llm

$KONSUMSI TOKEN LLM TURUN 20% – KETAKUTAN GELEMBUNG AI TERASA NYATA? 🔥

Konsumsi token LLM Silicon Data baru saja turun 20% dari puncaknya di bulan Mei. Ini adalah tanda perlambatan permintaan yang jelas dan tidak boleh diabaikan. Kesenjangan antara investasi AI dan pendapatan kini berada di 46% – lebih buruk daripada gelembung telekomunikasi pada 2001. Ini membuatku merasa narasinya sedang cepat matang.

Peralihan dari perangkat keras pelatihan ke inferensi sudah berlangsung. Nilai pasar berputar seiring efisiensi menjadi prioritas. Ini bisa menandai fase baru untuk AI, di mana pertumbuhan bukan satu-satunya metrik yang penting. Apakah kamu memantau $LLM untuk kemungkinan pembalikan atau konfirmasi perubahan tren?

Bukan nasihat keuangan. Selalu kelola risikomu.

#LLM #AI #Demand #Slowdown #Crypto

🔥

$LLM Listing Frenzy Memicu Buzz Narasi AI 🔥

$LLM dibuka sekitar 95 HKD setelah harga ditentukan di 43.58 HKD, kemudian melonjak ke 124.9 HKD dalam sehari, menandai sekitar 186.6% upside dari harga penerbitan.

Oke semua, ini adalah percepatan narasi klasik. Ticker yang beririsan dengan “model bahasa besar” memberi pasar cerita yang mudah, dan begitu para trader momentum mencium sudut AI, tangan lemah tidak punya waktu untuk berkedip.

Teman-teman, pergerakan seperti ini bisa sangat kuat tapi juga cepat ramai. Uang pintar menghargai hype, tetapi tidak pernah menikahinya.

Bukan nasihat keuangan. Kelola risiko Anda.

#LLM #AIStocks #MarketMomentum #TradingSetup

🧠

Google merilis standar OKF yang secara resmi menstandarkan model "LLM-Wiki" yang diajukan oleh Karpathy

Google meluncurkan spesifikasi format pengetahuan terbuka OKF v0.1, yang secara resmi menstandarkan model "LLM-Wiki" yang diajukan oleh Andrej Karpathy. OKF mendorong semua pengetahuan internal ditulis dalam file teks Markdown dan dikelola bersama dengan kode sumber, di mana AI dapat secara otomatis memelihara referensi silang dan pembaruan direktori, dengan kemampuan untuk memproses hingga 15 file sekaligus. Spesifikasi ini menggunakan model parsing yang toleran, bahkan jika file yang dihasilkan AI memiliki kekurangan atau tautan mati, tidak akan menyebabkan error atau crash.

Mengapa ini penting: OKF menyelesaikan masalah paling rumit saat menerapkan model besar di perusahaan—pengetahuan internal yang tersebar di berbagai tempat yang mengakibatkan alat AI menjadi tidak efisien, menyediakan infrastruktur standar untuk integrasi efisien basis pengetahuan perusahaan.

#谷歌 #AI #LLM #manajemen pengetahuan

Salah satu tren yang paling diremehkan dalam infrastruktur AI tidak ada hubungannya dengan kualitas model.

Ini adalah abstraksi model.

Kenyataannya adalah bahwa industri AI semakin terfragmentasi.

Setiap bulan membawa:
➠ model baru
➠ API baru
➠ kemampuan baru
➠ integrasi baru
➠ ekosistem baru

Kompleksitas itu menciptakan gesekan.

Dan gesekan berkembang dengan cepat.

Pendekatan routing LLM terpadu B.AI mengatasi masalah yang kemungkinan akan semakin penting seiring berjalannya waktu.

Abstraksi infrastruktur.

Platform ini menyediakan akses ke berbagai model melalui satu lapisan operasional.

Sekilas, itu terlihat praktis.

Tetapi implikasi strategisnya jauh lebih dalam.

Lapisan eksekusi itu penting.

Sejarah menunjukkan bahwa lapisan abstraksi secara konsisten menangkap nilai.

Pengguna tidak ingin terus-menerus memikirkan kompleksitas infrastruktur.

Mereka ingin hasil.

Manfaat tersembunyi dari routing terpadu adalah mengurangi:

➠ fragmentasi
➠ biaya switching
➠ overhead integrasi
➠ kompleksitas operasional
➠ ketergantungan vendor

Ini menciptakan lingkungan yang lebih efisien untuk pengembang dan agen otonom.

Bayangkan sistem AI yang dapat secara dinamis mengakses model mana pun yang paling cocok untuk tugas tertentu.

Bukan karena manusia memilihnya secara manual.

Karena infrastruktur menangani kompleksitas itu secara otomatis.

Itu kuat.

Modal selalu bergerak menuju gesekan yang lebih rendah.

Dan adopsi teknologi biasanya mengikuti pola yang sama.

Pemenang jangka panjang seringkali bukanlah sistem dengan komponen terbanyak.

Mereka adalah sistem yang membuat kompleksitas menghilang.

Itulah sebabnya routing model terpadu itu penting.

Bukan karena memberikan akses ke lebih banyak model.

Tapi karena mengabstraksi kompleksitas sepenuhnya dari pengguna dan agen.

Dan abstraksi infrastruktur secara historis telah menjadi salah satu lapisan penangkap nilai terkuat dalam teknologi.

b.ai

chat.b.ai/chat

@Justin Sun孙宇晨 #AI #LLM #Web3 #Tron #TRONEcoStar

Saya sedang membaca tentang bagaimana @OpenGradient menangani verifikasi di berbagai tipe inferensi dan ada sesuatu yang tidak terasa benar bagi saya awalnya.

Asumsi yang saya miliki adalah bahwa jaringan AI terdesentralisasi hanya akan memilih satu standar bukti dan menegakkannya secara uniform. Lebih bersih dengan cara itu. Lebih mudah diaudit. Namun arsitektur x402 tidak melakukan itu. Ini membiarkan metode verifikasi bervariasi tergantung pada apa yang sebenarnya dibutuhkan oleh beban kerja, yang terdengar fleksibel sampai Anda memikirkan sedikit lebih lama.

Alasan teknisnya cukup sederhana. Bukti zkML berat secara komputasi. Menjalankannya pada setiap inferensi LLM dalam skala besar pada dasarnya akan merusak ekonomi jaringan. TEE attestasi lebih ringan tetapi mereka berakar pada kepercayaan perangkat keras, bukan kepastian matematis. Jadi keduanya tidak mencakup seluruh rentang sendirian. Desainnya berusaha untuk menahan keduanya.

Apa yang saya kurang yakin adalah bagaimana hal itu bermain di lapisan aplikasi. Seorang pengembang yang membangun sesuatu di mana taruhannya lebih tinggi, katakanlah inferensi medis atau pemodelan keuangan, harus membuat panggilan verifikasi lebih awal. Dan jika mereka memilih tingkatan yang salah, bukti yang mereka andalkan tidak sebenarnya memberi mereka apa yang mereka kira. Bagian itu tidak banyak dibicarakan.

Jumlah 2 juta inferensi itu menarik tetapi juga agak buram. Apa pembagian antara metode verifikasi di dalamnya. Jika sebagian besar volume itu terletak pada hasil yang ditandatangani daripada zkML, tonggak itu terlihat berbeda dari yang tampaknya t0.
Fleksibilitas di lapisan dasar benar-benar sulit untuk dilakukan. Apakah pengembang sebenarnya menggunakannya dengan cara yang benar adalah pertanyaan yang sepenuhnya terpisah.
$OPG #OPG #zkml #LLM #MarketSentimentToday
$HEI $LAB

Kebanyakan orang fokus pada model AI yang mereka gunakan.

Mereka sedang menanyakan pertanyaan yang salah.

Pertanyaan sebenarnya adalah:

Seberapa efisien Anda bisa mengakses kecerdasan?

Mode Custom Provider baru dari AINFT menarik karena mengembalikan kendali kepada pengguna.

Alih-alih terkunci pada satu pengaturan penyedia, pengguna kini dapat beralih di antara:

➠ Official Mode
➠ Custom Provider Mode

Sekilas, ini terlihat seperti pembaruan produk yang sederhana.

Sebenarnya, ini adalah peningkatan infrastruktur.

Lapisan eksekusi itu penting.

AI semakin diperlakukan seperti komoditas. Model berkembang dengan cepat dan persaingan pun melebar. Dalam kondisi seperti itu, fleksibilitas dan efisiensi biaya menjadi keunggulan strategis.

AINFT memperkenalkan:
➠ pilihan provider
➠ fleksibilitas performa
➠ redundansi infrastruktur
➠ optimalisasi biaya
➠ hingga 80% lebih rendah biaya API di berbagai kebutuhan

Implikasi tersembunyinya lebih besar daripada sekadar harga.

Seiring adopsi AI meningkat, pengguna dan agen akan semakin membutuhkan akses dinamis ke kecerdasan, bukan bergantung pada satu penyedia.

Modal selalu bergerak menuju hambatan yang lebih rendah.

Pengembang dan agen AI secara alami akan tertarik pada sistem yang menawarkan kombinasi terbaik antara performa, biaya, dan fleksibilitas pilihan.

Pemenangnya mungkin bukan platform yang hanya memakai satu model.

Mereka bisa jadi platform yang membuat akses ke banyak model menjadi mudah dan efisien secara ekonomi.

AI sedang menjadi infrastruktur.

Abstraksi infrastruktur menjadi lapisan nilai yang sesungguhnya.

@AINFTcom @Justin Sun孙宇晨 #AI #LLM #TRONEcoStar

Akhir-akhir ini, banyak AI asisten yang nanya “Kamu yakin?” bikin kepala pusing, rasanya seperti cinta pada pandangan pertama, akhirnya ada yang ngerti aku!\n\nPermainan kecil “Continue? Y/N” ini, secara langsung, mensimulasikan interaksi kamu dengan AI agen, bikin kamu merasakan ‘kelelahan izin’. Dalam waktu singkat 60 detik, dari seorang newbie yang penuh harapan terhadap AI, sampai jadi veteran yang hampir frustrasi karena terus-terusan dikonfirmasi, perjalanan hati ini disajikan dengan jelas.\n\nLihat, orang-orang di Show HN udah dapet 386 likes, dan 162 komentar, semua orang benar-benar merasakan hal yang sama. Awalnya, aku pikir cuma permainan web sederhana, tapi setelah main tiga kali langsung ketagihan, kalimat “Continue? Y/N” itu bener-bener bikin telinga berdenging.\n\nJangan cuma dengerin aku, coba sendiri deh, uji batas kesabaran kamu terhadap AI!\n\nhttps://llmgame.scalex.dev\n\n#AI游戏 #LLM #人工智能 #mainan santai

Menjual plum hijau lebih gila dari berbisnis AI? Saham Liuliu Mei di bursa Hong Kong melonjak 186%, kode saham "LLM" memicu konsep AI yang kontroversial

Hari ini, bursa Hong Kong menampilkan drama yang absurd.

Liuliu Mei — sebuah perusahaan makanan tradisional yang menjual camilan plum hijau — tercatat di papan utama bursa Hong Kong (06658.HK). Harga penerbitan 43.58 HKD, langsung dibuka di 95 HKD, dengan kenaikan 118%. Kenaikan tertinggi di hari itu mencapai 186.6%.

Perusahaan yang menjual plum ini melonjak hampir dua kali lipat di hari pertama, tetapi yang lebih gila adalah logika spekulasi di belakangnya.

🔍 Data kunci:

Harga penerbitan: 43.58 HKD
Harga pembukaan: 95 HKD (+118%)
Kenaikan tertinggi intraday: 186.6%
Permintaan publik over-subscribed: 6586.73 kali
Partisipasi ritel: 180.5 ribu orang
Kode saham: LLM

Tunggu dulu — LLM?

Betul. Singkatan bahasa Inggris untuk Liuliu Mei kebetulan adalah LLM, persis sama dengan singkatan Large Language Model.

Ini seperti perusahaan kecap yang kebetulan bernama "GPT", dana pasar langsung melesat mengikuti logika "saham konsep AI".

🔑 Menggali lebih dalam:

① Kebetulan penamaan — singkatan pinyin Liuliu Mei "LLM" sepenuhnya bertepatan dengan singkatan bahasa Inggris model bahasa besar, yang dalam aturan penamaan bursa Hong Kong adalah kebetulan dengan probabilitas sangat rendah.

② Dana memanfaatkan momen — di latar belakang kepopuleran konsep AI, beberapa dana menganggap singkatan ini sebagai "sinyal AI", terlepas dari apa bisnis nyata perusahaan tersebut.

③ Fundamental dan spekulasi sepenuhnya terputus — Liuliu Mei adalah perusahaan makanan yang fokus pada camilan dari buah plum hijau, bisnisnya sama sekali tidak terkait dengan AI. Namun, 6586 kali over-subscribed menunjukkan bahwa emosi pasar telah keluar dari penilaian rasional.

💡 Pelajaran untuk pasar crypto:

Pertama, narasi AI tetap sangat kuat. Bahkan perusahaan penjual plum bisa melonjak 186% hanya dengan sebutan "LLM", menunjukkan bahwa pasar mengejar konsep AI sampai pada titik "tidak peduli dengan fundamental, hanya melihat label". Proyek AI dalam dunia crypto (FET, RNDR, TAO, dll.) juga mendapat manfaat dari ledakan emosi ini, tetapi ketika emosi surut, pemisahan antara proyek dengan fundamental dan yang hanya sekadar ikut-ikutan konsep bisa sangat brutal.

Kedua, akhir dari spekulasi simbol adalah gelembung. Drama Liuliu Mei mengingatkan kita pada berbagai "narasi sensasional" di pasar crypto: ganti nama langsung melonjak, pengumuman langsung berlipat ganda. Melihat keramaian dalam jangka pendek, tetapi nilai pada akhirnya kembali ke pendapatan, keuntungan, dan aplikasi nyata.

$BTC titik jual harian: $66435 titik beli harian: $64310
$ETH titik jual harian: $1753 titik beli harian: $1675
$BNB titik jual harian: $622 titik beli harian: $608

#溜溜梅 #LLM #AI概念 #Bursa Hong Kong

$LLM masuk mode degen penuh setelah listing 🚀

Entry: 124.9 🔥

Lihat, guys, ini adalah salah satu momen pasar aneh di mana narasi lebih kuat daripada fundamental. $LLM dibuka jauh di atas harga penerbitan, lalu terus melesat saat trader melompat ke meme nama AI seperti chad sejati.

Jujur, bros, momentum seperti ini bisa menarik uang cepat dalam waktu singkat, tapi tangan lemah bisa kena rekt dengan cepat saat hype mereda. Jangan asal masuk tanpa pikir panjang. Hormati volatilitasnya.

Bukan nasihat finansial. Kelola risiko kamu.

#LLM #AIStocks #MomentumTrade #TopTierExchange

🔥

Selai Plum Lau Lau Mengalami Lonjakan 186,6% pada Hari Pertama Listing Saham di Hong Kong: Singkatan LLM Memicu Spekulasi Konsep AI

“Perusahaan Keripik Plum Kecil Pertama” Lau Lau Meng (06658.HK, disingkat LLM) hari ini resmi melantai di papan utama Bursa Efek Hong Kong. Karena singkatannya sama dengan Large Language Model (model bahasa besar), pasar menjadi bahan lelucon dan memicu aksi borong terhadap “saham konsep AI”. Harga penerbitan 43,58 HKD per saham; saat perdagangan, harga sempat menyentuh level tertinggi 124,9 HKD, dengan kenaikan sebesar 186,6%.

Mengapa penting: Spekulasi irasional yang digerakkan oleh sentimen pasar kembali terulang—sebuah perusahaan camilan justru memperoleh premi valuasi hingga miliaran hanya karena kodenya kebetulan selaras dengan istilah populer AI. Ini mencerminkan psikologi fomo pelaku pasar di tengah demam AI saat ini.

#LLM #AI #Web3 #港股

$AI ENSEMBLE MODELS JUST GOT A MAJOR UPGRADE – HERMES MOA 2.0 ⚡

Hermes MoA 2.0 dari Nous Research menggabungkan keluaran dari GPT, Claude, dan DeepSeek untuk mengungguli masing-masing secara individu dalam penalaran, pemrograman, dan kepatuhan instruksi. Selisihnya paling terasa pada pengujian penalaran horizon panjang, di mana model tunggal kehilangan koherensi. Kerangka kerja open-source ini memungkinkan peneliti menukar model dasar dan menyesuaikan ensemble tanpa membayar biaya API frontier setiap kali. Akankah lab model tertutup beralih ke lapisan orkestrasi yang serupa?

Bukan nasihat keuangan. Selalu kelola risiko Anda.

