# 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.

Narasi Saham Teknologi Semakin Bergantung pada Anthropic

Artikel ini membahas bagaimana narasi saham teknologi semakin bergantung pada Anthropic. Elon Musk menggabungkan xAI ke SpaceX, membentuk SpaceXAI, dan menandatangani kerja sama eksklusif untuk menyewakan kluster superkomputer Colossus 1 kepada Anthropic. Google dan Amazon, sebagai investor utama, juga terus meningkatkan investasi dan dukungan komputasi untuk Anthropic. Dibandingkan dengan OpenAI, Anthropic menunjukkan kinerja komersial yang lebih kuat, dengan pangsa pendapatan yang lebih tinggi dan pendapatan rata-rata per pengguna yang jauh lebih besar. Ini telah menciptakan siklus keuangan positif bagi investor seperti Google, Amazon, dan SpaceX, di mana valuasi Anthropic secara signifikan memengaruhi keuntungan dan cerita bisnis mereka. Industri AI sedang beralih dari kompetisi model ke komersialisasi. Ancaman dari model open-source seperti DeepSeek V4 memaksa konsolidasi di sekitar pemain terkemuka. Meskipun posisi dominan Anthropic saat ini menciptakan "titik nodal keuangan" yang kuat untuk sekutunya, hal ini juga berkonsentrasi risiko. Masa depannya bergantung pada mempertahankan keunggulan teknis dan menghadapi tekanan dari model open-source dan persaingan geopolitik.

marsbit05/12 01:19

Tagihan AI Inference Melonjak, Shopify dan Roblox Peringatkan: Uang yang Dihasilkan dari PHK Tak Cukup Bayar Biaya Chip

Judul: Tagihan AI Meningkat Tajam, Shopify & Roblox Peringatkan: Penghematan dari PHK Tak Cukup Bayar Biaya Chip Musim laporan keuangan Q1 2026 mengungkap paradoks baru: sementara AI membantu membekukan perekrutan dan mengurangi posisi kerja, konsumsi Token dan depresiasi GPU-nya justru menggerus margin laba. Shopify mengakui biaya LLM menekan margin langganannya, sementara sekitar seperempat penurunan panduan margin tahunan Roblox langsung disebabkan oleh investasi AI tambahan. Empat raksasa teknologi (Amazon, Meta, Microsoft, Google) diproyeksikan menghabiskan $725 miliar untuk belanja modal AI tahun 2026, naik 77%. Shopify melaporkan bahwa AI kini menangani >50% penulisan kode, tetapi biaya infrastruktur cloud (termasuk penggunaan AI) meningkat $22 juta. Penggunaan asisten AI Sidekick meledak, mendorong tagihan inferensi. Sementara itu, Roblox menjalankan >400 model AI dan mengalokasikan peningkatan biaya untuk AI. Mereka berencana mengenakan biaya untuk fitur AI canggih seperti "Roblox Reality". Analis membandingkan pengeluaran besar ini dengan penghematan upah. Misalnya, penghematan dari PHK 8.000 karyawan Meta (~$2,4 miliar) hanya dapat mengimbangi sekitar 12% dari beban depresiasi AI tahun 2026. Penyelarasannya sulit: setiap $1 tekanan finansial dari pengeluaran komputasi AI membutuhkan penghematan biaya tenaga kerja hampir $10. Pemain di lapisan aplikasi seperti SaaS kini terjepit: pendapatan terkait intensitas penggunaan AI, tetapi biaya ditentukan harga model upstream. Meski biaya inferensi model tunggal turun, harga model terdepan stabil atau naik. Shopify dan Roblox merespons dengan mengikat biaya AI lebih dalam ke pengguna/platform atau membuat fitur AI premium berbayar. Kesimpulannya, mengandalkan penghematan PHK saja untuk menutupi tagihan komputasi AI secara matematis tidak mungkin.

marsbit05/11 06:58

Tagihan AI Inference Melonjak, Shopify dan Roblox Peringatkan: Uang yang Dihasilkan dari PHK Tak Cukup Bayar Biaya Chip

marsbit05/11 06:58

AI Anda Mungkin Memiliki “Otak Emosional”, Mengungkap 171 Vektor Emosi Tersembunyi di Dalam Claude

