OpenAI merilis ratusan bukti matematika yang ditulis oleh AI dan membuat para peneliti di bidang ini kebingungan
OpenAI baru saja memasukkan 372 hasil matematika ke dalam repositori GitHub dari model mutakhir yang belum dirilis. The Verge menghitung 722 manuskrip di 372 kelompok hasil. Banyak bukti sudah sesuai dengan Lean, jadi logikanya mungkin baik-baik saja meskipun kebaruannya masih perlu dibuktikan.
Perusahaan tersebut mengklaim kemenangan pada dugaan Kakeya empat dimensi, penyesuaian pada algoritma utama, dan bahkan "kemajuan nyata" menuju hipotesis Riemann. Seorang juru bicara mengatakan kepada Scientific American bahwa hampir setiap hasil berasal dari satu perintah tunggal kepada satu agen tunggal - bukan dari kumpulan 10.000 agen senilai jutaan dolar yang sebelumnya memecahkan persamaan Navier-Stokes. Biaya rata-rata: sekitar tiga jam berpikir menggunakan ChatGPT Pro.
Para matematikawan tidak semuanya bersorak gembira. Andrew Sutherland dari MIT pada dasarnya mengatakan: tunjukkan modelnya atau anggap cerita satu kali ini sebagai tidak terverifikasi. Kelompok penasihat OpenAI sendiri menginginkan petunjuk, nama model, dan bukti komputasi. OpenAI malah menerbitkan rata-rata dan beberapa formalisasi Lean. "Kami telah mempublikasikan buktinya, silakan dicerna" adalah strategi penelitian yang berani.
Mistral memperkenalkan Large 4, sebuah "Le Chonk" dengan 1 triliun parameter yang bertujuan untuk meraih supremasi di kelas open-weight
Laboratorium Prancis Mistral membuka pratinjau publik Mistral Large 4 - secara tidak resmi disebut ML4, "secara resmi: le Chonk." Ini adalah campuran multimodal asli dengan total 1 triliun parameter dan 49 miliar parameter aktif. Bobot dijanjikan akan tersedia pada akhir bulan setelah pengujian silang dengan mitra dan pemerintah.
Pelatihan dijalankan pada 3.800 GPU NVIDIA Grace Blackwell di pusat data Eropa milik Mistral sendiri. Konsepnya adalah kedaulatan plus kekuatan: keamanan siber, keuangan, hukum, desain chip. Pada salah satu uji siber Artificial Analysis yang meminta model untuk mereproduksi dan menambal kerentanan nyata, Mistral mengatakan ML4 mencetak skor 82% - tertinggi dari semua model - sementara beberapa raksasa teknologi tertutup menolak dan mencetak skor mendekati nol.
Jadi, Eropa masih menginginkan jalur ketiga antara laboratorium tertutup AS dan laboratorium terbuka Tiongkok. Apakah itu akan berhasil atau tidak, itu masalah lain. Julukan itu sendiri menunjukkan bahwa mereka tahu betapa absurdnya perlombaan parameter ini dari luar.
Claude hadir di Google Docs, Sheets, dan Slides sebagai sidebar bawaan
Claude dari Anthropic untuk Google Workspace sedang dalam versi beta publik pada paket berbayar. Instal add-on Marketplace, buka file, dan Claude akan muncul di sidebar yang dapat membaca dokumen dan mengeditnya langsung di tempat. Konektor baru juga memungkinkan Anda membuat dan mengubah file Google dari obrolan Claude itu sendiri.
Di Google Docs, Anda dapat memperbaiki kalimat tanpa merusak format, atau menampilkan perubahan yang lebih besar sebagai kartu saran. Google Sheets mendapatkan rumus, pivot, grafik, dan bahkan jalan pintas Python untuk penggabungan yang rumit. Google Slides dapat membuat slide baru dari tema yang sudah ada dan kemudian menandai konten yang tumpang tindih. Mode default meminta persetujuan sebelum pengeditan. Ada mode "Terima semua" jika Anda ingin mengambil risiko.
Gemini sudah ada di sini, dan Microsoft Copilot menjalankan versi Office - terkadang pada model Anthropic, yang merupakan kontradiksi kecil yang menarik. Claude sekarang mencoba menjadi lapisan AI di kedua ekosistem tersebut. Sebut saja strategi produk, atau sekadar menolak untuk memihak. Mungkin keduanya.
Meta dan Sierra menyusun Protokol Agen Pribadi agar toko-toko dapat membedakan bot yang baik dari bot yang buruk
Sierra dan Meta, bersama Genesys, Instinct, Rocket, Shopify, Stripe, dan Walmart, sedang membangun standar terbuka tentang bagaimana agen AI pribadi berkomunikasi dengan bisnis. Konsumen memilih apa yang dapat diakses agen mereka. Perusahaan menetapkan apa yang boleh dilakukan agen di situs web, API, atau melalui agen perusahaan. Sesi berjalan di atas OAuth.