#AI #MixtureOfAgents #OpenSource #NousResearch #LLM

⚡

Pramaana Labs meraih Pendanaan Seed Round senilai 27 juta dolar AS: membuktikan solusi AI halusinasi dengan teorema matematika

Perusahaan verifikasi formal untuk AI, Pramaana Labs, menyelesaikan pendanaan tahap awal (seed round) sebesar 27 juta dolar AS. Pendanaan dipimpin oleh Khosla Ventures, dengan partisipasi dari Accel dan lainnya. Inovasi utamanya adalah membangun lapisan validasi deterministik di atas LLM menggunakan bahasa pembuktian matematika open-source LEAN, untuk mengatasi masalah halusinasi AI pada industri-industri yang tidak boleh toleran terhadap kesalahan, seperti perpajakan, hukum, dan penelitian pengembangan obat.

Mantapannya, mantan Kepala Internal Revenue Service (IRS) AS, Danny Werfel, telah bergabung untuk bekerja sama dalam sistem verifikasi di bidang perpajakan.

Mengapa penting: ini adalah pertama kalinya industri AI secara sistematis menggunakan verifikasi formal matematis untuk menangani halusinasi LLM, dan berpotensi menjadi terobosan kunci agar AI dapat diterapkan pada skenario serius seperti pengawasan keuangan dan kepatuhan hukum.

#AI #形式化验证 #融资 #LLM #Web3

$BTC Memimpin Narasi AI saat Verifikasi Menjadi Standar Baru 🚀

Mungkin baru saja mengumpulkan $9 juta dalam pendanaan awal yang dipimpin oleh a16z, dan sudut pandangnya jelas: AI bergerak dari hasil yang mencolok ke hasil yang dapat diverifikasi. Produk ini fokus pada analisis data dengan referensi dan jejak audit, yang penting karena kepercayaan menjadi pembeda nyata dalam AI perusahaan.

Pelajaran yang lebih besar adalah struktural. Ketika lebih banyak alat AI membangun pengaman terhadap halusinasi, pasar menghargai keandalan, bukan hanya skala. Perubahan itu mendukung kasus jangka panjang untuk adopsi AI berbasis infrastruktur dan data.

Bukan nasihat keuangan. Kelola risiko Anda.

#BTC #AI #A16z #LLM #CryptoNews

🚀

Kemungkinan besar mengumpulkan $9M untuk meningkatkan akurasi keluaran AI 🔥

Kemungkinan besar telah mengamankan pendanaan seed senilai $9 juta yang dipimpin oleh a16z, dengan fokus yang jelas untuk mengurangi halusinasi dan kesalahan faktual pada LLM. Produk pertamanya menambahkan referensi dan jejak audit penuh ke setiap keluaran—persis jenis transparansi yang diinginkan pengguna enterprise.

Tanda yang lebih besar bersifat struktural: alat AI sedang bergeser dari “jawaban cepat” ke “jawaban yang dapat diverifikasi”. Jika pendekatan ini bisa diskalakan, itu dapat menjadi standar yang berarti untuk alur kerja yang padat data di seluruh sektor.

Bukan nasihat keuangan. Kelola risiko Anda.

#AI #LLM #a16z #DataScience #Tech

✦

Sebagian besar sistem AI jadi sulit dikelola karena satu alasan sepi: perubahan kecil memerlukan pembangunan kembali terlalu banyak di bawah permukaan.
Di dalam ekosistem AI terdesentralisasi seperti @OpenLedger, infrastruktur yang dapat dikonfigurasi terasa semakin penting. Para pengembang butuh ruang untuk mengganti model, menyesuaikan perilaku memori, dan mengendalikan pengaturan inferensi tanpa harus terus-menerus merestrukturisasi aplikasi.
Misalnya, mengurangi batas token di 10.000 permintaan harian bisa mengurangi tekanan komputasi secara signifikan. Mengubah ketahanan memori bisa sepenuhnya mengubah bagaimana asisten AI berperilaku selama percakapan panjang.
Fleksibilitas itu menciptakan fondasi yang lebih stabil untuk eksperimen, terutama sementara infrastruktur AI masih berkembang dan banyak standar jangka panjang masih belum pasti.
$OPEN @OpenLedger
#OpenLedger #AI #Web3 #LLM