# Artikel Terkait LLM

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

AI PC Tiba, Bentrok Lokal dengan Model Besar 120B! NVIDIA Redefinisikan Dasar "PC AI Pribadi" dengan RTX Spark

Dalam acara GTC 2026, NVIDIA memperkenalkan SoC RTX Spark, yang membawa standar baru untuk "PC AI pribadi" dengan komputasi AI 1 petaflop (1000 TOPS), jauh melampaui NPU 45-50 TOPS pada AI PC generasi sebelumnya. Chip ini mengintegrasikan GPU arsitektur Blackwell dengan 6144 inti CUDA dan CPU Arm 20-inti dari MediaTek, menggunakan memori terpadu hingga 128GB. Desain ini memungkinkan CPU dan GPU berbagi kumpulan memori yang sama, menghilangkan hambatan transfer data dan mendukung model besar hingga 120B parameter berjalan secara lokal. Microsoft berkolaborasi dengan NVIDIA untuk meningkatkan mekanisme keamanan asli Windows dan memperkenalkan runtime sandbox open-source OpenShell, memberikan lapisan isolasi penting untuk agen AI lokal. Adobe juga mengumumkan pengembangan ulang mendasar untuk Photoshop dan Premiere guna mengoptimalkan arsitektur memori terpadu RTX Spark, yang diklaim dapat meningkatkan kinerja hingga dua kali lipat. Enam OEM utama termasuk ASUS, Dell, HP, Lenovo, Microsoft Surface, dan MSI akan merilis laptop tipis dan desktop kompak dengan RTX Spark pada musim gugur tahun ini. Meskipun demikian, detail seperti harga, efisiensi daya, dan performa nyata dalam skenario non-AI masih perlu dikonfirmasi setelah produk diluncurkan. Kehadiran RTX Spark menandai pergeseran potensial dalam industri PC menuju platform SoC yang berpusat pada GPU.

marsbit12j yang lalu

AI PC Tiba, Bentrok Lokal dengan Model Besar 120B! NVIDIA Redefinisikan Dasar "PC AI Pribadi" dengan RTX Spark

