# Artikel Terkait Alat

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

Model Besar Tak Lagi Hanya 'Berbicara Saja' Saat Memberi Skor pada Gambar, Gunakan Peta Struktur, Spektrum Frekuensi sebagai 'Bukti Fisik', dan 'Bukti Visual' untuk Memberi Skor pada Gambar

Model multi-modal besar (MLLM) sering gagal menilai kualitas gambar secara akurat karena mengandalkan bias semantik internal, bukan bukti degradasi visual yang terukur. Untuk mengatasi ini, tim peneliti dari **Northwestern Polytechnical University** dan **Hong Kong University of Science and Technology** memperkenalkan **IQA-T1**, sebuah framework baru yang memungkinkan MLLM menilai kualitas gambar dengan **bukti visual terstruktur**. IQA-T1 dilengkapi dengan **toolbox analisis** yang berisi alat-alat seperti *Noise Residual Map*, *Fourier Magnitude Spectrum*, dan *Gradient Orientation Coherence Map*. Alat-alat ini menghasilkan "bukti visual" yang memvisualisasikan noise, artefak, blur, dan degradasi lainnya. Model kemudian belajar **memanggil alat-alat ini secara adaptif** dan melakukan penalaran langkah demi langkah berdasarkan bukti-bukti tersebut. Framework ini dilatih dalam dua tahap: **Supervised Fine-Tuning (SFT)** untuk mempelajari cara menggunakan alat dan template penalaran, dan **Reinforcement Learning (RL)** dengan GRPO untuk mengoptimalkan strategi pemanggilan alat yang efisien. Tim juga membuat dataset **Q-Tool**, dataset IQA pertama yang dilengkapi rantai penalaran multimodal berbasis bukti. Dalam evaluasi pada 7 benchmark IQA (termasuk gambar dengan distorsi nyata, sintetis, dan hasil AI), IQA-T1 mencapai kinerja **terbaik secara keseluruhan (SOTA)** dengan skor PLCC/SRCC rata-rata **0.795/0.784**. Ia mengungguli metode MLLM lain sekaligus menyediakan proses penilaian yang **dapat dijelaskan dan dilacak**. Rata-rata, model hanya menggunakan **2.34 alat per gambar**, membuktikan efisiensi dan efektivitas pendekatan berbasis bukti ini.

marsbit07/20 07:50

Model Besar Tak Lagi Hanya 'Berbicara Saja' Saat Memberi Skor pada Gambar, Gunakan Peta Struktur, Spektrum Frekuensi sebagai 'Bukti Fisik', dan 'Bukti Visual' untuk Memberi Skor pada Gambar

marsbit07/20 07:50

Jatuhnya Zapper, Bencana Alam atau Kesalahan Manusia?

**Zapper, Platform DeFi Terkemuka, Akan Ditutup: Apa Penyebabnya?** Pada 8 Juli 2026, Zapper, platform dashboard dan agregator DeFi, mengumumkan penutupan total. Platform yang pernah memiliki 2 juta pengguna aktif bulanan dan memproses transaksi senilai $13 miliar ini menghentikan operasinya setelah bertahun-tahun berjuang. Zapper lahir pada 2020 dari merger DeFiZap dan DeFiSnap, tepat saat "DeFi Summer" dimulai. Ia berkembang pesat berkat kebutuhan pengguna untuk melacak portofolio yang tersebar di berbagai protokol. Zapper berhasil mengumpulkan pendanaan $16.5 juta dari investor ternama seperti Framework Ventures dan Mark Cuban. Namun, kesuksesan awal tidak bertahan. Model pendapatan Zapper yang bergantung pada biaya kecil dari agregasi perdagangan DEX ternyata tidak berkelanjutan di tengah persaingan ketat. Biaya tinggi untuk memelihara sistem data multi-rantai juga membebani keuangan mereka. Sementara itu, lanskap DeFi berubah: dana dan pengguna semakin terkonsentrasi di protokol-prototokol besar, mengurangi kebutuhan akan alat pelacak portofolio yang kompleks. Zapper mencoba beberapa kali untuk bertransformasi, seperti meluncurkan sistem poin berbasis NFT (Chainchat) dan merencanakan protokol dengan token ZAP. Sayangnya, upaya-upaya ini gagal menghasilkan aliran pendapatan yang stabil atau menangkap kebutuhan pasar yang sebenarnya. Analisis menunjukkan Zapper terlalu berfokus pada produk berbiaya tinggi (pelacak portofolio) dan kurang mengembangkan fitur penghasil pendapatan. Mereka juga terjebak dalam "pemikiran blockchain" untuk produk konsumen (2C), mencoba menciptakan kebutuhan baru alih-alih menyelesaikan masalah yang ada. Nasib Zapper menjadi peringatan bagi produk-produk alat DeFi lainnya. Ketika lingkungan pasar berubah, bertahan pada model lama tanpa adaptasi yang cepat dan fokus pada kelayakan ekonomi adalah resep kegagalan. Kesuksesan awal yang didorong tren tidak menjamin kelangsungan jangka panjang.

