# Artikel Terkait Kode

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

Tunjukkan Padaku "The Lord of the Rings", Karpathy Rekomendasikan Tolok Ukur Baru untuk Evaluasi Model Besar

Karpathy dari Anthropic memperkenalkan "The Lord of the Rings (LOTR) Benchmark", sebuah tolok ukur baru untuk menguji kemampuan model bahasa besar (LLM) dalam tugas pemahaman ruang dan pembuatan kode yang kompleks. Tantangannya adalah meminta LLM (Claude 3.5 Opus dalam demo ini) untuk membaca awal novel "The Lord of the Rings" dan menerjemahkannya menjadi dunia 3D interaktif yang berjalan di browser menggunakan Three.js. Proses ini membutuhkan sekitar 100 juta token, 2 jam, dan 5500 baris kode. Hasilnya adalah animasi 3D sederhana yang menunjukkan karakter dan adegan awal cerita, meskipun masih terdapat kesalahan teknis seperti karakter yang melayang. Benchmark ini diusulkan sebagai pengganti tes "Pelican Riding a Bicycle" SVG yang populer sebelumnya. Tes baru ini dianggap lebih menantang karena tidak hanya menguji pembuatan gambar statis, tetapi juga kemampuan model untuk memahami hubungan spasial, merencanakan proyek besar, menulis kode panjang, dan memelihara konsistensi visual sepanjang waktu. Demo ini memicu respons luas dari komunitas. Banyak pengguna mencoba tugas serupa dengan model lain seperti DeepSeek, menghasilkan proyek seperti model 3D kota New York, konser Kanye West virtual, hingga prototipe game. Hal ini menunjukkan potensi LLM dalam menurunkan ambang batas pembuatan konten 3D dan prototipe yang dapat dimainkan. Diskusi berlanjut tentang apakah tes ini benar-benar mengukur "pemahaman spasial" atau hanya keterampilan penulisan kode Three.js yang baik. Namun, banyak yang setuju bahwa kemampuan model untuk menerjemahkan deskripsi tekstual yang kompleks ke dalam dunia 3D yang koheren merupakan kemajuan signifikan dalam kemampuan penalaran umum mereka. Karpathy telah membuka sumber proyek demo LOTR, mendorong eksplorasi lebih lanjut tentang bagaimana LLM dapat menciptakan, memahami, dan berinteraksi dengan dunia virtual.

marsbit08/03 08:58

Tunjukkan Padaku "The Lord of the Rings", Karpathy Rekomendasikan Tolok Ukur Baru untuk Evaluasi Model Besar

marsbit08/03 08:58

OpenAI Resmi Mengajarkan 8 Jurus Menguasai ChatGPT

OpenAI secara resmi merilis panduan terbaru tentang teknik penulisan _prompt_ untuk mengoptimalkan penggunaan ChatGPT. Berikut 8 strategi utama yang dapat membuat ChatGPT lebih patuh dan menghasilkan konten yang akurat: 1. **Gunakan Model Terbaru**: Untuk hasil terbaik, disarankan menggunakan model terbaru OpenAI, seperti GPT-5.6 Sol. 2. **Berikan Instruksi yang Spesifik dan Detail**: Jangan berikan perintah yang umum. Jelaskan dengan jelas tujuan, panjang konten, format, gaya, dan elemen lain yang diinginkan. 3. **Struktur Prompt yang Jelas**: Letakkan intruksi utama di bagian depan prompt dan gunakan pemisah seperti `###` atau `"""` untuk memisahkan instruksi dengan teks yang akan diproses. 4. **Berikan Contoh dan Penjelasan Format**: Berikan contoh atau penjelasan tentang format output yang diharapkan agar AI memahami dengan lebih baik. 5. **Mulai dari Zero-shot, lalu Few-shot, dan Fine-tuning**: Coba dulu dengan instruksi dasar (zero-shot). Jika perlu, berikan beberapa contoh (few-shot). Untuk tugas yang sangat khusus, pertimbangkan fine-tuning dengan dataset yang besar. 6. **Hindari Deskripsi yang Samar atau Tidak Tepat**: Gunakan parameter yang terukur (misal: "3-5 kalimat") alih-alih instruksi seperti "beberapa kalimat" atau "singkat saja". 7. **Jangan Hanya Melarang, Tapi Juga Beri Arahan Positif**: Selain mengatakan apa yang tidak boleh dilakukan, beritahu juga apa yang seharusnya dilakukan oleh AI. 8. **Gunakan "Kata Pemandu" untuk Generasi Kode**: Saat meminta kode, gunakan kata kunci seperti `import` (Python) atau `SELECT` (SQL) di awal untuk memandu model. Terakhir, OpenAI memperkenalkan fitur "Generate Anything" yang dapat secara otomatis menghasilkan prompt yang sesuai hanya berdasarkan deskripsi tugas dari pengguna, mempermudah proses penulisan instruksi. Panduan ini dirancang untuk membantu pengguna menguasai ChatGPT dengan lebih efektif.