marsbit12j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbitKemarin 16:09

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbitKemarin 16:09

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

Tiga tahun kemudian: Meninjau Kembali 20 Prediksi ChatGPT Saya pada 2023 Pada Maret 2023, penulis Wang Jianshuo membuat 20 prediksi intuitif tentang ChatGPT dan AI masa depan. Kini, di Mei 2026, sebuah sistem AI yang terdiri dari 41 agen menganalisis prediksi-prediksi tersebut berdasarkan data terkini. Hasilnya menunjukkan pola menarik. **Yang Terbukti Benar (Secara Umum):** * **RAG dan Arsitektur Pencarian (✅):** Solusi utama untuk pengetahuan dan halusinasi adalah dengan menambahkan "contekan" (RAG), bukan mengubah model. Arsitektur pencarian + LLM kini menjadi standar. * **LUI sebagai Benua Baru (🟢):** Antarmuka Pengguna Bahasa Alami (LUI) adalah lapisan interaksi baru yang besar, melahirkan industri agen dan protokol seperti MCP. * **Jaringan Robot dan Sistem Pengalamatan Baru (🟢):** Agen akan berkomunikasi otomatis dengan bahasa alami. Protokol seperti MCP dan ANP sedang mewujudkannya. * **Model Besar Tiongkok (🟢):** Model-model seperti DeepSeek dan Qwen telah mengejar ketertinggalan performa, meski dengan investasi lebih kecil. * **Tidak Ada Kesadaran, Tes Turing Hanya Ukur Penampilan (🟢):** AI tidak memiliki kesadaran. Tes Turing hanya mengukur ilusi kesadaran. * **Prediksi Lain yang Benar:** ChatGPT bukan AGI, tapi lompatan besar; gelombang pengangguran besar tidak terjadi; tahun besar untuk startup; momen "browser 1994" telah tiba. **Yang Kurang Tepat atau Salah:** * **Parameter GPT-4 (❌):** Prediksi 100 triliun parameter salah. Estimasi terbaru sekitar 1,8 triliun. * **Matematika di LLM (🟡):** Diagnosis bahwa matematika adalah kelemahan intrinsik dan memerlukan alat bantu benar. Namun, pernyataan "tidak mungkin" ditingkatkan terbukti salah, karena model kini bisa memenangkan medali emas Olimpiade Matematika Internasional (IMO). * **Penangkapan Nilai (🟡):** Aplikasi memang berkembang pesat, tetapi nilai terbesar justru ditangkap oleh lapisan komputasi (seperti Nvidia), bukan oleh pembuat model. * **Hak Cipta (🟡):** Konten AI sulit didaftarkan hak cipta, tetapi tidak serta-mata "menghindari" pelanggaran. Gugatan dan penyelesaian besar (misalnya, Anthropic $1,5 miliar) membuktikan risikonya. * **Biaya Model (🟡):** Prediksi "perang lokal" dengan biaya $5-10 miliar untuk model canggih terbukti salah. Biaya pelatihan model terdepan (seperti GPT-5) jauh lebih tinggi, sementara biaya kloning model terbuka justru bisa lebih murah. **Pola dan Pelajaran:** 1. **Arah dan mekanisme lebih dapat diandalkan daripada angka pasti dan pernyataan mutlak.** 2. **Cenderung terlalu optimis untuk jangka pendek (kecepatan), tetapi terlalu konservatif untuk jangka panjang (skala/dampak).** 3. **Kesalahan sering terjadi pada distribusi, bukan pada total.** Contoh: Tidak ada gelombang pengangguran masif, tetapi dampak berat dirasakan oleh lulusan baru. 4. **Pernyataan yang disertai batasan dan ruang ketidakpastian justru lebih tahan uji waktu.** 5. **Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun.** Kesimpulannya, prediksi tentang arah besar dan mekanisme cenderung akurat, sementara prediksi spesifik tentang angka, kecepatan, dan distribusi dampak lebih sering meleset. Latihan ini lebih merupakan pelajaran dalam kerendahan hati dan penilaian yang bernuansa daripada sekadar penghitungan skor.