Foresight News07/10 02:14

Jatuhnya Zapper, Bencana Alam atau Kesalahan Manusia?

Foresight News07/10 02:14

Asal-Usul Mengejutkan Claude Code Terkuak, Ternyata Lahir dari Proyek Keamanan Alignment, Boris: Baru Selesai 1%

**Ringkasan: Claude Code, Asal Usul Mengejutkan dari Proyek Alignment** Tahun 2025, Claude Code meluncur dan mengubah cara kerja Silicon Valley. Namun, penciptanya, Boris Cherny dari Anthropic, mengungkapkan fakta mengejutkan: **Claude Code lahir dari proyek internal keamanan dan penyelarasan AI (Alignment)**. Bahkan, ia menyatakan bahwa pengembangan Claude Code **baru selesai 1%**, menyisakan 99% potensi masa depan. Jalan ceritanya dimulai tahun 2021. Ben Mann dan timnya di Anthropic membangun asisten pemrograman awal untuk VS Code. Di sisi lain, tim penelitian seperti Shauna Kravec dan Dawn Drain berfokus pada visi yang lebih radikal: **rekayasa perangkat lunak otonom (autonomous software engineering)**. Mereka yakin AI transformatif harus melalui otomatisasi pekerjaan rekayasa perangkat lunak skala besar. Tantangan besar muncul: **mimpi buruk infrastruktur**. Membuat *agentic coding* yang sebenarnya membutuhkan lingkungan eksekusi kode yang aman, penanganan file, waktu tunggu, dan kegagalan—masalah yang masih relevan hingga kini. Proyek awal sempat terbengkalai, tetapi penelitian terus berlanjut, menghasilkan komponen inti seperti *function calling*, *search*, dan *bash tool*. Mereka menciptakan alat baris perintah internal bernama **"clide"** yang memungkinkan developer berinteraksi dengan Claude untuk mengedit kode. Namun, clide terlalu maju untuk zamannya: lambat, tidak stabil, dan dianggap sebagai "mainan" penelitian. Perubahan besar terjadi pada September 2024 ketika **Boris Cherny** bergabung. Tugasnya adalah mengembangkan *agentic coding*. Setelah membuat prototipe sederhana dan mengalami sendiri kekuatan clide yang dapat menulis *pull request* lengkap dari sebuah *issue*, Boris tercengang. Ini adalah momen "*Holy shit*". Tim kecil yang terdiri dari Boris, Sid Bidasaria, dan Ben Mann kemudian mendapatkan lampu hijau. Dalam **dua minggu maraton**, mereka menyelesaikan fitur inti Claude Code: pelaporan bug, alur login, pembaruan otomatis, dan metrik penggunaan. Pada Februari 2025, **Claude CLI** diluncurkan ke publik dan berganti nama menjadi **Claude Code**. Awalnya, tanggapan biasa saja. Namun, dengan dirilisnya model **Claude 4 Sonnet**, segalanya berubah. Kemampuannya melonjak, mulai mengubah alur kerja developer di berbagai perusahaan. Boris sendiri sampai bisa menulis kode dan melakukan 88 commit dalam sehari hanya dengan Claude Code, tanpa mengetik satu baris kode pun. Kini, kepercayaan pengguna tumbuh. Banyak yang secara otomatis menyetujui permintaan akses. Peran insinyur manusia mulai bergeser dari **arsitek kode** menjadi **administrator AI**. Namun, Boris Cherny tetap menekankan: **"Kami baru menyelesaikan 1%."** Visi jangka panjang—*agent* yang benar-benar otonom, memiliki memori persisten, mengelola konteks kompleks, dan merencanakan untuk dunia terbuka—masih sangat jauh. Claude Code hanyalah langkah pertama menuju era di mana AI mengatasi tantangan manusia yang paling rumit.

marsbit07/07 12:34

Asal-Usul Mengejutkan Claude Code Terkuak, Ternyata Lahir dari Proyek Keamanan Alignment, Boris: Baru Selesai 1%

marsbit07/07 12:34

Microsoft Akan Meninggalkan Claude: Terlalu Mahal atau Sudah Paham Caranya?

