Selasa, 03 November 2026

ChatGPT Menjangkau 20% Volume Pencarian Google, Klaim OpenAI yang Perlu Dicermati

OpenAI mengklaim volume pencarian lewat ChatGPT kini mencapai sekitar 20 persen dari volume pencarian Google. Angka itu disampaikan Adam Fry, consumer product lead ChatGPT, dalam acara OpenAI di New York pada 2 November 2026 dan diberitakan pada 3 November 2026. 🔗 9to5Google

Apa yang sebenarnya dihitung OpenAI

Menurut Fry, OpenAI menghitung sebuah pencarian setiap kali pertanyaan pengguna membuat ChatGPT mengakses web. Definisi ini mengecualikan pertanyaan sederhana seperti definisi istilah atau penjelasan how-to sederhana. 🔗 9to5Google

Penting dicatat, angka 20 persen ini adalah klaim internal OpenAI, bukan pengukuran independen. OpenAI tidak mengungkapkan sumber angka Google yang dipakai sebagai pembanding, metodologi pengukurannya, maupun rentang waktu pengukuran. 🔗 Oossa

Dengan kata lain, angka ini menggambarkan volume kueri, bukan pangsa pasar pencarian dalam arti sempit. ChatGPT juga tidak selalu menjawab dari indeksnya sendiri; sebagian pencarian masih bisa mengandalkan penyedia pencarian eksternal. 🔗 Oossa

Estimasi independen justru lebih rendah

Estimasi pihak ketiga menempatkan angka ChatGPT lebih rendah dari klaim OpenAI. seoClarity memperkirakan aktivitas pencarian harian ChatGPT sekitar 7,5 persen dari Google pada Oktober 2026, sementara Ahrefs memperkirakan sekitar 12 persen pada Februari 2026. 🔗 Steven Digital

Perbedaan ini wajar karena definisi "pencarian" berbeda-beda. Ada yang menghitung semua prompt, ada yang hanya menghitung aktivitas yang benar-benar setara dengan pencarian web. Karena itu, angka 20 persen sebaiknya dibaca sebagai klaim OpenAI tentang momentum, bukan sebagai ukuran pasar yang sudah final.

Pertumbuhan pengguna jadi bahan bakar klaim ini

Bersamaan dengan klaim pencarian, OpenAI menyebut ChatGPT mencapai 1,2 miliar pengguna aktif mingguan, naik sekitar 200 juta dalam 60 hari setelah melewati 1 miliar pada akhir Agustus 2026. 🔗 Emergent

Skala pengguna sebesar itu menjelaskan mengapa pertanyaan yang dulu eksklusif untuk mesin pencari — soal orang, tempat, peristiwa terkini, keuangan, dan kesehatan — kini makin sering diarahkan ke chatbot.

Crawler OpenAI juga makin agresif

Sinyal lain datang dari sisi perayapan web. Crawler pencarian OpenAI mencapai 18,1 persen volume permintaan Googlebot pada Oktober 2026, naik dari 5,3–7,5 persen pada Juli 2026. 🔗 TickerTrends

Pada pekan terakhir Oktober, nilai mingguan bahkan menyentuh 19,2 persen. Angka ini menunjukkan OpenAI sedang mengisi indeks pencariannya sendiri secara agresif, meski volume perayapan tidak sama dengan volume pencarian pengguna.

Apa artinya bagi penerbit dan pengguna

Bagi penerbit, volume kueri yang besar tidak otomatis berarti lalu lintas yang besar. Berbagai analisis menunjukkan Google masih mengirim pengunjung ke situs jauh lebih banyak daripada ChatGPT, sehingga visibilitas di chatbot dan di mesin pencari tetap dua hal yang berbeda. 🔗 Crypto Briefing

Bagi pengguna, pergeseran ini berarti jawaban percakapan makin sering menggantikan daftar tautan. Keuntungannya adalah konteks yang bisa disempurnakan lewat percakapan lanjutan. Risikonya, jawaban tunggal dari chatbot lebih sulit diverifikasi dibanding sepuluh tautan yang bisa dibandingkan sendiri.

