CryptoPepper

Anthropic menghabiskan 4 miliar dolar AS untuk membeli sebuah perusahaan dengan kurang dari 10 orang 🧬
Perusahaan ini bernama Coefficient Bio, baru didirikan tahun lalu, timnya seluruhnya berasal dari Genentech (Genentech), para ahli biologi komputasi terkemuka.
4 miliar untuk membeli 10 orang? Gila, ya?
Tidak gila. Yang dibeli adalah bidang AI + bioteknologi.
Tujuan utama Dario (CEO Anthropic) adalah agar Claude terlibat dalam pengembangan obat. Pada bulan Januari, mereka sudah meluncurkan Claude for Life Sciences, mengintegrasikan platform riset seperti PubMed, Benchling. Sekarang mereka ju

GEN-1 dari Generalist AI sudah hadir—robotnya benar-benar bekerja!
Di GTC 2026, dua lengan robotik secara mandiri menyelesaikan proses pengepakan ponsel
NVIDIA membuat “Android” untuk robot, Generalist membuat “lapisan aplikasi” berupa model operasi presisi—Universal Robots menyediakan perangkat keras.
Berbeda dengan Figure dan Tesla Bot. Generalist hanya membuat model, lalu terhubung ke perangkat keras pihak lain. Modal ringan, iterasi cepat.
Tahun 2026 adalah titik belok robot serbaguna. Bukan karena demo yang memukau, melainkan karena rantai pasoknya sudah terbentuk: chip + model + perangka

S0 Tuning
Ide inti utama: Tidak mengubah bobot model, hanya menyesuaikan satu matriks status awal, dapat secara signifikan meningkatkan kemampuan coding model.
Pada Qwen3.5-4B, hanya dengan 48 sampel pelatihan HumanEval (bukan 48K, melainkan 48), S0 tuning meningkatkan pass@1 sebesar 23,6 poin persentase.
Dibandingkan dengan LoRA, S0 lebih tinggi sebesar 10,8 poin persentase. p-value<0.001, secara statistik signifikan.
Pada FalconH1-7B, S0 mencapai 71,8%.
Ini berarti setelah penyesuaian, kecepatan model tidak berubah, ukurannya tidak berubah, hanya "posisi awal" yang lebih baik.
Bagi orang yan

Google rilis Gemma 4
Ukuran 1B, 13B, 27B, serta versi padat 31B. Semuanya berlisensi Apache 2.0. Penggunaan komersial bebas.
Perubahan lisensi ini lebih penting daripada model itu sendiri. Sebelumnya Gemma menggunakan lisensi internal Google, yang memiliki batasan. Sekarang dengan Apache 2.0, langsung bersaing dengan Llama dari Meta.
Keunggulan utama model ini: multimodal—teks + visual + audio. Versi padat 31B mencapai 89.2% di AIME 2026, LiveCodeBench v6 mendapatkan 80%, dan Codeforces ELO 2150.
Jumlah parameter 27B sangat ramah untuk deployment lokal. Bisa dijalankan dengan satu GPU 4090.
E4

OpenAI mengeluarkan uang untuk membeli sebuah acara talk show di YouTube.
TBPN, sebuah program siaran langsung teknologi yang baru akan mulai pada tahun 2025, hanya memiliki 58.000 pengikut di YouTube. OpenAI membelinya.
Tahun lalu, pendapatan iklan TBPN sebesar 5 juta dolar AS. Tahun ini diperkirakan akan menembus 30 juta dolar. Sebuah acara yang usianya kurang dari dua tahun, tumbuh enam kali lipat.
Acara ini disiarkan setiap hari pukul 2 siang selama 3 jam, daftar tamu undangannya adalah: Sam Altman, eksekutif Meta, eksekutif Microsoft, Palantir, a16z. Bloomberg dan CNBC pernah hadir.

Alibaba diam-diam meluncurkan sebuah langkah besar.
CoPaw-Flash-9B—Model Agen AI berbasis Qwen3.5. Dengan 9B parameter, bisa dijalankan di komputer pribadi Anda.
Apa keunggulannya?
Sebagian benchmark seimbang dengan Qwen3.5-Plus (model besar tertutup).
90 miliar parameter vs ratusan miliar parameter, skor hampir sama.
Yang membuat saya lebih bersemangat adalah kerangka kerja CoPaw ini:
- Mendukung memori permanen (yang sudah dibicarakan akan diingat)
- Koneksi multi-saluran (dapat terhubung dengan Feishu, Discord)
- Deploy lokal, tanpa biaya API
Arsitektur Qwen3.5 juga sangat hebat—total param

