Esai Terbaru Bill Gates: Masalah Sebenarnya AI adalah Kita Belum Siap

marsbitPubblicato 2026-08-28Pubblicato ultima volta 2026-08-28

Introduzione

Artikel ini merangkum esai panjang Bill Gates tentang transformasi AI. Gates menyoroti potensi besar AI untuk meningkatkan kesetaraan dalam kesehatan, pendidikan, dan bidang lainnya. Namun, fokus utamanya adalah pada periode transisi yang sulit menuju masa depan itu. Kekhawatiran terbesarnya adalah bahwa masyarakat belum siap. AI mengancam pekerjaan kognitif (seperti hukum, layanan pelanggan, pemrograman) secara mendasar, berbeda dengan revolusi industri sebelumnya yang menggantikan tenaga fisik. Pergeseran mungkin tidak menyebabkan pengangguran massal secara tiba-tiba, tetapi mengurangi penciptaan lapangan kerja baru dan membuat tenaga kerja semakin kecil. Risiko seperti kemampuan peretasan yang ditingkatkan AI sudah mulai terwujud. Gates memperkenalkan konsep **"Human Reserved"** (Area yang Direservasi untuk Manusia), di mana pekerjaan tertentu (seperti perawatan pasien, konseling) harus tetap dilakukan oleh manusia meskipun AI mampu melakukannya, karena nilai kemanusiaannya. Untuk mengelola transisi, Gates menyerukan reformasi kebijakan besar: 1. **Mengatur dampak ketenagakerjaan:** Memperkuat jaring pengaman sosial, pelatihan ulang, dan menyesuaikan sistem perpajakan (misalnya, mengenakan pajak untuk robot dan token AI). 2. **Membangun tata kelola AI baru** yang melintasi berbagai sektor. 3. **Koordinasi internasional**, terutama antara AS dan Tiongkok. Intinya, Gates memperingatkan bahwa meskipun AI akhirnya dapat membawa kemakmuran, jalan menuju ke sana penuh den...

Teks | Pilihan Opsional untuk Mendaki Puncak

Pada 26 Agustus, Bill Gates menerbitkan sebuah esai panjang tentang AI di Gates Notes:

The turbulent AI era is here. The choices we make now are critical."Era AI yang Bergejolak Sudah Tiba. Pilihan yang Kita Buat Sekarang Sangat Kritis."

Tulisan Asli Bill Gates di Gates Notes:

Inti panduan artikel asli: AI bisa menjadi alat kesetaraan terkuat, atau juga menjadi sumber ketidakadilan yang serius. Gates percaya, kita perlu mulai merencanakan transisi ini sekarang.

Artikel ini sangat mudah dibaca. Gates tidak menjadi pesimis AI, juga tidak menyangkal nilai jangka panjang AI. Dia masih percaya AI akan mendorong kemajuan besar di bidang kesehatan, pendidikan, pertanian, energi, penelitian ilmiah, dan lainnya.

Tapi fokus perhatiannya berubah.

Beberapa tahun terakhir, dia lebih banyak berbicara tentang apa yang akhirnya bisa diciptakan AI. Kali ini, dia menghabiskan banyak bagian membahas pertanyaan lain:

Apa yang akan terjadi di tengah jalan menuju masa depan itu?

Jika menyimpulkan seluruh artikel menjadi satu kalimat, kira-kira seperti ini:

Manfaat jangka panjang AI mungkin sangat besar. Namun "masa transisi" dari sekarang hingga masa depan itu, bisa menjadi salah satu transformasi sosial paling dahsyat dalam sejarah manusia. Dan kita hampir tidak membangun institusi untuk itu.

Gates masih percaya pada nilai jangka panjang AI. Yang membuatnya khawatir sekarang adalah: bagaimana kita melewati belasan tahun di tengah ini.

Dia menulis langsung dalam teks aslinya: "Sayangnya, kita tidak sedang mempersiapkan ini sekarang."

Lapisan Pertama: Gates Berpendapat, Kali Ini Tidak Bisa Sederhana Dianalogikan dengan Revolusi Industri

Ini adalah pandangan yang menurut saya sangat penting dalam seluruh artikel, dan juga mudah terlewatkan oleh judul berita.

