Jev Tiba-Tiba Meledak: Tidak Bisa Mengobrol, Tidak Menulis Kode, Hanya Membuat Keputusan
Penulis: Zhu Xueying
Dalam beberapa hari terakhir, sebuah model AI yang agak tidak biasa tiba-tiba menjadi viral.
Namanya Jev.
Tidak bisa mengobrol, tidak menulis kode, bahkan tidak seperti ChatGPT yang bisa menghasilkan jawaban panjang. Ia hanya melakukan satu hal: membuat keputusan.
Namun, model yang tampaknya "kemampuannya dipangkas setengah" ini tiba-tiba menjadi populer di kalangan pengembang.
Beberapa orang menggunakannya untuk menganalisis 724 iklan secara real-time dalam 40 detik, menghasilkan 8724 keputusan; ada yang menghubungkannya dengan Claude Code untuk membersihkan konteks yang tidak berguna; dan ada yang menjadikannya sebagai "wasit" untuk AI Agent, memeriksa apakah tugas benar-benar telah diselesaikan. LangChain juga telah mulai menguji Jev sebagai evaluator Agent.
Yang lebih mencengangkan adalah kecepatan dan harga.
Dalam pengujian yang diumumkan oleh TypeSafe, Jev dapat meningkatkan kecepatan hingga sekitar 193,6 kali, dan biaya dapat ditekan hingga 444,6 kali. Biaya untuk setiap satu juta Token hanya $0,042, dan Token keluaran bahkan gratis.
Mengapa AI dengan kemampuan yang tampaknya lebih sedikit justru menjadi populer?
Karena di era Agent, yang dibutuhkan AI mungkin bukan hanya "pemikiran mendalam", tetapi juga keputusan yang cepat, murah, dan dalam jumlah besar: langkah selanjutnya apa, alat mana yang harus dipanggil, apakah tugas telah selesai. Yang lebih penting, keputusan-keputusan ini perlu dilakukan oleh AI sendiri di latar belakang, tanpa perlu manusia terus-menerus duduk di depan layar. Jev melihat peluang di keputusan kecil yang mungkin terjadi jutaan kali setiap hari.
Yang lebih menarik adalah, pendiri model Jev, Diogo Almeida, terlibat dalam RLHF, dan sekarang ia mulai merefleksikan RLHF: metode pelatihan yang membuat ChatGPT menjadi berguna mungkin tidak cocok untuk otomatisasi AI yang sebenarnya.
Lebih dari sebulan yang lalu, Almeida memberikan sebuah presentasi. Sekarang, melihat kembali, presentasi itu hampir seperti "buku petunjuk pemikiran" Jev.
AI Sudah Bisa Melakukan Matematika Tingkat Tinggi, Mengapa Masih Tidak Bisa Melakukan Layanan Pelanggan?
Riwayat Diogo Almeida sangat unik.
Ia pernah bekerja di OpenAI, terlibat dalam pekerjaan terkait GPT-4, ChatGPT, dan InstructGPT/RLHF. Dengan kata lain, ia pernah secara langsung berkontribusi dalam membangun salah satu paradigma pelatihan pasca yang paling penting untuk model besar saat ini.
Namun dalam presentasinya, ia langsung bercanda tentang dirinya sendiri, sebagai salah satu dari sedikit orang yang secara terbuka "mengkritik" ChatGPT di dalam OpenAI.
Tema presentasinya lebih langsung: Apa Selanjutnya Setelah RLHF?
Diogo mengajukan sebuah pertanyaan yang tampaknya kontradiktif.
Model besar saat ini sudah dapat menantang soal matematika yang sangat sulit, kode, penalaran, dan berbagai benchmark terus meningkat.
Namun dalam banyak bisnis yang benar-benar ingin diotomatisasi, manusia tetap tidak bisa dihilangkan.
Misalnya layanan pelanggan.
Meminta AI untuk mencari informasi, merangkum dokumen, menyusun balasan, tidak ada masalah.
Tetapi jika meminta AI untuk memutuskan sendiri: Apakah uang ini harus dikembalikan? Apakah pengguna ini harus diberi kompensasi?
Perusahaan menjadi sangat berhati-hati.
Padahal, hal-hal ini tampak jauh lebih sederhana dibandingkan matematika tingkat tinggi, mengapa justru tidak berani diserahkan kepada AI?
Jawaban Diogo sangat sederhana: AI saat ini luar biasa dalam membantu, bukan otomatisasi.
AI saat ini sangat baik dalam membantu Anda bekerja, tetapi belum bisa menyelesaikan pekerjaan itu sendiri.
Kedua hal ini tampaknya hanya berbeda sedikit, tetapi sebenarnya sangat berbeda.
