Pada 12 Oktober, Meta meluncurkan rangkaian Muse Wonder dan kembali bersaing di bidang model bahasa besar terdepan. Sementara itu, Microsoft menyusun peta jalan penerapan skala besar untuk chip inferensi generasi berikutnya, dan Anthropic memperbarui perkembangan upayanya untuk melindungi model dari serangan penyulingan. Fokus hari ini bukan hanya skor model, tetapi juga memori agen, efisiensi komputasi, dan batas-batas keamanan.[1][2][3][4]
Berita Utama Hari Ini: Meta Meluncurkan Muse Wonder, Mengedepankan Memori Jangka Panjang
Meta Superintelligence Labs merilis dua model terdepan, Muse Wonder dan Muse Wonder Full. Dibandingkan Muse Spark yang mengutamakan latensi rendah, rangkaian Wonder lebih berfokus pada tugas kompleks, pemrograman, dan pelaksanaan bertahap. Meta menyatakan bahwa model baru ini dapat menangani tugas seperti klaim asuransi, kontrak sewa, dan pengembangan aplikasi, serta meraih hasil kompetitif dalam beberapa tolok ukur yang diumumkan perusahaan. Namun, perlu dicatat bahwa hasil ini terutama berasal dari pengujian yang dirilis Meta dan belum tentu telah divalidasi secara independen untuk berbagai situasi bisnis nyata.[1][2]
Peluncuran ini secara khusus menonjolkan dua kemampuan: Active Memory (memori aktif), yang menyimpan informasi penting tentang pengguna di berbagai sesi; dan Active Focus (fokus aktif), yang mencoba metode lain saat tugas menemui hambatan, memulihkan diri dari kesalahan, serta meminta konfirmasi sebelum melakukan tindakan penting. Keduanya menyasar kendala dalam penggunaan agen sehari-hari: asisten tidak hanya perlu menjawab pertanyaan saat ini, tetapi juga memahami konteks, mempertahankan tujuan tugas, dan tidak sembarangan mengubah maksud pengguna ketika menghadapi hal tak terduga dalam pekerjaan yang berlangsung selama berhari-hari atau bahkan lebih lama. Jika kemampuan ini menjadi stabil dan andal, AI berpeluang berkembang dari alat tanya jawab sekali pakai menjadi asisten kerja yang benar-benar dapat berkolaborasi dalam jangka panjang.[2]
Rencana komersialisasinya juga telah diumumkan: Muse Wonder tersedia bagi pengembang melalui Meta Model API dan Muse Code. Menurut laporan TechCrunch, harga API-nya adalah $4 per satu juta token input dan $20 per satu juta token output. Muse Wonder Full saat ini tersedia bagi pelanggan Muse Code dan tidak ditawarkan langsung melalui API. Meta juga berencana mengintegrasikan model baru ini secara bertahap ke agen Muse, dimulai dengan pelanggan berlangganan. Ke depannya, yang perlu diamati bukan hanya peringkat tunggal, melainkan juga apakah memori jangka panjangnya akurat, apakah pengguna benar-benar dapat mengendalikan izin privasi, dan apakah tugas kompleks dapat dijalankan secara andal dengan biaya yang wajar.[1][2]
Berita Penting
Microsoft berencana men-deploy Maia 300 pada 2027, efisiensi inferensi menjadi fokus persaingan chip
Pada 12 Oktober, Microsoft mengumumkan roadmap lanjutan Azure Maia dan berencana meningkatkan deployment hingga skala multi-gigawatt mulai 2027. Maia 200 telah menangani sebagian beban kerja produksi produk Microsoft; Maia 300 dirancang untuk konteks panjang, percakapan berlatensi rendah, dan agen multi-langkah yang berjalan terus-menerus. Microsoft memperkirakan Maia 300 dapat menghasilkan 40% lebih banyak token per megawatt dibandingkan solusi GPU terdepan, sementara throughput rak dengan 96 akselerator dapat mencapai hingga tujuh kali lipat Maia 200. Angka-angka ini merupakan sasaran desain dan kinerja yang diungkapkan Microsoft, bukan hasil perbandingan independen dalam lingkungan produksi terbuka. Ini menunjukkan Microsoft ingin mengoptimalkan chip dan perangkat lunak secara terpadu agar biaya inferensi AI lebih terkendali.[3]
Gambar: Visual utama resmi chip Microsoft Azure Maia 300 (sumber: Microsoft)
Anthropic mengumumkan kemajuan dalam mencegah distilasi, tetapi efektivitasnya masih perlu diuji dalam jangka panjang