Kesimpulannya, klaim 20 persen menandai bahwa ChatGPT sudah menjadi jalur pencarian yang serius. Namun sampai ada metodologi dan pembanding yang terbuka, angka itu lebih tepat dibaca sebagai klaim OpenAI — yang didukung arah pertumbuhannya, tapi belum dikonfirmasi pengukuran independen.

Sumber

Read More
Diposting oleh di Tidak ada komentar:
Label: ,

OpenAI Diingatkan soal Celah Keamanan Internal Selama Bertahun-tahun, Reuters Ungkap

Latar Belakang

Laporan investigasi Reuters yang terbit 3 November 2026 mengungkap ketegangan yang lama terpendam di dalam OpenAI. Menurut lima orang yang mengetahui langsung masalah ini, sejumlah karyawan sudah menyampaikan kekhawatiran soal praktik keamanan perusahaan bahkan sebelum ChatGPT diluncurkan pada akhir 2022. 🔗 Reuters

Kekhawatiran itu disampaikan kepada pimpinan puncak dan dewan direksi. Namun sebagian karyawan menyimpulkan manajemen lebih fokus mengejar kecepatan pengembangan demi menyaingi Google dan Anthropic daripada memperkuat keamanan.

Akibatnya, kontrol internal dinilai begitu longgar sehingga pihak luar, termasuk pemerintah asing, berpotensi memperoleh informasi sensitif tentang teknologi OpenAI dengan relatif mudah. Kekhawatiran itu kembali mencuat setelah OpenAI pada Oktober mengungkapkan penemuan perangkat perekam di ruang konferensi eksekutif. 🔗 Reuters

Monorepo dan Akses Kode yang Terlalu Luas

Salah satu temuan utama laporan adalah praktik penyimpanan kode. OpenAI menyimpan sebagian besar kodenya dalam satu repositori tunggal (monorepo), sehingga siapa pun yang dapat mengakses kode itu juga dapat melihat detail teknis banyak proyek perusahaan, termasuk proyek yang tidak berkaitan dengan pekerjaannya. 🔗 Reuters

OpenAI menegaskan sebagian besar pekerjaan paling sensitif disimpan dalam repositori terpisah dengan kontrol akses ketat. Perusahaan juga menyatakan monorepo tidak memuat seluruh kode maupun detail kritis model, termasuk bobot model (model weights) yang menentukan perilaku model.

Namun laporan menyebut monorepo yang padat dan rumit itu dahulu mungkin menjadi penghalang bagi calon penyerang, tetapi kini agen AI mampu menyaring material sebanyak itu. Selain itu, OpenAI dilaporkan menyimpan sebagian besar dokumentasi risetnya di GitHub dan Slack, sehingga karyawan khawatir aktor yang termotivasi tetap dapat menemukan informasi penting. 🔗 Reuters

Alat Internal yang Jarang Diaudit

Temuan lain menyebut OpenAI belum melakukan tinjauan keamanan rutin terhadap alat internalnya, seperti sandbox tempat peneliti menguji model baru. Karyawan sering memodifikasi alat tersebut untuk pekerjaan mereka, tetapi perubahan itu tidak selalu diuji terhadap masalah keamanan. 🔗 Reuters

OpenAI menyatakan kini melakukan tinjauan keamanan rutin terhadap peralatan internal di bawah Chief Information Security Officer Dane Stuckey, yang bergabung pada Oktober 2024. Perusahaan juga mengatakan memiliki pendekatan keamanan yang kuat.