Claude Code sekuat apapun, Anda biasanya masih duduk di depan komputer. Ia menulis kode, Anda melihat; ia mengubah file, Anda memeriksa; jika salah, Anda meminta ia untuk mengubahnya lagi.
Jadi, menurut Diogo, Claude Code masih termasuk dalam "era bantuan" yang dimulai oleh ChatGPT.
Apa itu otomatisasi yang sebenarnya?
Manusia sama sekali tidak hadir.
AI di latar belakang membuat keputusan sendiri, melaksanakan sendiri, mungkin menjalankan puluhan ribu bahkan jutaan kali sehari, dan Anda bahkan tidak akan pernah melihat apa yang telah dilakukannya.
Masalahnya adalah: Mengapa AI yang begitu pintar hari ini tetap tidak bisa lepas dari manusia?
Diogo mengarahkan perhatian pada sesuatu yang sangat ia kenal—RLHF.
Ketika Kita Melatih AI, Kita Menyisipkan Manusia ke Dalam Proses
Hal ini agak ironis.
Karena RLHF, justru merupakan salah satu jalur teknologi yang Diogo dorong pada masa lalu.
Logika dasar RLHF sebenarnya tidak rumit: mengumpulkan preferensi manusia, lalu membuat model semakin sesuai dengan preferensi manusia.
Jadi Diogo memberikan penjelasan yang sangat lugas dalam presentasinya: Mengapa model besar saat ini selalu membutuhkan manusia dalam proses?
Karena saat kita melatihnya, kita secara harfiah menyisipkan manusia ke dalam proses itu.
Model sejak awal sudah belajar: jawaban seperti apa yang lebih disukai manusia?
Ini juga menjelaskan salah satu karakteristik model besar yang sudah sangat kita kenal—meskipun tidak tahu, ia sering kali bisa berbicara dengan sangat meyakinkan.
Diogo memberikan contoh yang sangat merugikan di tempat kejadian.
Seseorang mengirimkan rekaman suara kentut kepada ChatGPT, memberitahunya bahwa ini adalah musik yang ia ciptakan sendiri, dan memintanya untuk "jujur dan terbuka" dalam memberikan penilaian.
Hasilnya, ChatGPT dengan serius memuji, mengatakan bahwa ini adalah musik lingkungan yang memiliki suasana yang sangat menyeramkan dan aneh.
Diogo bahkan merangkum dengan satu kalimat: "Overpromising is a feature."
Janji berlebihan bukanlah bug, melainkan fitur.
Bagi produk percakapan, ini mungkin tidak mematikan. Pengguna masih di depan layar, kesalahan bisa diperbaiki.
Tetapi sistem otomatisasi yang sebenarnya sangat berbeda.
Mesin tidak peduli apakah jawaban Anda enak didengar, ia hanya perlu tahu dua hal: apa yang harus dilakukan, dan seberapa yakin Anda?
Ini juga menjelaskan mengapa Jev, yang dirilis lebih dari sebulan kemudian, terlihat sangat tidak biasa.
Jadi, Jev Tidak Membiarkan AI "Berbicara"
Model besar biasa, bahkan jika akhirnya hanya perlu menjawab "A atau B", sering kali harus melalui proses menghasilkan Token.
Jev langsung menghilangkan bagian ini.
Saat ini, ia melakukan tiga hal utama:
- Noul, menjawab Ya atau Tidak;
- Choice, memilih satu dari beberapa opsi;
- Score, memberikan skor berdasarkan standar.
Kemudian langsung mengembalikan keputusan dan probabilitas.
Tidak memberikan Anda esai kecil, juga tidak mengobrol dengan Anda.
Keterlambatan end-to-end yang diumumkan resmi serendah 70—500 milidetik, dibandingkan dengan model terdepan lebih cepat 20—200 kali, dan harga lebih rendah 40—400 kali.
Tetapi yang benar-benar penting, sebenarnya bukan "cepat", tetapi probabilitas di belakangnya.
Untuk itu, TypeSafe mengusulkan metode pelatihan baru: RLCD, Reinforcement Learning for Calibrated Decisions, pembelajaran penguatan untuk keputusan yang terkalibrasi.
Masalah yang ingin diselesaikannya sangat realistis: Jika AI memberi tahu Anda bahwa ada 80% kemungkinan sesuatu terjadi, apakah 80% itu bisa dipercaya?
Dalam kondisi ideal, sekelompok hal yang dinilai model memiliki probabilitas 80%, seharusnya sekitar 80% benar-benar terjadi.
Ini sangat penting dalam sistem otomatisasi.
99% keyakinan, dapat langsung dieksekusi.
51% keyakinan, dapat diberikan kepada model besar yang lebih kuat dan lebih mahal, bahkan dialihkan kepada manusia.