链捕手Kemarin 13:41

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

链捕手Kemarin 13:41

6 Pertanyaan untuk Memahami Tren Bisnis AI

**Ringkasan: Tren Komersial AI dalam 6 Pertanyaan** Lingkaran AI saat ini sedang panas dengan perkembangan pesat perusahaan seperti Anthropic (pertumbuhan tercepat dalam sejarah), DeepSeek, Kimi, dan StepFun, ditambah investasi infrastruktur besar dari ByteDance. Tanda komersialisasi seperti langganan berbayar Doubao dan platform iklan OpenAI menandai pergeseran. Untuk memahami fase siklus industri AI, sebuah kerangka penilaian enam dimensi digunakan: 1. **Narasi vs. Pengiriman**: Beralih dari sekadar cerita ke penagihan untuk kemampuan konkret. **(Skor: 1)** 2. **Konektivitas Sistem**: Dari "pulau" terisolasi menuju integrasi protokol parsial dengan platform perusahaan. **(Skor: 1)** 3. **Kemampuan Pengiriman**: Dari alat coba-coba ke penggunaan skala besar untuk tugas produktif (misalnya, pemrosesan 120 triliun token harian oleh Doubao). **(Skor: 1)** 4. **Rasio ROI**: Biaya komputasi yang melonjak memaksa perhitungan ROI, meski standarnya masih samar. **(Skor: 1)** 5. **Fenomena Industri**: Pergeseran dari ekspansi tanpa batas ke awal model berbayar dan pertanyaan tentang profitabilitas. **(Skor: 1)** 6. **Lingkungan Modal**: Logika valuasi mulai bergeser dari potensi imajinasi ke kemampuan pendapatan. **(Skor: 1)** **Total Skor: 6**, menandakan fase **"Musim Panas"** AI. Ciri-cirinya: narasi dan pengiriman hidup berdampingan, modal masih mengalir tetapi mulai menuntut pertanggungjawaban, pertumbuhan pengguna berlanjut dengan stratifikasi (gratis vs. berbayar). Sinyal seperti komersialisasi menunjukkan jalan menuju "Musim Gugur". Dua pendorong utama di balik sinyal komersialisasi ini adalah: 1. **Tekanan Biaya**: Penggunaan skala besar (misalnya, miliaran pengguna) membuat model gratis tidak berkelanjutan. 2. **Peluang Komersial**: Basis pengguna yang masif membuka jalan untuk monetisasi melalui langganan, iklan, dan layanan bertingkat. **Bagaimana Bergerak di "Musim Panas" AI?** 1. **Mulai dari Titik Masuk Kecil**: Pilih 1-2 skenario nyata (misalnya, dukungan pelanggan otomatis, pembuatan konten), tetapkan tolok ukur yang terukur, dan buktikan nilai (penghematan biaya/peningkatan pendapatan) dalam 3 bulan. 2. **Replikasi & Pembangunan Kapasitas Organisasi**: Standarkan proses yang berhasil, bangun platform berbagi kemampuan AI, dan sesuaikan tim, insentif, dan struktur organisasi untuk mendukung adopsi. 3. **Restrukturisasi Sistematis**: Gunakan AI untuk mendesain ulang alur kerja secara fundamental—dari urutan linier ke operasi paralel, dengan papan pemantauan real-time dan rantai pemicu otomatis. Kesimpulannya, AI telah bergerak dari "dapat digunakan" menjadi "infrastruktur produktif yang menghasilkan nilai". Kunci suksesnya adalah memulai dari titik nyata yang kecil, kemudian memperluas, dan akhirnya mentransformasi seluruh operasi dengan AI.

marsbitKemarin 00:29

6 Pertanyaan untuk Memahami Tren Bisnis AI

marsbitKemarin 00:29

Pemimpin Model Besar Shanghai, Mulai Proses IPO di Bursa A

MiniMax, perusahaan AI model besar terkemuka asal Shanghai, telah mengajukan laporan persiapan penawaran saham perdana (IPO) ke regulator pasar modal China pada 29 Mei, dengan target listing di pasar saham A. Perusahaan ini akan bersaing dengan Zhipu AI untuk menjadi perusahaan model besar pertama yang melantai di A. MiniMax, yang didirikan pada Januari 2022, telah menyelesaikan IPO di Bursa Hong Kong pada Januari tahun ini. Harga sahamnya melonjak lebih dari 400% sejak IPO, dengan kapitalisasi pasar mencapai sekitar HK$2,63 triliun (sekitar RMB 227,5 miliar). Kinerja keuangan yang kuat mendukung kenaikan ini. Pendapatan tahunan berulang (ARR) perusahaan tumbuh lebih dari 100% dalam dua bulan terakhir, diperkirakan melebihi $300 juta. Pada 2025, pendapatan total MiniMax mencapai $79,038 juta, dengan gross margin meningkat menjadi 25,4%. Di sisi produk, MiniMax telah meluncurkan serangkaian model bahasa besar andalan (M2.5, M2.6, M2.7) dan membuka sumber terbuka untuk beberapa model. Produk Agen mereka, Mavis, juga telah ditingkatkan. Perusahaan telah mengumumkan bahwa model generasi berikutnya, MiniMax-M3, akan segera dirilis, dengan klaim peningkatan kecepatan inferensi yang signifikan. Langkah MiniMax ini mencerminkan tren di mana pemain utama model besar China, seperti Zhipu AI, Moonshot AI, Stepfun, dan 01.AI, juga aktif mengejar IPO untuk mengamankan pendanaan guna mendukung investasi komputasi yang besar dan mempercepat jalur komersialisasi.

