Kilas Berita: NVIDIA's Long-Video and World-Action Research & Top 3 Sorotan Arsitektur?

1. NVIDIA Rilis 'LongLive': Terobosan Arsitektur untuk Video Durasi Panjang dan World-Action Modeling

Sorotan Berita:

NVIDIA baru saja meluncurkan repositori riset "LongLive", sebuah koleksi proyek mutakhir yang berfokus pada generasi video durasi panjang dan pemodelan aksi dunia (world-action modeling). Rilis ini menjadi sangat signifikan bagi komunitas pengembang karena NVIDIA menyediakan akses terbuka terhadap kode, dokumentasi, hingga bobot model (model weights) untuk berbagai sub-proyek. Inisiatif ini bertujuan untuk memecahkan tantangan besar dalam AI generatif, yaitu menjaga konsistensi visual dan logika aksi dalam durasi video yang lebih lama serta integrasi langsung dengan sistem robotika.

• Long-WAM: Model aksi-dunia dengan konteks panjang yang dirancang untuk melatih dan mengevaluasi kebijakan robot (robot policies), serta dapat di-deploy pada hardware seperti Unitree G1 dan Franka.
• LongLive-Plug: Memperkenalkan teknik distilasi once-for-all yang memungkinkan kapabilitas baru ditambahkan ke model dasar satu kali saja dan dapat digunakan kembali di berbagai model turunan tanpa perlu retraining.
• LongLive 2.0 & NVFP4: Menggunakan infrastruktur paralel dengan kuantisasi NVFP4 dan sequence parallelism untuk mempercepat proses training dan serving model video durasi panjang secara signifikan.
• LongLive 1.0: Fokus pada generasi video panjang yang interaktif secara real-time, di mana pengguna bisa mengarahkan konten video melalui prompt saat video sedang diproses.

Analisis DO-AI:

Dari perspektif arsitektur, LongLive menunjukkan bahwa NVIDIA sedang mencoba memecahkan bottleneck memori dan komputasi pada video AI melalui optimasi di level infrastruktur (NVFP4) dan efisiensi model (distilasi once-for-all). Penggunaan sequence parallelism adalah langkah krusial untuk menangani spatio-temporal tokens yang masif pada video durasi panjang. Bagi tim engineering, kehadiran LongLive-Plug adalah game changer karena menawarkan jalur optimasi biaya operasional; kita tidak lagi perlu melakukan fine-tuning penuh yang mahal setiap kali ingin menambahkan kapabilitas spesifik pada model video.

• Sumber Utama: NVIDIA LongLive Repository

2. Koreksi Pendapatan OpenAI: Proyeksi Tahunan Turun $20 Miliar Akibat Perbedaan Metode Kalkulasi

Sorotan Berita:

OpenAI dilaporkan telah menginformasikan kepada para investornya bahwa pendapatan tahunan mereka (annualized revenue) saat ini mendekati angka $50 miliar. Angka ini mengejutkan pasar karena $20 miliar lebih rendah dari proyeksi $70 miliar yang sempat beredar luas minggu lalu. Selisih drastis ini ternyata berakar pada upaya investor untuk membandingkan OpenAI secara langsung dengan Anthropic, padahal kedua perusahaan tersebut memiliki standar akuntansi yang berbeda dalam menghitung pendapatan dari mitra penyedia layanan cloud.

• Koreksi Angka: Pendapatan tahunan riil OpenAI berada di kisaran $50 miliar, mengoreksi spekulasi sebelumnya yang mencapai $70 miliar.
• Disparitas Metode: Anthropic memasukkan angka penjualan yang dilakukan melalui mitra cloud mereka dalam total revenue, sedangkan OpenAI tidak menerapkan praktik tersebut.
• Konteks Finansial: Laporan ini muncul setelah OpenAI berhasil mengumpulkan pendanaan masif senilai $122 miliar pada Maret 2026 untuk menutupi biaya infrastruktur yang sangat tinggi.
• Transparansi Investor: Perbedaan ini menyoroti tantangan bagi investor dalam menilai valuasi perusahaan AI yang sangat bergantung pada kemitraan strategis dengan raksasa cloud seperti Microsoft.

Analisis DO-AI:

Secara fundamental, insiden ini membuktikan bahwa industri AI masih kekurangan standarisasi metrik performa bisnis yang matang. Bagi arsitek sistem dan pimpinan teknologi, ini adalah pengingat bahwa ketergantungan pada ekosistem cloud (seperti Azure untuk OpenAI) menciptakan lapisan kompleksitas finansial yang sering kali mengaburkan efisiensi operasional model itu sendiri. Fokus evaluasi kita harus tetap pada unit economics per token dan efisiensi inferensi, karena angka top-line revenue saat ini masih sangat dipengaruhi oleh strategi bundling dan kemitraan cloud yang tidak selalu mencerminkan adopsi organik produk.

• Sumber Utama: OpenAI’s revenue is reportedly $20 billion less than previously projected

3. Mantan Peneliti OpenAI Peringatkan Risiko Keamanan dan Pembungkaman Kritik Internal

Sorotan Berita:

Tiga mantan peneliti keamanan OpenAI merilis surat terbuka yang memperingatkan bahwa kebijakan internal perusahaan saat ini berisiko membungkam perbedaan pendapat (dissent) dan menghambat kolaborasi keamanan eksternal. Mereka berargumen bahwa OpenAI tidak mungkin menjamin keamanan AI secara mandiri tanpa pengawasan pihak luar. Surat tersebut mendesak manajemen untuk menjamin akses bagi evaluator independen, menjaga transparansi dalam pemantauan proses penalaran model (chain-of-thought), dan memperjelas aturan komunikasi dengan organisasi keamanan luar.

• Akses Independen: Peneliti menuntut agar pihak ketiga tetap memiliki akses untuk melakukan audit keamanan tanpa restriksi dari kepentingan komersial perusahaan.
• Monitorability CoT: Pentingnya menjaga agar mekanisme chain-of-thought pada model tetap dapat dipantau untuk mendeteksi potensi perilaku manipulatif atau berbahaya.
• Perlindungan Whistleblower: Kekhawatiran akan adanya chilling effect di mana karyawan takut menyuarakan risiko teknis karena potensi sanksi atau pemecatan.
• Kolaborasi Eksternal: Desakan agar OpenAI lebih terbuka dalam berbagi temuan risiko dengan organisasi keamanan AI global.

Analisis DO-AI:

Masalah ini bukan sekadar debat etika, melainkan masalah governance arsitektur yang serius. Jika chain-of-thought (CoT) menjadi "kotak hitam" yang tidak bisa diaudit secara eksternal, kita kehilangan lapisan validasi krusial dalam sistem AI otonom. Bagi tim pengembang yang mengintegrasikan API model frontier, ini adalah sinyal untuk mulai membangun safety guardrails di level aplikasi secara mandiri. Jangan hanya mengandalkan safety-by-design dari penyedia model, karena ada konflik kepentingan yang nyata antara kecepatan rilis fitur produk dengan ketelitian audit keamanan yang mendalam.

• Sumber Utama: OpenAI Cannot Make AI Safe on Its Own (Letter)

Matriks Perbandingan Eksekutif Pagi Ini