Stack

• Perusahaan infrastruktur AI mendominasi putaran modal ventura terbesar minggu ini, yang dipimpin oleh investasi masif pada penyedia cloud dan pusat data. • Crusoe mengamankan pendanaan sebesar $3 miliar, sementara Fluidstack menghimpun $1,5 miliar dan startup inferensi AI Gimlet Labs memperoleh $300 juta. • Kesepakatan bernilai miliaran dolar ini menandakan pergeseran pasar yang besar menuju perangkat keras fisik dan kapasitas cloud yang diperlukan untuk menjalankan model AI skala besar.

• Los Angeles sudah menjadi favorit juara Super Bowl • Defensive tackle ini adalah 10 kali Pro Bowler bersama Rams • Pemain berusia 35 tahun ini bertujuan memenangkan Super Bowl kedua di LA

• Ollama telah meluncurkan proxy baru yang memungkinkan Claude Desktop untuk menjalankan model open-weights, termasuk Qwen, DeepSeek, dan Kimi. • Pembaruan ini menyusul kegagalan upaya integrasi awal dan dirancang untuk melewati batasan model yang menyebabkan versi pertama terhenti. • Rilis ini hadir tak lama setelah Ollama mengamankan putaran pendanaan sebesar $65 juta pada bulan Juli untuk memperluas aksesibilitas model terbuka.

• MotherDuck telah mengakuisisi Tower, sebuah startup yang sebelumnya berfungsi sebagai runtime pipeline dasar untuk pipeline data MotherDuck sendiri. • Akuisisi ini terjadi setelah periode di mana MotherDuck dengan cepat menjadi pelanggan terbesar Tower, yang mendorong perusahaan untuk membawa infrastruktur kritis tersebut ke dalam internal. • Langkah ini selaras dengan visi yang lebih luas tentang rekayasa data yang bergeser menuju "pengawasan-agen," di mana agen AI mengelola konstruksi dan perbaikan pipeline sementara manusia mengawasi prosesnya.

• JetBrains telah meluncurkan Junie Local, asisten pengkodean AI yang berjalan sepenuhnya secara offline di mesin pengguna daripada mengandalkan model yang di-host di cloud. • Untuk berfungsi secara efektif, alat ini memerlukan perangkat keras kelas atas, secara khusus merekomendasikan Mac dengan chip M5 dan RAM setidaknya 64 GB. • Peralihan ini memungkinkan pengembang untuk menjaga privasi kode sepenuhnya, menghilangkan biaya API per permintaan, dan terus bekerja tanpa koneksi internet.

• OpenAI telah memperlambat pelatihan model terbarunya, termasuk jeda dua minggu dalam reinforcement learning (RL) untuk model yang ditujukan untuk penerapan. • Perusahaan secara resmi mengaitkan perlambatan ini dengan risiko keamanan siber, dan memilih untuk menjalankan putaran evaluasi yang lebih kecil dan terkendali sebelum melanjutkan putaran RL frontier terbesar yang direncanakan. • Para analis menunjukkan bahwa perlambatan ini mungkin sebenarnya didorong oleh kerugian finansial yang meningkat dan tekanan yang kian besar dari rival AI China, bukan sekadar karena masalah keamanan.

• Mistral AI telah mengumumkan bahwa mereka akan mulai menghosting model open-source pihak ketiga pada infrastrukturnya sendiri, dimulai dengan GLM-5.2 dari Z.ai. • Perusahaan ini memperluas penawaran layanannya dengan menyertakan endpoint regional baru dan tingkat API prioritas untuk performa yang lebih ditingkatkan. • Langkah ini memungkinkan Mistral AI untuk berevolusi dari sekadar pengembang model menjadi penyedia infrastruktur AI yang lebih luas, meningkatkan aksesibilitas bagi berbagai model terbuka.

• OpenAI telah resmi merilis aplikasi desktop ChatGPT dan Codex untuk pengguna Linux. • Rilis ini mencakup paket native, browser terintegrasi di dalam aplikasi, dan dukungan untuk ChatGPT Work. • Ekspansi ini memberikan lingkungan yang lebih terintegrasi bagi pengembang Linux dan pemimpin rekayasa perangkat lunak untuk pengodean dan produktivitas berbantuan AI.

