| Istilah | Arti |
|---|---|
| Astra | Model AI terbaru dari OpenAI, bernama GPT-6 Astra, yang dibahas video ini sebagai model paling kuat untuk kode, penggunaan komputer, dan 3D. |
| Fable | Model AI dari Anthropic yang dipakai sebagai pembanding utama untuk Astra dalam video ini, termasuk soal harga, penggunaan komputer, dan kualitas desain. |
| Soul | Model OpenAI sebelumnya, yaitu GPT-5.6 Soul, yang menurut Theo kalah jauh dari Astra dalam kualitas kode dan kerapian perubahan. |
| benches | Singkatan benchmark, yaitu tes standar berisi soal atau tugas untuk mengukur dan membandingkan kemampuan model AI. |
| computer use safety | Uji keamanan saat AI mengendalikan komputer pengguna, dipakai untuk melihat seberapa sering model bertindak di luar batas yang diizinkan. |
| compact | Proses meringkas isi percakapan saat ruang konteks model penuh, supaya model tetap ingat tujuan dan pelajaran dari sesi tersebut. |
| review comments | Komentar dari peninjau atau bot otomatis pada pull request, yang harus dibereskan sebelum perubahan kode digabung ke proyek. |
| Code Rabbit | Layanan AI peninjau kode yang menjadi sponsor video ini dan bisa dipakai di GitHub, editor kode, CLI, serta Slack. |
| Lakebed | Proyek layanan cloud buatan Theo sendiri, yang dipakai sebagai contoh uji performa dan sinkronisasi perubahan data antar pengguna. |
| latency | Waktu tunda antara sebuah perubahan dibuat dan sampai ke pengguna lain, yang di video ini turun dari 800 ms menjadi di bawah 30 ms. |
| milliseconds | Satuan waktu sama dengan seperseribu detik, dipakai video ini untuk menyebut seberapa cepat sinkronisasi data di Lakebed berjalan. |
| AGI | Artificial general intelligence, yaitu gagasan AI yang mampu menangani banyak jenis tugas seperti manusia, dan Theo menyebut Astra terasa mendekati itu. |
Video dari kanal Theo - t3.gg ini membahas GPT-6 Astra, model AI terbaru dari OpenAI yang menurut Theo terasa seperti lompatan generasi dibanding model sebelumnya, yaitu 5.6 Soul. Theo mengaku sudah memakai Astra selama beberapa minggu untuk banyak hal, mulai dari menulis kode, mengendalikan komputer, membuat model 3D, sampai pekerjaan kantor. Ia juga menekankan bahwa pengumumannya terdengar seolah model sudah tersedia untuk semua orang, padahal pada hari rilis Astra baru dibuka untuk sejumlah kecil organisasi dan akan menyusul ke pengguna ChatGPT Plus, Pro, Business, dan Enterprise dalam beberapa hari. Video ini penting bagi penonton karena menjelaskan kapan model tersebut benar-benar bisa dipakai, berapa biayanya, dan seberapa jauh kemampuannya dibanding Fable, model dari Anthropic, bukan hanya mengikuti kabar pengumuman.
Bagian isi video mengulas harga, tolok ukur, keamanan, dan demo. Harga Astra adalah 10 dolar per juta token masuk dan 50 dolar per juta token keluar, mirip Fable, sementara mode cepatnya menawarkan kecepatan hingga dua kali lipat dengan harga sekitar dua kali lipat. Jika konteks melewati 272 ribu token, biaya token masuk naik dua kali dan token keluar naik 50 persen. Di sejumlah tolok ukur seperti Terminal Bench dan ARC-AGI, Astra mencatat skor yang jauh lebih tinggi dari model lain dengan biaya serupa atau lebih rendah. Pada uji keamanan penggunaan komputer, tingkat hasil yang tidak selaras adalah 2,4 persen untuk Astra dan 9,5 persen untuk Fable, dengan angka lebih kecil berarti lebih baik. Theo menilai Astra sangat kuat untuk penggunaan komputer dan pemodelan 3D, tetapi masih kalah dari model Anthropic dalam desain antarmuka. Ia juga menceritakan pengalaman buruk ketika Astra mengabaikan komentar review bot pada PR dan berhenti memantau sampai semua pemeriksaan hijau, sehingga ia menegaskan model ini masih perlu diawasi.
Kata kunci
- Astra
- Fable
- computer use safety
- Lakebed
- Mengulas GPT6 Astra setelah pemakaian inferensi senilai sekitar 330.000 dolar dalam beberapa minggu, sebagai model besar pertama di lini GPT6.
- Membandingkan dengan Fable dan Soul: uji computer use safety (hasil tidak selaras 2,4% untuk Astra dibanding 9,5% untuk Fable), kemampuan mempertahankan konteks dan compaction, serta komentar review kode.
- Menunjukkan hasil nyata seperti memangkas latensi Lakebed dari sekitar 800 milidetik menjadi di bawah 30 milidetik dan membahas bar evaluasi yang perlu ditetapkan.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.
