Sejak tahun ini, tiga raksasa AI Amerika secara bergantian memberi label "fiksi ilmiah" pada produk model mereka.
OpenAI mengatakan, ChatGPT telah belajar "bermimpi"; Anthropic ingin melengkapi Claude dengan "Wiki pribadi" bawaan; Google mengklaim, Gemini "secara native membawa memori sepuluh tahun Anda".
Tiga pernyataan ini, tampaknya tidak berhubungan, sebenarnya sedang memperebutkan hal yang sama – Context (Konteks).
Awalnya, Context hanyalah parameter teknis yang tidak mencolok, mengukur berapa banyak karakter yang dapat dibaca model dalam satu kali pemrosesan. Kini, makna Context semakin melebar: ia adalah aset pengguna, izin alat, juga status real-time tentang tahap mana suatu tugas sedang berlangsung, bahkan lebih dari itu – seberapa dalam AI mengenal Anda.
Menurut statistik "Deep Flow Research Institute", sejak tahun ini, OpenAI, Anthropic, dan Google telah merilis lebih dari 40 pembaruan produk dan fitur penting yang berkaitan dengan Context – rata-rata setiap tiga atau empat hari, satu kemampuan baru diluncurkan ke pasar.
Dari jendela konteks panjang, memori lintas sesi, hingga kemampuan operasi browser, desktop, dan GUI, perubahan terpenting dalam produk AI selama dua tahun terakhir hampir semuanya berpusat pada Context.
Perang tentang "Context" telah dimulai, dan ini secara diam-diam membangun ulang parit pertahanan di era AI.
1. Dari Jendela Panjang ke Lingkungan Nyata, Tiga Lompatan Batas Context
Kompetisi Context paling awal terjadi pada "panjang teks".
Di era Chatbot, Context terutama berarti berapa banyak informasi yang dapat dibaca model dalam satu kali pemrosesan. Semakin panjang jendelanya, model semakin mampu menangani makalah, basis kode, bahkan dokumen proyek lengkap. Maka, OpenAI, Anthropic, dan Google memicu perlombaan senjata jendela konteks.
Mei 2023, Anthropic memelopori dengan meningkatkan jendela konteks Claude dari 9K menjadi 100K, setara dengan sekitar 75.000 kata, pertama kalinya memungkinkan "mengunggah satu buku utuh". November 2023, OpenAI menyusul dengan GPT-4 Turbo 128K. Tiga bulan kemudian, Google menggunakan Gemini 1.5 Pro untuk mendorong jendela ke level jutaan.
Kurang dari setahun, Context melompat dari level ratusan ribu ke jutaan.
Jendela panjang menyelesaikan masalah "throughput" AI, tetapi perlombaan ini dengan cepat memperlihatkan keterbatasannya: model dapat melihat lebih banyak informasi, tidak berarti ia dapat lebih memahami tugas.
Terutama ketika produk AI berkembang dari Chatbot menjadi Agent, batas Context mulai berubah. Ia tidak lagi hanya teks masukan dalam satu percakapan, melainkan aliran status yang terus terakumulasi dan diperbarui secara dinamis dalam siklus tugas.
Fokus kompetisi pun bergeser: dari "berapa banyak yang dapat diketahui model sekali proses", beralih ke "apa yang dapat diingat model dalam jangka panjang". Memory (Memori) menjadi bentuk produk khas pada tahap ini.
Awal 2024, OpenAI memelopori dengan memperkenalkan memori lintas sesi untuk ChatGPT, memungkinkan model mengingat preferensi, latar belakang, dan kebutuhan jangka panjang pengguna. Kemudian, Anthropic dan Google juga melengkapi kemampuan memori Claude dan Gemini.
Context mulai memiliki dimensi waktu. AI tidak hanya memproses masukan saat ini, tetapi juga mulai mencoba membangun kontinuitas antar-interaksi pengguna hari ini, minggu lalu, dan bulan lalu. Hanya AI dengan Context jangka panjang yang mungkin menyambungkan interaksi diskrit menjadi hubungan yang berkelanjutan.
