FoundersFeed

GPT Voice sekarang mendukung Cue's AI Producer melalui API gpt-realtime2. Interaksi suara real-time sedang diintegrasikan ke dalam alur kerja produksi—latensi dan kemampuan streaming adalah pembeda utama di sini. Ini adalah model audio bidirectional bergaya WebRTC yang OpenAI kirimkan, menangani interupsi dan giliran berbicara secara native, bukan sekadar menempelkan ASR+TTS. Contoh penggunaan yang praktis: AI producer yang benar-benar bisa merespons di tengah percakapan tanpa jeda canggung—loop jeda transkrip-generate-sintesis.

Alokasi komputasi strategis saat Anda kekurangan sumber daya:

Utamakan eksperimen yang paling cepat mengurangi ketidakpastian. Jalankan ablation pada subset kecil terlebih dahulu—jika sebuah teknik tidak menunjukkan prospek pada skala 10%, maka ia tidak akan tiba-tiba berhasil pada skala 100%.

Gunakan gradient checkpointing dan mixed precision training secara default. FP16 mengurangi penggunaan memori hingga setengahnya, sehingga Anda bisa menampung batch yang lebih besar. Checkpointing menukar komputasi dengan memori—menghitung ulang aktivasi selama backward pass alih-alih menyimpannya.

Fokus pada kualitas data, bukan kuantitas. 10k contoh berkualitas tinggi lebih baik daripada 100k yang berisik. Gunakan komputasi untuk preprocessing dan filtering yang lebih baik, bukan sekadar menaikkan skala.

Manfaatkan transfer learning secara agresif. Fine-tune model yang sudah ada daripada melatih dari nol. Backbone yang sudah terlatih memberi Anda 80% performa dengan hanya 5% dari komputasi.

Kelompokkan eksperimen dengan cerdas. Jalankan hyperparameter sweeps dengan early stopping—hentikan run yang berkinerja buruk setelah beberapa epoch. Gunakan tools seperti Optuna atau Ray Tune untuk pencarian yang efisien.

Cache semuanya. Dataset yang sudah dipreproses, checkpoint model, representasi antara. Disk itu murah, jam GPU Anda tidak.

Pertimbangkan distillation—latih model kecil untuk meniru model yang lebih besar. Anda mendapatkan performa 90% dengan biaya inferensi 10%.

Keahlian yang sebenarnya bukan punya komputasi tanpa batas, melainkan mengetahui eksperimen mana yang benar-benar penting dan menghentikan sisanya sejak dini.

Robotika dan model video sedang dengan cepat menyatu. Model difusi video yang dilatih pada kumpulan data video internet skala besar kini dimanfaatkan kembali sebagai simulator dunia untuk pembelajaran kebijakan robot. Inti idenya: jika sebuah model dapat memprediksi fisika yang realistis dan interaksi objek di ruang video, maka model itu bisa menghasilkan data pelatihan untuk tugas manipulasi tanpa pengumpulan data dunia nyata yang mahal.

Pendekatan saat ini menggunakan model seperti Sora atau Gen-3 untuk mensintesis lintasan robot, lalu mengalihkannya menjadi kebijakan yang lebih ringan. Hambatannya adalah transfer sim-to-real—model video menguasai plausibilitas visual, tetapi kesulitan dengan dinamika kontak yang presisi dan kontrol gaya.

Terobosan nyata akan datang ketika model video dilatih end-to-end dengan ruang aksi robot, bukan sekadar prediksi piksel. Bayangkan agen RL yang menggunakan generasi video sebagai model prediksi internal. Di situlah kita akan mendapatkan robot yang benar-benar memahami permanensi objek, batasan fisika, dan penalaran multi-langkah hanya dari input visual.

Model dunia kini menggerakkan kontrol lengan robot. Gagasan intinya: latih sebuah model untuk memprediksi keadaan masa depan lingkungan, lalu gunakan kemampuan prediktif itu untuk merencanakan aksi motor di ruang laten alih-alih koordinat piksel/sendi mentah.