Perubahan Strategi dan Security Sprint

OpenAI dilaporkan mulai mengubah strategi untuk mengatasi masalah keamanan. Thibault Sottiaux, eksekutif senior yang mengawasi pengembangan produk dan dikenal sebagai “Tibo”, baru-baru ini mengambil alih inisiatif internal untuk mengamankan sistem internal. Pada Agustus, Sottiaux menugaskan ulang seperempat insinyur produksi OpenAI untuk memperbaiki infrastruktur keamanannya. 🔗 Reuters

Setelah Reuters meminta komentar, OpenAI pada Senin, 2 November 2026, mengumumkan sedang merencanakan security sprint internal berikutnya, yang akan melibatkan peneliti eksternal termasuk Cathedral Systems untuk menguji pertahanannya. Juru bicara OpenAI, Elana Widmann, menyebut OpenAI adalah salah satu organisasi yang paling ditargetkan di dunia, sehingga perusahaan berinvestasi besar dalam program keamanannya. 🔗 Unite.AI

“Melindungi teknologi, data, dan orang-orang kami adalah tanggung jawab yang kami anggap serius dan merupakan masalah kepentingan nasional,” kata Widmann. 🔗 Reuters

Ancaman AI terhadap Perusahaan AI Sendiri

Laporan juga menyoroti dua insiden yang menunjukkan bagaimana AI canggih kini justru menempatkan perusahaan AI pada risiko. Pada akhir Oktober, startup keamanan siber Cathedral Systems mengklaim berhasil masuk ke sistem Anthropic dan mengakses kanal Slack tempat karyawan membahas detail model sensitif.

Juru bicara Anthropic menyatakan data yang diakses meliputi informasi kontak bisnis pelanggan dan mitra serta catatan akun pengguna dasar. Pada Juli, tiga peneliti Hacktron AI menggunakan model AI saingan dari Anthropic untuk membobol akun ChatGPT milik beberapa karyawan OpenAI dan mendapatkan akses ke sistem internal, termasuk monorepo. 🔗 Reuters

Implikasi bagi Industri

Peringatan karyawan ini menyoroti tegangan mendasar dalam industri AI. Sejak ChatGPT diluncurkan, teknologi AI telah menjadi aset strategis bagi Amerika Serikat, sehingga muncul tekanan agar perusahaan Amerika melindungi teknologinya dari rival asing.

Namun menambah lapisan keamanan juga dapat memperlambat pengembangan AI, dan berpotensi mempersulit rencana penawaran saham perdana (IPO) OpenAI dan Anthropic. Bagi industri, laporan ini menjadi pengingat bahwa perlombaan kapabilitas model tidak boleh mengabaikan pertahanan internal.

Poin-poin Utama

  • Karyawan memperingatkan pimpinan dan dewan soal keamanan sejak sebelum peluncuran ChatGPT pada akhir 2022.
  • OpenAI menemukan perangkat perekam di ruang konferensi eksekutif pada Oktober 2026.
  • Kode disimpan dalam monorepo yang dapat diakses luas; agen AI kini mampu menyaring material tersebut.
  • Thibault Sottiaux memimpin inisiatif keamanan; seperempat insinyur produksi ditugaskan ulang pada Agustus 2026.
  • OpenAI merencanakan security sprint internal berikutnya bersama peneliti eksternal, termasuk Cathedral Systems.
  • Dua insiden (Cathedral Systems terhadap Anthropic; Hacktron AI terhadap OpenAI) menunjukkan AI dapat menyerang perusahaan AI.

Sumber

Read More
Diposting oleh di Tidak ada komentar:
Label: ,

Anthropic Kembangkan Sistem Kriptografis untuk Membuktikan Identitas Model AI

Anthropic, perusahaan pengembang model bahasa besar Claude, mengumumkan penelitian awal mengenai sistem terbuka yang mampu membuktikan secara kriptografis identitas model AI yang menghasilkan suatu keluaran. Sistem yang disebut FlashProve ini dirancang untuk memberikan jaminan matematis bahwa sebuah respons benar-benar berasal dari model tertentu, bukan dari model lain yang menyamar. 🔗TechCrunch

Menurut laporan TechCrunch pada 3 November 2026, sistem ini masih berada pada tahap riset awal. Risetnya masih berlangsung dan belum ada rencana penerapan di Anthropic maupun laboratorium lain. 🔗TechCrunch

Latar Belakang: Masalah Kepercayaan pada Keluaran AI

Seiring meluasnya penggunaan model AI dalam pengambilan keputusan kritis, pertanyaan tentang asal-usul keluaran menjadi semakin penting. Pengguna sering kali tidak memiliki cara untuk memastikan bahwa respons yang mereka terima benar-benar dihasilkan oleh model yang diklaim oleh penyedia layanan.