Namun, Memory menjawab "apa yang terjadi di masa lalu", belum menyentuh pertanyaan kunci lain: apa yang sedang terjadi sekarang?
Batas air yang sebenarnya muncul pada paruh kedua 2025.
Dimulai Agustus tahun ini, ketiga perusahaan hampir bersamaan mendorong garis pertempuran Context ke browser: Anthropic merilis Claude for Chrome, Google menyematkan Gemini ke Chrome, OpenAI meluncurkan browser AI independen ChatGPT Atlas.
Browser adalah tambang Context alami yang kaya. Konten halaman web, maksud pencarian, status login, formulir, riwayat, tab, serta tugas yang sedang dijalankan pengguna, semuanya mengendap di browser. Yang lebih penting, Context di sini lebih real-time, lebih kontinu, dan lebih dekat dengan lokasi tugas nyata.
Sebelumnya, cara AI memperoleh Context pada dasarnya masih menunggu pengguna mengirimkan bahan: mengunggah file, memasukkan instruksi, mengizinkan memori, menghubungkan sumber data.
Setelah masuk ke browser, logikanya berubah. AI mulai memasuki lingkungan kerja pengguna, mengamati status halaman, memahami kemajuan tugas, menangkap maksud operasi, dan menjalankan langkah selanjutnya dalam antarmuka nyata.
Ini adalah lompatan batas Context ketiga: dari data statis masukan sisi model, menjadi status dinamis yang ditangkap Agent dalam lingkungan GUI, halaman web, dan sistem.
Jendela panjang menentukan berapa banyak informasi yang dapat dimuat model sekali proses; Memory menentukan apakah model dapat memahami pengguna lintas waktu; kemampuan browser, produk desktop, dan GUI menentukan apakah model dapat memasuki lokasi tugas nyata.
Ketiganya terhubung, membentuk garis utama kompetisi produk AI selama dua tahun terakhir: Context tidak lagi hanya masalah kemampuan model, melainkan secara bertahap menjadi masalah pintu masuk produk, hubungan pengguna, serta masalah akumulasi aset.
2. Context Menjadi Medan Pertempuran Baru, Tiga Jalur "Tiga Besar" AI Amerika
Ketika Context berubah dari parameter model menjadi aset pengguna, inti kompetisi menjadi: siapa yang dapat memperoleh, mengorganisir, dan memanggil Context dengan lebih stabil.
Seputar ini, OpenAI, Anthropic, dan Google menempuh tiga jalur yang berbeda.
ChatGPT adalah sumber Context paling inti bagi OpenAI.
Memori, preferensi, riwayat tugas, dan catatan pemanggilan alat yang ditinggalkan pengguna dalam percakapan demi percakapan, secara bertahap mengendap di bawah akun ChatGPT yang sama.
Akun ini berbeda dari akun internet tradisional. Akun tradisional mencatat status login, hubungan langganan, dan informasi pembayaran; akun ChatGPT mencatat "riwayat pengguna yang telah dipahami oleh AI".
Ini adalah aset pengguna asli AI. Nilainya tidak hanya tercermin dalam jawaban yang lebih personal, tetapi juga dalam menurunkan biaya cold start, melanjutkan status tugas, dan menggunakan kembali pemahaman pengguna yang sama dalam skenario produk yang berbeda.
Bagi OpenAI, karena tidak memiliki ekosistem data asli seperti Google, ia harus membuat pengguna terus menghasilkan Context baru dalam ekosistem ChatGPT.
Oleh karena itu, langkah produk OpenAI selama dua tahun terakhir terus memperluas radius tugas yang dapat dicakup oleh akun ChatGPT – Apps SDK membawa aplikasi pihak ketiga ke ChatGPT, Atlas memasukkan browser ke ChatGPT, Codex terbaru yang difusikan membawa tugas pemrograman ke alur kerja yang sama.