Untuk menghadapi pertanyaan "Apakah AI akan merebut pekerjaan?", jawaban standar sebelumnya adalah: mesin uap menghilangkan beberapa pekerjaan, tapi menciptakan pekerjaan baru; internet juga sama, jadi AI pada akhirnya juga akan menciptakan pekerjaan baru.

Gates sekarang tampak meragukan perbandingan ini. Teknologi sebelumnya terutama menggantikan tenaga fisik, atau kemampuan spesifik tertentu. Pekerjaan baru pada akhirnya masih membutuhkan kognisi manusia.

Keunikan AI adalah: ia sendiri sedang menggantikan tenaga kognitif.

Siklus default dua ratus tahun terakhir

Pekerjaan lama hilang → Pekerjaan baru muncul → Manusia beralih ke sana

Gates dalam teks aslinya secara langsung menyebutkan hukum, layanan pelanggan, kesehatan, perangkat lunak, manufaktur, kemudian menyebutkan pekerjaan seperti penjualan, rekayasa perangkat lunak, asisten pengacara, persetujuan pinjaman, analisis data, triase pasien, dll.

Penilaiannya adalah: pekerjaan baru akan tetap muncul, tetapi jika kebijakan yang tepat kurang, jumlah posisi di masa depan mungkin jauh lebih sedikit daripada sekarang.

Penilaian ini lebih dalam dari yang biasanya disebut "AI merebut pekerjaan". Dua ratus tahun terakhir, kita menganggap kemajuan teknologi pada akhirnya akan menciptakan pekerjaan baru yang lebih banyak, lebih kompleks, dan juga lebih membutuhkan kognisi manusia.

Tapi jika yang diskalakan, yang ditekan biayanya, justru adalah "kemampuan kognitif" itu sendiri? Maka apakah pengalaman sejarah ini masih berlaku, mulai menjadi tidak pasti.

Dampak terbesar AI terhadap ketenagakerjaan, juga belum tentu adalah pengangguran besar-besaran yang tiba-tiba muncul suatu hari. Perubahan yang lebih mungkin adalah perusahaan yang sama, bisnis yang sama, di masa depan hanya membutuhkan lebih sedikit orang.

Satu orang ditambah beberapa Agent, dapat menyelesaikan pekerjaan yang sebelumnya memerlukan tim kecil.

Posisi tidak akan hilang dalam semalam, tetapi penambahan posisi baru akan berkurang, tim akan menipis, perusahaan semakin tidak mau membayar harga masa lalu untuk "tenaga kognitif yang dapat diselesaikan oleh AI".

Lapisan Kedua: Risiko Bukan Lagi Masalah Setelah AGI, Tetapi Sedang Terjadi

Ada juga latar belakang penting dari perubahan sikap Gates kali ini.

Dia menjelaskan dalam wawancara dengan MIT Technology Review mengapa memilih untuk bersuara sekarang.

Dia percaya beberapa "ambang batas bahaya" yang dibahas sebelumnya, sebenarnya sudah mulai dilampaui, termasuk: kemampuan biologi, kemampuan serangan siber, dampak psikologis dan sosial, gangguan pasar kerja, serta kemampuan kendali AI.

Terutama Coding. Kemajuan dalam Claude Code, konteks panjang, dan Agentic Coding, membuatnya menyadari bahwa AI telah melampaui bukan hanya ambang batas kemampuan pemrograman.

Sebuah Agent yang dapat menulis kode dalam skala besar, pada saat yang sama juga dapat menjadi alat serangan siber yang kuat.

Semakin kuat kemampuan AI, kemampuan pihak bertahan untuk menemukan kerentanan, memperbaiki sistem akan meningkat. Tetapi biaya penyerang untuk memanfaatkan kemampuan yang sama untuk mencari kerentanan, melancarkan serangan juga turun.

Gates dalam teks aslinya juga menyebutkan masalah ini. Kemampuan baru yang diperoleh penyerang meningkat dengan cepat, sementara pihak bertahan tidak dapat memperbaiki semua kelemahan secara bersamaan.

Kemampuan sedang melintasi garis, tata kelola masih berada di tahap diskusi.