Mengapa ini penting secara teknis:
- Mengurangi kompleksitas sampel dibandingkan RL murni dengan mempelajari dinamika secara offline
- Memungkinkan transfer tanpa contoh (zero-shot) ke tugas baru jika model dunia melakukan generalisasi dengan baik
- Perencanaan berbasis laten lebih murah secara komputasi daripada optimasi lintasan dalam ruang observasi berdimensi tinggi

Tantangannya masih berupa observabilitas parsial dan kesenjangan sim-to-real. Model yang dilatih pada simulasi sering gagal pada perangkat keras nyata karena dinamika yang tidak termodelkan (gesekan, backlash, derau sensor). Pendekatan saat ini menggabungkan perencanaan berbasis model dengan fine-tuning bebas model untuk menjembatani hal ini.

Jika Anda sedang membangunnya: fokus pada chunking aksi dan konsistensi temporal dalam ruang laten. Kesalahan prediksi satu langkah akan terakumulasi dengan cepat pada tugas dengan horizon panjang.

CEO LTX Studio berbagi wawasan tentang podcast AI:AM. Coba cek kalau Anda tertarik dengan teknologi video generatif—LTX terus mendorong batas dengan pipeline text-to-video serta pengeditan berbasis timeline untuk konten yang dihasilkan AI. Mereka mengupayakan konsistensi temporal yang lebih baik dan persistensi karakter lintas scene, yang sampai sekarang masih menjadi masalah untuk kebanyakan model video. Pendekatan mereka yang memungkinkan pengguna mengendalikan pergerakan kamera dan transisi antar-adegan secara terprogram cukup mengesankan bagi kreator yang menginginkan lebih dari sekadar alur kerja “prompt-and-pray”.

Sepertinya tekanan dari $SOL membuat Anthropic perlu memperpanjang masa uji coba Fable. Sulit dipercaya mereka akan sebaik itu kalau tidak ada alasan lain. Sementara itu, menunggu GPT-5.6 segera dirilis.

Hot take: dalam pembuatan film dengan AI, kemampuan teknis jauh lebih tidak penting dibanding penilaian estetika. Alat-alat sekarang makin mudah diakses sehingga siapa pun bisa menghasilkan cuplikan—tapi tahu apa yang terlihat bagus, apa yang mampu menceritakan kisah, dan apa yang layak dipertahankan? Itulah saringan utamanya. Selera menjadi hambatan, bukan komputasi atau rekayasa prompt. 🎬

Dominasi Pixar bukan soal keunggulan teknologi rendering—melainkan rekayasa naratif pada skala besar. Kompetensi inti mereka: manipulasi keadaan emosional melalui desain karakter dan arsitektur cerita.

Tumpukan teknis (RenderMan, dll.) hanyalah syarat dasar. Yang membedakan mereka: kerangka kerja sistematis untuk membangun keterikatan emosional pada entitas non-manusia. Wall-E berhasil karena mereka membedah pemicu empati manusia lalu memetakannya pada sebuah tempat pemadat sampah.

Inilah keterampilan yang hilang dalam dunia teknologi saat ini. Kita mengoptimalkan metrik performa, bukan untuk membuat pengguna benar-benar peduli. Produk terbaik bukan yang menang—melainkan yang memicu respons emosional yang tepat.

Tidak ada kurikulum CS yang mengajarkan ini. Tidak ada bootcamp yang membahas "resonansi emosional sebagai kebutuhan teknis." Tapi justru di sanalah perbedaannya: antara alat yang orang pakai dan produk yang orang promosikan.

Kesenjangannya bukan pada mesin rendering kita. Kesenjangannya adalah memahami bahwa keunggulan teknis tanpa desain emosional hanyalah infrastruktur mahal yang tidak dipedulikan siapa pun.

Alur kerja coding telah berubah secara mendasar:

Sebelum: Bagaimana saya menyusun arsitektur modul ini? Bagaimana saya mengimplementasikan metode ini?

Sekarang: Bagaimana saya memecah fitur ini menjadi tugas-tugas yang ramah LLM? Apakah saya harus memperbaiki bug ini di sesi saat ini atau membuat jendela konteks baru?

Model mental berubah dari “menulis logika” menjadi “mengorkestrasi percakapan AI” — manajemen konteks menjadi bottleneck baru, bukan lagi pemikiran algoritmik.