Jalur khusus OpenAI adalah, ia bukan menguasai pintu masuk terlebih dahulu, lalu memasukkan AI; melainkan menggunakan ChatGPT sebagai titik awal, secara terbalik menarik aplikasi, browser, pemrograman, dan skenario lainnya kembali ke sistem akun yang sama.
ChatGPT karenanya tidak lagi hanya pintu masuk percakapan, melainkan pusat yang mengumpulkan, memanggil, dan memperbarui Context.
Sebaliknya, Anthropic kekurangan pintu masuk konsumen dan juga data pengguna yang berskala besar.
Jalurnya adalah masuk ke skenario vertikal bernilai tinggi seperti Coding dan Agent, dan memperkuat kemampuan Claude dalam memperoleh Context secara aktif dalam skenario ini.
Bagi Claude, Context bukanlah sepotong teks masukan pengguna, melainkan lingkungan yang berubah dinamis di lokasi tugas: basis kode, sistem file, output terminal, halaman browser, basis data, dokumen proyek, serta umpan balik setelah setiap langkah eksekusi.
Oleh karena itu, Anthropic lebih menekankan keaktifan dalam memperoleh Context. Model seharusnya tidak hanya menunggu masukan pengguna, tetapi juga secara aktif memasuki lingkungan, membaca status, dan mendapatkan umpan balik selama proses eksekusi tugas.
Oktober 2024, Anthropic meluncurkan Computer Use, memungkinkan Claude memindahkan mouse, mengklik tombol, memasukkan teks berdasarkan tangkapan layar.
Menurut pernyataan resmi, Claude 3.5 Sonnet adalah model AI terdepan pertama yang secara publik menyediakan kemampuan penggunaan komputer.
Ini berarti, ketika Context ada dalam halaman web, formulir, antarmuka sistem backend, dan perangkat lunak lokal, bukan dalam API terstruktur, Claude juga dapat memasuki lingkungan melalui GUI, mengamati status, dan menjalankan operasi.
Se bulan kemudian, Anthropic merilis MCP. Protokol terbuka yang menghubungkan asisten AI dengan alat dan sumber data eksternal ini, secara resmi didefinisikan sebagai menghubungkan asisten AI ke "sistem tempat data berada", termasuk perpustakaan konten, alat bisnis, dan lingkungan pengembangan.
Nilainya adalah, membuat Claude tidak lagi bergantung pada penyalinan-tempelan pengguna, melainkan dapat terhubung ke alat dan sumber data eksternal melalui cara standar.
Dua jenis kemampuan ini sesuai dengan dua jalur Anthropic dalam memperoleh Context:
Computer Use memasuki antarmuka melalui GUI, MCP menghubungkan sistem melalui protokol. Satu memasuki lokasi tugas, satu menghubungkan alat eksternal, bersama-sama memungkinkan Claude memperoleh Context dinamis.
Melihat Google. Sering dikatakan, Google adalah salah satu perusahaan dengan Context terbanyak. Ia tidak kekurangan pintu masuk, juga tidak kekurangan data. Produk seperti Chrome, Gmail, YouTube, Search, membentuk salah satu titik kontak pengguna terbesar di dunia.
Tetapi dari perspektif AI, banyak data tidak sama dengan Context yang kuat.
Data yang diakumulasi Google di masa lalu adalah data pencarian, penjelajahan, email, dokumen, lokasi, konsumsi video, terutama melayani pemeringkatan pencarian, penempatan iklan, rekomendasi konten, dan kolaborasi kantor. Pada dasarnya, mereka adalah sinyal perilaku yang diperlukan untuk operasi sistem.
Sedangkan Agent membutuhkan latar belakang tugas yang dapat dipahami, direasoning, dan dipanggil oleh model.