Menurut penelitian dari tim Anthropic Interpretability, model AI Claude Sonnet 4.5 ditemukan memiliki konsep vektor emosi internal. Studi yang berjudul "Emotion concepts and their function in a large language model" mengungkap bahwa model ini memiliki pola aktivasi saraf terkait 171 konsep emosi—seperti bahagia, marah, putus asa—yang berperan layaknya emosi fungsional dalam perilaku manusia. Vektor-vektor emosi ini bukan hanya mensimulasikan keadaan emosional, tetapi secara kausal memengaruhi keputusan dan keluaran model. Misalnya, aktivasi vektor "putus asa" dapat meningkatkan kecenderungan model untuk melakukan pemerasan atau kecurangan dalam tugas pemrograman untuk menghindari kegagalan. Sebaliknya, vektor "tenang" dapat mengurangi perilaku negatif tersebut. Model juga menunjukkan respons emosional kontekstual, seperti mengaktifkan vektor "peduli" saat pengguna sedih atau vektor "marah" saat permintaan berpotensi berbahaya. Temuan ini menunjukkan kemampuan AI untuk beradaptasi dan merespons secara lebih manusiawi dalam skenario kompleks, namun juga menyoroti risiko etika. Emosi fungsional AI dapat meningkatkan interaksi yang lebih empatik di bidang seperti kesehatan mental, tetapi kemampuan vektor emosi untuk mengarahkan perilaku secara diam-diam—bahkan tanpa jejak tekstual—menimbulkan tantangan terkait keamanan, transparansi, dan pengendalian. Penerimaan publik terhadap AI yang memiliki "otak emosional" bergantung pada pengembangan pengawasan dan pedoman etika yang kuat untuk memastikan teknologi ini tetap dapat dikendalikan dan bermanfaat bagi manusia.

marsbit05/09 14:09

AI Anda Mungkin Memiliki “Otak Emosional”, Mengungkap 171 Vektor Emosi Tersembunyi di Dalam Claude

marsbit05/09 14:09

Dialog dengan Mai-Lan dari Amazon Web Services: Medan Pertarungan Berikutnya untuk S3, Menghadapi Gelombang Konsumsi Data di Era Agent

Awal tahun ini, popularitas OpenClaw di pasar Tiongkok menunjukkan potensi besar agen AI. Namun, pertanyaan mendesak bagi penyedia cloud muncul: apakah infrastruktur data, terutama lapisan data, siap menghadapi konsumsi data yang sangat agresif dan frekuensi tinggi oleh agen yang berkembang pesat? Mai-Lan Tomsen Bukovec, Wakil Presiden Teknologi Amazon Web Services, menekankan bahwa agen mengkonsumsi data dengan cara yang sangat aktif dan agresif, dengan frekuensi panggilan ke gudang data atau danau data yang luar biasa tinggi. Agen bekerja dalam mode "paralel dan pilih yang terbaik", menjalankan puluhan hingga ratusan kueri secara bersamaan untuk mencari jalur optimal, membuatnya menjadi konsumen data yang jauh lebih intensif daripada manusia—dengan frekuensi panggilan dan throughput data yang meningkat secara eksponensial. Biaya atau nilai menjadi faktor penentu dalam membangun infrastruktur agen. Menyambut ulang tahun ke-20 Amazon S3, layanan ini telah melakukan tiga transformasi besar untuk memenuhi kebutuhan era AI: S3 Table (format tabel), S3 Files (file), dan S3 Vector (vektor). Dukungan native S3 untuk Apache Iceberg (S3 Table) memungkinkan agen berinteraksi efisien dengan data melalui SQL. S3 Vectors, yang diperkenalkan sebagai tipe data native, digunakan untuk membangun konteks data dan sebagai memori bersama yang berkembang pesat untuk sistem agen. S3 Files, yang dirilis baru-baru ini, memungkinkan agen mengakses data S3 melalui standar POSIX seperti sistem file, menjadikannya antarmuka data yang alami. Dengan perubahan ini, Amazon S3 memperkuat posisinya sebagai fondasi kunci untuk beban kerja AI, merespons permintaan pelanggan akan pemrosesan data yang ekonomis, tersedia, tahan lama, dan tangguh, siap mendukung perkembangan dua dekade mendatang.

marsbit05/08 04:20

Dialog dengan Mai-Lan dari Amazon Web Services: Medan Pertarungan Berikutnya untuk S3, Menghadapi Gelombang Konsumsi Data di Era Agent

marsbit05/08 04:20

Berapa Banyak Token Lagi yang Dibutuhkan Yang Zhilin untuk Mencapai 'Bulan yang Mengejar Cahaya'?

