Terutama ketika yang terus bertambah justru aktivitas di alat kolaborasi demi visibilitas dan transparansi, bukan hasil kerjanya...
Melihat para planner yang meninggalkan segala macam catatan hanya untuk mengurangi tanggung jawab mereka sendiri, sebagai developer rasanya cuma bikin sadar akan kenyataan pahit.
Sepertinya seperti siswa SMA yang baru pertama kali menyadari kepura-puraan orang dewasa lalu mulai marah. Entah kenapa, rasanya penulisnya bakal menyukai Holden Caulfield dari The Catcher in the Rye...
Semakin besar sebuah organisasi, rasanya semakin benar apa yang dikatakan pembicara ini.
Semakin kecil sebuah organisasi, rasanya arah yang dibicarakan pembicara ini sudah memang seperti itu wkwk
Sebagai reviewer, pengalaman saya saat melihat PR Description yang ditulis mesin memang tidak terlalu baik. Mungkin kalau prompt tuning-nya bagus hasilnya bisa lebih baik, tapi..
Sam Altman telah menutup layanan TikTok miliknya. OpenAI kemarin menghapus Sora sepenuhnya. Bukan hanya aplikasinya, tetapi juga alat pengembang dan bahkan fitur pembuatan video di ChatGPT semuanya ikut hilang.
Baru 6 bulan lalu, Sora 2 adalah aplikasi paling populer di dunia. Dalam dua hari setelah peluncuran, aplikasi ini mencapai peringkat 1 di App Store, dan 164 ribu orang mengunduhnya saat sebagian besar orang bahkan belum tahu aplikasi itu ada. Dengan memasukkan kalimat, video yang tampak nyata bisa dibuat dalam beberapa menit, lalu dibagikan ke feed mirip TikTok yang berisi konten buatan AI. Namun ketika Januari tiba, jumlah unduhan anjlok 45% hanya dalam satu bulan. Sejak aplikasi diluncurkan, total pengeluaran pengguna hanya mencapai 1,4 juta dolar AS. OpenAI diperkirakan akan mencatat kerugian sebesar 14 miliar dolar AS tahun ini. Pendapatan kumulatif Sora bahkan tidak akan mampu menutup kerugian perusahaan selama satu jam pun.
Kesepakatan dengan Disney juga batal. Pada Desember lalu, Disney menginvestasikan 1 miliar dolar AS ke OpenAI dan menyepakati penggunaan lisensi lebih dari 200 karakter dari Marvel, Pixar, dan Star Wars di Sora. Disney berencana menayangkan video buatan AI yang telah dikurasi di Disney+ dan memanfaatkan teknologi OpenAI untuk menghadirkan pengalaman baru bagi pelanggan. Namun kini semua itu kandas. Juru bicara Disney mengatakan, "Kami menghormati keputusan OpenAI untuk mundur dari bisnis pembuatan video."
Lalu mengapa mereka ingin menutup produk yang menerima investasi 1 miliar dolar AS dari Disney? OpenAI sedang mendorong IPO hingga akhir tahun ini. Pada Februari lalu, perusahaan ini menerima investasi 110 miliar dolar AS dengan valuasi 840 miliar dolar AS, tetapi diperkirakan baru akan menghasilkan laba pada 2029 atau 2030. Kepala pengembangan aplikasi OpenAI menekankan kepada karyawan bahwa "kita tidak boleh terdistraksi oleh hal-hal sampingan dan melewatkan momen penting ini." Pembuatan video menghabiskan daya komputasi yang sangat besar. Jika perusahaan membakar miliaran dolar AS setiap bulan dan para investor untuk pertama kalinya hendak meninjau kondisi keuangannya, maka wajar bila semua server difokuskan pada ChatGPT, produk yang benar-benar menghasilkan pendapatan.
OpenAI mengatakan tim riset Sora akan beralih arah ke pengembangan teknologi robotika. Aplikasi konsumen tersebut beroperasi selama 6 bulan.