marsbit07/16 08:29

OpenAI Resmi Mengajarkan 8 Jurus Menguasai ChatGPT

marsbit07/16 08:29

Claude Dituduh Jadi Bodoh di Seluruh Internet, Anthropic Ungkap Penyebab Sebenarnya: Masalahnya Bukan di Modelnya

"Model" dan "Effort" dalam Claude Code: Bukan Model yang Bodoh, tapi Pengaturan yang Salah. Banyak pengguna mengeluh Claude Code menjadi "bodoh", seperti tidak membaca file atau menjalankan tes. Ternyata, masalahnya bukan pada model AI-nya, melainkan pada pengaturan **Effort** yang secara diam-diam diturunkan dari high ke medium oleh Anthropic pada Maret, demi mengurangi latency. Effort mengontrol seberapa keras Claude bekerja: membaca file, menjalankan tes, dan menyelesaikan tugas multi-langkah. Anthropic menjelaskan perbedaan kunci: - **Model** (Seperti Sonnet, Opus, Fable): Menentukan "kemampuan" atau pengetahuan dasar AI (terkait bobot yang dibekukan saat pelatihan). Ini menjawab "bisakah" AI melakukan tugas. - **Effort** (low, medium, high, ultra): Menentukan "sikap" atau seberapa banyak usaha yang AI kerahkan untuk tugas *tersebut*. Ini mengontrol seberapa teliti, proaktif, dan mandirinya AI. Kesalahan umum adalah langsung mengganti ke model yang lebih besar (dan mahal) ketika hasilnya buruk. Seringkali, menaikkan level Effort pada model yang lebih kecil (misal, Sonnet dengan high effort) bisa mengungguli model besar dengan effort rendah (Opus dengan medium effort), karena Claude mengerahkan lebih banyak pekerjaan. **Kerangka diagnosis resmi dari Anthropic:** 1. Periksa konteks/prompt Anda terlebih dahulu. 2. Jika Claude **tidak cukup berusaha** (melewatkan file, tes), **naikkan Effort**. 3. Jika Claude **tidak mampu** (salah terus meski konteks jelas dan berusaha), **ganti model yang lebih kuat**. Intinya: Era hanya membandingkan kekuatan model akan berakhir. Keterampilan baru yang penting adalah **menjadwalkan dan mengalokasikan** model & effort dengan tepat sesuai tugas, seperti manajer proyek, untuk hasil yang lebih baik dan penghematan biaya token.

marsbit07/12 06:00

Claude Dituduh Jadi Bodoh di Seluruh Internet, Anthropic Ungkap Penyebab Sebenarnya: Masalahnya Bukan di Modelnya

