GENIUSHarga Genius

**Ringkasan:** Artikel ini membahas peran unik **saham preferen (preferred shares)** dalam strategi keuangan MicroStrategy (MSTR), khususnya terkait investasinya di Bitcoin (BTC). Saham preferen MSTR, termasuk produk seperti STRC, secara hukum adalah ekuitas tetapi memiliki sifat seperti utang (misalnya, pembayaran dividen tetap/tertentu). Kelebihannya adalah tidak dianggap sebagai utang tradisional: tidak ada tekanan untuk melunasi pokok, dan pembayaran dividen tidak wajib. Jika MSTR kekurangan kas, mereka dapat **menunda atau mengakumulasi pembayaran dividen** saham preferen tanpa memicu default atau kebangkrutan. Risiko kebangkrutan yang sebenarnya justru datang dari **obligasi konversi (convertible notes)** yang jatuh tempo, yang jika tidak dikonversi akan memaksa penjualan BTC. Artikel menyoroti bahwa MSTR baru-baru ini mengumpulkan dana **$3.355 miliar** melalui penerbitan saham biasa ($MSTR), bukan saham preferen, sehingga tidak menambah beban dividen masa depan. Cadangan dolar mereka meningkat menjadi **$14 miliar**, cukup untuk membayar semua dividen saham preferen hingga **Februari 2027** dan setengah dari dividen Maret 2027. Dengan cadangan kuat ini dan asumsi bear market BTC akan berakhir sebelum obligasi konversi awal jatuh tempo (September 2027), MSTR memiliki ruang bernapas. Mereka dapat terus menerbitkan $MSTR saat pasar pulih untuk mengisi kembali cadangan dan membayar dividen, mengurangi tekanan seiring kenaikan harga BTC dan MSTR.

Karpathy, mantan pendiri OpenAI dan direktur AI Tesla, memperkenalkan konsep revolusioner: mengelola pengetahuan pribadi dengan pendekatan "sumber kode yang dikompilasi" oleh LLM. Alih-alih menggunakan RAG yang hanya mengambil potongan catatan secara terpisah, metode barunya memperlakukan catatan mentah sebagai "sumber kode tidak berubah". LLM bertindak sebagai "kompiler" yang secara berkala menyusun semua bahan mentah tersebut menjadi wiki terstruktur yang saling terhubung dan koheren. Proses "kompilasi" ini memperbarui halaman terkait, merevisi ringkasan, dan menandai ketidakkonsistenan. Arsitektur ini memiliki tiga lapisan: **Raw** (bahan mentah), **Schema** (aturan struktur untuk AI), dan **Wiki** (hasil kompilasi AI). Alur kerjanya melibatkan **Ingest** (memasukkan materi baru), **Query** (bertanya pada wiki yang telah dikompilasi), dan **Lint** (pemeriksaan rutin untuk inkonsistensi). Konsep ini mewujudkan visi Vannevar Bush pada 1945 tentang "Memex", mesin asosiatif pribadi, yang sebelumnya terhambat oleh beban pemeliharaan manual yang melelahkan. LLM menghilangkan beban "pembukuan" pengetahuan ini, membebaskan manusia dari tugas pengorganisasian dan perawatan yang membosankan. Tujuannya adalah mengembalikan fokus manusia pada hal yang esensial: memutuskan apa yang perlu dipelajari dan merenungkan makna dari pengetahuan yang terkumpul. Ini adalah perubahan mendasar dalam hubungan produksi kognitif manusia-AI.