• Kritikus industri telah menyatakan kekhawatiran bahwa hyperscaler seperti AWS, Google Cloud, dan Azure menghabiskan terlalu banyak biaya untuk infrastruktur AI. • Data pendapatan cloud terbaru membantah klaim tersebut, yang menunjukkan bahwa pengeluaran modal yang tinggi mendorong pertumbuhan signifikan dan menjaga margin yang sehat. • Pergeseran perspektif ini menyoroti kebutuhan strategis untuk berinvestasi dalam perangkat keras AI agar tetap kompetitif di pasar cloud yang terus berkembang.

• Akuisisi Manus senilai $2 miliar oleh Meta, pengembang agen AI serbaguna yang berbasis di Singapura, telah gagal setelah diblokir oleh pejabat China. • Kesepakatan tersebut menghadapi pengawasan ketat baik di China maupun AS, dengan regulator China menyelidiki potensi pelanggaran aturan investasi asing dan transfer teknologi domestik tanpa izin. • Sebagai akibat dari pemisahan ini, Manus akan menghapus data pengguna tertentu, sehingga mendorong para pengembang untuk mengamankan dan menyimpan informasi mereka.

• Anthropic telah mengumumkan penerapan watermark tidak terlihat pada teks yang dihasilkan oleh model Claude, termasuk output dari API, alat pengkodean, dan mitra cloud-nya. • Sistem ini dirancang untuk membantu pengembang dan organisasi melacak asal-usul konten dan kode yang dihasilkan AI. • Para ahli memperingatkan bahwa watermark ini rapuh dan kemungkinan besar tidak akan bertahan dalam alur kerja pengembang yang umum, seperti parafrasa, pemformatan kode, atau integrasi ke dalam pipeline aplikasi.

• Sinyal antarpasar pada tren, rotasi, komoditas, dan Treasuries saat ini secara bulat selaras dalam postur "risk-on". • Kerangka kerja ini menggunakan Moving Average 200 hari sebagai pemicu biner untuk menentukan leverage, mengalokasikan ke SSO (S&P 500 dengan leverage 2x) saat harga berada di atas rata-rata dan SPY saat berada di bawahnya. • Strategi ini didasarkan pada data historis yang menunjukkan bahwa lingkungan di atas-200 biasanya menghasilkan pengembalian positif ke depan dan penurunan (drawdown) yang lebih dangkal dibandingkan dengan rezim di bawah-200.

• DeepSeek mengklaim bahwa model V4-Flash yang diperbarui mengungguli pratinjau V4-Pro dalam tugas pengodean dengan biaya hanya sepertiga dari harganya. • Dalam pengujian dunia nyata yang melibatkan tiga pekerjaan pengodean, V4-Flash terbukti menjadi model yang lebih unggul dalam hal performa. • Meskipun biaya per token lebih rendah, V4-Flash mengonsumsi token secara signifikan lebih banyak daripada V4-Pro, yang menghasilkan tagihan akhir yang hampir identik.

• Meta telah memperkenalkan Muse Glimmer, sebuah demonstrasi tentang bagaimana distilasi model dapat mengompres AI berbasis cloud yang besar menjadi agen lokal yang mampu berjalan di laptop. • Sistem ini menggunakan arsitektur hibrida di mana agen lokal mengelola tugas rutin di perangkat, sementara model cloud yang lebih besar menangani kueri kompleks dan memberikan pelatihan berkelanjutan. • Pergeseran ini signifikan karena mengurangi latensi dan meningkatkan privasi, namun menciptakan rantai penerapan baru yang kompleks untuk dipelihara oleh para pengembang.

• Meta telah merilis Muse Code, agen pengodean pertamanya, yang diposisikan sebagai alternatif yang lebih terjangkau dibandingkan kompetitor seperti Claude Code. • Dalam uji performa head-to-head melalui tiga tugas pengodean dunia nyata, Muse Code menunjukkan performa yang kurang memuaskan, gagal merestrukturisasi kode dengan benar dan meninggalkan "dead code". • Meta secara terbuka mengakui bahwa Muse Code saat ini belum menyamai tingkat performa Claude Code.