Anthropic mengungkapkan bahwa setelah mengambil langkah baru untuk menangani distilasi model tanpa izin, bukti awal menunjukkan jumlah data yang dapat dikumpulkan oleh pihak yang melakukan serangan turun sekitar 90% hingga 99%. Distilasi adalah teknik pembelajaran mesin yang umum, yaitu melatih model lain menggunakan keluaran dari model yang lebih kuat; yang menjadi persoalan adalah apakah proses ekstraksi dilakukan dengan izin dan apakah pembatasan layanan diakali. Anthropic juga mengakui bahwa beberapa langkah perlindungan mengharuskan pelanggan yang sah memperbarui cara integrasi, serta melibatkan kompromi antara biaya dan pendapatan. Hasil terkait merupakan pengamatan awal perusahaan, bukan bukti bahwa semua risiko ekstraksi kemampuan model telah sepenuhnya hilang.[4]
NVIDIA dan Cisco mendorong modul optik berdensitas tinggi untuk konektivitas pusat data AI
NVIDIA dan Cisco mengumumkan solusi modul optik pluggable USFP untuk transmisi berkecepatan tinggi di dalam pusat data AI berskala besar, dengan sasaran desain mencakup 400 Gb/s per kanal dan kapasitas total hingga 12,8 Tb/s. Kedua perusahaan menyatakan bahwa dibandingkan modul optik pluggable 200 Gb/s per kanal, solusi baru ini dapat meningkatkan kepadatan bandwidth hingga empat kali lipat dan efisiensi energi sekitar 1,3 kali lipat. Seiring membesarnya skala model, efisiensi tidak hanya ditentukan oleh chip itu sendiri, tetapi juga kemampuan mengirimkan data di antara ribuan akselerator. Namun, peralihan dari spesifikasi dan rencana kerja sama ke deployment produksi masih memerlukan validasi ekosistem perangkat keras, kompatibilitas, dan data konsumsi energi aktual.[5]
Berita Singkat
- Startup desain arsitektur Blueprints AI memperkenalkan perangkat generasi baru untuk membuat gambar teknik bangunan secara otomatis. Tim tersebut menekankan bahwa arsitek berlisensi tetap harus meninjau dan membubuhkan tanda tangan serta stempel sebelum dokumen izin diajukan; AI tidak dapat menggantikan tanggung jawab hukum tenaga profesional.[6]
- WindBorne memperoleh kontrak pengadaan data cuaca dari Angkatan Udara AS dengan nilai potensial hampir 50 juta dolar AS. Data pengamatan yang dikumpulkan oleh balon cuaca otonomnya dapat digunakan untuk melayani pelanggan sekaligus meningkatkan model prakiraan cuaca AI.[7]
Catatan Editor
Berita-berita ini tampak tersebar, tetapi sebenarnya mencakup rantai industri AI yang sama: Meta berupaya membuat agen lebih baik dalam memahami tugas yang berlangsung terus-menerus; Microsoft, NVIDIA, dan Cisco berupaya meningkatkan efisiensi infrastruktur untuk menjalankan tugas-tugas tersebut dalam jangka panjang; sementara Anthropic memperkuat kemampuan model sekaligus batas akses terhadap data. Perlu diingat bahwa demonstrasi teknologi, pengujian internal, dan penerapan di lingkungan produksi yang sebenarnya bukanlah hal yang sama. Menurut kami, pada tahap berikutnya, faktor yang kemungkinan besar akan menjadi pembeda adalah apakah model dapat bekerja secara andal dalam proses bisnis tertentu, apakah biaya dapat terus ditekan, dan apakah pengguna benar-benar dapat mengendalikan privasi dan keamanan, bukan sekadar unggul dalam angka pada suatu tolok ukur.
Sumber Referensi
- Meta releases its first frontier model, Muse Wonder — TechCrunch, diakses pada 2026-10-13
- Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents — Meta, diakses pada 2026-10-13
- Microsoft to expand Azure Maia system to multi-gigawatt deployments — Microsoft, diakses pada 2026-10-13
- Strengthening our defenses against distillation attacks — Anthropic, diakses pada 2026-10-13
- NVIDIA and Cisco Introduce New Pluggable Optics Form Factor to Scale AI Factories — NVIDIA Newsroom, diakses pada 2026-10-13
- This AI startup says it can generate permit-ready blueprints in minutes — TechCrunch, diakses pada 2026-10-13
- WindBorne wins a hefty US Air Force contract for its balloon data — TechCrunch, diakses pada 2026-10-13