Mantan "Bakat Jenius" Huawei, Li Bojie, menjadi sorotan setelah mengkritik pengalaman wawancaranya dengan DeepSeek pada 6 Juli. Ia mengeluhkan penjadwalan yang tertunda dan merasa dihina karena dituding menyontek selama tes coding, yang membuatnya menghentikan wawancara. Kontroversi membesar ketika Du Jun, pendiri ABCDE Capital, menuduh Li sebagai "pendiri paling tidak memiliki semangat kontrak" pada 7 Juli. Mereka berseteru mengenai proyek Web3+AI Li, Metagent. ABCDE berinvestasi US$1,5 juta, tetapi hanya US$500.000 yang dicairkan. Du Jun menyebut demo Juni 2024 berkualitas buruk, perkembangan lambat, dan Li kemudian menghilang dari komunikasi. Li Bojie membela diri dengan menyatakan dana yang tidak lancar menghambat operasi, dan ia mengundurkan diri dari Metagent pada Oktober 2024 karena alasan keluarga dan risiko kepatuhan. Mantan peneliti ABCDE, HarryM, mengungkapkan tim lebih fokus pada pencairan dana sisa daripada pengembangan produk. ArkStream Capital juga mengungkapkan ketidakprofesionalan Li selama proses due diligence untuk Metagent. Proyek tersebut kini mandek. Li kemudian beralih ke proyek baru, Pine AI (sebelumnya Logenic AI), platform agen AI untuk konsumen. Meski disebutkan mencapai 150.000 pengguna dan mengamankan pendanaan, Li menyatakan ia hanya bergabung sebagai penasihat dan ilmuwan utama, bukan pendiri, dan telah mengundurkan diri karena minat penelitiannya beralih ke model dasar.

Enam lembaga federal AS mendorong aturan untuk kerangka kerja stablecoin pembayaran berdasarkan GENIUS Act, dengan tenggat waktu pembuatan aturan pada 18 Juli. Langkah ini berfokus pada kejelasan regulasi untuk cadangan, aturan modal penerbit, dan perizinan stablecoin pembayaran, yang lebih berdampak pada infrastruktur pasar daripada harga token jangka pendek. Intinya, perkembangan ini memberikan kepastian tambahan bagi pasar, memengaruhi pergerakan modal, operasi perusahaan, dan mengurangi ketidakpastian. Bagi pedagang, yang penting adalah kejelasan regulasi, likuiditas, dan keandalan infrastruktur, bukan reaksi harga sesaat. Pembuat kebijakan dan tim kepatuhan akan lebih memperhatikan detail aturan dan integrasi. Stablecoin tetap menjadi sektor kripto yang sangat praktis, menghubungkan pertukaran, pembayaran, dan penyelesaian lintas batas. Perubahan dalam penerbitan atau regulasinya dapat memiliki efek luas. Laporan ini memberikan data konkret untuk menilai posisi stablecoin dalam siklus saat ini, menekankan pentingnya kesimpulan yang akurat dan dekat dengan sumber informasi, tanpa berlebihan.

GPT-5.6 dari OpenAI mencapai terobosan dalam tes IQ offline oleh Tracking AI, dengan beberapa versinya mencetak skor 136. Ini adalah pertama kalinya model bahasa besar (LLM) melampaui ambang batas "jenius" 130, yang hanya dicapai oleh sekitar 1% populasi manusia. Skor ini diperoleh dari bank soal rahasia yang dirancang khusus untuk mencegah model menghafal jawaban. Dalam peringkat offline, varian GPT-5.6, termasuk versi visual, secara konsisten mencapai 136, mengungguli pesaing seperti Claude-5 Fable (130) dan model lainnya yang berada di kisaran 117-123. Pengujian praktis oleh para developer menunjukkan kemampuan GPT-5.6 dalam tugas dunia nyata. Model ini berhasil membuat simulasi fisika partikel yang kompleks dalam satu file HTML, membangun sistem tiket layanan pelanggan berbasis RAG, dan memperbaiki bug kode dengan efektif, menunjukkan pendekatan yang lebih pragmatis dan aplikatif dibandingkan model lain. Meskipun skor IQ 136 menandakan kemampuan kognitif standar yang luar biasa dalam logika dan pengenalan pola, ini hanyalah satu aspek kecerdasan. Tes semacam itu tidak mengukur keandalan fakta, kemampuan menggunakan alat, atau kinerja dalam skenario profesional yang sebenarnya. Namun, pengalaman praktis menunjukkan bahwa GPT-5.6 mulai menyatukan kemampuan "menyelesaikan soal tes" dengan "menyelesaikan pekerjaan nyata".