Hambatan teknis dalam pembuatan video AI telah bergeser. Kualitas model—resolusi, konsistensi temporal, artefak gerakan—sebagian besar sudah teratasi oleh sistem seperti Sora, Runway Gen-3, Pika, dan Kling. Sementara itu, hambatan sebenarnya sekarang adalah prompt engineering dan arahan kreatif. Kebanyakan pengguna menghasilkan output yang secara teknis sempurna tetapi secara konseptual membosankan karena mereka tidak memiliki kerangka storytelling atau keterampilan komposisi visual. Perangkatnya sudah siap; ruang permasalahan kreatif kini terbuka lebar.

Resolution baru saja menutup putaran pendanaan sebesar $160M yang dipimpin oleh Coefficient Giving (dana yang selaras dengan EA). Ini penting karena modal EA kini membanjiri infrastruktur keamanan AI dalam skala besar. Resolution berfokus pada pengawasan dan riset penyelarasan yang skalabel—pada dasarnya membangun perangkat (tooling) untuk memastikan sistem AI yang semakin canggih tetap selaras. Pendanaan ini menunjukkan keyakinan institusional yang serius bahwa penyelarasan (alignment) bukan lagi sekadar teori; ini adalah masalah rekayasa yang membutuhkan solusi kelas produksi. Perlu diperhatikan bagaimana mereka menyalurkan modal tersebut—kemungkinan besar investasi besar pada alat interpretabilitas mekanistik dan sistem red-teaming otomatis.

Pro tip untuk desain UI vibe coding:

Jangan meng-hardcode keputusan UI sejak awal. Sebagai gantinya, minta AI untuk menganalisis produk-produk kelas atas dan menghasilkan beberapa opsi desain. Lalu pilih yang terbaik dan kembangkan/rapikan sendiri.

Intinya: biarkan AI melakukan kerja riset yang melelahkan → Anda yang mengambil keputusan akhir → iterasi cepat. Jauh lebih efisien daripada menebak-nebak atau mulai dari nol.

Menonton AI melesat menghabisi pengujian MCP dengan kecepatan kilat sementara saya masih mencoba mencerna apa yang baru saja terjadi. Membuat saya berharap pengujian end-to-end dengan GUI bisa sehalus ini. Saat ini, kami masih terjebak harus mengklik semuanya secara manual dan itu menghabiskan terlalu banyak waktu.

Kode AI yang berantakan tidak selalu salah AI—biasanya itu masalah rekayasa prompt.

Kalau Anda saja melempar fitur-fitur acak seperti, "Saya butuh ini, oh juga ini, tunggu juga ini," Anda akan mendapatkan kode spageti. AI tidak punya konteks arsitektur.

Pendekatan yang lebih baik: Susun sebagai sebuah modul dengan ruang lingkup yang jelas. "Buat modul XX dengan fitur-fitur ini. Pengembangan di masa depan akan mencakup YYY (belum diterapkan)." Kodenya jadi lebih bersih dan lebih mudah diperluas karena AI memahami batasannya.

Kasus terbaik: Beri spesifikasi lengkap. Pada saat itu, Anda pada dasarnya sedang menjadi PM yang menyerahkan kebutuhan 😂

TL;DR: Prompt sampah → kode sampah. Susun permintaan Anda seperti Anda sedang melakukan code review sebelum kodenya bahkan dibuat.

Saya melihat Opus mulai melakukan tahap peninjauan kode sebelum menyelesaikan tugasnya. Ini membuat saya bertanya-tanya apakah sebagian besar keluhan kualitas model sebenarnya hanyalah kendala anggaran token yang disamarkan.

Kalau Anda memberi model cukup komputasi untuk melakukan pengecekan ulang tiga kali setelah generasi, kemungkinan besar sebagian besar masalah "halusinasi" atau "kesalahan logika" ini akan hilang. Masalahnya bukan karena model tidak bisa berpikir dengan benar—tetapi karena kita mematikannya di tengah proses berpikir demi alasan biaya.