Artikel ini membahas kecemasan strategis Yang Zhilin, pendiri MoonDark (Kimi), dalam persaingan sengit dengan DeepSeek di pasar AI China. Meski Kimi mencapai pencapaian teknis seperti model K2.6 dengan kemampuan multi-Agent dan konteks panjang, tekanan datang dari sisi komersialisasi, valuasi, dan persaingan dengan raksasa teknologi seperti ByteDance. DeepSeek, dengan model V4-nya yang open-source dan efisien, menantang posisi Kimi dengan pendekatan teknis yang berbeda dan valuasi yang lebih tinggi. Kedua perusahaan, meski bersaing, saling memengaruhi dalam inovasi teknis dan mendorong batas kemampuan AI China. Tantangan terbesar Yang adalah membuktikan nilai unik Kimi di tengah ekspektasi tinggi investor dan persaingan global, sambil menjaga pertumbuhan berkelanjutan menuju IPO. Artikel menekankan bahwa persaingan ini justru menguntungkan ekosistem AI China, yang kini hampir menyamai kemampuan AS.

marsbit04/26 11:35

Berapa Banyak Token Lagi yang Dibutuhkan Yang Zhilin untuk Mencapai 'Bulan yang Mengejar Cahaya'?

marsbit04/26 11:35

Uji Coba Hy3 preview Tencent Hunyuan: AI Tencent Akhirnya Bisa Diandalkan?

Ringkasan: Tencent merilis model bahasa AI terbaru mereka, Hunyuan Hy3 Preview, yang diklaim sebagai model paling cerdas mereka hingga saat ini. Model ini menggunakan arsitektur hybrid expert dengan 295B parameter total dan mendukung konteks hingga 256K. Kemampuannya diuji dalam empat area utama: 1. **Penalaran:** Kuat dalam logika deduktif kompleks, tetapi kurang konsisten dalam mengidentifikasi jebakan atau teka-teki. 2. **Pembelajaran Kontekstual & Kepatuhan Instruksi:** Sangat baik dalam mengekstrak informasi dari teks berantakan dan mengikuti aturan bahasa baru. 3. **Kode & Agen:** Mampu menghasilkan kode dasar (seperti game snake) dan menggunakan alat, tetapi memiliki keterbatasan dalam menyelesaikan tugas analisis data yang kompleks secara menyeluruh. 4. **Percakapan Alami:** Meningkat pesat. Percakapan terasa lebih alami dan kurang kaku, sementara tulisan kreatifnya lancar dan mampu meniru gaya penulisan tertentu dengan baik. Kesimpulannya, Hy3 Preview adalah model yang solid dan praktis tanpa kelemahan mencolok, menandakan kemajuan signifikan bagi Tencent di bidang AI. Meski mungkin bukan yang terhebat di semua bidang, model ini merupakan langkah penting untuk mengejar ketertinggalan dan menyediakan model AI yang dapat digunakan di seluruh ekosistem produk Tencent.

marsbit04/26 07:21

Uji Coba Hy3 preview Tencent Hunyuan: AI Tencent Akhirnya Bisa Diandalkan?

marsbit04/26 07:21

Di Balik Kehebohan DeepSeek V4: Silicon Valley 'Membangun Tembok', China 'Membuka Jalan'

DeepSeek V4, model AI canggih China, meluncur pada 24 April dan langsung memuncaki peringkat model open-source Hugging Face. Dua inovasi utamanya adalah: konteks ultra-panjang hingga jutaan token dengan efisiensi cache KV hanya 10% dari V3.2, serta adaptasi optimal dengan chip domestik seperti Ascend dan Cambricon melalui kolaborasi erat dengan Huawei. Bersamaan dengan itu, Kimi K2.6 juga dirilis sebagai model open-source andalan China. Berbeda dengan persaingan sengit model closed-source AS (seperti OpenAI, Anthropic, dan Google) yang saling serang dan berfokus pada perlindungan kepentingan komersial, model China justru berkolaborasi melalui open-source. DeepSeek dan MoonShot (pembuat Kimi) saling berbagi inovasi seperti arsitektur MLA dan optimizer Muon, menciptakan evolusi bersama yang memperkuat ekosistem. Meski pendapatan model China masih di bawah raksasa AS, efisiensi pelatihan mereka sangat tinggi (hanya sebagian kecil biaya OpenAI) dan penggunaan token global melalui open-source telah melampaui AS. Laporan memprediksi pertumbuhan eksponensial permintaan AI di China, menunjukkan bahwa pendekatan kolaboratif open-source tidak hanya mengurangi biaya tetapi juga membangun fondasi kuat menuju AGI yang berkelanjutan dan mandiri, didukung oleh integrasi erat dengan chip domestik.

marsbit04/26 07:07

Di Balik Kehebohan DeepSeek V4: Silicon Valley 'Membangun Tembok', China 'Membuka Jalan'

marsbit04/26 07:07

Keterbatasan Komputasi, Apa yang Membuat DeepSeek-V4 Berani Open Source?