Celah ini membuka peluang bagi praktik yang merugikan. Misalnya, penyedia bisa diam-diam mengganti model yang lebih mahal dengan model yang lebih murah untuk menekan biaya, atau sebaliknya menggunakan model yang lebih kuat untuk memperbesar hasil benchmark. Pihak ketiga yang mengklaim telah menggunakan model tertentu untuk mengerjakan sebuah tugas pun sulit dibuktikan kebenarannya. 🔗TechCrunch

Cara Kerja FlashProve

FlashProve bekerja dengan konsep yang disebut “provable inference”, yaitu pembuktian kriptografis yang memberikan jaminan matematis atas identitas model yang menghasilkan keluaran. Mirip dengan tanda tangan kriptografis pada email yang memungkinkan penerima memastikan pengirim asli, FlashProve dirancang agar tahan terhadap upaya penyamaran, bahkan ketika pihak yang menyamar adalah laboratorium yang membangun dan menjalankan model tersebut. 🔗TechCrunch

Untuk berfungsi, sistem ini memerlukan laboratorium AI untuk mempublikasikan “sidik jari” (fingerprint) dari setiap model yang dirilis. Sidik jari ini nantinya dapat dicocokkan dengan keluaran spesifik dan diverifikasi secara kriptografis. Yang penting, sidik jari tersebut tidak mengungkap bobot (weights) yang menjadi aset internal yang menjadikan perilaku model sulit ditiru. Artinya, sidik jari tetap menjaga kerahasiaan model yang dilindungi.

Dengan demikian, laboratorium dapat mempublikasikan sidik jari tanpa menyerahkan aset paling berharga mereka. Meskipun sistem ini dirancang untuk keperluan penelitian, peneliti menyarankan agar laboratorium AI merilis sidik jari model yang akan dipakai pada masa mendatang dan menjaga kerahasiaan model yang dilindungi. 🔗Artiverse

Potensi Penggunaan

Peneliti menyebutkan beberapa skenario penggunaan yang mungkin. Berikut di antaranya:

  • Mencegah perusahaan AI secara diam-diam mengganti model yang lebih murah untuk mengurangi biaya operasional.
  • Mencegah penggunaan model yang lebih mahal secara diam-diam untuk memperbesar hasil benchmark.
  • Memverifikasi klaim pihak ketiga bahwa sebuah tugas tertentu, misalnya pemindaian kerentanan perangkat lunak, telah dikerjakan oleh model tertentu.
  • Memungkinkan pengguna akhir memastikan bahwa jawaban yang mereka terima benar-benar berasal dari model yang diklaim penyedia layanan. 🔗TechCrunch

Status dan Keterbukaan

Sebagai bagian dari pengumuman, peneliti merilis spesifikasi teknis terperinci dan kode kerja untuk FlashProve. Para peneliti membagikannya secara eksplisit dengan tujuan agar orang lain melihat apa yang telah mereka lakukan dan mengajukan perbaikan atau kritik. 🔗TechCrunch

Keterbukaan ini dinilai penting oleh komunitas riset karena bidang ini memerlukan partisipasi dari berbagai pihak untuk berkembang. Melalui publikasi spesifikasi dan kode, peneliti membuka peluang kolaborasi lintas laboratorium dan membuka jalan bagi penerapan sistem serupa di masa mendatang. 🔗Blockchain.News