Hanya ketika model dapat menilai informasi mana yang relevan dengan tugas saat ini, mana yang sudah kedaluwarsa, mana yang dapat dipanggil, serta bagaimana hubungan antar-informasi ini, barulah data benar-benar menjadi Context.
Tantangan Google bukanlah sekadar "menghubungkan data", melainkan rekonstruksi data. Ia perlu menyaring ulang, menghubungkan, mengizinkan, dan mengubah data lama yang tersebar di berbagai produk dan melayani tujuan sistem berbeda, menjadi konteks pribadi yang dapat digunakan Gemini.
Kesulitan rekayasa ini tidak lebih rendah daripada OpenAI yang mengakumulasi Context baru atau Anthropic yang memasuki lokasi tugas.
Langkah produk Google selama dua tahun terakhir bukan memulai dari nol, melainkan mengubah ke dalam sepanjang posisi yang ada. Inti jalur ini adalah mengorganisir data yang terfragmentasi menjadi rantai tugas.
Mei 2024, Gemini 1.5 Pro masuk ke sidebar Workspace, memungkinkan model memanggil konteks saat ini terlebih dahulu dalam skenario kerja seperti Gmail, Docs, Drive.
Juli 2025, aplikasi Gemini mulai menghubungkan alat seperti Gmail, Drive, Calendar, memperluas Context dari aplikasi tunggal ke tugas lintas aplikasi.
Januari 2026, Personal Intelligence diluncurkan dalam versi beta, lebih lanjut memasukkan data pribadi seperti Gmail dan Photos ke latar belakang personalisasi Gemini.
Strategi Context Google bukanlah "karena banyak data, jadi secara alami unggul".
Apa yang benar-benar harus diselesaikannya adalah proyek ketergunaan data: mengubah data perilaku yang terakumulasi di masa lalu dan melayani tujuan sistem seperti pencarian, iklan, dan rekomendasi, menjadi Context yang dapat dipahami, diizinkan, dan ditindaklanjuti di era AI.
3. Dari "Skala Jaringan" ke "Kedalaman Individu", Parit Pertahanan Era AI Berubah
Selama dua tahun terakhir, OpenAI, Anthropic, dan Google mempercepat akumulasi dan penggalian Context, serta membangun kemampuan perolehan, organisasi, dan pemanggilan di sekitarnya, mencoba membentuk hambatan kompetisi baru.
Tetapi perubahan yang tampak kontradiktif juga terjadi secara bersamaan: sejak tahun ini, ketiga perusahaan secara tidak sengaja membuat Memory menjadi transparan, dapat dijelaskan, bahkan dapat dipindahkan.
Maret 2026, Anthropic dan Google secara berturut-turut meluncurkan Memory Import, mendukung pengguna memigrasikan memori antar ChatGPT, Gemini, Claude.
Kemudian, OpenAI melalui Memory Sources, memungkinkan pengguna melihat sumber memori, riwayat obrolan, atau sumber data eksternal mana yang dipanggil di balik jawaban personalisasi.
Jika Context adalah aset terpenting di era AI, mengapa platform justru mulai membuka izinnya?
Jawabannya terletak pada, yang benar-benar dibuka oleh Memory Import hanyalah Context permukaan: preferensi pengguna, ringkasan memori historis, versi kompresi riwayat percakapan.
Informasi ini sangat terstruktur, dan mudah dijelaskan dengan bahasa alami. Memigrasikannya, ambang teknologi tidak tinggi.
Context yang benar-benar sulit dipindahkan adalah jenis lain: status tugas, izin alat, akses sistem perusahaan, umpan balik real-time di lokasi eksekusi.
Context ini tertanam dalam di lingkungan produk dan sistem, tidak dapat dipindahkan sepenuhnya hanya dengan prompt.
Ini juga menunjukkan, logika kompetisi era AI berbeda dengan era internet.