• The New Stack mengeksplorasi pergeseran dalam mengevaluasi agen coding AI yang bersifat non-deterministik, dengan argumen bahwa mereka harus dinilai berdasarkan output aktualnya daripada sebagai chatbot percakapan. • Metodologi yang diusulkan menggunakan kontrak yang dapat dieksekusi (executable contracts) dan lembar penilaian terperinci untuk mengukur keberhasilan fungsional dari kode yang dihasilkan oleh agen-agen ini. • Pendekatan ini penting karena benchmark LLM tradisional seringkali gagal menangkap apakah seorang agen benar-benar dapat menyelesaikan tugas rekayasa perangkat lunak yang kompleks dalam lingkungan dunia nyata.

• Alat coding AI telah meningkatkan kecepatan pengembang individu secara signifikan, namun produktivitas dan kepercayaan rekayasa secara keseluruhan tetap stagnan. • Riset dari DX dan LinearB menunjukkan bahwa keuntungan tersebut terhapus oleh pull request yang lebih besar, pengukuran kinerja yang tidak memadai, dan proses warisan (legacy) yang sudah usang. • Kesenjangan ini penting karena efisiensi AI dinetralisir oleh hambatan sistemik dalam siklus hidup pengembangan perangkat lunak.

• Banyak perusahaan menghabiskan sekitar $7,5 juta per tahun dan mendedikasikan 60 staf untuk membangun serta mengoperasikan internal developer platforms yang dikustomisasi. • Biaya tinggi ini sering kali tersembunyi dari eksekutif karena pengeluaran tersebar di berbagai pusat biaya rekayasa (engineering cost centers) daripada dilacak sebagai satu item pengeluaran tunggal. • Beban finansial ini menyoroti trade-off kritis antara persepsi kontrol dalam membangun platform proprietary dibandingkan dengan potensi ROI dari membeli solusi yang sudah ada.

• Speakeasy telah meluncurkan "Skills Management," sebuah alat baru yang dirancang untuk mengelola perpustakaan keterampilan agen AI yang tersebar luas di dalam perusahaan. • Platform ini mengatasi "kekacauan" yang tercipta ketika pengembang membangun koleksi runbook deployment, checklist peninjauan kode, panduan gaya, dan alur kerja internal yang terfragmentasi. • Dengan memperkenalkan versioning, kontrol akses, dan observabilitas, alat ini memungkinkan perusahaan untuk mempertahankan tata kelola atas bagaimana agen AI menjalankan proses bisnis yang kompleks.

• Pengguna KubeVirt saat ini menghadapi tantangan dalam memigrasikan virtual machine (VM) antar klaster karena batasan jaringan yang seringkali memerlukan tiket bantuan manual. • Solusi yang diusulkan menggunakan overlay EVPN/VXLAN yang dikombinasikan dengan OpenPERouter Custom Resource Definitions (CRDs) untuk memungkinkan pergerakan VM yang lancar. • Pendekatan ini penting karena menghilangkan hambatan jaringan tradisional, sehingga memungkinkan fleksibilitas dan otomatisasi yang lebih besar dalam infrastruktur cloud-native.

• Meta telah memperkenalkan Muse Code, sebuah agen coding baru yang menghadirkan "contributor tier" yang sangat terjangkau bagi para pengembang. • Tingkat harga khusus ini lebih dari 10 kali lebih murah dibandingkan opsi pay-as-you-go standar, menurut Wang dari Meta. • Untuk mendapatkan biaya yang lebih rendah ini, pengguna harus memilih untuk mengizinkan Meta menggunakan data mereka untuk melatih dan meningkatkan model yang mendasarinya.

• OpenAI telah menghentikan aktivitas internal tertentu untuk model AI Astra setelah pengujian menunjukkan bahwa model tersebut mungkin telah melampaui ambang batas keamanan siber yang kritis. • Model ini sedang berada di bawah pengawasan karena OpenAI tidak dapat mengesampingkan adanya "kapabilitas siber kritis," khususnya kemampuan untuk mengidentifikasi dan mengembangkan eksploitasi zero-day fungsional pada sistem dunia nyata yang diperkuat tanpa bantuan manusia. • Perkembangan ini signifikan karena menandai potensi lompatan dalam otonomi AI terkait serangan siber, yang memicu Preparedness Framework perusahaan untuk memperketat kontrol keamanan.