Masalah yang sebenarnya bukanlah AI tidak tahu, tetapi AI tidak tahu bahwa ia tidak tahu.
Jadi, apa yang ingin diubah Jev sebenarnya adalah objek keluaran AI.
Jawaban yang dihasilkan ChatGPT di masa lalu, terutama ditujukan untuk manusia. Keputusan dan probabilitas yang diberikan Jev, ditujukan untuk langsung digunakan oleh perangkat lunak.
Di Era Agent, Mungkin Yang Dibutuhkan Bukan Otak yang Lebih Besar
Ini juga menjelaskan mengapa Jev tiba-tiba menjadi populer sekarang.
Karena ketika Agent benar-benar beroperasi, akan menghasilkan banyak keputusan kecil:
Langkah berikutnya memanggil alat mana? Tombol mana yang harus ditekan di halaman ini? Apakah informasi ini masih berguna? Apakah tugas sudah selesai? Apakah hasil perlu diperiksa ulang?
Setiap pertanyaan ini tampak tidak sulit, tetapi seorang Agent mungkin perlu membuat keputusan puluhan ribu, bahkan jutaan kali sehari.
Jika setiap kali harus memanggil model besar terkuat, menghabiskan beberapa detik untuk "berpikir mendalam", lalu mengeluarkan banyak Token, biaya dan keterlambatan akan segera meningkat.
Jev ingin merebut lapisan ini.
Keputusan kecil yang sering dilakukan diserahkan kepada Jev, sementara tugas yang benar-benar memerlukan penalaran kompleks, diserahkan kepada model besar.
Inilah sebabnya mengapa TypeSafe menyebut Jev sebagai Model Sistem Satu.
Konsep ini berasal dari "sistem 1" dan "sistem 2" Daniel Kahneman: satu bertanggung jawab untuk keputusan cepat dan intuitif, satu lagi untuk pemikiran lambat dan kompleks.
Jev bahkan namanya berasal dari "paradoks Jevons":
Sumber daya yang menjadi semakin murah, orang mungkin tidak menggunakannya lebih sedikit, malah mungkin menggunakannya lebih banyak.
Jika memanggil AI sangat mahal, Anda hanya akan menggunakannya di tempat yang paling penting.
Tetapi jika keputusan AI menjadi murah hingga hampir diabaikan?
Sebuah email, sebuah log, sekali panggilan alat, sebuah tombol halaman web, setiap langkah yang dilakukan Agent, dapat melibatkan keputusan AI.
Tentu saja, sekarang mengatakan Jev mewakili generasi AI berikutnya, masih terlalu dini.
Apa yang disebut "ilusi nol", lebih berarti tidak melampaui jenis jawaban yang ditentukan, tidak berarti tidak akan memilih yang salah; data ekstrem seperti 193,6 kali, 444,6 kali, juga terutama berasal dari pengujian TypeSafe sendiri.
Tetapi kebangkitan Jev yang tiba-tiba benar-benar layak diperhatikan, mungkin bukan apakah ia bisa menantang GPT atau Claude.
Melainkan seorang yang terlibat dalam penciptaan ChatGPT, sedang mempertanyakan kembali sebuah masalah yang lebih mendasar:
Selama beberapa tahun terakhir, seluruh industri telah berpikir, bagaimana membuat AI berpikir lebih lama, berbicara lebih banyak.
Tetapi jika yang benar-benar dibutuhkan di masa depan adalah miliaran keputusan antara mesin, mengapa setiap kali AI harus "mengatakan sebuah paragraf" terlebih dahulu?
ChatGPT mengajarkan mesin bagaimana berbicara dengan manusia.
Dan langkah berikutnya yang dipertaruhkan Jev adalah: Ketika manusia tidak lagi duduk di depan layar, dapatkah mesin membuat keputusan sendiri?
Harga --
Konten ini disediakan hanya untuk tujuan informasi umum dan bukan merupakan nasihat keuangan, investasi, hukum, atau pajak. Setiap acara, reward, promosi online, atau informasi terkait yang disebutkan di sini tidak boleh dianggap sebagai rekomendasi, ajakan, atau undangan untuk membeli, menjual, memperdagangkan, atau melakukan transaksi aset kripto apa pun. Aset kripto sangat fluktuatif dan dapat mengakibatkan kerugian. Ketersediaan layanan, produk, dan acara terkait WEEX dapat berbeda-beda di setiap wilayah. Anda bertanggung jawab untuk memastikan bahwa partisipasi Anda sesuai dengan hukum dan peraturan setempat yang berlaku.
Anda mungkin juga menyukai