marsbit2 hari yang lalu 02:47

Pemimpin Model Besar Shanghai, Mulai Proses IPO di Bursa A

marsbit2 hari yang lalu 02:47

TechFlow Intelligence Bureau: Emas Spot Tembus 4400 Dolar, Pasar Crypto Merosot

Teknologi AI & Keamanan: Claude dan ChatGPT dianggap telah mencapai Product-Market Fit (PMF) sebagai alat pengembang, meski ada perdebatan tentang kualitas kode. Kerentanan serius ditemukan di framework VLLM, membahayakan jutaan agen AI. Model Gemini Omni Flash dikritik karena terlalu banyak batasan, sementara peningkatan kuantisasi Qwen3.6 meningkatkan kemampuan pemrograman. Kripto & Regulasi: Karyawan Google didakwa menggunakan data tren pencarian internal untuk bertaruh di Polymarket, memenangkan lebih dari $1 juta. Analis menemukan akun dengan tingkat kemenangan 98% yang tidak wajar di platform yang sama. Perusahaan crypto terkait Trump dilaporkan hampir bangkrut setelah kehilangan $1,5 miliar. Chip & Pasar: Saham chip AI Korea Selatan mendorong KOSPI melonjak. Nvidia merilis model lokalisasi visual LocateAnything yang sangat cepat. Kinerja pemrograman Alibaba Qwen 3.7 menempati peringkat kedua global. Perusahaan Teknologi & Tren: DuckDuckGo mengalami lonjakan pengunjung setelah Google mendorong pencarian AI, menunjukkan penolakan pengguna. Data internal Microsoft menunjukkan bahwa menggunakan AI bisa lebih mahal daripada mempekerjakan manusia di banyak skenario. Pasar Saham & Makro: Meta meluncurkan langganan berbayar untuk Facebook dan Instagram. Saham Micron memberikan imbal hasil tinggi sebagai pemain memori AI. Emas spot anjlok di bawah $4.400/ons setelah sinyal hawkish Fed. Serangan AS terhadap Iran mendorong harga minyak mentah mendekati $97/barel. Produk Baru: YouTube akan melabeli video yang dihasilkan AI secara otomatis. **Garis Tersembunyi:** Batas informasi orang dalam sedang ditinjau ulang, diperdebatkan dalam kasus Polymarket. Sementara itu, narasi keuntungan teknologi AI dipertanyakan oleh data biaya dan preferensi pengguna yang sebenarnya, seperti yang terlihat pada laporan Microsoft dan lonjakan DuckDuckGo.

marsbit05/28 11:04

TechFlow Intelligence Bureau: Emas Spot Tembus 4400 Dolar, Pasar Crypto Merosot

marsbit05/28 11:04

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

Teks ini membahas perdebatan definisi AGI (Kecerdasan Buatan Umum) yang belum memiliki standar pengukuran yang diterima secara universal. Berbagai pihak, seperti OpenAI, Microsoft, dan para CEO, memiliki tolok ukur dan ramalan waktu yang berbeda-beda. Sebuah makalah oleh Michael Timothy Bennett dari Australian National University menawarkan definisi baru AGI sebagai "ilmuwan buatan"—yaitu, sistem yang mampu beradaptasi secara luas, efisien, dan ilmiah di bawah kendala sumber daya terbatas (komputasi, memori, energi) seperti layaknya ilmuwan manusia. Penulis mengkritik standar lama seperti Tes Turing dan uji benchmark manusia karena telah "dikuasai" oleh model bahasa besar (LLM) tanpa mendekatkan kita pada kecerdasan umum yang sesungguhnya. LLM saat ini dinilai hanya melakukan "aproksimasi maksimalisasi skala", menyimpan jawaban perkiraan untuk berbagai tugas dalam bobot jaringannya, namun gagal pada masalah di luar distribusi data pelatihan dan tidak memiliki kemampuan aktif seperti merancang eksperimen atau memahami hubungan sebab-akibat. Teks ini merinci tiga kemampuan kunci AGI sejati menurut kerangka "ilmuwan buatan": 1. Dari "boneka pasif" menjadi "peneliti aktif": Mampu merencanakan eksperimen secara mandiri untuk memperoleh informasi. 2. Dari "tahu apa" menjadi "tahu mengapa": Memiliki pemahaman kausal, bukan hanya korelasi. 3. Menyeimbangkan "eksplorasi" dan "eksploitasi": Mengalokasikan sumber daya komputasi secara dinamis di bawah kendala. Tiga pendekatan metodologis dalam membangun sistem cerdas dianalisis: *Scale-maxing* (pendekatan LLM saat ini yang menumpuk parameter dan data), *Simp-maxing* (maksimalkan kesederhanaan model), dan *W-maxing* (melemahkan batasan fungsional agar sistem menemukan solusi optimal sendiri). Kesimpulannya, AGI tidak akan tercapai hanya melalui satu pendekatan (seperti *Scaling Law*), tetapi memerlukan konvergensi berbagai metode. Jika definisi baru ini diterima, akan terjadi pergeseran paradigma dalam industri AI. Standar evaluasi akan bergeser dari peringkat ujian manusia ke "benchmark adaptasi" yang menguji kemampuan menemukan pengetahuan baru dalam lingkungan yang tidak dikenal.