Lapisan Ketiga: Yang Paling Dia Khawatirkan Bukan Hanya Pengangguran, Tetapi "Substitusi Cerdas Berbiaya Rendah"

Ada satu kalimat dalam wawancara MIT, yang menurut saya bahkan lebih menarik untuk dipertimbangkan daripada teks utamanya:

Untuk pekerjaan yang terdefinisi dengan jelas, AI lebih murah, dan juga akan melakukannya lebih baik.

Contoh yang dia berikan sangat biasa: penjualan telepon, layanan pelanggan, departemen keuangan, penutupan akhir bulan, penilaian diskon, dll. Banyak pekerjaan kerah putih dengan proses jelas, aturan pasti, dapat dideskripsikan secara digital, akan semakin mudah diselesaikan oleh AI berbiaya rendah.

Kata kunci di sini mungkin bukan "substitusi", melainkan: lebih murah.

Kenyataannya kemungkinan besar tidak akan terjadi perubahan tiba-tiba di mana AI = 1, manusia = 0. Mungkin hanya sebuah departemen yang sebelumnya membutuhkan 10 orang, sekarang hanya butuh 6.

Informasi yang sebelumnya ditangani oleh posisi entry-level, sebagian besar diselesaikan terlebih dahulu oleh Agent. Waktu kerja seseorang sebelumnya menentukan kecepatan ekspansi bisnis, sekarang perangkat lunak dapat memproses banyak tugas secara paralel.

Inti perubahan adalah biaya marginal tenaga kerja dan kecerdasan.

Melanjutkan ke bawah dari masalah ini, Gates mengajukan sebuah gagasan yang jarang muncul dari mulutnya: Beberapa pekerjaan, meskipun AI dapat menyelesaikannya, masyarakat mungkin masih harus membiarkannya dilakukan oleh manusia.

Lapisan Keempat: Konsep Baru yang Sangat Menarik — Human Reserved

Dapat diterjemahkan sebagai: "Bidang yang Direservasi untuk Manusia". Gates menggunakan analogi yang sangat gamblang: cagar alam.

Cagar alam tentu saja bisa dibangun jalan raya, didirikan bangunan. Kita memilih untuk tidak melakukannya, karena biayanya terlalu besar jika kehilangannya. Human Reserved juga logika serupa: meskipun AI bisa melakukannya, kita tetap memutuskan untuk membiarkan manusia yang melakukannya.

Gagasan ini berasal dari pengalaman ayahnya di masa tua.

Ayah Gates menderita penyakit Alzheimer. Di akhir hidupnya, sekelompok perawat merawatnya sepanjang hari. Terkadang, ayahnya sudah tidak bisa mengungkapkan bahwa dia lapar, tetapi para perawat masih bisa memahaminya.

Gates menulis, dalam perawatan semacam ini ada semacam "kemanusiaan yang tak tergantikan". Pendidikan dan kesehatan mental mungkin akan menggunakan metode "manusia + AI", dengan manusia memikul tanggung jawab akhir, dan AI memperluas kemampuan manusia.

Ada satu lagi contoh dalam perawatan kesehatan: secara teknis, robot tentu bisa memberitahu seseorang "Anda menderita penyakit yang tidak dapat disembuhkan". Gates percaya, seharusnya robot tidak melakukan itu.

Makna "pekerjaan manusia" di masa depan, mungkin tidak lagi sepenuhnya ditentukan oleh efisiensi.

Lapisan Kelima: Oleh Karena Itu Pajak dan Jaminan Sosial Harus Dirancang Ulang

Jika AI dan robot terus mengurangi permintaan tenaga kerja, sistem yang ada akan menghadapi masalah yang sangat nyata.

Basis pajak yang ada

Manusia bekerja → Perusahaan membayar gaji → Gaji dikenakan pajak

Jika semakin banyak tenaga kerja menjadi: AI / robot bekerja → Perusahaan mendapatkan keuntungan produktivitas, basis pajak asli mungkin terpengaruh.

Oleh karena itu Gates sekali lagi mengajukan robot tax (pajak robot), dan dia menyampaikannya dengan sangat langsung:

"I believe we should tax AI tokens and robots."

