Perubahan terpenting dalam edisi ini bukanlah kehadiran model yang lebih besar lagi, melainkan cara perusahaan membatasi agen AI serta menekan biaya sumber daya komputasi. Microsoft mengusulkan kontrol izin dan risiko yang lebih terperinci; dua perusahaan komputasi lainnya juga mencatat kemajuan baru dalam pendanaan dan efisiensi perangkat lunak.
Berita utama: Microsoft memperluas kontrol izin dinamis ke agen perusahaan
Pada 19 Oktober, Microsoft mengumumkan perluasan Project Perception untuk memasukkan agen AI yang beroperasi di lingkungan internal perusahaan ke dalam pemantauan risiko berkelanjutan dan pembatasan izin. Menurut Microsoft, sistem keamanannya kini dapat mendeteksi 35 jenis agen lokal tambahan, sehingga totalnya menjadi 60 jenis, termasuk Claude Code, OpenAI Codex, dan GitHub Copilot. Prinsip utamanya: agen tidak boleh secara otomatis mewarisi seluruh izin karyawan, melainkan harus memiliki identitas tersendiri dan hanya memperoleh otorisasi yang diperlukan untuk menyelesaikan tugas saat ini.[1]
Fokus desain baru ini adalah penyesuaian “dinamis”, bukan pemberian akses sekali saja. Microsoft memperkenalkan Dynamic Permissions, Dynamic Agent Risk, dan Dynamic Conditional Access: sistem dapat terus menyesuaikan izin dengan menggabungkan sinyal dari identitas, data, perangkat endpoint, jaringan, dan runtime. Misalnya, ketika agen penggantian biaya menemukan konten eksternal yang mencurigakan, agen tersebut tetap dapat mempertahankan akses baca yang diperlukan, tetapi kemampuan menulis, menyetujui, dan menjalankan operasi sensitif akan dibatasi, dengan konfirmasi manusia jika diperlukan. Pimpinan Microsoft juga menekankan bahwa model bertugas menyediakan kecerdasan, sementara batas pengamanan yang benar-benar menegakkan kebijakan keamanan harus ditempatkan di luar model.[1][2]
Mengapa ini patut diperhatikan? Semakin banyak perusahaan menghubungkan agen ke email, repositori kode, sistem keuangan, dan sistem internal. Pendekatan tradisional berupa “memberikan izin pada akun, lalu mengandalkan model untuk mematuhi aturan sendiri” sulit mengatasi injeksi prompt dan penyimpangan tugas. Namun, cakupan aktual, biaya penerapan, dan tingkat peringatan palsu dari kontrol ini masih perlu diuji oleh perusahaan dalam lingkungan nyata. Penjelasan arsitektur teknis tidak boleh disamakan dengan penerapan yang sudah meluas.[1][2]
Berita penting
Tenstorrent meraih pendanaan US$1,5 miliar, terus memperluas produksi server AI
Perusahaan chip AI asal Amerika Serikat, Tenstorrent, mengumumkan telah merampungkan pendanaan Seri E sebesar US$1,5 miliar dengan valuasi pascapendanaan US$6,2 miliar, dipimpin oleh Trace Capital dan Innovation X. Perusahaan berencana meningkatkan produksi server Galaxy dan memperluas komersialisasi global, sekaligus terus mengembangkan desain chip AI dan CPU yang dapat dilisensikan kepada pelanggan. Dipimpin oleh Jim Keller, Tenstorrent berupaya menawarkan alternatif di luar ekosistem NVIDIA melalui arsitektur RISC-V, tumpukan perangkat lunak terbuka, dan sistem buatannya sendiri.[3][4]
Mengapa ini penting: Persaingan komputasi AI kini meluas dari sekadar kinerja chip ke server, perangkat lunak, dan perangkat keras yang dapat disesuaikan. Pendanaan dapat mendukung ekspansi, tetapi pengiriman produk, kompatibilitas perangkat lunak, dan total biaya kepemilikan yang sesungguhnya tetap menjadi faktor penentu kemampuan perusahaan untuk menantang solusi arus utama.[3][4]
doubleAI membuka uji coba awal Maxwell, menargetkan pemborosan daya komputasi saat runtime
Perusahaan Israel doubleAI membuka uji coba awal Maxwell pada 19 Oktober, dengan mengusung apa yang disebut “model eksekusi kode”: alih-alih meminta model menulis kode sumber untuk pemrogram, model ini mencari optimasi eksekusi tingkat rendah saat program berjalan, lalu menggunakan verifikasi formal untuk memastikan optimasi tersebut tidak mengubah perilaku yang diharapkan. Studi kasus LTX-2.5 yang dipublikasikan perusahaan pada hari yang sama menyebutkan bahwa waktu untuk menghasilkan sebuah video 4K menggunakan dua B200 turun dari 250 detik menjadi 134 detik, atau sekitar 1,87 kali lebih cepat.[5][6]
Mengapa ini penting: Biaya komputasi tidak hanya bergantung pada jumlah GPU yang dibeli, tetapi juga pada kemampuan perangkat lunak memanfaatkan perangkat keras secara maksimal. Namun, angka tersebut merupakan hasil pengujian vendor untuk tugas tertentu dan tidak berarti semua model, mesin, serta beban kerja akan memperoleh manfaat yang sama; Maxwell saat ini masih dalam tahap uji coba awal, dan belum menuntaskan validasi untuk penggunaan komersial secara luas.[5][6]
Berita singkat
Kandidat berita lainnya dalam rentang waktu ini memiliki masalah berupa waktu publikasi pertama yang tidak sesuai, duplikasi dengan peristiwa di atas, atau sumber yang tidak memadai. Karena itu, berita lama tidak digunakan sekadar untuk menambah jumlah berita singkat.
Sumber Referensi
- Agen adalah orang dalam terbaru Anda. Keamanan harus bergerak secepat mereka. — Microsoft Security Blog, diakses pada 2026-10-20
- Mengamankan agen sebagai orang dalam — Microsoft, diakses pada 2026-10-20
- Tenstorrent Mengumumkan Pendanaan Seri E Sebesar US$1,5 Miliar dengan Valuasi US$6,2 Miliar — Tenstorrent, diakses pada 2026-10-20
- Tenstorrent meraih pendanaan US$1,5 miliar untuk komputasi AI — Axios, diakses pada 2026-10-20
- Maxwell Membuat LTX-2.5 Menghasilkan Video 4K Hampir 2 Kali Lebih Cepat — doubleAI, diakses pada 2026-10-20
- doubleAI milik Amnon Shashua meluncurkan AI yang mempercepat kode saat dieksekusi — The Next Web, diakses pada 2026-10-20
