Pada akhirnya akan tetap dipakai.
Dulu iPhone 3 harganya sekitar 200~300 dolar… sekarang sudah jauh melewati 1000 dolar, tapi tetap dipakai. Sudah telanjur merasakan enaknya.
Sepertinya ini isu yang sama seperti pada era mainframe..
Jika terbentuk kondisi bahwa server mahal dan sumber daya terbatas, sementara komputer pribadi lambat,
pada akhirnya server juga akan menjadi lebih murah dan performa komputer pribadi juga meningkat... sepertinya waktu yang akan menjawab.
Karena berpikir orang tetap akan memakainya meski mahal, para penyedia LLM kemungkinan menaikkan harga. Saya jadi penasaran bagaimana nasib LLM open source seperti GLM, qwen, dan deepseek ke depannya. Orang-orang akan mulai menghitung, apakah harus membayar harga ini untuk memakai model frontier, atau justru lebih masuk akal memakai open source meski harus bersusah payah membangun infrastruktur vLLM sendiri.
Riwayat orang ini menarik,
belajar dari jurusan psikologi lewat kuliah data science Coursera
lalu bergabung pada masa awal Lazada, yang pernah dijuluki Amazon-nya Asia Tenggara, dan naik jabatan sampai menjadi VP.
Lazada kemudian diakuisisi oleh Alibaba.
Setelah itu pindah ke Amazon sebagai principal scientist untuk rekomendasi/LLM.
Sekarang menjadi technical staff di Anthropic
Ini mengingatkan saya pada hal serupa, yaitu mengukur kinerja hanya berdasarkan jam kerja juga wkwk
Meski tidak ada hasil, kalau sering lembur tetap mendapat penilaian tinggi hehe
Tapi ini adalah postingan dari subreddit codex, jadi perlu dibaca dengan sedikit mempertimbangkan konteks itu. Di Reddit, tingkat sikap terlalu memuja(?) bisa sangat berbeda tergantung subredditnya.
https://github.com/modulabs-personalab/psyctl
Ini adalah library terkait. Ada contoh penerapan di Google Colab, jadi cocok untuk eksperimen cepat.
Pada akhirnya akan tetap dipakai.
Dulu iPhone 3 harganya sekitar 200~300 dolar… sekarang sudah jauh melewati 1000 dolar, tapi tetap dipakai. Sudah telanjur merasakan enaknya.
Bukankah jadi sedikit lebih baik setelah diubah menjadi zero-config?
Terima kasih atas tulisannya yang bagus.
Sepertinya pembangunan LLM lokal akan semakin banyak dilakukan.
Saya rasa komunikasi internal adalah hal yang paling penting.
Efek samping dari efisiensi yang berlebihan (2022)
Pemilihan acak diperlukan untuk membangun sistem meritokrasi yang stabil
Saya rasa ini akan sangat bagus jika digunakan bersama compound engineering
Sepertinya ini isu yang sama seperti pada era mainframe..
Jika terbentuk kondisi bahwa server mahal dan sumber daya terbatas, sementara komputer pribadi lambat,
pada akhirnya server juga akan menjadi lebih murah dan performa komputer pribadi juga meningkat... sepertinya waktu yang akan menjawab.
Banyak alat harness yang sedang naik daun, tetapi sulit memahami kelebihan dan kekurangan masing-masing. Apa perbedaannya dengan ouroboros?
Karena berpikir orang tetap akan memakainya meski mahal, para penyedia LLM kemungkinan menaikkan harga. Saya jadi penasaran bagaimana nasib LLM open source seperti GLM, qwen, dan deepseek ke depannya. Orang-orang akan mulai menghitung, apakah harus membayar harga ini untuk memakai model frontier, atau justru lebih masuk akal memakai open source meski harus bersusah payah membangun infrastruktur vLLM sendiri.
Entire - platform developer baru untuk agen AI
> Perusahaan yang didirikan oleh mantan CEO GitHub, Thomas Dohmke
Kalau mahal, ya tidak usah dipakai..
Riwayat orang ini menarik, belajar dari jurusan psikologi lewat kuliah data science Coursera
lalu bergabung pada masa awal Lazada, yang pernah dijuluki Amazon-nya Asia Tenggara, dan naik jabatan sampai menjadi VP.
Lazada kemudian diakuisisi oleh Alibaba.
Setelah itu pindah ke Amazon sebagai principal scientist untuk rekomendasi/LLM.
Sekarang menjadi technical staff di Anthropic
Ini mengingatkan saya pada hal serupa, yaitu mengukur kinerja hanya berdasarkan jam kerja juga wkwk
Meski tidak ada hasil, kalau sering lembur tetap mendapat penilaian tinggi hehe
Tapi ini adalah postingan dari subreddit codex, jadi perlu dibaca dengan sedikit mempertimbangkan konteks itu. Di Reddit, tingkat sikap terlalu memuja(?) bisa sangat berbeda tergantung subredditnya.
Soal AI, ada banyak tulisan yang membahas dengan membagi antara junior vs. senior, tapi entah kenapa semuanya terasa canggung.
Rasanya seperti mengabaikan esensi persoalan dan sengaja menciptakan konflik hanya untuk dijadikan bahan pembicaraan.
Pada suatu titik, codex tampaknya jauh lebih unggul dalam banyak hal.
Saya merekomendasikan 5 model seperti ini. Ternyata 3 di antaranya adalah Qwen.
Qwen/Qwen3-Next-80B-A3B-Instruct
Qwen/Qwen3.6-27B
deepseek-ai/DeepSeek-V4-Flash
openai/gpt-oss-120b
Qwen/Qwen3-235B-A22B