Spesifikasi v0.1 dan implementasi referensi akan dirilis akhir bulan ini. Pernyataan Bret Taylor lugas: situasinya agak kacau sampai sesuatu seperti ini ada. Amazon telah memblokir Muse milik Meta. Walmart bermitra dengan Muse dan masih mengalami hambatan CAPTCHA yang membuat agen keluar. Maskapai penerbangan dan lainnya mengambil langkah yang lebih tegas.
OpenAI dan Anthropic belum hadir. Taylor mengatakan dia akan sangat kecewa jika para pesaing melewatkannya. Terbuka untuk peluncuran standar. Agak canggung juga mengingat ketua OpenAI ikut menulis protokol tersebut.
API Decisions dari OpenAI memasuki versi beta publik untuk memberikan jawaban cepat berupa ya atau tidak
OpenAI merilis Decisions API dalam versi beta publik di gpt-6-luna melalui POST /v1/decisions. Masukkan teks, gambar, atau keduanya dan dapatkan jawaban yang diketik sekitar 10 kali lebih cepat daripada Responses API - probabilitas suatu kondisi benar, pilihan dari daftar Anda, atau skor terhadap level yang diurutkan.
Bayangkan mengarahkan keluhan "dikenakan biaya dua kali" ke bagian penagihan, atau menandai foto produk yang retak. Gambar harus berupa base64 inline. Harganya adalah $0,10 per juta token input, tanpa biaya token output pada endpoint ini. Tidak ada penyimpanan data dan jalur HIPAA tersedia untuk pelanggan yang memenuhi syarat.
Fitur ini muncul dalam pratinjau terbatas di DevDay dan sekarang sudah tersedia. Versi GA akan segera hadir dalam beberapa minggu mendatang. Inilah yang dibutuhkan produk-produk dasar yang sederhana namun penting - pengklasifikasi tanpa perlu menulis novel setiap saat.
EmbeddingGemma 2 dari Google DeepMind menggabungkan teks, gambar, audio, dan video ke dalam satu ruang vektor di perangkat
EmbeddingGemma 2 adalah model Apache 2.0 dengan 740 juta parameter yang memetakan teks, kode, gambar, video, dan audio ke dalam ruang bersama berdimensi 768. Dibangun di atas Gemma 4. Ditujukan untuk ponsel dan perangkat keras terbatas lainnya, bukan sebagai embedder cloud raksasa lainnya.
Muat hanya yang Anda butuhkan: 270M untuk teks, tambahkan visual atau audio, atau ambil seluruh tumpukan. Pemotongan Matryoshka dapat mengecilkan vektor hingga 128 dimensi untuk penyimpanan hingga 6x lebih sedikit. Konteksnya adalah 8K token - cukup untuk sekitar 5,5 menit audio atau puluhan frame. Google mengatakan MTEB Code melonjak hampir 10 poin dibandingkan EmbeddingGemma pertama.
Pada Pixel 11 Pro dengan kuantisasi, bobot teks saja membutuhkan sekitar 191MB RAM aktif; multimodal penuh sekitar 567MB. Model teks asli sudah diunduh lebih dari 20 juta kali. Peluncuran Google yang lebih tenang terkadang lebih penting daripada yang mencolok.
Menteri Sains Korea Selatan kembali memperkuat komitmennya pada proyek AI mutakhir senilai $3,5 miliar setelah kegagalan Mythos
Dalam audit parlemen, Wakil Perdana Menteri Bae Kyung-hoon mengatakan Seoul akan mempertahankan proyek model fondasi kedaulatannya dan menambahkan program AI terdepan yang terpisah. Ia mengaitkan dorongan senilai 4,7 triliun won (3,5 miliar dolar AS) tersebut dengan "guncangan Mythos" seputar Claude Mythos dari Anthropic dan ancaman keamanan siber.
Upaya kedaulatan tersebut telah melewati evaluasi kedua dan sedang menuju evaluasi ketiga. Bae menyebut hasil saat ini berada di kisaran menengah secara global dan menginginkan sesuatu yang lebih mendekati sistem open-weight terkemuka. Dia juga mengusulkan layanan "AI untuk Semua" - gratis, tanpa batasan penggunaan - pada akhir tahun, ditambah proyek-proyek besar di bidang pusat data, AI fisik, dan chip.
Jadi, ceritanya bukan "batalkan model rumahan." Melainkan "tambahkan lintasan yang lebih besar dan lebih menakutkan di sampingnya." Perlombaan AI nasional terus menjadi semakin mahal. Apakah $3,5 miliar cukup untuk melawan skala AS dan Tiongkok masih menjadi pertanyaan. Bae tampaknya berpikir bahwa berdiam diri lebih buruk.
Pertanyaan yang Sering Diajukan (FAQ)
Apa yang diunggah OpenAI ke GitHub dengan model matematika mutakhirnya yang belum dirilis?
