Multimodal

• Alibaba Cloud memperkenalkan paket agen multimodal baru, Tongyi AgentStudio, pada 8 Mei 2026, yang mengintegrasikan kemampuan penglihatan, ucapan, dan pemrosesan dokumen ke dalam satu platform yang berorientasi pada perusahaan. • Paket ini mendukung hingga 128 panggilan alat (tool calls) konkuren per sesi dan dapat mengelola pengadaan, tiket HR, serta alur kerja optimasi biaya multi-cloud secara otonom, dengan proyek percontohan awal di bank-bank Tiongkok melaporkan pengurangan waktu penyelesaian layanan internal sebesar 32%. • Alibaba menyatakan bahwa Tongyi AgentStudio kini dibanderol seharga $1,20 per satu juta token input untuk kontrak perusahaan besar, lebih rendah dari tarif agen Barat yang sebanding, guna memperkuat strateginya dalam memberikan harga lebih murah dibandingkan pesaing cloud global.

• OpenAI meluncurkan GPT-5 pada 19 April, menghadirkan penalaran multimodal canggih yang memproses teks, gambar, dan audio secara simultan dengan peningkatan performa sebesar 40% dibandingkan GPT-4, menurut blog riset perusahaan tersebut. • Model ini menunjukkan penalaran chain-of-thought yang ditingkatkan dan dapat menyelesaikan masalah multi-langkah yang kompleks di berbagai domain termasuk matematika, pengkodean, dan analisis ilmiah dengan tingkat akurasi yang jauh lebih tinggi. • Analis industri memproyeksikan GPT-5 akan mempercepat adopsi AI di sektor perusahaan dan memperketat persaingan dengan Claude milik Anthropic dan Gemini milik Google di pasar model bahasa besar.

Red Hat bergabung dalam pengembangan upstream vLLM Semantic Router, sebuah kerangka kerja untuk perutean permintaan cerdas dalam model AI campuran modalitas (mixture-of-modality), yang diumumkan pada 13 Maret 2026. Sistem ini memilih model yang optimal saat inferensi berdasarkan sinyal kueri, guna mengatasi tantangan dalam penerapan LLM yang beragam. Hal ini meningkatkan efisiensi untuk penskalaan AI cloud hibrida. Inisiatif ini mendukung ekspansi AI perusahaan dengan fondasi yang andal.