Beginilah rasanya bekerja dengan Mythos
(oneusefulthing.org)- Claude 5 Fable, model kelas Mythos pertama yang dirilis untuk publik, menerima spesifikasi multi-tahap dan dapat bekerja sendiri hingga belasan jam, melampaui semua model yang pernah digunakan sebelumnya dengan selisih yang besar
- Hanya dengan satu prompt dan satu kali umpan balik, ia dapat menghasilkan makalah ilmu sosial yang sangat canggih hingga puisi berima 10 halaman yang setiap katanya dimulai dengan huruf s
- Saat bekerja, ia menjalankan AI lain secara langsung (terutama Claude Sonnet yang lebih murah) untuk membagi riset, coding, dan verifikasi, sambil mengumpulkan lebih dari 2.200 data penerbangan, jadwal kereta, dan data kecepatan jalan per negara
- Peran pengguna menyusut menjadi pemberi instruksi dan penilai hasil, sementara proses pengambilan keputusan model tidak terlihat dan berfungsi sebagai black box tertinggi
- Hubungan dengan AI sedang bergeser dari 'penyihir' yang bekerja langsung menjadi 'patron' yang memesan dan menilai hasil, dan semakin kuat kemampuannya, semakin kecil kemungkinan ruang campur tangan manusia
Kinerja dan pengalaman menggunakan Claude 5 Fable - Ethan Mollick
- Mendapat kesempatan mencoba lebih awal (Early Access) Claude 5 Fable, AI kelas Mythos pertama yang dibuka ke publik
- Claude 5 Fable adalah model AI kelas Mythos pertama yang dirilis, dan meski banyak diskusi soal dampaknya pada keamanan perangkat lunak, pengujian kali ini tidak mencakup area itu
- Guardrail Fable bekerja pada tingkat yang nyaris menutup total penggunaan untuk tujuan keamanan siber
- Dalam berbagai eksperimen, Fable menunjukkan performa jauh lebih tinggi dibanding hampir semua model publik yang pernah digunakan sebelumnya
- Fable menunjukkan kemampuan di banyak masalah dan menjalankan pekerjaan hingga sekitar 12 jam berdasarkan spesifikasi multi-halaman
Performa dan hasil keluaran Fable
- Dalam semua eksperimen yang dilakukan, ia mengungguli model-model publik lain dengan margin besar, dan terlihat ada peningkatan performa menyeluruh di berbagai tugas
- Dengan satu prompt dan satu kali umpan balik, ia menghasilkan makalah akademik ilmu sosial paling canggih yang pernah dibuat AI sejauh ini
- Ia juga membuat puisi berima sepanjang 10 halaman tentang potong rambut, di mana setiap kata dimulai dengan huruf s
- Di Claude Code, hanya dengan prompt awal yang samar dan sedikit umpan balik tambahan seperti "make it better", ia membuat game-game yang bisa dimainkan
- Game lempar koin dimulai dari prompt “Balatro, but for the game of coin flips”
- Game ular yang memiliki kesadaran diri menghadirkan ular yang sadar diri dan berbagai kejadian aneh
- Game turun ke kedalaman berstruktur menjelajah ke bawah untuk melihat apa yang ada di sana
- Karena Claude tidak bisa membuat gambar, semua art dan objek 3D diimplementasikan murni dengan operasi matematika tanpa aset eksternal
- Semakin masuk ke pekerjaan yang lebih serius, pengalaman memakai alat ini berada di antara rasa senang dan cemas — karena apa pun yang diminta benar-benar diwujudkan
Maps and Methods — contoh pembuatan peta isokron
- Peta isokron (isochrone map) adalah peta yang menunjukkan seberapa jauh seseorang bisa berpindah dalam waktu tertentu; contoh pertamanya dibuat pada 1881 untuk menunjukkan waktu tempuh dari London