Angka Kunci dari Uji Coba

Demonstrasi FlashProve diuji pada Llama 4 Maverick dari Meta, model mixture-of-experts 400 miliar parameter, dan menunjukkan sejumlah angka yang menggambarkan tantangan praktis teknologi ini. Berikut angka-angka kuncinya:

  • Kecepatan pembuatan bukti: sekitar 110 token per detik pada satu GPU H100.
  • Ukuran bukti: sekitar 19 MB per permintaan 1.024 token.
  • Biaya komputasi: pembuatan bukti memakan waktu GPU sekitar 70–95 kali lipat dibanding menjalankan model itu sendiri.
  • Verifikasi: sekitar 17 detik pada CPU 24-thread, tanpa GPU, termasuk pemeriksaan dari tahap persiapan hingga penyelesaian.
  • Batas konteks pada demonstrasi ini: 1.024 token, dengan decoding greedy. 🔗Blockchain.News

Angka-angka ini menegaskan status FlashProve sebagai prototipe riset, bukan produk siap pakai. Biaya komputasi yang tinggi dan keterbatasan konteks menjadi hambatan utama sebelum teknologi ini dapat diterapkan secara luas, meskipun hasil awalnya menjanjikan.

Implikasi bagi Industri AI

Jika sistem verifikasi identitas model seperti FlashProve kelak diadopsi secara luas, hal ini dapat mengubah dinamika kepercayaan dalam ekosistem AI. Pengguna perusahaan dan konsumen akan memiliki alat untuk memverifikasi klaim penyedia layanan, yang pada gilirannya dapat mendorong transparansi dan akuntabilitas.

Di sisi lain, implementasi memerlukan partisipasi aktif dari laboratorium AI untuk mempublikasikan sidik jari model mereka, serta pengembangan standar bersama agar verifikasi dapat dilakukan secara konsisten di berbagai platform. Pengguna pun tetap harus percaya bahwa sidik jari yang dipublikasikan memang milik model yang diklaim laboratorium tersebut. 🔗AI Stock Wire

Sumber

Read More
Diposting oleh di Tidak ada komentar:
Label: ,

Model AI Terbaik Baru Lulus 12% di Uji Kerja Nyata GDPx: Claude Unggul, tapi Semua Masih Jauh dari Ahli

Seberapa hebat sebenarnya agen AI terbaik saat ini ketika diberi pekerjaan ahli yang sesungguhnya? Tolok ukur baru bernama GDPx memberi jawaban yang merendahkan ekspektasi: model terbaik sekalipun baru menyelesaikan sekitar satu dari delapan tugas.

Apa yang terjadi?

SemiAnalysis merilis GDPx pada 2 November 2026, sebuah tolok ukur baru untuk menguji agen AI pada pekerjaan profesional yang realistis, bukan sekadar menjawab pertanyaan ujian. Versi pertamanya berisi 206 tugas di 11 bidang, disusun bersama 14 mitra data spesialis.

Hasilnya mengejutkan: model terbaik pun masih jauh dari sempurna. Claude Opus 5.5 dari Anthropic memimpin dengan skor 12,0 persen, disusul Gemini 4 Carbon dari Google di 10,9 persen dan GPT-6 Astra dari OpenAI di 9,6 persen. 🔗 Unite.AI

  • Claude Opus 5.5 (Anthropic): 12,0 persen, biaya rata-rata US$51,41 per tugas
  • Gemini 4 Carbon (Google): 10,9 persen, biaya rata-rata US$16,29 per tugas
  • GPT-6 Astra (OpenAI): 9,6 persen, biaya rata-rata US$53,99 per tugas
  • Muse Wonder Full (Meta): 9,0 persen, disebut terbaik di bidang siber
  • GLM 5.3 (Z.ai): 2,7 persen, model bobot terbuka terbaik di papan skor

Setiap tugas diberi batas waktu default delapan jam dan dijalankan di lingkungan kerja yang menyerupai kondisi nyata, misalnya transaksi ekuitas swasta yang direkonstruksi dari sekitar 4.000 berkas. Skor utama merupakan rata-rata percobaan pertama selama tiga kali percobaan, dengan bobot yang sama untuk tiap bidang.