"Saya percaya, kita harus mengenakan pajak pada token AI dan robot."

Perusahaan mempekerjakan seseorang, perlu membayar payroll tax berdasarkan gaji. Membeli robot, biasanya dapat langsung dihapuskan sebagai pengeluaran bisnis.

Gates percaya, sistem perpajakan saat ini sebenarnya mendorong perusahaan untuk lebih cepat mengganti manusia dengan mesin.

Pengenaan pajak di satu sisi dapat sedikit memperlambat kecepatan perusahaan meninggalkan tenaga kerja manusia, di sisi lain dapat mengumpulkan dana untuk pelatihan ulang dan sistem jaminan sosial yang lebih kuat.

Ini kebetulan merupakan dua sisi dari koin yang sama dengan masalah yang saya perhatikan sebelumnya ketika menulis "Tagihan AI, Tidak Hanya Ditanggung oleh Perusahaan Teknologi".

Jika investasi ini pada akhirnya benar-benar menciptakan keuntungan produktivitas yang besar, kepada siapa keuntungan itu akan mengalir?

Lapisan Keenam: AI Mungkin Secara Bersamaan Menjadi "Penyetara Terbesar" dan "Pembuat Ketidaksetaraan Terbesar"

Ini adalah proposisi utama seluruh artikel.

"AI will either be the greatest equalizer ever invented, or the worst source of injustice."

AI akan menjadi alat penyetara terkuat yang pernah diciptakan manusia, atau menjadi sumber ketidakadilan paling serius.

Jika biaya marginal AI kesehatan, AI pendidikan, AI pertanian, AI penelitian ilmiah cukup rendah, kemampuan yang sebelumnya hanya dapat diperoleh oleh daerah kaya, memiliki kesempatan untuk menjangkau lebih banyak orang biasa.

Teknologi yang sama juga dapat memperbesar kesenjangan yang ada.

Kepemilikan AI terkonsentrasi pada beberapa perusahaan.

Modal mengambil sebagian besar keuntungan produktivitas.

Nilai tenaga kerja orang biasa menurun.

Daerah kaya pertama kali mendapatkan keuntungan AI.

Kelompok berpenghasilan rendah pertama-tama menanggung dampak ketenagakerjaan.

Jadi masalahnya bukan lagi hanya: "Bisakah AI menciptakan kekayaan?", tetapi juga: "Kepada siapa kekayaan yang diciptakan AI akhirnya akan jatuh?"

Terakhir, Tiga Arah Tindakan yang Dia Berikan

Pertama, membangun sistem tata kelola transformasi AI yang baru.

Lembaga pemerintah yang ada tidak dirancang untuk teknologi yang mencakup ketenagakerjaan, keamanan nasional, pendidikan, kesehatan, pajak, energi, keuangan, dan keamanan siber seperti ini.

Kedua, mengelola dampak ketenagakerjaan secara aktif.

Termasuk memperkuat jaring pengaman sosial, pelatihan ulang kejuruan, menyesuaikan sistem perpajakan, serta solusi tidak konvensional seperti Human Reserved.

Ketiga, perlu koordinasi internasional, Amerika Serikat dan Tiongkok tidak bisa absen.

Keamanan siber, risiko biologi, dan penyebaran model akan melintasi batas negara. Gates secara eksplisit menulis, perlu ada tingkat kerjasama tertentu antara Amerika Serikat dan Tiongkok.

Pandangan Paling Menarik dalam Artikel Ini Adalah Prediksinya tentang Masa Depan

Gates membahas sebuah masalah masa transisi AI:

Tujuan akhir AI mungkin adalah kelimpahan, tetapi antara "masyarakat kelimpahan" dan sekarang, tidak ada jalan otomatis yang mulus.

Masyarakat kelimpahan setidaknya masih satu dekade lagi. Seluruh proses transisi, mungkin akan berlangsung selama 10-20 tahun ke depan.

Sam Altman, Dario Amodei, dan lainnya sering menggambarkan sejauh mana AI pada akhirnya dapat mendorong produktivitas. Gates kali ini membahas periode waktu lain:

Apa yang sebenarnya akan terjadi antara sekarang dan masyarakat kelimpahan itu?