LiteLLM adalah satu-satunya library pemanggil provider LLM untuk DSPy, dan CrewAI juga menggunakannya sebagai fallback
Airflow, Dagster, http://Unsloth.ai, Polar, nanobot, dan lainnya juga bergantung pada LiteLLM
Ada lebih dari 628 proyek di GitHub yang menyertakan LiteLLM tanpa mengunci versinya
Jika Anda sedang menggunakan kode terkait, sebaiknya periksa sekali.
Saya pikir ini tulisan yang cukup realistis dan berwawasan tentang cara memaksimalkan man power individu di titik saat ini, ketika AI TOOLs menjadi kenyataan.
Ke depannya, semua hal akan makin menuntut bobot yang lebih ringan dan kecepatan yang lebih tinggi, jadi pola kolaborasi lama dengan cara pikir usang yang selama ini dijalankan kemungkinan akan di-reset. Namun, untuk pengembangan solusi tingkat enterprise, kolaborasi tetap wajib.
Saya pernah membuat beberapa compiler dan sekarang juga sedang mengerjakan satu; ketika dilihat dari sudut pandang vibe coding, saya juga sempat mencoba editor, tetapi compiler terasa lebih mudah. Seperti yang Anda tulis, spesifikasinya terasa kurang presisi dan ada jauh lebih banyak variabel yang berasal dari pengguna. Pengujiannya juga lebih sulit.
Spesifikasi memang menjadi semakin penting, tetapi sejak dulu saya merasa mustahil untuk menuliskan spesifikasi secara sangat rinci dan mencakup semua situasi. Saya masih berpikir pendekatan yang lebih baik untuk saat ini adalah menyempurnakan spesifikasi sambil bekerja, seperti halnya kode; meski begitu, saya juga merasa mungkin saja itu bisa dibiarkan dilakukan antarsesama oleh berbagai agen. Namun pada akhirnya, tanpa campur tangan manusia, rasanya sulit untuk keluar dari situasi dan pengetahuan yang sudah dipelajari, sehingga menghadapi situasi dan fungsi yang benar-benar baru akan tetap sulit.
Rasanya seperti ketika robot vacuum pertama kali muncul dan saya mendengar bahwa kita harus melakukan "pembersihan sederhana" dengan membereskan barang-barang di lantai demi si robot. Menulis spesifikasi yang rinci demi AI juga merupakan pekerjaan yang cukup besar, jadi terasa seperti kita bekerja untuk AI.
Setelah cukup lama berada di dunia ini dan mengamatinya, rasanya dua hal besar menjadi penyebab perubahan belakangan ini.
Pertama, nilai taruhannya sudah terlalu besar. Dulu beberapa juta dolar saja sudah terlihat luar biasa, tapi sekarang uang mengalir dalam skala miliaran, bukan? Memang, di tempat yang bau uangnya sangat menyengat, berbagai macam orang pasti akan berkumpul. Ditambah lagi, masuknya orang-orang dari wilayah budaya tertentu dalam jumlah besar juga sangat memengaruhi, sampai suasana industri itu sendiri berubah mengikuti gaya khas mereka.
Kalau melihat sekarang, jelas terasa berbeda dari nuansa IT/CS dulu; seolah 'kepiawaian bicara' dan 'showmanship' yang menghidupi segalanya. Kalau dulu, orang-orang seperti ini mungkin sudah pergi bersama saat gelembungnya pecah, tetapi kali ini pusatnya adalah LLM, yakni 'teknologi yang pandai bicara', jadi belum terlihat tanda-tanda arus ini akan segera berakhir. Ke depannya, suasana seperti ini sepertinya akan terus berlanjut.
Sebenarnya, alasan Anthropic membuat compiler C sebagai demo kemungkinan juga karena compiler memiliki spesifikasi yang jelas dan test case yang sudah dipersiapkan dengan baik. Sekaligus juga terlihat sangat sulit.
Rasanya ini juga mirip dengan perbedaan antara reinforcement learning dan deep learning. Di tempat yang tidak bisa menyediakan loop umpan balik yang menentukan, data manusia tampaknya masih menjadi moat untuk sementara ini.
Di issue GitHub, lebih dari 100 akun bot meninggalkan spam,
Dan akun GitHub yang diretas mengubah deskripsi semua proyek di akun tersebut menjadi seperti ini. teampcp owns BerriAI
Secara pribadi, melihat issue sampai dipenuhi spam memberi kesan distopia, jadi rasanya sangat menakutkan.
Dan saya tidak terlalu ingat, apakah itu flake atau fitur apa, tapi ada yang bilang itu best practice, ada yang bilang experimental, ada juga yang bilang keduanya, dan melihat hal seperti itu terus berlangsung selama bertahun-tahun, rasanya jalan terjalnya sudah kelihatan jelas..
Tentu saja, pengalaman bisa dengan mudah mengodekan seluruh lingkungan desktop tetap terasa menyenangkan.
Saya juga dulu pernah memakai NixOS sekitar setengah tahun, lalu ada pekerjaan yang sangat sederhana dan di OS lain bahkan tidak perlu dicari-cari terpisah, tetapi meskipun sudah googling habis-habisan saya tetap tidak bisa menyelesaikannya. Di forum NixOS atau tempat semacam itu, saya melihat solusi yang ditulis oleh seseorang yang mungkin ahli NixOS? dan ketika melihat solusi hacky sepanjang puluhan baris itu menjadi yang paling banyak dapat jempol, saya merasa kehidupan saya dengan NixOS ke depannya akan suram, jadi saya kembali ke Arch...
Seperti pelatihan AlphaGo yang menggunakan data pertandingan simulasi AlphaGo vs AlphaGo, pelatihan LLM juga membuat data dengan LLM lalu melatihnya. Dengan hanya beberapa sampel data, kini bahkan data pun bisa dibuat dengan mudah, jadi ini juga sulit dianggap sebagai moat yang aman.
Saya sangat setuju.
Terutama ketika yang terus bertambah justru aktivitas di alat kolaborasi demi visibilitas dan transparansi, bukan hasil kerjanya...
Melihat para planner yang meninggalkan segala macam catatan hanya untuk mengurangi tanggung jawab mereka sendiri, sebagai developer rasanya cuma bikin sadar akan kenyataan pahit.
Sepertinya seperti siswa SMA yang baru pertama kali menyadari kepura-puraan orang dewasa lalu mulai marah. Entah kenapa, rasanya penulisnya bakal menyukai Holden Caulfield dari The Catcher in the Rye...
Semakin besar sebuah organisasi, rasanya semakin benar apa yang dikatakan pembicara ini.
Semakin kecil sebuah organisasi, rasanya arah yang dibicarakan pembicara ini sudah memang seperti itu wkwk
Sebagai reviewer, pengalaman saya saat melihat PR Description yang ditulis mesin memang tidak terlalu baik. Mungkin kalau prompt tuning-nya bagus hasilnya bisa lebih baik, tapi..
Sepertinya kepribadian penulisnya memang agak kurang baik.
Ada opini tweet tentang ini: https://x.com/AnishA_Moonka/status/2036553594569367790?s=20
Sam Altman telah menutup layanan TikTok miliknya. OpenAI kemarin menghapus Sora sepenuhnya. Bukan hanya aplikasinya, tetapi juga alat pengembang dan bahkan fitur pembuatan video di ChatGPT semuanya ikut hilang.
Baru 6 bulan lalu, Sora 2 adalah aplikasi paling populer di dunia. Dalam dua hari setelah peluncuran, aplikasi ini mencapai peringkat 1 di App Store, dan 164 ribu orang mengunduhnya saat sebagian besar orang bahkan belum tahu aplikasi itu ada. Dengan memasukkan kalimat, video yang tampak nyata bisa dibuat dalam beberapa menit, lalu dibagikan ke feed mirip TikTok yang berisi konten buatan AI. Namun ketika Januari tiba, jumlah unduhan anjlok 45% hanya dalam satu bulan. Sejak aplikasi diluncurkan, total pengeluaran pengguna hanya mencapai 1,4 juta dolar AS. OpenAI diperkirakan akan mencatat kerugian sebesar 14 miliar dolar AS tahun ini. Pendapatan kumulatif Sora bahkan tidak akan mampu menutup kerugian perusahaan selama satu jam pun.
Kesepakatan dengan Disney juga batal. Pada Desember lalu, Disney menginvestasikan 1 miliar dolar AS ke OpenAI dan menyepakati penggunaan lisensi lebih dari 200 karakter dari Marvel, Pixar, dan Star Wars di Sora. Disney berencana menayangkan video buatan AI yang telah dikurasi di Disney+ dan memanfaatkan teknologi OpenAI untuk menghadirkan pengalaman baru bagi pelanggan. Namun kini semua itu kandas. Juru bicara Disney mengatakan, "Kami menghormati keputusan OpenAI untuk mundur dari bisnis pembuatan video."
Lalu mengapa mereka ingin menutup produk yang menerima investasi 1 miliar dolar AS dari Disney? OpenAI sedang mendorong IPO hingga akhir tahun ini. Pada Februari lalu, perusahaan ini menerima investasi 110 miliar dolar AS dengan valuasi 840 miliar dolar AS, tetapi diperkirakan baru akan menghasilkan laba pada 2029 atau 2030. Kepala pengembangan aplikasi OpenAI menekankan kepada karyawan bahwa "kita tidak boleh terdistraksi oleh hal-hal sampingan dan melewatkan momen penting ini." Pembuatan video menghabiskan daya komputasi yang sangat besar. Jika perusahaan membakar miliaran dolar AS setiap bulan dan para investor untuk pertama kalinya hendak meninjau kondisi keuangannya, maka wajar bila semua server difokuskan pada ChatGPT, produk yang benar-benar menghasilkan pendapatan.
OpenAI mengatakan tim riset Sora akan beralih arah ke pengembangan teknologi robotika. Aplikasi konsumen tersebut beroperasi selama 6 bulan.
Detail selengkapnya dapat dilihat di Insiden kompromi paket PyPI LiteLLM 1.82.7 dan 1.82.8.
Jika Anda sedang menggunakan kode terkait, sebaiknya periksa sekali.
Saya sempat mempertimbangkan untuk mencoba OpenClon, tapi sepertinya bahkan tidak perlu memakai OpenClo.
Setelah saya cek, tampaknya pemindai keamanan trivy yang bernama begitu (...?) telah diserang, dan berdasarkan compromise tersebut, tampaknya serangan tahap kedua juga sedang berlangsung.
Bagaimanapun juga, ini serius.
Saya pikir ini tulisan yang cukup realistis dan berwawasan tentang cara memaksimalkan man power individu di titik saat ini, ketika AI TOOLs menjadi kenyataan. Ke depannya, semua hal akan makin menuntut bobot yang lebih ringan dan kecepatan yang lebih tinggi, jadi pola kolaborasi lama dengan cara pikir usang yang selama ini dijalankan kemungkinan akan di-reset. Namun, untuk pengembangan solusi tingkat enterprise, kolaborasi tetap wajib.
Saya pernah membuat beberapa compiler dan sekarang juga sedang mengerjakan satu; ketika dilihat dari sudut pandang vibe coding, saya juga sempat mencoba editor, tetapi compiler terasa lebih mudah. Seperti yang Anda tulis, spesifikasinya terasa kurang presisi dan ada jauh lebih banyak variabel yang berasal dari pengguna. Pengujiannya juga lebih sulit.
Spesifikasi memang menjadi semakin penting, tetapi sejak dulu saya merasa mustahil untuk menuliskan spesifikasi secara sangat rinci dan mencakup semua situasi. Saya masih berpikir pendekatan yang lebih baik untuk saat ini adalah menyempurnakan spesifikasi sambil bekerja, seperti halnya kode; meski begitu, saya juga merasa mungkin saja itu bisa dibiarkan dilakukan antarsesama oleh berbagai agen. Namun pada akhirnya, tanpa campur tangan manusia, rasanya sulit untuk keluar dari situasi dan pengetahuan yang sudah dipelajari, sehingga menghadapi situasi dan fungsi yang benar-benar baru akan tetap sulit.
