Side (Yue Zhi An Mian) meluncurkan model K2.6 dan menaikkan harga API input sebesar 58%, menjadi $0,95 per juta token. Kenaikan ini terstruktur, dengan kenaikan terkecil untuk pelanggan perusahaan yang sudah menggunakan Kimi secara intensif. K2.6 tidak lagi hanya menargetkan komunitas teknis, tetapi juga berfokus pada narasi komersial untuk persiapan IPO perusahaan. Model ini secara resmi dibandingkan dengan model flagship generasi sebelumnya seperti GPT-5.4 untuk menempatkan diri di "tingkat pertama" dalam presentasi roadshow. Fitur baru seperti cluster 300 Agen dan komputasi 4000 langkah ditujukan untuk klien perusahaan besar. Semua ini adalah persiapan landasan pacu (runway) untuk model K3 yang lebih besar (3-4 triliun parameter) yang diharapkan dapat diluncurkan sebelum roadshow. Valuasi Moon's Dark Side melonjak dari $4,3 miliar menjadi $18 miliar dalam tiga bulan, mengikuti kenaikan harga saham perusahaan AI China lainnya yang telah go public seperti Zhipu dan MiniMax. Tekanan untuk membuktikan monetisasi sekarang lebih besar, dan semua ini bergantung pada kinerja K2.6 dalam tiga bulan ke depan.

marsbit04/22 10:49

K2.6 Adalah Roadshow Pertama Yang Zhilin

marsbit04/22 10:49

a16z Artikel Baru: Pasar Prediksi, Masuk ke Tahap Percepatan

Ringkasan: Pasar prediksi, yang sebelumnya dianggap sebagai produk "pinggiran" untuk acara seperti pemilu dan olahraga, kini berkembang menjadi infrastruktur keuangan yang memberikan harga pada ketidakpastian. Perubahan kunci terjadi dalam tiga aspek: perluasan skenario aplikasi (dari olahraga ke hiburan, makroekonomi, CPI), penyediaan harga acuan yang dapat diperdagangkan untuk peristiwa dunia nyata, dan adopsi institusional yang bertahap. Platform seperti Kalshi memungkinkan lindung nilai risiko politik dan makro secara langsung, bukan melalui aset terkait. Meski adopsi institusi masih dalam tahap awal (akses data, integrasi sistem, kemudian perdagangan), pasar prediksi diperkirakan akan menjadi alat inti untuk lindung nilai dalam lima tahun ke depan, mirip dengan evolusi pasar opsi di masa lalu.

marsbit04/19 12:03

a16z Artikel Baru: Pasar Prediksi, Masuk ke Tahap Percepatan

marsbit04/19 12:03

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.

marsbit04/17 02:30

Institusi Masuk ke Pasar Prediksi, Terjebak di Tahap Ketiga

marsbit04/17 02:30

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow