🗞️ Tech Update Pekan Ini: Agen AI Punya Controller, Robot Bertarung, dan Drone Memburu Serangga

Pekan ini, perkembangan AI tidak lagi berhenti di chatbot. AI mendapat controller fisik, masuk ke arena robot dan alur produksi film, membangun peta 3D dari video biasa, merancang pakaian, sampai mulai mengejar serangga terbang.

Benang merahnya adalah pergeseran AI dari mesin penjawab menjadi sistem yang mengoperasikan software, perangkat, dan proses produksi. Karena itu, kabar pekan ini lebih menarik daripada sekadar lomba benchmark. Kita mulai melihat bagaimana AI dipakai, siapa yang mengendalikannya, dan apa yang terjadi ketika hasilnya menyentuh dunia fisik.

OpenAI Supply Co. dan Work Louder memperkenalkan kbd-1.0-codex-micro, controller ringkas dengan 13 mechanical switch, lampu RGB, joystick, dan rotary control. Sejumlah media teknologi mencatat harga preordernya sebesar US$230.

Perangkat ini dibangun untuk situasi ketika beberapa agen coding berjalan bersamaan. Lampunya membantu developer melihat status pekerjaan tanpa terus berpindah jendela. Tombolnya dapat dipetakan untuk menyetujui permintaan, menolak tindakan, memulai task, memakai voice atau skill, serta mengatur tingkat reasoning.

Kenapa penting: agen software menciptakan masalah antarmuka baru. Keyboard biasa dirancang ketika manusia menulis perintah secara langsung. Codex Micro berangkat dari asumsi berbeda: pekerjaan manusia bergeser menjadi mengawasi proses paralel, menangani pengecualian, dan menentukan kapan sebuah task layak memakai komputasi lebih besar. Produk ini merupakan kolaborasi resmi dengan Work Louder, bukan perangkat OpenAI yang sepenuhnya berdiri sendiri.

Ultimate Robot Knock-out Legend dibuka di Shenzhen pada 16 Juli setelah lebih dari 200 tim mengikuti kualifikasi dan 32 tim lolos. Mereka menggunakan platform humanoid EngineAI T800 yang sama, dengan kemampuan memukul, menendang, menjaga keseimbangan, dan bangkit setelah terjatuh.

Standarisasi badan robot membuat persaingannya lebih menarik. Tim tidak bisa sekadar membawa mesin yang paling besar. Mereka harus mengoptimalkan motion planning, control policy, tuning, strategi operator, dan pemulihan ketika postur robot terdorong keluar dari kondisi ideal.

Momen robot tetap melawan meski kepalanya menggantung setelah terkena tendangan memang dramatis. Namun nilai teknologinya ada pada robustness. Physical AI harus tetap bekerja ketika sensor terganggu, sendi menerima benturan, dan lingkungan tidak serapi laboratorium. Turnamen ini belum membuktikan pertarungan yang sepenuhnya otonom, tetapi menjadi stress test publik untuk sistem kontrol humanoid.

Co-CEO Netflix Ted Sarandos menyatakan generative AI telah digunakan pada sekitar 300 judul sepanjang 2026. Pemakaiannya tersebar dari perencanaan sampai visual effect, crowd scene, dan pascaproduksi.

Ini tidak berarti Netflix membuat 300 film menggunakan AI. Dalam produksi, teknologi tersebut bisa menangani pekerjaan sempit seperti eksplorasi konsep, previs, rotoscoping, clean-up, variasi aset, atau beberapa shot efek. Perubahannya justru terletak pada integrasi: AI mulai menjadi salah satu komponen dalam pipeline yang sudah ada, bukan eksperimen terpisah.

Pertanyaan berikutnya bukan lagi apakah studio memakai AI, melainkan di bagian mana dan dengan aturan apa. Efisiensi akan menarik produser, tetapi pekerja kreatif tetap membutuhkan kejelasan tentang sumber data, izin, kredit, pekerjaan, dan quality control. Angka 300 menunjukkan skala adopsi, meski Netflix belum membuka rincian kadar pemakaian pada setiap judul.