- Model-model sebelumnya bahkan tidak mampu membuat peta seperti ini menjadi setengah berguna, karena dibutuhkan ribuan penyelidikan jarak tempuh potensial dan banyak keputusan kecil
-
Cara pekerjaan dijalankan
- Dimasukkan prompt yang meminta peta dengan desain khas berbasis data nyata, mencerminkan kota yang dipilih serta bandara, kereta, jalan kaki, dan berkendara; datanya tidak harus real-time, tetapi harus berupa data nyata hasil riset
- Model mula-mula mengusulkan untuk membuatnya dalam gaya asli tahun 1881, dan setelah disetujui, pekerjaan dimulai
- Dalam sesi build selama berjam-jam, ia menjalankan banyak AI lain (terutama Claude Sonnet yang lebih murah) untuk meneliti waktu tempuh
- Ia mengumpulkan jadwal kereta dari TGV hingga Shinkansen, kecepatan jalan per negara berdasarkan berbagai makalah akademik, serta lebih dari 2.200 data penerbangan spesifik
- Sambil agen riset berjalan, ia mulai menulis kode, menjalankan agen tambahan untuk verifikasi kode dan pengujian, serta mencatat perkembangan
-
Koreksi wilayah terpencil dan penggunaan token
- Untuk daerah terpencil seperti Greenland yang awalnya hanya berisi perkiraan alih-alih angka akurat, ia diarahkan untuk memperoleh waktu tempuh yang sebenarnya
- Kali ini dijalankan workflow kelompok agen adversarial (adversarial groups) yang meneliti dan saling memverifikasi hasil
- Ia menghitung seberapa sering kapal menuju Pitcairn Island di Pasifik beroperasi, serta rute dari Ottawa ke Grise Fjord
- Sejumlah besar token habis dalam waktu singkat
- Yang dilakukan pengguna hanyalah memberi instruksi ambisius dan sedikit umpan balik; model sendiri yang mengambil ratusan keputusan kecil, tanpa kesempatan bagi pengguna untuk memahami atau ikut campur dalam pilihan-pilihan itu
- Bukan hanya beban kerja, kendali atas cara kerja, pilihan pendekatan, dan kedalaman hasil model juga menjadi terbatas
- Hasil akhirnya tersedia sebagai peta isokron interaktif, dan metode serta sumbernya bisa dilihat di bagian bawah grafik
Working with a Mythos-class model — contoh Concord
- Proyek paling ambisius adalah tugas riset untuk mengklasifikasikan jawaban manusia yang berantakan — menilai seberapa inovatif sebuah ide, atau mengapa orang menyukai buku tertentu
- Sebelumnya, peneliti manusia membuat penilaian dan membandingkannya secara statistik dengan jawaban lain untuk memeriksa keandalan data
- Kalibrasi antara penilaian AI dan manusia sulit serta mahal
- Fable diminta menyelesaikan masalah ini; ia terlebih dahulu membuat dokumen desain kompleks sepanjang 19 halaman lalu mengeksekusinya
- Fable bekerja selama 9 jam 30 menit berdasarkan dokumen itu
- Hasilnya adalah perangkat lunak yang oleh AI dinamai Concord, yang menerima banyak dataset untuk mengalibrasi respons manusia dan AI serta melakukan analisis data kompleks
- Hasilnya tidak sempurna, dan dari sudut pandang ahli ditemukan beberapa kesalahan dan kekurangan (sebagian berasal dari desain yang diminta), lalu diberikan instruksi perbaikan
- Cakupan yang diserahkan melampaui apa pun yang pernah dilihat sebelumnya, berupa perangkat lunak yang dibutuhkan para peneliti selama bertahun-tahun tetapi tidak pernah dibuat karena tidak menguntungkan
- Bug potensial yang tersisa bisa diselesaikan oleh software engineer, dan untuk menghadapi ledakan penggunaan perangkat lunak baru, mungkin justru akan dibutuhkan lebih banyak coder
- Kode Concord dapat digunakan atau dimodifikasi melalui repositori GitHub