Microsoft akan berhenti menggunakan Claude Code untuk ribuan insinyurnya mulai 30 Juni, beralih ke GitHub Copilot CLI miliknya sendiri. Keputusan ini didorong oleh biaya tinggi Claude Code yang berbasis token, dengan laporan menunjukkan biaya mencapai $500-$2000 per insinyur per bulan, seperti yang dialami Uber. Meski Microsoft menyebutkan ini sebagai bagian dari "eksperimen belajar" selama enam bulan untuk memperbaiki Copilot CLI dengan membandingkannya langsung dengan Claude Code, langkah ini mengungkap tantangan strategis yang lebih dalam. Claude Code, dengan kinerja lebih unggul (skor 80.8% pada SWE-bench vs 72.5% Copilot) dan konteks jendela lebih besar, menjadi favorit di kalangan insinyur Microsoft dengan kepuasan 91%. Microsoft menghadapi tiga dilema utama: ketergantungan pada model eksternal (OpenAI/Anthropic) tanpa model dasar umum andal milik sendiri, produk Copilot yang tertinggal dalam hal kemampuan, dan melemahnya kendali ekosistem. Data Ramp AI Index menunjukkan adopsi perusahaan untuk Anthropic (34.4%) telah melampaui OpenAI (32.3%), didorong oleh kesuksesan Claude Code yang meraih 54% pangsa pasar alat pemrograman AI. Pada intinya, keputusan ini mencerminkan pergeseran industri dari model biaya tetap ke berbasis token, mendorong perusahaan besar seperti Microsoft untuk mengevaluasi ulang strategi pembelian teknologi dan prioritas pengembangan internal demi mengontrol biaya dan mempertahankan kedaulatan teknologi.

marsbit05/25 10:32

Microsoft Akan Meninggalkan Claude: Terlalu Mahal atau Sudah Paham Caranya?

marsbit05/25 10:32

Dari Ekspor ke Penjualan Domestik: Pelayaran Khas Tiongkok Sebuah Film Pendek AI

**Ringkasan: Ekspor ke Pasar Dalam Negeri, Sebuah Cerita "Ekspor" Gaya China untuk Film Pendek AI** Hollywood mencari seorang pembuat konten China, MX-Shell, setelah CEO studio film AI Genre.ai, PJ Ace, memuji film pendek AI-nya "The Zombie Sweeper" sebagai salah satu film pendek terbaik yang pernah dilihatnya. Film ini awalnya tidak populer di Bilibili dan Douyin, tetapi viral di X (Twitter) setelah dibagikan oleh PJ Ace, memicu pencarian besar-besaran. MX-Shell, yang menyebut diri sendiri sebagai "penggemar amatir" dari Yunnan, membuat film tersebut sendirian dalam 10 hari menggunakan alat video AI China, Seedance 2.0 (dari ByteDance), dengan biaya sekitar 3000 RMB. Dia tidak menyadari popularitasnya di luar negeri karena hambatan bahasa dan akses. Akhirnya, berkat bantuan netizen, dia terhubung dengan PJ Ace melalui email QQ dan menerima tawaran untuk menjadi sutradara di Hollywood. Kisah ini menyoroti fenomena "ekspor ke pasar dalam negeri": sebuah karya buatan China, menggunakan alat AI China, meraih pengakuan global terlebih dahulu sebelum mendapatkan perhatian di dalam negeri. Ini dimungkinkan oleh ekosistem AI video yang matang di luar negeri dan biaya pembuatan yang rendah berkat persaingan ketat antar-platform AI di China. Kisah MX-Shell menunjukkan bahwa meskipun AI menurunkan hambatan teknis dan biaya produksi secara drastis, estetika, kreativitas, dan kemampuan bercerita tetaplah milik individu. Dia bukan sekadar pengguna alat yang beruntung; dia memiliki latar belakang fotografi, musik, dan standar naratif yang tinggi (terinspirasi oleh "Love, Death & Robots"). Ada dua jalur dalam produksi konten AI global: jalur industri (produksi massal untuk monetisasi) dan jalur kreator individu seperti MX-Shell, di mana kualitas konten adalah penggerak utamanya. Jalur kedua ini mungkin akan semakin banyak ditempuh oleh banyak kreator berbakat di China yang kini memiliki alat yang lebih mudah diakses, meskipun menemukan audiens yang tepat mungkin masih memerlukan "rute ekspor" terlebih dahulu.

marsbit05/14 04:29

Dari Ekspor ke Penjualan Domestik: Pelayaran Khas Tiongkok Sebuah Film Pendek AI

marsbit05/14 04:29

活动图片