marsbit05/28 00:27

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

marsbit05/28 00:27

Dari Meja Makan Siang Hingga Alam Semesta Tanpa Batas, Li Fei-fei Bertaruh pada Dimensi Berikutnya AI

**Judul: Dari Meja Makan hingga Alam Semesta Tak Terbatas, Li Fei-Fei Bertaruh pada Dimensi Baru AI** Dalam beberapa wawancara kunci, profesor Stanford dan pendiri World Labs, Li Fei-Fei, menekankan bahwa Kecerdasan Spasial (Spatial Intelligence) adalah batas berikutnya untuk AI. Ia berpendapat bahwa kecerdasan bahasa, yang dominan saat ini, pada dasarnya adalah cara yang "mengalami kehilangan informasi" untuk memahami dunia. Untuk benar-benar "mengerti" dan berinteraksi dengan dunia fisik 3D/4D, AI memerlukan model dunia yang mampu memahami, bernalar, dan bernavigasi dalam ruang. Li Fei-Fei menggambarkan model ini dengan alegori gua Plato: model bahasa dan video saat ini hanyalah bayangan 2D di dinding, sementara kecerdasan spasial bertujuan untuk menciptakan dan bernalar tentang dunia 3D nyata di belakang bayangan tersebut. Produk pertama World Labs, Marble, adalah model yang menerima teks, gambar, atau video dan menghasilkan dunia 3D yang dapat dinavigasi dan berinteraksi, berbeda dari model pembuat video seperti Sora. Meskipun skalanya jauh lebih kecil dari model bahasa besar seperti GPT-5, Marble telah menunjukkan aplikasi praktis dalam pengembangan game, produksi film virtual (mempercepat proses hingga 40 kali), pelatihan robotika, desain interior, dan bahkan terapi untuk kondisi seperti OCD dan fobia ketinggian. Li Fei-Fei melihat potensi besar untuk menciptakan "alam semesta tak terbatas" secara digital, membuka kemungkinan baru untuk kreativitas, sosialisasi, dan lebih banyak lagi. Ia menekankan bahwa perjalanan ini akan memakan waktu, mengingat kompleksitas data 3D dan arsitektur model, tetapi akan sangat mendasar. Di tengah diskusi tentang AI, ia menyerukan pendekatan yang bertanggung jawab, menghindari utopianisme atau narasi kiamat. Visinya adalah AI yang pada akhirnya membuat peradaban lebih baik, memperkuat martabat, otonomi, dan kesejahteraan manusia. Perjalanan AI menuju kecerdasan spasial, menurutnya, adalah upaya untuk mempercepat kembali evolusi yang membutuhkan 540 juta tahun bagi kehidupan di Bumi.

marsbit05/27 00:17

Dari Meja Makan Siang Hingga Alam Semesta Tanpa Batas, Li Fei-fei Bertaruh pada Dimensi Berikutnya AI

marsbit05/27 00:17

活动图片