• Anthropic sedang mengalihkan "Auto Mode" menjadi pengaturan default di Claude Code, sehingga tidak lagi memerlukan persetujuan manual dari manusia untuk sebagian besar tindakan. • Keputusan ini menyusul penelitian yang menunjukkan bahwa pengklasifikasi internal alat tersebut lebih efektif dalam mengidentifikasi dan memblokir perintah berbahaya dibandingkan pengembang manusia. • Untuk mencegah pelanggaran keamanan, pengklasifikasi tersebut diprogram untuk secara otomatis memblokir eksfiltrasi data, seperti pengiriman rahasia atau kode ke tujuan eksternal.

• Konsep "AI kill switch" sedang didiskusikan sebagai sarana untuk menghentikan sistem kecerdasan buatan di dalam lingkungan perusahaan. • Mengimplementasikan sakelar tersebut merupakan tantangan karena AI masuk ke dalam organisasi melalui berbagai saluran, termasuk penyedia resmi, pembaruan fitur SaaS, dan eksperimen open-source yang tidak resmi. • Masalah ini menyoroti celah kritis dalam visibilitas perusahaan, karena pembendungan yang nyata memerlukan wawasan mendalam tentang infrastruktur yang kompleks daripada sekadar mandat sederhana.

• Perusahaan teknologi Coinbase, Shopify, dan Ramp telah mengembangkan agent coding AI milik mereka sendiri sambil tetap membayar untuk Claude Code dari Anthropic. • Tren industri menunjukkan bahwa keunggulan kompetitif utama terletak pada "agent harness"—infrastruktur yang mengelilingi AI—bukan pada model bahasa besar (LLM) yang mendasarinya. • Alat "Inspect" milik Ramp menjadi contoh dengan mengeksekusi kode di dalam virtual machine yang terisolasi (sandboxed) dan berintegrasi dengan sistem engineering seperti Datadog, Sentry, dan LaunchDarkly.

• Todoist mengalihkan strategi AI-nya untuk fokus pada penggunaan model generatif guna menerjemahkan maksud pengguna menjadi kode yang dapat diprediksi, daripada membiarkan AI tetap berada dalam loop eksekusi. • Perusahaan percaya bahwa mengurangi ketergantungan pada eksekusi AI otonom dan lebih mengutamakan kode terstruktur akan menghasilkan pengalaman pengguna yang lebih andal dan konsisten. • Pendekatan ini menjadi penting karena menantang tren industri saat ini yang mengintegrasikan AI generatif "kotak hitam" (black box) secara langsung ke dalam alur kerja manajemen tugas.

• Nutanix memperkenalkan model operasional terpadu yang mengintegrasikan virtual machine, Kubernetes, dan bare metal untuk mengurangi duplikasi infrastruktur dan mendukung edge AI. • Transisi menuju konsolidasi tim platform bervariasi di setiap organisasi, karena lini masa sangat dipengaruhi oleh politik internal, lisensi, dan keahlian yang ada. • Pergeseran ini didorong oleh bangkitnya inferensi AI di edge, yang memposisikan kembali bare metal sebagai target deployment utama daripada sekadar kebutuhan khusus.

• Kubernetes memperkenalkan Dynamic Resource Allocation (DRA) untuk menyelesaikan tantangan lama terkait penjadwalan GPU dan manajemen sumber daya. • Kerangka kerja baru ini bertujuan untuk menghilangkan pemborosan Multi-Instance GPU (MIG) dan mencegah kesalahan Out-of-Memory (OOM) pada klaster dengan menyediakan penanganan sumber daya yang lebih fleksibel. • Perubahan ini signifikan karena meninggalkan model "device plugin" yang kaku, memungkinkan alokasi akselerator perangkat keras yang lebih presisi dan dinamis.