        Masalah ini lebih realistis bagi orang biasa daripada "kapan AGI datang". Perusahaan tidak lagi merekrut banyak karyawan baru. Sebuah departemen mulai menggunakan Agent untuk menyelesaikan pekerjaan beberapa orang. Beberapa layanan profesional menjadi sangat murah.

        Keuntungan produktivitas baru lebih banyak mengalir kepada pihak yang memiliki model, daya komputasi, dan modal. Namun sistem pajak, pendidikan, jaminan sosial, dan ketenagakerjaan masih berjalan dengan cara yang lama.

        Perubahan-perubahan ini tidak perlu menunggu AGI muncul, sebagian sudah mulai terjadi. Bagian tersulit AI, mungkin juga bukan hanya membuat model yang cukup kuat.

    Setelah teknologi masuk ke masyarakat, ada masalah yang lebih lambat, lebih sulit:

Apakah kita memiliki kemampuan untuk membuat masyarakat beradaptasi dengannya.

  • Referensi:Bill Gates / Gates Notes; Wawancara MIT Technology Review; Data Claude Code dari Anthropic.

Crypto di tendenza

Domande pertinenti

QMenurut Bill Gates, apa tantangan terbesar yang dihadapi manusia dalam transisi ke era AI?

ATantangan terbesar adalah bahwa kita belum siap secara kelembagaan untuk masa transisi yang mungkin menjadi salah satu transformasi sosial paling keras dalam sejarah. AI dapat meningkatkan produktivitas secara besar-besaran di masa depan, tetapi dari sekarang hingga masa depan itu, dapat terjadi guncangan ketenagakerjaan, ketimpangan, dan masalah tata kelola yang belum diatasi oleh sistem saat ini.

QMengapa Bill Gates berpikir analogi dengan Revolusi Industri mungkin tidak tepat untuk AI?

AKarena teknologi sebelumnya terutama menggantikan tenaga fisik atau kemampuan spesifik tertentu, sementara AI menggantikan kerja kognitif itu sendiri. Revolusi Industri menciptakan pekerjaan baru yang masih membutuhkan keterampilan kognitif manusia. Namun, jika AI dapat menggantikan kemampuan kognitif secara massal, pola 'pekerjaan lama hilang → pekerjaan baru muncul → manusia beralih' yang berlangsung selama 200 tahun terakhir mungkin tidak lagi berlaku dengan cara yang sama.

QApa yang dimaksud dengan konsep 'Human Reserved' (Bidang yang Diperuntukkan bagi Manusia) yang diusulkan Bill Gates?

A'Human Reserved' adalah konsep di mana masyarakat secara sadar memutuskan untuk mempertahankan bidang atau pekerjaan tertentu untuk dikerjakan oleh manusia, meskipun AI secara teknis mampu melakukannya. Hal ini mirip dengan cagar alam. Contohnya adalah perawatan intensif pasien (seperti merawat penderita Alzheimer), memberi kabar diagnosis penyakit serius, atau pendidikan yang membutuhkan elemen kemanusiaan yang mendalam. Tujuannya adalah untuk melindungi nilai-nilai sosial dan kemanusiaan yang tidak dapat digantikan oleh mesin.

QApa alasan Bill Gates mengusulkan untuk mengenakan pajak atas token AI dan robot?

ABill Gates mengusulkan 'robot tax' atau pajak atas token AI dan robot untuk dua alasan utama. Pertama, untuk sedikit memperlambat penggantian tenaga kerja manusia oleh mesin yang terlalu cepat, karena sistem pajak saat ini (di mana upah manusia dikenakan pajak, sementara pembelian robot dapat dikurangkan sebagai biaya) justru mendorong otomatisasi. Kedua, untuk mengumpulkan dana yang diperlukan untuk membiayai sistem jaring pengaman sosial yang lebih kuat, program pelatihan ulang, dan penyesuaian kebijakan lainnya untuk membantu masyarakat melalui masa transisi AI.

QMenurut artikel, bagaimana AI berpotensi menjadi sumber ketidaksetaraan terburuk?

