# Artikel Terkait Kinerja

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

Apakah Ada Pemimpin Baru dalam Perlombaan ETF? Menurut Grayscale, Altcoin Ini Mengungguli Bitcoin, Ethereum, dan Altcoin Lainnya!

Gelombang ETF spot, yang dimulai dengan disetujuinya ETF spot Bitcoin oleh SEC AS pada Januari 2024, kini terus berlanjut dengan melibatkan banyak aset kripto alternatif (altcoin). Saat ini, selain Bitcoin ($BTC), berbagai altcoin seperti Ethereum ($ETH), $XRP, dan Solana (SOL) juga telah mendapatkan persetujuan sebagai ETF. Menariknya, ETF spot Hyperliquid ($HYPE) kini menarik minat signifikan dari investor. Laporan analisis terbaru dari Grayscale, perusahaan pengelola aset kripto, menyoroti kinerja $HYPE. Menurut penilaian mereka, sejak peluncurannya, ETF spot $HYPE telah melampaui ETF spot Bitcoin, Ethereum, Solana, dan $XRP dalam hal arus masuk kumulatif dana relatif terhadap kapitalisasi pasarnya. Grayscale mencatat bahwa ETF spot $HYPE menonjol sebagai produk yang menarik arus masuk dana paling cepat dari investor pada tahap awal. Perusahaan menekankan bahwa dalam periode waktu yang sama, ETF $HYPE menunjukkan awal terkuat dibandingkan para pesaingnya. Analisis Grayscale terhadap ETF lain menunjukkan bahwa ETF spot Bitcoin menunjukkan tren arus masuk yang paling stabil, sementara ETF $ETH mengalami pertumbuhan di pertengahan periode. ETF Solana dan $XRP juga dinikmati minat tinggi dan arus masuk dana yang substansial di awal kehadiran mereka. Namun, Grayscale menyatakan bahwa dibandingkan dengan periode yang sama, ETF $HYPE menunjukkan awal terkuat sepanjang sejarah. Hal ini, menurut mereka, menunjukkan bahwa permintaan investor terhadap $HYPE tetap tinggi. *Ini bukan rekomendasi investasi.

cryptonews.ruKemarin 12:22

Apakah Ada Pemimpin Baru dalam Perlombaan ETF? Menurut Grayscale, Altcoin Ini Mengungguli Bitcoin, Ethereum, dan Altcoin Lainnya!

cryptonews.ruKemarin 12:22

GPT-5.6 Sol Sekonyong-Konyong Jadi Bodoh, Anggaran Penalaran Dipangkas dari 960 ke 128, Sudah Tidak Ada Model dengan Kecerdasan Tetap?

Seluruh internet membicarakan bahwa model GPT-5.6 Sol (khususnya varian Codex Sol MAX) tampaknya menjadi lebih "bodoh". Pengguna melaporkan penurunan mendadak dalam kedalaman penalaran dan kemampuan menyelesaikan tugas kompleks. Model yang sebelumnya menghabiskan waktu lama untuk berpikir mendalam kini terkesan terburu-buru. Komunitas menemukan parameter internal OpenAI yang tidak pernah diumumkan sebelumnya, yaitu "juice value," yang diduga mengatur anggaran daya komputasi untuk penalaran. Pengamatan menunjukkan nilai untuk mode Max turun drastis dari 960 menjadi 128, penurunan hampir 87%. Jendela konteks yang tersedia juga dilaporkan menyusut. Thibault Sottiaux (Tibo) dari OpenAI membantah tuduhan "penurunan kecerdasan". Ia menjelaskan bahwa perubahan itu adalah bagian dari "eksperimen" untuk menelusuri peningkatan penggunaan token setelah rilis GPT-5.6. Eksperimen itu menyesuaikan "reasoning effort" (juice values). OpenAI juga sedang mengoptimalkan efisiensi dan memperbaiki masalah pada pemanggilan multi-agen. Ia menegaskan konfigurasi telah dikembalikan dan peningkatan akan dilanjutkan. Insiden ini menyoroti ketegangan antara keajaiban AI di lab dan realitasnya sebagai infrastruktur produksi yang harus efisien. Pengguna mulai menyadari bahwa performa model tidak selalu tetap, tetapi dapat disesuaikan oleh platform di balik layar. Artikel ini menyerukan transparansi yang lebih besar dari penyedia layanan AI agar pengguna, terutama bisnis, benar-benar memahami jaminan yang mereka dapatkan dari layanan berlangganan mereka.

marsbit07/15 03:34

GPT-5.6 Sol Sekonyong-Konyong Jadi Bodoh, Anggaran Penalaran Dipangkas dari 960 ke 128, Sudah Tidak Ada Model dengan Kecerdasan Tetap?

marsbit07/15 03:34

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

BREAKING: Elon Musk Luncurkan Grok 4.5, Model Terkuat dengan Harga Paling Murah untuk Kecerdasan Tingkat Opus