Sebuah benchmark publik memberikan gambar referensi dan instruksi singkat yang sama kepada sejumlah varian GPT-5.6. Setiap agen kemudian bekerja melalui Codex dengan akses ke shell dan Blender. Seluruh 15 run menghasilkan file .blend yang dapat diedit serta render yang valid. Konfigurasi terbaik mendapat skor 92/100.

Kemampuan terpentingnya bukan sekadar menulis script Blender yang panjang. Run yang lebih kuat dapat membuat render, membaca hasil visual, menemukan objek terpotong atau geometri rusak, memperbaiki build, lalu merender ulang. Siklus melihat dan mengoreksi itu membuat model mulai benar-benar memakai aplikasi kreatif, bukan hanya mengeluarkan kode untuk aplikasi tersebut.

Kualitasnya belum stabil. Beberapa run merusak struktur atap, dan reasoning yang lebih berat tidak selalu memberi hasil lebih baik. Pembuat benchmark juga mengingatkan bahwa satu run per konfigurasi belum cukup menjadi studi reliabilitas. Namun arahnya cukup jelas: seniman 3D bisa mengurangi waktu untuk menyusun operasi teknis satu per satu dan lebih fokus pada referensi, arahan visual, serta penilaian hasil.

LingBot-Map dari Robbyant merupakan model feed-forward terbuka untuk streaming 3D reconstruction. Model ini membaca frame visual untuk memperkirakan pergerakan kamera dan geometri ruang, lalu memperbarui representasi spasial saat kamera terus berjalan.

Timnya melaporkan kecepatan sekitar 20 FPS pada resolusi 518×378 untuk rangkaian lebih dari 10.000 frame. Sistemnya tidak membutuhkan LiDAR, sehingga hambatan sensor lebih rendah dibandingkan pendekatan yang bergantung pada perangkat depth khusus. Arsitekturnya mempertahankan konteks geometri terstruktur tanpa harus mengoptimalkan ulang seluruh scene setiap menerima frame baru.

Kenapa penting: robot, perangkat AR, drone, dan sistem navigasi membutuhkan pemahaman ruang yang bertahan dari waktu ke waktu, bukan sekadar mengenali objek pada satu gambar. Video dari satu kamera dapat menjadi input untuk posisi dan geometri. Meski begitu, angka 20 FPS tetap bergantung pada GPU, memori, resolusi, dan kompleksitas lingkungan.

Anthropic meluncurkan Claude for Teachers dengan akses premium selama satu tahun bagi pengajar K–12 terverifikasi di Amerika Serikat. Program ini juga menyediakan kumpulan teaching skills dan materi yang terhubung dengan kurikulum berbasis bukti serta standar akademik.

Strateginya lebih luas daripada membagikan chatbot. Skill yang dapat digunakan ulang bisa membantu guru menyesuaikan materi, membuat aktivitas untuk tingkat kemampuan berbeda, memeriksa keterkaitan dengan standar, dan menyusun sumber belajar melalui proses yang konsisten.

Keberhasilan program tetap bergantung pada kebijakan sekolah, privasi, akurasi, dan kemampuan guru meninjau hasil AI. Cakupannya juga belum global. Namun langkah ini memperlihatkan persaingan provider AI mulai bergerak ke workflow profesi tertentu, bukan hanya siapa yang punya model paling pintar.

Proyek Wardrobe dapat mengambil pakaian dari koleksi foto lokal, membuat katalog item, menghasilkan preview pada model, merancang kombinasi, dan menyimpan koleksi outfit. Prosesnya dibagi menjadi dua skill Codex: satu untuk mengimpor pakaian dan satu lagi untuk membuat look.