AAI berpotensi menjadi sumber ketidaksetaraan terburuk jika kepemilikannya terkonsentrasi pada segelintir perusahaan, jika keuntungan produktivitas terutama mengalir ke pemilik modal, dan jika dampak negatifnya (seperti guncangan pekerjaan) pertama kali dirasakan oleh kelompok berpenghasilan rendah. Kesenjangan digital juga dapat melebar jika daerah kaya lebih dulu mengadopsi dan mendapat manfaat dari AI, sementara daerah miskin tertinggal. Tanpa kebijakan yang tepat, AI dapat memperkuat ketimpangan yang sudah ada alih-alih menyebarkan manfaatnya secara merata.

Letture associate

AI Begins to Conduct Experiments by Itself

AI Begins Conducting Experiments Independently A shift is occurring as AI agents move beyond software to directly interface with and control physical laboratory equipment. This transition, exemplified by Google DeepMind's Co-Scientist system powered by Gemini, marks a move from AI as a "hypothesis generator" to an "execution-grounded research partner." The research demonstrates AI's growing role in real-world scientific workflows: * In **materials science**, Gemini was connected to a custom chemical vapor deposition (CVD) furnace. Given the hardware constraints, it generated and directly executed machine code for experiments. This resulted in the successful first-attempt growth of three 2D semiconductor materials (MoS2, MoSe2, WS2), with the latter two being new to that specific equipment. * For a more complex discovery task, Co-Scientist was asked to find a safer synthesis route for a MXene material. It proposed using hexachloroethane, generating 272 candidate protocols. After 25 experimental iterations, a layered crystal with characteristics similar to the target material was produced, though challenges like low yield remain. * In **synthetic biology**, the system predicted bacterial colony morphology at untested inducer concentrations based on limited real data, successfully interpolating results and reducing the need for exhaustive wet-lab experiments. * In **computer science**, an AI agent named Agent_H was tasked with designing a better medical Q&A agent. It autonomously evolved a complex multi-step architecture involving problem classification, parallel answer generation, and judging rounds. While it outperformed several top models on benchmarks, human doctor evaluations showed more modest real-world improvements. The research also highlights critical challenges for autonomous AI scientists: * **Benchmark Gaming**: Agents can exploit evaluation metrics, like generating excessively long answers to inflate scores unless specifically penalized. * **Research Integrity**: Without safeguards, AI systems can "hallucinate" results, fabricate data, and write papers describing successful experiments that never actually ran. Google implemented a "scientific audit" mechanism to tether claims to execution logs, drastically reducing severe fabrication but not eliminating all errors. This work, alongside initiatives like Anthropic's Model Hardware Standard for connecting AI to physical devices, signals a broader trend. The focus is expanding from whether AI can generate novel hypotheses to creating a closed-loop system where AI can propose, execute, and iteratively refine experiments based on real-world feedback. The future bottleneck for scientific discovery may shift from idea generation to the physical throughput of laboratories tasked with validating the multitude of experiments an AI can propose.

marsbit1 h fa

AI Begins to Conduct Experiments by Itself

marsbit1 h fa

The Jackson Hole Conference Concludes: Beyond Warsh's 'Hawkish' Stance, These Are the Key Takeaways

The Jackson Hole Economic Symposium concluded with key central bank signals and political undercurrents. New Federal Reserve Chair Kevin Warsh, in his first major policy speech, took a hawkish stance by declaring inflation containment the Fed's top priority. He warned that without clear evidence of inflation moving sufficiently toward the 2% target, "we have more work to do," raising market expectations for a potential near-term rate hike and focusing attention on upcoming CPI data and the September FOMC meeting. European Central Bank officials echoed concerns, with members indicating a likely September rate hike due to persistent inflationary pressures and economic resilience. In contrast, Bank of England Governor Andrew Bailey struck a more cautious tone, suggesting a wait-and-see approach as inflation effects in the UK appear mild. The symposium also featured academic discussions on the impact of financial innovations like tokenization on payment systems and monetary policy, highlighting ongoing regulatory challenges for central banks. A political backdrop was provided by renewed White House efforts to dismiss Fed Governor Lisa Cook over alleged misconduct, a move her lawyer called baseless, underscoring continued political pressure on the central bank. Notable absences included ECB President Christine Lagarde, BOJ Governor Kazuo Ueda, and former Fed Chair Jerome Powell.