Elon Musk dan SpaceXAI secara resmi meluncurkan Grok 4.5, model flagship terkuat mereka yang dikembangkan bersama Cursor. Model ini dilatih dengan puluhan ribu GPU GB300 Nvidia pada data berkualitas tinggi dan triliunan data interaksi developer nyata dari Cursor, fokus meningkatkan "kecerdasan per token". Dalam hal kinerja, Grok 4.5 menunjukkan hasil yang kompetitif: mencetak 64.7% pada SWE Bench Pro (mengungguli Opus 4.7 dan GPT-5.5), 83.3% pada Terminal Bench 2.1 (hampir menyamai GPT-5.5), dan 62.0% pada DeepSWE 1.0 (mengalahkan Opus 4.8). Model ini juga menempati peringkat ke-4 dalam tes AAAI dan pertama pada benchmark agen hukum Harvey. Keunggulan utama Grok 4.5 terletak pada kecepatan, efisiensi, dan harga. Kecepatan inferensinya mencapai 80 TPS. Dalam tugas SWE Bench Pro, model ini hanya menggunakan 15.954 token (4.2 kali lebih efisien daripada Opus 4.8 yang memakai 67.020 token). Harganya sangat kompetitif: $2 per juta token untuk input dan $6 per juta token untuk output, menawarkan nilai terbaik untuk "kecerdasan per unit waktu dan biaya". Uji coba oleh pengguna menunjukkan kemampuannya menghasilkan kode fungsional seperti simulator tata surya 3D dan game langsung dari perintah teks, meski beberapa pengguna mencatat hasil yang beragam untuk tugas tertentu. Elon Musk mengisyaratkan peningkatan lompatan lagi untuk versi bulan depan, dengan model berparameter 2 triliun yang dikabarkan sedang dalam pengembangan, menekankan pendekatan praktis untuk menyelesaikan masalah rekayasa dunia nyata di perusahaannya.

marsbit07/09 03:15

BREAKING: Elon Musk Luncurkan Grok 4.5, Model Terkuat dengan Harga Paling Murah untuk Kecerdasan Tingkat Opus

marsbit07/09 03:15

Satu Megawatt Menopang 60 Ribu Agen Cerdas, GB300 NVIDIA Hancurkan Generasi Sebelumnya 20 Kali Lipat

Judul: "Satu Megawatt Menghidupi 60.000 Agen, NVIDIA GB300 Hancurkan Generasi Sebelumnya 20 Kali Lipat" Benchmark baru, AA-AgentPerf, telah diperkenalkan untuk mengukur kinerja sistem AI dalam menjalankan beban kerja agen AI yang kompleks, bukan hanya inferensi tunggal. Berbeda dengan benchmark lama yang mengukur token per detik, AA-AgentPerf fokus pada metrik utama "Jumlah Agen Bersamaan per Megawatt", yaitu berapa banyak agen AI yang dapat didukung secara bersamaan dengan daya 1 megawatt, sambil mempertahankan standar layanan tertentu (SLO) seperti kecepatan output token. NVIDIA GB300 NVL72, sebuah sistem tingkat rak yang menghubungkan 72 GPU melalui NVLink, menunjukkan kinerja luar biasa dalam benchmark ini. Pada standar layanan 20 dan 60 token per detik, sistem ini dapat menangani sekitar 61.400 agen bersamaan per megawatt. Ini sekitar 20 kali lipat lebih efisien dibandingkan generasi sebelumnya, H200, yang hanya menangani sekitar 2.600 agen per megawatt. Dari sisi kepadatan perangkat keras, setiap GPU GB300 dapat menangani rata-rata 57,5 agen, sekitar 40 kali lipat dari H200 (1,4 agen per GPU). Keunggulan ini dicapai melalui kemenangan di tingkat sistem, termasuk arsitektur GPU Blackwell, interkoneksi NVLink berbandwidth tinggi, dan optimisasi perangkat lunak seperti TensorRT-LLM yang memungkinkan pemrosesan paralel dan caching yang efisien untuk beban kerja agen yang melibatkan ratusan panggilan berantai, konteks yang membengkak, dan penggunaan alat. Penting untuk dicatat bahwa angka 61.400 agen adalah simulasi sesi bersamaan berdasarkan jejak agen yang telah direkam (saat ini fokus pada pengkodean), bukan menjalankan model lengkap secara independen. Hasilnya adalah potret kemampuan komputasi dan efisiensi, bukan jaminan kapasitas layanan produksi langsung. AA-AgentPerf masih merupakan proposal awal dari satu organisasi dan kinerja sistem diperkirakan akan terus meningkat dengan optimisasi perangkat lunak lebih lanjut.

marsbit07/06 01:05

Satu Megawatt Menopang 60 Ribu Agen Cerdas, GB300 NVIDIA Hancurkan Generasi Sebelumnya 20 Kali Lipat

marsbit07/06 01:05

活动图片