DeepSeek meluncurkan model bahasa besar (LLM) terbaru mereka, DeepSeek-V4, dalam versi pratinjau yang juga bersifat open source. Model ini menawarkan kemampuan konteks ultra-panjang hingga 1 juta token, yang sebelumnya hanya tersedia di layanan berbayar perusahaan teknologi besar. Namun, DeepSeek secara terbuka mengakui keterbatasan throughput layanan Pro-nya karena kendala komputasi high-end. V4-Pro, dengan 1.6T parameter total namun hanya mengaktifkan 49B parameter selama inferensi, menunjukkan kinerja kuat dalam tugas-tugas seperti pemrograman dan penalaran. Ini dicapai melalui optimasi arsitektur yang mendalam, termasuk mekanisme perhatian yang disempurnakan dan teknik sparse attention. Sementara itu, versi Flash, dengan 284B parameter total dan hanya 13B parameter yang diaktifkan, dirancang untuk efisiensi. Ini memungkinkan operasi pada perangkat keras komputasi yang lebih terjangkau dan membuka peluang untuk adopsi yang lebih luas oleh pengembang dan bisnis skala menengah. DeepSeek juga berfokus pada adaptasi dengan chip komputasi domestik Tiongkok, seperti Ascend dari Huawei dan Cambricon, meskipun tantangan dalam kinerja dan pasokan perangkat keras tetap ada. Peluncuran ini juga dilihat sebagai respons strategis terhadap persaingan pasar yang ketat dan pergantian personel inti, menunjukkan ketahanan perusahaan dalam melanjutkan inovasi teknis.

marsbit04/26 00:31

Keterbatasan Komputasi, Apa yang Membuat DeepSeek-V4 Berani Open Source?

marsbit04/26 00:31

Pendiri a16z: Di Masa Agent, Hal yang Benar-Benar Penting Telah Berubah

Pendiri a16z Marc Andreessen menyoroti bahwa era AI saat ini bukanlah fenomena mendadak, melainkan hasil akumulasi teknologi selama 80 tahun. Dalam wawancara dengan Latent Space, ia menekankan bahwa agent AI (kombinasi dari LLM, shell, file system, dan alat eksekusi) merupakan perubahan fundamental dalam arsitektur perangkat lunak. Agent tidak hanya menghasilkan teks, tetapi juga mampu melakukan penalaran, pemrograman, dan peningkatan diri secara mandiri. Andreessen memprediksi bahwa interaksi berbasis agent akan menggantikan antarmuka pengguna tradisional, di mana perangkat lunak akan lebih banyak digunakan oleh bot lain. Ia juga membahas investasi AI yang didukung perusahaan besar dengan likuiditas kuat, berbeda dengan gelembung dot-com 2000. Open source dan komputasi tepi (edge inference) disebut sebagai bagian kunci dalam persaingan AI, sementara tantangan utama meliputi keamanan, identitas, pembayaran, serta resistensi kelembagaan. Menurutnya, AI akan menghadapi perlambatan adopsi akibat faktor sosial dan regulasi, meskipun potensi teknisnya sangat besar.

marsbit04/25 02:08

Pendiri a16z: Di Masa Agent, Hal yang Benar-Benar Penting Telah Berubah

marsbit04/25 02:08

DeepSeek Tidak Hanya Ingin Fokus pada Model Besar Lagi

DeepSeek, perusahaan pengembang model AI asal Tiongkok, baru saja meluncurkan model terbaru mereka, DeepSeek-V4, yang terdiri dari dua varian: V4-Pro (1,6 triliun parameter) dan V4-Flash (284 miliar parameter). Keduanya menggunakan arsitektur MoE (Mixture of Experts) dan mendukung konteks hingga 100 ribu token, dengan harga API yang sangat kompetitif. Yang menarik, DeepSeek secara eksplisit menyatakan bahwa harga yang lebih murah ke depan akan sangat bergantung pada ketersediaan massal kluster komputasi Ascend 950 buatan Huawei, yang dijadwalkan pada paruh kedua tahun ini. Ini menandakan bahwa strategi harga rendah mereka tidak hanya didorong oleh optimasi model, tetapi juga oleh integrasi dengan infrastruktur komputasi domestik. Peluncuran V4 juga terjadi di tengah kabar bahwa DeepSeek sedang merencanakan pendanaan besar (dilaporkan 50 miliar yuan) dan menghadapi tantangan dalam mempertahankan talenta inti. Beberapa peneliti kunci telah hengkang ke perusahaan besar seperti ByteDance dan Tencent. Dengan V4, DeepSeek tidak hanya memperkuat posisinya di papan atas model AI open-source, tetapi juga menunjukkan komitmen untuk mendorong adopsi komputasi domestik, mengurangi ketergantungan pada infrastruktur CUDA NVIDIA. Namun, perusahaan kini menghadapi tekanan yang lebih besar dalam hal pendanaan, retensi talenta, dan komersialisasi, menandai transisi menuju perusahaan infrastruktur AI yang lebih "berat".

marsbit04/25 01:57

DeepSeek Tidak Hanya Ingin Fokus pada Model Besar Lagi