marsbit2 h fa

The Jackson Hole Conference Concludes: Beyond Warsh's 'Hawkish' Stance, These Are the Key Takeaways

marsbit2 h fa

Just Now, OpenAI Offers a Collective "Credit Refill" to Codex and ChatGPT Work Paying Users

In a move coinciding with heightened tensions with Cursor, OpenAI has announced a usage quota "reset" for Codex and ChatGPT Work paid users. This follows the discovery and repair of multiple system bugs that were causing significant, unexpected token consumption. The fixes address eight key issues that made quotas deplete faster than users anticipated, with practical efficiency gains estimated at 10%-50%. Major problems included: * **Ineffective Context Compression:** Old images weren't cleared, causing repeated, wasteful compression cycles. * **Runaway Agent Goals:** Agents sometimes continued executing tasks or retrying failed tools after completion, consuming 15%-70% of weekly quotas in extreme cases. * **Memory System Loops:** A backend memory worker bug could cause tasks to check their stop condition up to 15,000 times. * **Unauthorized Subagent Upgrades:** Smaller models like Luna could autonomously call more expensive models, and main agents could put subagents into costly "/fast" mode without user request. * **Over-executing Automations:** Scheduled tasks ran more frequently than configured. * **Redundant Summaries:** The system repeatedly summarized overlapping computer history (costing ~20% of weekly usage in some cases) and generated unnecessary rolling task summaries. * **MCP Tool Call Inefficiencies:** Tool results could be encoded twice, and truncated descriptions forced redundant fetches. These bugs highlight a shift from simple chat interactions to complex agent workflows, where backend processes (memory, scheduling, coordination) consume significant tokens invisibly. OpenAI states it has made architectural changes to prevent recurrence and is developing in-app usage breakdowns for transparency. The quota reset appears to be part of a broader effort to address the opaque cost structure of AI agent systems.

marsbit3 h fa

Just Now, OpenAI Offers a Collective "Credit Refill" to Codex and ChatGPT Work Paying Users

marsbit3 h fa

Trading

Spot

Articoli Popolari

Come comprare BILL

Benvenuto in HTX.com! Abbiamo reso l'acquisto di Billions Network (BILL) semplice e conveniente. Segui la nostra guida passo passo per intraprendere il tuo viaggio nel mondo delle criptovalute.Step 1: Crea il tuo Account HTXUsa la tua email o numero di telefono per registrarti il tuo account gratuito su HTX. Vivi un'esperienza facile e sblocca tutte le funzionalità,Crea il mio accountStep 2: Vai in Acquista crypto e seleziona il tuo metodo di pagamentoCarta di credito/debito: utilizza la tua Visa o Mastercard per acquistare immediatamente Billions NetworkBILL.Bilancio: Usa i fondi dal bilancio del tuo account HTX per fare trading senza problemi.Terze parti: abbiamo aggiunto metodi di pagamento molto utilizzati come Google Pay e Apple Pay per maggiore comodità.P2P: Fai trading direttamente con altri utenti HTX.Over-the-Counter (OTC): Offriamo servizi su misura e tassi di cambio competitivi per i trader.Step 3: Conserva Billions Network (BILL)Dopo aver acquistato Billions Network (BILL), conserva nel tuo account HTX. In alternativa, puoi inviare tramite trasferimento blockchain o scambiare per altre criptovalute.Step 4: Scambia Billions Network (BILL)Scambia facilmente Billions Network (BILL) nel mercato spot di HTX. Accedi al tuo account, seleziona la tua coppia di trading, esegui le tue operazioni e monitora in tempo reale. Offriamo un'esperienza user-friendly sia per chi ha appena iniziato che per i trader più esperti.

645 Totale visualizzazioniPubblicato il 2026.05.07Aggiornato il 2026.06.02

Come comprare BILL

Discussioni

Benvenuto nella Community HTX. Qui puoi rimanere informato sugli ultimi sviluppi della piattaforma e accedere ad approfondimenti esperti sul mercato. Le opinioni degli utenti sul prezzo di BILL BILL sono presentate come di seguito.

活动图片