Kenapa penting?

GDPx memberi gambaran yang lebih jujur tentang kesiapan agen AI untuk pekerjaan ahli. Selama ini banyak tolok ukur menilai jawaban, sementara pekerjaan nyata menuntut hasil yang benar-benar bisa dipakai, aturan yang dipatuhi, dan berkas yang ditemukan.

Di bidang keuangan dan hukum, semua model bahkan mencetak nol pada penilaian lulus-gagal yang dimaksud, sehingga SemiAnalysis melaporkan skor parsial untuk kedua bidang itu. Temuan ini menjadi pengingat bahwa klaim “AI sudah bisa menggantikan ahli” masih terlalu dini untuk tugas-tugas kompleks.

Dari sisi biaya, Gemini 4 Carbon menonjol karena skornya hanya selisih tipis dari pemuncak, tetapi biayanya sekitar sepertiga dari Claude Opus 5.5. Perbandingan ini penting bagi perusahaan yang menghitung efektivitas agen AI, bukan hanya peringkatnya.

Apa yang perlu diperhatikan?

  1. Jangan salah tafsir angka 12 persen: itu bukan persentase ekonomi yang bisa diotomatisasi, melainkan skor pada kumpulan tugas yang sengaja dibuat sangat sulit.
  2. SemiAnalysis sendiri mengakui skor Claude Opus 5.5 dan GPT-6 Astra tertekan oleh pengaman (safety classifier) di bidang siber, biologi, dan alignment, yang kadang menolak tugas yang sebenarnya sah.
  3. Hasil ini belum direplikasi secara independen, dan GDPx dirancang sebagai tolok ukur yang terus diperbarui setiap 3–6 bulan, jadi peringkatnya masih bisa berubah.
  4. Bagi pengguna dan perusahaan, pesannya praktis: gunakan agen AI untuk tugas yang terdefinisi jelas dan tetap dengan pengawasan manusia pada pekerjaan berisiko tinggi.

GDPx juga menjadi kritik terhadap tolok ukur lama seperti GDPval dari OpenAI, yang menurut SemiAnalysis memberi semua konteks di dalam prompt dan tidak interaktif. GDPx justru menempatkan agen di dalam lingkungan kerja yang harus dijelajahi sendiri.

Sumber

🔗 Unite.AI — SemiAnalysis Launches GDPx Benchmark Spanning 11 Agentic Domains

Read More
Diposting oleh di Tidak ada komentar:
Label: , ,

TypeSafe AI Raih Pendanaan Seri A 870 Juta Dolar dengan Model Jev yang Bukan LLM

San Francisco — TypeSafe AI, pengembang model kecerdasan buatan Jev, mengumumkan putaran pendanaan Seri A senilai sekitar 870 juta dolar AS dengan valuasi 7,5 miliar dolar.

Putaran yang diumumkan pada 9 Oktober 2026 itu dipimpin oleh Andreessen Horowitz (a16z), dengan partisipasi Sequoia Capital, investor lama DCVC, serta sejumlah angel investor. Pengumuman tersebut datang hanya 24 hari setelah Jev diluncurkan pada 15 September 2026.🔗TechCrunch

Bukan LLM: Menghasilkan Keputusan, Bukan Teks

Yang membuat Jev menarik perhatian bukanlah ukuran parameternya, melainkan arah yang diambilnya. Jev dibangun di atas arsitektur transformer, tetapi bukan model bahasa besar (LLM).