Ini contoh aplikasi agentic yang bekerja dengan data pribadi pengguna. Modelnya tidak sekadar menjawab pertanyaan “hari ini pakai apa?” Ia harus menemukan gambar sumber, memisahkan item, menulis database terstruktur, menghasilkan visual, memeriksa hasil, dan mempertahankan koleksi lokal yang dapat digunakan kembali.

Konfigurasi repository saat ini memakai gpt-5.4-mini untuk vision dan gpt-image-2 untuk generasi gambar, sehingga atribusi viral kepada GPT-5.6 tidak sesuai dengan proyek publiknya. Pelajaran besarnya tetap relevan: banyak produk AI berikutnya mungkin tidak berbentuk chat, melainkan workflow kecil yang menempel pada file milik pengguna.

George Lucas mengatakan AI dapat mempermudah pembuatan film dan membandingkan penolakannya dengan tetap memilih kuda setelah mobil hadir. Pandangan itu selaras dengan kariernya yang sejak awal mendorong efek digital, nonlinear editing, dan virtual production.

Analogi tersebut menempatkan AI sebagai lapisan produksi yang sulit dihindari. Dari sudut pandang pembuat film, ini masuk akal karena industri tersebut selalu berubah bersama kamera, sistem efek, perangkat editing, dan teknologi distribusi baru.

Namun adopsi yang terasa tidak terhindarkan tetap membutuhkan aturan. AI membawa persoalan sumber data, izin, tenaga kerja, kredit, dan kemampuan menghasilkan gaya atau performa dalam skala besar. Lucas menangkap momentum teknologinya, tetapi industri tetap harus menentukan batas penggunaannya.

Moonshot AI memperkenalkan Kimi K3 dengan total 2,8 triliun parameter, kemampuan multimodal native, dan context window satu juta token. Model ini memakai arsitektur mixture-of-experts, sehingga hanya sebagian jaringan yang aktif untuk setiap token.

Tujuannya adalah menggabungkan kapasitas total yang sangat besar dengan biaya inference yang masih bisa dikelola. Context panjang dan vision native menyasar coding jangka panjang, pekerjaan dokumen, riset, serta task yang perlu mempertahankan state selama banyak langkah. K3 sudah tersedia melalui produk Kimi dan API.

Moonshot menjadwalkan rilis bobot lengkap pada 27 Juli. Artinya, saat update ini ditulis pada 21 Juli, modelnya sudah dapat dipakai tetapi belum tersedia penuh sebagai open weights. Peluncurannya memperkuat posisi Tiongkok dalam model besar dan terbuka, tetapi kepemimpinan AI tidak hanya ditentukan jumlah parameter. Chip, energi, talenta, distribusi, adopsi developer, modal, serta benchmark independen tetap ikut menentukan.

Help Center Anthropic menyebut Fable 5 kini menjadi bagian standar paket Max serta premium seat pada Team dan Enterprise berbasis seat. Pengguna dapat memakai model tersebut hingga 50% dari batas penggunaan mingguan reguler tanpa biaya tambahan.

Skema ini menunjukkan cara provider mengemas model frontier yang mahal. Anthropic tidak menawarkan penggunaan tanpa batas, tetapi menyediakan sebagian dari budget mingguan. Karena Fable 5 menghabiskan limit lebih cepat daripada model ringan, pengguna tetap harus memilih kapan kemampuan analisisnya benar-benar dibutuhkan.

Angka 50% adalah alokasi usage limit, bukan diskon harga. Pengguna Pro dan Team Standard tetap memakai usage credits. Pola seperti ini kemungkinan akan semakin umum ketika provider mencoba menyeimbangkan harga langganan yang tetap dengan kebutuhan komputasi agentic work yang sulit diprediksi.

Dalam World AI Conference pada 17 Juli, Xi Jinping menyerukan “open source, openness, collaboration and sharing”, koordinasi internasional yang lebih kuat, serta dukungan bagi negara berkembang. Pidato yang sama juga menekankan regulasi, pemantauan risiko, respons darurat, dan kewajiban menjaga AI di bawah kendali manusia.