Bentuk dasar internet adalah jaringan. Ia menghubungkan orang, konten, barang, layanan, dan informasi menjadi node. Semakin banyak node, semakin padat koneksinya, semakin berharga produknya. Oleh karena itu, parit pertahanan terkuat di era internet adalah efek jaringan, nilai berasal dari lebih banyak orang yang menggunakan.
Bentuk dasar AI lebih mendekati jenis komputer baru, atau sistem pemrosesan informasi baru.
Nilai pertamanya bukan menghubungkan lebih banyak orang, melainkan memahami informasi, memproses tugas, memanggil alat, dan menyelesaikan tindakan. Sebuah AI bahkan jika hanya melayani satu pengguna, juga mungkin menciptakan nilai besar.
Oleh karena itu, parit pertahanan era AI, di atas dasar "skala jaringan" beralih ke "kedalaman individu". Hambatan "kedalaman individu" ini terutama berasal dari tiga lapisan:
Pertama, adalah bunga majemuk Context. Setiap kali AI menyelesaikan satu tugas, ia akan lebih memahami kebiasaan ekspresi, standar penilaian, sumber referensi, dan alur kerja pengguna. Saat eksekusi berikutnya, biaya cold start akan lebih rendah.
Kedua, adalah penyematan izin dan rantai alat. Ketika pengguna mengizinkan email, dokumen, basis kode, dll. kepada AI, AI tidak lagi hanya alat tanya jawab yang dapat diganti, melainkan memasuki lokasi tugas nyata.
Ketiga, adalah pembentukan hubungan kepercayaan. Semakin kompleks dan bernilai tinggi tugasnya, pengguna semakin tidak akan dengan mudah menyerahkannya kepada AI asing. Hanya AI yang memahami dirinya dalam jangka panjang, tahu batasan, dan dapat melanjutkan konteks, yang mungkin diizinkan untuk mengeksekusi langkah selanjutnya.
Jika produk internet memperebutkan pintu masuk perhatian, maka produk AI memperebutkan pintu masuk tugas.
Begitu sebuah AI terus-menerus masuk ke alur kerja pengguna, mengakumulasi konteks, dan mendapatkan izin eksekusi, biaya migrasi bukan hanya mengganti aplikasi, melainkan membangun kembali hubungan tugas yang dipahami, diizinkan, dan dipercaya.
Perubahan produk domestik juga dapat dipahami dalam logika ini.
Ambil contoh Tencent. Di era internet, ia mengakumulasi rantai hubungan, konten, ekosistem layanan, dan pintu masuk frekuensi tinggi; di era AI, nilai aset-aset ini terletak pada apakah mereka dapat diorganisir ulang menjadi Context yang dapat dipahami, dipanggil, dan dieksekusi oleh Agent.
Baik WorkBuddy yang mengakses skenario kerja seperti dokumen, rapat, WeCom, maupun "Xiaowei" WeChat yang mencoba memanggil mini-program dan layanan dalam ekosistem WeChat, pada dasarnya mengubah konten, hubungan, dan proses yang awalnya melayani manusia, menjadi lingkungan tugas yang dapat dimasuki AI.
Seperti yang dinilai Chief AI Scientist Tencent Yao Shunyu: Context tampaknya adalah aset data, pada dasarnya merupakan perwujudan komprehensif kemampuan produk, kemampuan rekayasa, dan kemampuan kolaborasi organisasi.
Di era internet, parit pertahanan dilihat dari skalanya. Di era AI, parit pertahanan seharusnya lebih dilihat dari efisiensi konversi:
Siapa yang dapat mengubah ekosistem yang ada menjadi lingkungan kerja AI lebih cepat, siapa yang memungkinkan AI mengakumulasi pemahaman pengguna yang lebih dalam dalam setiap tugas, siapa yang lebih mungkin membangun hambatan baru.
Inilah tempat yang benar-benar patut diperhatikan dalam Perang Context.
Artikel ini berasal dari akun WeChat "Deep Flow Research Institute", penulis: Jiang Feng