Rasanya seperti ketika robot vacuum pertama kali muncul dan saya mendengar bahwa kita harus melakukan "pembersihan sederhana" dengan membereskan barang-barang di lantai demi si robot. Menulis spesifikasi yang rinci demi AI juga merupakan pekerjaan yang cukup besar, jadi terasa seperti kita bekerja untuk AI.
Setelah cukup lama berada di dunia ini dan mengamatinya, rasanya dua hal besar menjadi penyebab perubahan belakangan ini.
Pertama, nilai taruhannya sudah terlalu besar. Dulu beberapa juta dolar saja sudah terlihat luar biasa, tapi sekarang uang mengalir dalam skala miliaran, bukan? Memang, di tempat yang bau uangnya sangat menyengat, berbagai macam orang pasti akan berkumpul. Ditambah lagi, masuknya orang-orang dari wilayah budaya tertentu dalam jumlah besar juga sangat memengaruhi, sampai suasana industri itu sendiri berubah mengikuti gaya khas mereka.
Kalau melihat sekarang, jelas terasa berbeda dari nuansa IT/CS dulu; seolah 'kepiawaian bicara' dan 'showmanship' yang menghidupi segalanya. Kalau dulu, orang-orang seperti ini mungkin sudah pergi bersama saat gelembungnya pecah, tetapi kali ini pusatnya adalah LLM, yakni 'teknologi yang pandai bicara', jadi belum terlihat tanda-tanda arus ini akan segera berakhir. Ke depannya, suasana seperti ini sepertinya akan terus berlanjut.
Sebenarnya, alasan Anthropic membuat compiler C sebagai demo kemungkinan juga karena compiler memiliki spesifikasi yang jelas dan test case yang sudah dipersiapkan dengan baik. Sekaligus juga terlihat sangat sulit.
Rasanya ini juga mirip dengan perbedaan antara reinforcement learning dan deep learning. Di tempat yang tidak bisa menyediakan loop umpan balik yang menentukan, data manusia tampaknya masih menjadi moat untuk sementara ini.
Ini benar-benar serius.
Di issue GitHub, lebih dari 100 akun bot meninggalkan spam,
Dan akun GitHub yang diretas mengubah deskripsi semua proyek di akun tersebut menjadi seperti ini.
teampcp owns BerriAI
Secara pribadi, melihat issue sampai dipenuhi spam memberi kesan distopia, jadi rasanya sangat menakutkan.
Dan saya tidak terlalu ingat, apakah itu
flakeatau fitur apa, tapi ada yang bilang itu best practice, ada yang bilang experimental, ada juga yang bilang keduanya, dan melihat hal seperti itu terus berlangsung selama bertahun-tahun, rasanya jalan terjalnya sudah kelihatan jelas..Tentu saja, pengalaman bisa dengan mudah mengodekan seluruh lingkungan desktop tetap terasa menyenangkan.
Saya juga dulu pernah memakai NixOS sekitar setengah tahun, lalu ada pekerjaan yang sangat sederhana dan di OS lain bahkan tidak perlu dicari-cari terpisah, tetapi meskipun sudah googling habis-habisan saya tetap tidak bisa menyelesaikannya. Di forum NixOS atau tempat semacam itu, saya melihat solusi yang ditulis oleh seseorang yang mungkin ahli NixOS? dan ketika melihat solusi hacky sepanjang puluhan baris itu menjadi yang paling banyak dapat jempol, saya merasa kehidupan saya dengan NixOS ke depannya akan suram, jadi saya kembali ke Arch...
Seperti pelatihan AlphaGo yang menggunakan data pertandingan simulasi AlphaGo vs AlphaGo, pelatihan LLM juga membuat data dengan LLM lalu melatihnya. Dengan hanya beberapa sampel data, kini bahkan data pun bisa dibuat dengan mudah, jadi ini juga sulit dianggap sebagai moat yang aman.
Saya sempat membukanya, dan ternyata tertulis
This project is no longer actively maintained....