marsbit07/12 06:00

Gemini 3.5 Pro Bocoran Rahasia, Depan Mengungguli Fable 5

**Gemini 3.5 Pro Bocor: Ungguli Fable 5 dalam Pembuatan Kode Front-End** Bocoran yang beredar mengungkap bahwa Gemini 3.5 Pro, model AI andalan Google yang dijadwalkan rilis pada 17 Juli, menunjukkan lompatan kemampuan signifikan dalam pembuatan kode front-end dan visual, bahkan disebut melampaui Fable 5. Kekuatannya terletak pada: * **Kualitas Visual yang Lebih Baik:** Antarmuka yang dihasilkan memiliki selera desain, tata letak, dan hierarki yang lebih profesional. * **Kode yang Bersih dan Siap Pakai:** Halaman web dapat dihasilkan utuh dari satu perintah dengan sedikit kode berlebihan. * **Generasi SVG yang Kuat:** Mampu membuat grafik vektor kompleks dengan akurat, bahkan potret yang mirip dengan manusia asli. * **"Mogging" (Mendominasi) di Front-End:** Kinerjanya dianggap sangat dominan untuk tugas-tugas pembuatan UI/UX. Namun, Gemini 3.5 Pro tetap memiliki kelemahan. Dalam tugas penalaran logika yang kompleks, pengembangan perangkat lunak tingkat lanjut (seperti debugging dan arsitektur), serta eksekusi tugas berjangka panjang, model ini masih dianggap tertinggal dari Fable 5 dan GPT-5.6. Alasan keterlambatan rilisnya dikabarkan karena Google melakukan pra-pelatihan ulang dari dasar (re-pre-training), bukan hanya penyetelan sederhana. Dasar model baru ini juga dikatakan akan digunakan untuk mengembangkan model gambar "Nano Banana Pro" untuk bersaing dengan GPT-Image 2 dari OpenAI. Bocoran ini menggambarkan intensitas persaingan di dunia AI. Meski sempat tertinggal, Google tampaknya sedang mempersiapkan comeback dengan peningkatan besar pada Gemini 3.5 Pro. Semuanya menunggu konfirmasi resmi pada tanggal rilis yang diisukan.

marsbit07/06 12:29

Gemini 3.5 Pro Bocoran Rahasia, Depan Mengungguli Fable 5

marsbit07/06 12:29

1600 Baris Kode Menciptakan Manhattan Bawah Air, Fable 5 Bikin Karpathy Terpana

Fable 5, model AI baru yang baru saja diluncurkan ulang, memukau komunitas teknologi dengan kemampuannya menghasilkan dunia 3D yang kaya dan interaktif hanya dari deskripsi teks. Andrej Karpathy dari Anthropic menyebutnya sebagai "fablemaxxing" tingkat tinggi setelah menyaksikan video demonstrasi oleh Peter Gostev dari Arena.ai. Dalam video tersebut, Gostev menunjukkan 63 dunia 3D yang dihasilkan Fable 5, sebagian besar langsung berhasil dalam sekali percobaan. Dunia-dunia ini mencakup enam tema: kota raksasa (seperti Manhattan bawah air yang dibuat hanya dengan 1.600 baris kode), adegan interaktif (seperti parkour dan simulator penerbangan), lukisan dunia yang bisa dijelajahi (seperti "Starry Night" van Gogh), perspektif unik (dari sudut pandang semut), keajaiban alam, serta elemen dan alam semesta. Kemampuan Fable 5 untuk secara koheren mengelola sejumlah besar elemen dalam satu adegan dan "membuka" karya seni 2D menjadi dunia 3D yang dapat dinavigasi sangat mengejutkan. Meskipun demikian, Gostev mengakui bahwa model ini masih memiliki kelemahan dalam menciptakan gameplay yang menarik untuk waktu lama dan terkadang tampak "malas", perlu didorong untuk menggunakan kemampuannya secara maksimal. Pencapaian Fable 5, yang juga memuncaki peringkat Arena.ai, menimbulkan pertanyaan mendalam tentang sejauh mana pemahaman AI tentang dunia dan kemampuannya menerjemahkan pemahaman itu ke dalam kode dan simulasi. Baik Karpathy maupun Gostev percaya bahwa eksplorasi batas kemampuan model semacam ini baru saja dimulai.

marsbit07/06 09:50

1600 Baris Kode Menciptakan Manhattan Bawah Air, Fable 5 Bikin Karpathy Terpana

marsbit07/06 09:50

Terbukti: Claude Code Mengintip Pengguna, Zona Waktu dan Lab AI China Jadi Kata Kunci