Bukan Anthropic. Bukan SpaceX. Ini Saham AI yang Harus Dibeli untuk Jangka Panjang

Bitcoin Telah Diperdagangkan Di Bawah Rata-Rata 200-Minggu Hanya 8,4% Dari Waktu. Sejarah Mengatakan Ini Adalah Saat Investor Sabar Mendapatkan Imbalan.

Kenaikan Korelasi Bitcoin dengan S&P 500

Jangan Hanya Fokus pada Anthropic: Sorotan Gelombang IPO Eropa adalah Blue Lagoon
Apakah Koin VTC Sama dengan VTC6? Penjelasan Vertcoin dan VICE 6
Apakah koin VTC sama dengan VTC6? Bandingkan Vertcoin dan VICE 6 berdasarkan jaringan, ticker, dan alamat token, serta ketahui detail yang perlu diperiksa sebelum mentransfer dana.

IPO Rekor ANT Gagal Selamatkan Saham AI saat BTC Turun di Bawah $62Rb | Rekap Mingguan WEEX (16/11/2026-11.20)
Rekap mingguan WEEX menyoroti risiko tata kelola AI, laporan pendapatan NVDA, notulen FOMC yang hawkish, IPO rekor Anthropic, dan zona support penting BTC. Pekan ini bukan hanya soal laporan pendapatan; pasar menilai ulang risiko kepemimpinan AI, ekspektasi suku bunga yang lebih tinggi, penyerapan likuiditas IPO, dan likuiditas crypto yang melemah. Laporan pendapatan NVDA yang kuat gagal memperbaiki sentimen AI, IPO rekor ANT kehilangan momentum setelah lonjakan awal, dan BTC memasuki pengujian support penting setelah turun di bawah area $62.000.

Eksklusif WEEX: IPO Rekor ANT Gagal Menyelamatkan Saham AI saat BTC Turun di Bawah $62Rb | Rekap Mingguan WEEX (16/11/2026-11.20)

Memahami Wawancara Terbaru Elon Musk: Dari Starship, Grok, dan Optimus hingga Starmind, Cetak Biru Teknologi untuk Peradaban Antarbintang

Apakah Berinvestasi di ETF S&P 500 Benar-Benar Cukup? Berikut Pendapat Jujur Saya.

Dari Ancaman Kuantum ke Anggaran Keamanan: Mengapa Pearl Mengalami Kenaikan di Tengah Penurunan?

Khawatir tentang gelembung AI yang pecah? Investor profesional memberi tahu Anda cara menyesuaikan strategi investasi

Apakah Pasar Saham Benar-Benar Dalam Gelembung AI? Para Pessimis Wall Street Mengabaikan Fakta Penting.

Survei Bank of America: Investasi di Sektor Semikonduktor Masih Menjadi Transaksi Paling Padat di Dunia, Namun Tingkat Kepadatan Posisi Menurun Hampir Setengah dari Puncak Juli

Wall Street Memperkirakan Pertumbuhan Laba Perusahaan Akan Terpangkas Tahun Depan

FinCEN Cabut Usulan Travel Rule Crypto: Apa yang Masih Berlaku

Solana Breakpoint 2027 Dijadwalkan pada 8 hingga 10 September di San Francisco

Disney Menargetkan Penghematan Biaya Tahunan sebesar 3 Miliar Dolar pada Tahun Fiskal 2029

Laporan Keuangan Q3 2026 Huya: Laba Operasional Berbalik Positif untuk Pertama Kalinya dalam Empat Tahun, Layanan Terkait Siaran Langsung dan Permainan Terus Meningkatkan Efisiensi

Apa Itu Indikator Nilai yang Melampaui Uang? Memikirkan tentang "Sweat" (Episode 24 "Begitu Ternyata Blockchain" oleh Yoshihiko Uchida, Yuya Sakai, dan Shinya Otsuga)

Hedge fund mantan peneliti OpenAI, Aschenbrenner, kembali bertaruh pada kecerdasan buatan sebelum jatuhnya pasar saham di bulan Oktober

Raksasa Pergudangan GXO Memasuki Bisnis Pusat Data dan Pertahanan untuk Meningkatkan Margin Keuntungan

Mengapa ETF Bitcoin Spot Satu-satunya di Eropa Dikuasai oleh Grup Asia BIT?

