SenseTime merilis kerangka kerja kecerdasan berwujud sumber terbuka pada 20 Oktober, bernama SenseNova-RoboRSI. Keunggulan utamanya bisa diringkas dalam satu kalimat: menurunkan biaya penyelesaian tugas menjadi 1/50 biaya GPT-6-Astra.
Pertama, apa saja yang diuji? SenseTime menguji sistem ini menggunakan GPT-6-Astra: 12 evaluasi simulasi dan 8 jenis robot. Hasilnya menarik—9 tugas di RoboDojo yang sebelumnya selalu gagal dalam 5 percobaan, semuanya berhasil setelah batas jumlah langkah dinaikkan 10 kali dan sistem diizinkan terus berinteraksi, tanpa pelatihan ulang. Ada tugas yang dianggap "tidak bisa dilakukan", padahal kita terlalu cepat menekan tombol berhenti.
Namun, menunggu terus-menerus membutuhkan biaya yang tidak sedikit: menumpuk mangkuk rata-rata memakan waktu sekitar 131 menit dan biaya inferensi sekitar 19 dolar; memasukkan pulpen ke tempat pensil rata-rata memakan waktu 263 menit dan biaya sekitar 55 dolar. Jelas, robot seperti ini masih jauh dari penggunaan sehari-hari.
Model sumber terbuka SenseNova-RoboRSI-27B-Preview dengan 27B parameter menyimpan pengalaman kecerdasan berwujud yang telah teruji ke dalam parameternya: tingkat keberhasilan tugas RoboDojo 20.83%, skor LIBERO-Pro di atas 90, RoboCasa365 meningkat dari 26.0% menjadi 46.5%, dan penggunaan Token berkurang 73%.
Menurut saya, hambatan kecerdasan berwujud sejak lama bukan lagi "bisa atau tidak", melainkan "berapa biaya dan waktu yang dibutuhkan untuk sekali melakukannya". Nilai pendekatan SenseTime ini bukan pada skor di papan peringkat, melainkan pada kemampuannya membuat komunitas bisa menguji ulang dan membandingkan hasil—beralih dari mengejar skor ke menekan biaya dan meningkatkan keandalan. Inilah arah yang tepat agar kecerdasan berwujud menjadi praktis.
#AIterdepan
$BTC
Pertama, apa saja yang diuji? SenseTime menguji sistem ini menggunakan GPT-6-Astra: 12 evaluasi simulasi dan 8 jenis robot. Hasilnya menarik—9 tugas di RoboDojo yang sebelumnya selalu gagal dalam 5 percobaan, semuanya berhasil setelah batas jumlah langkah dinaikkan 10 kali dan sistem diizinkan terus berinteraksi, tanpa pelatihan ulang. Ada tugas yang dianggap "tidak bisa dilakukan", padahal kita terlalu cepat menekan tombol berhenti.
Namun, menunggu terus-menerus membutuhkan biaya yang tidak sedikit: menumpuk mangkuk rata-rata memakan waktu sekitar 131 menit dan biaya inferensi sekitar 19 dolar; memasukkan pulpen ke tempat pensil rata-rata memakan waktu 263 menit dan biaya sekitar 55 dolar. Jelas, robot seperti ini masih jauh dari penggunaan sehari-hari.
Model sumber terbuka SenseNova-RoboRSI-27B-Preview dengan 27B parameter menyimpan pengalaman kecerdasan berwujud yang telah teruji ke dalam parameternya: tingkat keberhasilan tugas RoboDojo 20.83%, skor LIBERO-Pro di atas 90, RoboCasa365 meningkat dari 26.0% menjadi 46.5%, dan penggunaan Token berkurang 73%.
Menurut saya, hambatan kecerdasan berwujud sejak lama bukan lagi "bisa atau tidak", melainkan "berapa biaya dan waktu yang dibutuhkan untuk sekali melakukannya". Nilai pendekatan SenseTime ini bukan pada skor di papan peringkat, melainkan pada kemampuannya membuat komunitas bisa menguji ulang dan membandingkan hasil—beralih dari mengejar skor ke menekan biaya dan meningkatkan keandalan. Inilah arah yang tepat agar kecerdasan berwujud menjadi praktis.
#AIterdepan
$BTC