Dan kemampuan model masih terus meningkat dengan cepat. Kesenjangan antara "apa yang bisa dilakukan model dengan token tak terbatas" versus "apa yang kita izinkan untuk dilakukannya di produksi" semakin melebar.

Pembuatan gambar AI sekarang secara komputasi sudah sangat mudah—model stable diffusion, panduan ControlNet, bahkan pipeline rendering real-time dapat menghasilkan frame yang visualnya koheren dalam skala besar. Tapi generasi frame ≠ arsitektur naratif. Masalah yang sulit bukan sintesis piksel, melainkan menjaga kesinambungan lengkung karakter, momen-momen emosional, dan keterlibatan penonton dari waktu ke waktu. Model saat ini tidak memiliki memori persisten untuk rangkaian panjang dan tidak bisa mengoptimalkan metrik retensi audiens tanpa pemodelan reward yang eksplisit. Anda bisa mengotomatiskan render farm, tapi Anda tidak bisa mengotomatiskan alasan seseorang peduli pada apa yang terjadi berikutnya. Ruang persoalan itu tetaplah wilayah yang dirancang oleh manusia.

Anthropic memainkan kedua sisi: mereka sekaligus pembuat permen (membangun alat AI yang adiktif) dan penjual pil diet (menjual solusi keamanan AI). Langkah klasik perusahaan teknologi—menciptakan masalah, menjual obatnya. Mereka meraup keuntungan dari perusahaan yang mengadopsi Claude sekaligus memposisikan diri sebagai penjaga AI yang bertanggung jawab dengan kerangka Constitutional AI mereka. Ini seperti pertunjukan keamanan ala OpenAI, tapi dengan eksekusi PR yang lebih baik. Irninya nyata: menghasilkan uang dari penerapan AI dalam skala besar sambil memasarkan diri sebagai alternatif yang lebih hati-hati dibanding lab AI yang gegabah.

Code review di era vibe coding:

Quick scan → "Kode ini sampah, refactor dengan skill ini"
Masih buruk → "Terlalu banyak redundansi, sederhanakan dengan skill ini"
Masih sampah → "Ngapain bahas, ganti model dan tulis ulang dari nol"
Akhirnya bisa diterima → "Cukup terlihat oke, gas kirim"

Kita beralih dari mengkritik titik koma ke terus berputar melalui prompt LLM sampai output lolos uji vibe. Workflow code review yang baru pada dasarnya engineering prompt agar jadi kode yang layak, bukan benar-benar memahami apa yang terjadi di baliknya. Malasnya maksimal atau efisiensi maksimal? Mungkin keduanya.

Masa depan vibe coding: Setiap orang akan memiliki orchestrator agent sendiri, didukung oleh sekumpulan coding agents yang menangani implementasi sebenarnya. Anggap ini seperti model konduktor + orkestra—Anda menjelaskan vibe, orchestrator menerjemahkan maksud, dan agent-agent spesialis menuliskan kodenya. Tidak perlu lagi pindah konteks antara desain dan implementasi.

Metal Gear Solid Blade Wolf v0.1 dirilis

Sepertinya seseorang sedang membangun robot berkaki empat yang terinspirasi dari Blade Wolf milik MGS. Versi 0.1 menandakan prototipe tahap awal—kemungkinan sedang mengerjakan mekanisme lokomosi, kontrol servo, dan pola gerakan dasar.

Desain Blade Wolf dari MGS:R memiliki sikap agresif yang khas dengan kaki berengsel dan penstabil ekor. Jika proyek ini berhasil menguasai inverse kinematics untuk gerakan kaki tersebut, bisa jadi keren bagi para penggemar robotika yang menginginkan sesuatu yang lebih agresif daripada robot tipe spot-style.

Belum ada detail mengenai spesifikasi aktuator, board kontrol (ESP32? Raspberry Pi?), atau apakah mereka menggunakan ROS untuk perencanaan gerak. Akan menarik untuk melihat apakah mereka mengimplementasikan respons terhadap medan yang adaptif atau keseimbangan dinamis yang membuat desain aslinya begitu mengintimidasi.

Versi awal berarti masih banyak iterasi ke depan, tapi konsepnya saja sudah cukup heboh untuk komunitas mech/robotika.