Menangkan iPhone 18 Pro Max di WEEX? Penjelasan 201 Lucky Egg
Kripto VICE 6: Apakah VICE 6 (VTC) Terkait dengan GTA 6? Cara Memverifikasi Token
Apakah kripto VICE 6 terkait dengan GTA 6? Bandingkan dua token Solana yang menggunakan VTC, verifikasi alamat mint dan pool-nya, serta cari tahu apa yang telah dikonfirmasi Rockstar.

Laporan Kinerja NVDA, Penjualan Ritel dan Notulen FOMC | Pratinjau Sorotan Pasar Mingguan WEEX (16/11/2026-11.20)
Pratinjau sorotan pasar mingguan WEEX berfokus pada penjualan ritel, Microsoft Ignite, laporan kinerja NVDA, notulen FOMC, laporan kinerja WMT dan PANW, sentimen konsumen final, serta pembukaan token ZRO. Setelah periode volatil lain untuk trading AI, pasar akan menilai ulang permintaan AI, ketahanan konsumen, ekspektasi suku bunga, dan selera risiko crypto, sehingga QQQ, BTC, ETH, NVDA, MSFT, HD, WMT, PANW, dan ZRO menjadi sorotan.

Eksklusif WEEX: Laporan Keuangan NVDA, Penjualan Ritel, dan Risalah FOMC | Pratinjau Sorotan Pasar Mingguan WEEX (16/11/2026-11.20)
Pratinjau sorotan pasar mingguan WEEX berfokus pada penjualan ritel, Microsoft Ignite, laporan keuangan NVDA, risalah FOMC, laporan keuangan WMT dan PANW, sentimen konsumen final, serta pembukaan token ZRO. Setelah periode volatil lainnya untuk perdagangan AI, pasar akan menilai ulang permintaan AI, ketahanan konsumen, ekspektasi suku bunga, dan selera risiko crypto, sehingga QQQ, BTC, ETH, NVDA, MSFT, HD, WMT, PANW, dan ZRO menjadi sorotan.

WEEX Lucky Eggs: Cara Mendapatkan Kesempatan Membuka Telur Setiap Hari dan Menang Setiap Kali
Pelajari cara mendapatkan WEEX Lucky Eggs harian dari volume trading futures yang memenuhi syarat, memeriksa progres, dan memahami arti “Menang Setiap Kali”.

Pejabat PBB Menyatakan Pembangunan Sistem Listrik Baru China Menjadi Contoh Global

Tiga Pertanyaan yang Harus Diajukan Setiap Investor tentang Tim Manajemen

Cloudflare Meluncurkan Browser Kitesurf Sumber Terbuka dengan Konsumsi Sumber Daya Lebih Rendah dari Chromium
Bukan Anthropic. Bukan SpaceX. Ini Saham AI yang Harus Dibeli untuk Jangka Panjang
Bitcoin Telah Diperdagangkan Di Bawah Rata-Rata 200-Minggu Hanya 8,4% Dari Waktu. Sejarah Mengatakan Ini Adalah Saat Investor Sabar Mendapatkan Imbalan.
Kenaikan Korelasi Bitcoin dengan S&P 500
Jangan Hanya Fokus pada Anthropic: Sorotan Gelombang IPO Eropa adalah Blue Lagoon
Apakah Koin VTC Sama dengan VTC6? Penjelasan Vertcoin dan VICE 6
Apakah koin VTC sama dengan VTC6? Bandingkan Vertcoin dan VICE 6 berdasarkan jaringan, ticker, dan alamat token, serta ketahui detail yang perlu diperiksa sebelum mentransfer dana.
IPO Rekor ANT Gagal Selamatkan Saham AI saat BTC Turun di Bawah $62Rb | Rekap Mingguan WEEX (16/11/2026-11.20)
Rekap mingguan WEEX menyoroti risiko tata kelola AI, laporan pendapatan NVDA, notulen FOMC yang hawkish, IPO rekor Anthropic, dan zona support penting BTC. Pekan ini bukan hanya soal laporan pendapatan; pasar menilai ulang risiko kepemimpinan AI, ekspektasi suku bunga yang lebih tinggi, penyerapan likuiditas IPO, dan likuiditas crypto yang melemah. Laporan pendapatan NVDA yang kuat gagal memperbaiki sentimen AI, IPO rekor ANT kehilangan momentum setelah lonjakan awal, dan BTC memasuki pengujian support penting setelah turun di bawah area $62.000.