Kombinasi itu penting. Model terbuka dapat memperluas akses, mengurangi ketergantungan pada segelintir vendor asing, dan mempermudah adopsi teknologi Tiongkok di Global South. Program pelatihan, pusat aplikasi, standar teknis, dan kerja sama tata kelola kemudian dapat mengubah ketersediaan model menjadi pengaruh jangka panjang.

Ini adalah arah kebijakan, bukan bukti bahwa Tiongkok sudah memimpin semua ukuran open AI. Namun bersama Kimi K3 dan LingBot-Map, pidato tersebut menunjukkan open source dipakai sekaligus sebagai model pengembangan teknologi dan strategi hubungan internasional.

Tornyol mengembangkan drone otonom berbobot 40 gram yang menggabungkan mikrofon, ultrasonic phased-array sensing, pemrosesan sinyal, dan kontrol terbang untuk menemukan serta mencegat serangga. Target akhirnya adalah pengendalian nyamuk secara terus-menerus tanpa bahan kimia.

Tantangan teknisnya tidak kecil. Nyamuk berukuran mungil, bergerak cepat, dan sulit dibedakan dari noise lingkungan. Drone harus mengenali suara kepakan, memperkirakan posisi target yang terus berubah, merencanakan intersepsi, menghindari manusia dan benda, menjaga keamanan baling-baling, lalu kembali mengisi daya sebelum baterainya habis.

Milestone publik pada Juli adalah intersepsi otonom terhadap seekor ngengat di ruang uji. Itu merupakan bukti bermakna untuk tracking dan kontak fisik, tetapi masih berada pada tahap prototipe. Penggunaan rumah tangga membutuhkan bukti tentang deteksi nyamuk, salah sasaran, kebisingan, durasi terbang, siklus isi ulang, keselamatan, dan efektivitas di ruang berpenghuni.

Pekan ini, AI keluar dari jendela chat. Ia mendapat controller khusus, masuk ke software kreatif dan pipeline film, membangun peta ruang, bergerak melalui tubuh humanoid, serta mulai mengendalikan pesawat kecil.

Peluangnya jauh lebih besar daripada membuat konten lebih cepat. AI sedang tumbuh menjadi lapisan operasional untuk software dan mesin. Pertanyaan praktisnya adalah apakah sistem tersebut mampu melihat dengan akurat, pulih dari kegagalan, memperlihatkan statusnya kepada manusia, menghormati data yang dipakai, dan memberi manfaat yang cukup untuk membayar biaya komputasi serta perangkatnya.

Perkembangan mana yang paling cepat berdampak luas?

AI di dalam software produksi kemungkinan menyebar paling cepat karena tim tidak perlu mengganti seluruh workflow. Penggunaan pada sekitar 300 judul Netflix dan benchmark Blender sama-sama mengarah ke sana.

Apakah robot yang bertarung sudah sepenuhnya otonom?

Turnamen Shenzhen memperlihatkan sistem kontrol humanoid yang maju pada platform standar, tetapi laporan publik belum membuktikan seluruh tindakan bertarung dipilih dan dijalankan tanpa operasi manusia.

Apakah LingBot-Map dapat menggantikan LiDAR?

LingBot-Map dapat memperkirakan geometri dan posisi kamera dari video tanpa LiDAR. Namun LiDAR masih dapat unggul dalam akurasi pengukuran, kondisi gelap, jangkauan, atau aplikasi keselamatan yang membutuhkan sensor tambahan.

Apakah Tornyol sudah siap membasmi nyamuk di rumah?

Belum berdasarkan bukti publik yang tersedia. Prototipenya baru mendemonstrasikan intersepsi ngengat di ruang terkontrol. Deteksi nyamuk dan operasi rumah tangga yang aman serta konsisten masih perlu divalidasi.