Pasar ini akhirnya dihancurkan oleh gangguan dari jenis MM ini
Meningkat 18 kali dalam satu hari lalu berakhir dalam 15 menit
Bahkan kontrak/spot yang sudah terdaftar di bn pun sulit menghindari nasib yang sama
Trader ritel tanpa info edge akan mati lebih cepat
Palsu selesai, enkripsi/kriptografi selesai

Melihat sebuah gambar berjudul "Daftar Lengkap Alat AI", dibagi menjadi lebih dari sepuluh kategori, terlihat sangat keren.
Saya akan berani mengatakan—kamu sebenarnya tidak membutuhkan begitu banyak alat.
Yang benar-benar saya gunakan setiap hari hanya tiga:
- Claude: menulis kode + menulis artikel panjang + membuat dia mengenal saya
- Codex: ngacak-ngacak sembarangan
Sesekali saya pakai tiga lagi: google stitch buat gambar, Whisper untuk transkripsi, Claude artifact untuk analisis data.
Lima. Cukup.
Apa masalah dari gambar itu? Mereka menganggap "ada" sama dengan "berguna". Tiga alat penulis

Ada yang menggunakan Transformer untuk menentukan apakah loop dalam kode dapat diparalelisasi.
Terdengar sangat akademis? Jangan buru-buru.
Mari mulai dari latar belakang.
Semua orang yang menulis kode tahu bahwa mengubah sebuah for loop menjadi eksekusi paralel adalah puncak dari optimisasi performa. Tapi masalahnya: jika salah mengubah, bisa menyebabkan bug. Metode tradisional mengandalkan analisis statis, tetapi gagal saat menghadapi dependensi yang kompleks.
Makalah ini melakukan satu hal: memasukkan kode ke dalam model Transformer (ya, arsitektur GPT itu), agar AI dapat menilai "apakah lo

Spec-heavy, code-light 是正确的架构选择
Apa itu harness engineer sebenarnya adalah konteks Anda tidak cukup detail, kebanyakan orang sama sekali tidak tahu apa yang harus direncanakan secara rinci
Proyek hackathon saya (mengajak Anda mempekerjakan tim pencari kerja AI) sudah direvisi menjadi V2
Saya menulis 18 spesifikasi, hampir 16 keterampilan, platform rekrutmen berbahasa Mandarin + platform rekrutmen berbahasa Inggris, masing-masing sudah diuji + setelah mendapatkan data eksperimen nyata baru mulai dikerjakan
Setiap hari melihat kalian memposting ini itu, sudah pernah menjalankan semuanya secara l

Harga saham RH dalam satu malam turun 19,5%.
Merek mewah perabotan yang dulu disebut Restoration Hardware ini, semalam laporan keuangannya semuanya meleset.
Angka-angkanya sangat buruk:
Pendapatan $8,43 miliar, lebih sedikit 3,6% dari perkiraan. EPS $1,53, lebih rendah 30,6% dari perkiraan. Panduan kuartal berikutnya $7,895 miliar, lebih rendah 10,2% dari prediksi analis.
Harga saham langsung turun dari $141 menjadi $114.
Perusahaan memberikan dua alasan: tarif yang menyebabkan rantai pasokan harus membeli ulang, mempengaruhi pendapatan sebesar $30 juta. Cuaca buruk di akhir kuartal

88%的 perusahaan mengalami insiden keamanan terkait AI agent. Tapi hanya 22% yang menganggap agent sebagai "identitas" untuk dikelola.
CEO Okta Todd McKinnon berbicara di The Verge, menyebutkan satu hal yang menarik perhatian saya:
AI agent seharusnya bukan hanya alat, tetapi harus memiliki identitas sendiri. Seperti karyawan, login, otentikasi, dan menyimpan log.
Latar belakangnya seperti ini.
Saat ini, semakin banyak AI agent di perusahaan, yang bisa mengakses database sendiri, memanggil API, mengirim email. Tapi sebagian besar perusahaan masih mengelola agent dengan menggunakan hak akses dar

Dulu, melihat pasar bullish dan bearish di Square bisa merangkum kondisi pasar saham AS.

Data berikut:
Morgan Stanley MSBT: 0.14%
Grayscale Mini Trust: 0.15%
Franklin Templeton EZBC: 0.19%
Bitwise / VanEck: 0.20%
BlackRock IBIT: 0.25%
IBIT saat ini adalah pemimpin mutlak di pasar ETF BTC spot sebesar $840 miliar. Morgan Stanley menggunakan 0.14% untuk bersaing dengan 0.25%
Mengapa pada saat ini?
Tiga alasan.
Pertama, klien institusional sedang membutuhkan. Morgan Stanley mengelola lebih dari $4 triliun aset klien. Ketika klien Anda adalah individu dengan kekayaan tinggi dan kantor keluarga, mereka tidak mencari ETF terbaik, melainkan "ETF yang bisa disetujui departemen kepatuhan".