OpenAI memposting 372 keluarga hasil matematika - sekitar 722 manuskrip - dari model terdepan yang belum dirilis. Banyak bukti sudah sesuai dengan prinsip Lean. Perusahaan tersebut mengklaim kemajuan pada dugaan Kakeya empat dimensi, penyesuaian algoritma, dan pekerjaan menuju hipotesis Riemann. Seorang juru bicara mengatakan hampir setiap hasil berasal dari satu perintah kepada satu agen, rata-rata sekitar tiga jam pemikiran ChatGPT Pro - bukan dari sekumpulan besar agen.
Mengapa para matematikawan skeptis terhadap cerita OpenAI tentang pembuktian matematika satu kali jalan?
Andrew Sutherland dari MIT mendesak OpenAI untuk menunjukkan model tersebut atau menganggap klaim satu kali eksekusi itu sebagai tidak terverifikasi. Kelompok penasihat OpenAI sendiri menginginkan petunjuk, nama model, dan bukti komputasi. Namun, perusahaan tersebut malah menerbitkan nilai rata-rata dan beberapa formalisasi Lean. Bukti-bukti tersebut mungkin tampak benar secara formal, tetapi kebaruan dan narasi agen tunggal tetap diperdebatkan sampai bukti yang lebih lengkap muncul.
Apa itu Mistral Large 4 dan kapan pemberatnya akan tiba?
Mistral Large 4 - juga disebut ML4 atau "Le Chonk" - adalah model campuran pakar multimodal asli dengan total 1 triliun parameter dan 49 miliar parameter aktif. Model ini dilatih pada 3.800 GPU NVIDIA Grace Blackwell di pusat data Mistral di Eropa. Pratinjau publik telah tersedia; bobot lengkap dijanjikan pada akhir bulan setelah pengujian tim merah dengan mitra dan pemerintah. Mistral menawarkan kasus penggunaan di bidang keamanan siber, keuangan, hukum, dan desain chip.
Bagaimana cara kerja Claude di dalam Google Docs, Sheets, dan Slides?
Claude untuk Google Workspace saat ini dalam versi beta publik pada paket berbayar melalui add-on Marketplace. Aplikasi ini berada di sidebar yang dapat membaca file dan mengedit langsung di tempatnya, atau membuat dan menyesuaikan file Google dari obrolan Claude. Di Google Docs, aplikasi ini dapat memperbaiki kalimat atau menampilkan kartu saran; di Google Sheets, aplikasi ini mendapatkan rumus, pivot, grafik, dan Python opsional; sedangkan di Google Slides, aplikasi ini dapat membuat slide dari tema Anda. Mode default meminta persetujuan sebelum pengeditan; mode "Terima semua" akan melewati permintaan persetujuan tersebut.
Masalah apa yang coba dipecahkan oleh Protokol Agen Pribadi Meta dan Sierra?
Agen AI pribadi sering kali menemui CAPTCHA atau bahkan diblokir saat berbelanja atau memanggil API bisnis. Sierra dan Meta, dengan mitra termasuk Genesys, Shopify, Stripe, dan Walmart, sedang menyusun standar terbuka agar konsumen dapat mengontrol akses agen dan perusahaan dapat menetapkan tindakan yang diizinkan melalui OAuth. Spesifikasi v0.1 dan implementasi referensi akan dirilis akhir bulan ini. OpenAI dan Anthropic belum bergabung dalam diskusi ini.
Kapan Anda sebaiknya menggunakan API Keputusan OpenAI sebagai pengganti API Respons?
Gunakan Decisions API ketika Anda membutuhkan jawaban cepat bergaya ya atau tidak yang diketik - probabilitas suatu kondisi benar, pilihan dari daftar, atau skor pada level yang diurutkan. API ini berjalan di gpt-6-luna melalui POST /v1/decisions, menerima teks dan gambar base64 sebaris, dan sekitar 10 kali lebih cepat daripada Responses API. Harganya $0,10 per juta token input tanpa biaya token output. Tidak ada penyimpanan data dan jalur HIPAA tersedia untuk pelanggan yang memenuhi syarat; ketersediaan umum diharapkan dalam beberapa minggu mendatang.
Apa yang membuat EmbeddingGemma 2 dari Google DeepMind berguna di ponsel?
EmbeddingGemma 2 adalah model Apache 2.0 dengan 740 juta parameter yang memetakan teks, kode, gambar, video, dan audio ke dalam satu ruang 768 dimensi. Anda dapat memuat hanya teks (270 juta), menambahkan visual atau audio, atau menggunakan seluruh tumpukan. Pemotongan Matryoshka dapat mengecilkan vektor menjadi 128 dimensi untuk menghemat penyimpanan hingga 6 kali lipat. Pada Pixel 11 Pro yang terkuantisasi, pemuatan teks saja membutuhkan sekitar 191MB RAM aktif dan pemuatan multimodal penuh sekitar 567MB, dengan konteks 8K token.