Alih-alih menghasilkan teks token demi token, Jev menghasilkan probabilitas atau apa yang disebut perusahaan sebagai "keputusan terkalibrasi" (calibrated decisions) yang langsung diserahkan ke kode aplikasi sebagai nilai bertipe. Output yang sangat kecil itu bahkan tidak dikenai biaya token.🔗a16z

TypeSafe menyebut Jev sebagai model pertama dari kelas baru yang disebut "Sistem Satu" (System One): model yang dibangun untuk terintegrasi secara mendalam dengan perangkat lunak, bukan untuk diajak bicara oleh manusia, dan mengembalikan keputusan instingtif dalam bahasa asli perangkat lunak.🔗a16z

Klaim Kinerja: Lebih Murah dan Lebih Cepat

Menurut a16z, Jev diperkirakan 100 hingga 500 kali lebih murah dibanding model frontier, sekaligus 100 kali lebih cepat untuk tugas klasifikasi dengan akurasi yang sebanding. Angka-angka tersebut merupakan klaim perusahaan dan investornya, bukan hasil pengujian independen.🔗a16z

Harga yang dipatok TypeSafe adalah 0,042 dolar AS per satu juta token input, dengan output gratis. Karena tidak menghasilkan teks token demi token, Jev dapat menjalankan tugas dengan biaya dan latensi yang jauh lebih rendah.🔗DevCuration

a16z menyebut Jev sebagai model yang tumbuh paling cepat yang pernah mereka lihat, dengan satu triliun token dihasilkan hanya dalam tiga hari setelah peluncuran. Angka tersebut berasal dari perusahaan dan belum diaudit secara independen.🔗a16z

Adopsi Enterprise yang Cepat — dengan Catatan

Adopsi perusahaan juga dilaporkan cepat. TypeSafe menyebut sekitar sepertiga perusahaan Fortune 500 sudah menggunakan Jev, sementara a16z menyebut angka 25 persen.

Perbedaan kedua angka itu menunjukkan bahwa keduanya adalah klaim dari pihak yang berkepentingan, dan perlu dibaca sebagai klaim, bukan sebagai jumlah yang terverifikasi secara independen.🔗DevCuration

Jev dikembangkan oleh tim yang berasal dari OpenAI, Meta Platforms, dan Google. Pendanaan baru akan digunakan untuk menskalakan penyebaran produk, memperluas tim, dan menambah kapasitas komputasi. Martin Casado dari a16z bergabung dengan dewan direksi TypeSafe.🔗TechCrunch

Implikasi bagi Industri AI

Jika klaim performa dan adopsi terbukti, Jev berpotensi memperluas cakupan AI dari sekadar pembuatan teks dan kode menjadi pengambilan keputusan yang menyatu dengan perangkat lunak.

Konsep yang dikemukakan a16z — membuat kecerdasan cukup murah untuk dipanggil di mana saja, sehingga ia dipanggil di mana-mana — menunjukkan arah di mana AI menjadi primitif infrastruktur, bukan hanya antarmuka percakapan. Namun, klaim kecepatan dan biaya masih perlu diverifikasi independen, dan persaingan dengan pendekatan agen berbasis LLM akan tetap sengit.🔗a16z

Fakta Kunci

  • TypeSafe AI menggalang 870 juta dolar AS Seri A dengan valuasi 7,5 miliar dolar, diumumkan 9 Oktober 2026.
  • Pendanaan dipimpin a16z, diikuti Sequoia Capital, DCVC, dan angel investor.
  • Jev diluncurkan 15 September 2026; Seri A ditutup 24 hari kemudian.
  • Jev bukan LLM: menghasilkan "keputusan terkalibrasi" sebagai nilai bertipe, bukan teks.
  • Klaim perusahaan: 100–500x lebih murah dan 100x lebih cepat untuk klasifikasi dengan akurasi sebanding.
  • Harga: 0,042 dolar AS per satu juta token input; output gratis.
  • Adopsi yang diklaim: sekitar sepertiga (a16z: 25 persen) Fortune 500.
  • Martin Casado (a16z) masuk dewan direksi TypeSafe.

Sumber

Read More
Diposting oleh di Tidak ada komentar:
Label: ,
Langganan: Postingan (Atom)
Powered By Blogger · Designed By Adzim Developer