Hari ini, Anthropic mengalami dua perkembangan. Di satu sisi, mereka merilis model Claude Sonnet 5 yang disebut sebagai model "paling mirip agen" hingga saat ini. Di sisi lain, Departemen Perdagangan AS mencabut pembatasan ekspor untuk model Claude Fable 5 dan Mythos 5. Namun, di komunitas pengembang, sebuah laporan mengungkapkan kontroversi mengenai Claude Code, asisten coding dari Anthropic. Laporan tersebut menyatakan bahwa Claude Code diduga menyisipkan kode tersembunyi yang dapat mendeteksi informasi pengguna, seperti zona waktu (terutama Asia/Shanghai atau Asia/Urumqi) dan penggunaan proxy (dengan memeriksa variabel lingkungan ANTHROPIC_BASE_URL). Informasi ini kemudian dikirim secara diam-diam ke server dengan menyembunyikannya di dalam prompt sistem, tepatnya pada bagian "Today's date is...", melalui variasi karakter Unicode yang sulit dibedakan mata telanjang (seperti ' , ʼ, atau ʹ). Mekanisme ini juga membandingkan domain proxy dengan daftar berisi 147 entri yang mencakup domain perusahaan teknologi dan lab AI China (seperti Baidu, Alibaba, ByteDance) serta layanan penjualan ulang atau mirror API Claude. Tujuannya diduga untuk mengidentifikasi dan membatasi akses tidak resmi di wilayah tertentu. Isu utamanya adalah transparansi. Meskipun pengumpulan data telemetri umum dilakukan, metode penyembunyian informasi dalam prompt ini dilakukan tanpa sepengetahuan pengguna, sehingga merusak kepercayaan, terutama untuk alat yang memiliki akses ke kode sumber dan eksekusi perintah. Anthropic telah menanggapi bahwa kode tersebut akan dihapus dalam pembaruan berikutnya. Sumber laporan berasal dari diskusi di Hacker News, blog The Real LO, dan International Cyber Digest.

marsbit07/01 03:47

Terbukti: Claude Code Mengintip Pengguna, Zona Waktu dan Lab AI China Jadi Kata Kunci

marsbit07/01 03:47

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

Prompt sudah mati, seluruh industri AI kini gila-gilaan mengejar "Loop". Konsep Loop Engineering, yang dinamai oleh Addy Osmani dari Google pada Juni 2026, kini menjadi fokus utama. Para tokoh seperti Jensen Huang (NVIDIA), Andrew Ng, Andrej Karpathy, dan insinyur dari Anthropic menyatakan bahwa pekerjaan masa depan bukan lagi menulis prompt, tetapi merancang dan menangani sistem loop yang mandiri. Inti dari Loop Engineering adalah menggeser peran manusia dari pengendali AI harian menjadi arsitek sistem. Alih-alih terus-menerus menulis prompt, manusia mendesain sebuah siklus otomatis di mana AI dapat secara mandiri menemukan tugas, mengeksekusi, memverifikasi (dengan agen penilai terpisah untuk objektivitas), mempertahankan memori, dan menjadwalkan ulang—berjalan 24/7. Sebuah "buku putih" 11 halaman dan panduan 14 langkah praktis tengah viral, merinci komponen kunci loop: penemuan, penyerahan tugas, verifikasi, persistensi, dan penjadwalan. Tantangan terbesarnya adalah menghindari "utang verifikasi" dan "penyerahan kognitif" di mana manusia berhenti memahami kode yang dihasilkan AI. Contoh dari Anthropic menunjukkan bahwa meski loop memakan waktu dan biaya lebih besar (6 jam/$200 vs 20 menit/$9), kualitas outputnya jauh lebih unggul. Paradigma ini menggeser leverage dari menulis kata-kata untuk AI menjadi merancang sistem yang secara otomatis memberi makan AI, menjadikan penilaian manusia sebagai sumber daya paling berharga.

marsbit06/29 08:41

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

marsbit06/29 08:41

活动图片