Batasan dan kendala
- Kekuatan Fable datang bersama rasa asing dan berbagai keterbatasan
-
Biaya token
- Fable 2 kali lebih mahal daripada Opus, dan biaya produksi menghabiskan token sangat cepat hingga pada tingkat "a lot"
- Namun, delegasi cerdas ke model yang lebih murah bisa secara nyata menurunkan biaya sesungguhnya
-
Guardrail dan gaya
- Bahkan tanda yang sangat kecil dari masalah keamanan dapat memicu guardrail sehingga sistem beralih ke Claude 4.8 Opus yang performanya lebih rendah, dan ini terjadi terlalu sering
- Diskusi Mythos memang banyak berfokus pada dampak keamanan perangkat lunak, tetapi guardrail Fable pada praktiknya memblokir penggunaan untuk tujuan keamanan siber
- Tetap ada jagged frontier yang tidak merata, dan gaya khas "Claudism" masih tampak pada hasil keluaran dan laporan progres
Dari penyihir ke patron — perubahan peran manusia
- Tahun lalu, pengalaman ini diibaratkan sebagai penyihir (wizard) yang melafalkan mantra lalu sesuatu terjadi
- Di Fable, mantranya menjadi cukup kuat sehingga pengguna sendiri terasa kurang sebagai penyihir dan lebih sebagai patron
- Pengguna menjelaskan apa yang diinginkan, membayar biayanya, dan menilai hasilnya — sementara pekerjaan sebenarnya berlangsung di tempat yang tak terlihat melalui ratusan pilihan kecil
- Pekerjaan bergeser dari proses ke hasil, bukan lagi mengarahkan (steer) tetapi memesan (commission)
-
Dua kemungkinan
- Ini bisa jadi gejala sementara karena antarmuka belum mengejar kemampuan model, dan mungkin akan muncul cara yang lebih baik untuk melihat ke dalam perilaku model serta mengarahkannya di tengah jalan
- Sebaliknya, bisa juga justru semakin kompeten modelnya, semakin sedikit hal bermakna yang bisa dilakukan manusia, dan black box adalah harga dari kemampuan itu
- Ini bukan kehilangan kontrol dalam arti yang gamblang; model masih bisa diarahkan dan sangat patuh pada instruksi — semakin ambisius instruksinya, semakin baik hasilnya
- Namun pengarahan itu tak lagi sama dengan melakukan pekerjaan secara langsung; model meluncurkan agen-agen sendiri untuk meneliti, menulis, dan saling memverifikasi sebelum akhirnya mengembalikan hasil akhir
- Ini bukan seperti patron memesan karya dari satu seniman; Fable lebih mirip seluruh studio, di mana pengguna hanya menyetujui hasil akhir tanpa pernah menginjak lokasi kerja
1 komentar
Komentar Hacker News
Menarik bahwa tulisan ini hampir tidak membahas kualitas kode yang dihasilkan maupun isi substansial tentang medianya
Saya penasaran apakah kodenya punya dokumentasi dan pengujian, apakah bisa dipahami dan dikembangkan, apakah aman, serta bahasa, framework, dan database apa yang dipakai. Penulis berbicara soal penilaian dan selera, tapi saya tidak tahu apakah kode nyatanya juga ditulis dengan selera yang baik. Jika diminta menambahkan fitur baru, mungkin saja model akan merombak seluruh struktur lagi dan menghabiskan token setara 9,5 jam sekali lagi. Bagian riset tampaknya menyangkut pengetahuan domain, yaitu bagaimana waktu dikonversi menurut jenis perjalanan agar enak dilihat, dan saya juga penasaran bagaimana penulis memverifikasinya
Pertanyaan-pertanyaan ini tidak hanya berlaku untuk AI. Kalau saya membayar agensi manusia dan menerima hasil yang “berfungsi”, saya akan menanyakan hal yang sama. Jika saya tidak tahu cara menilainya, saya akan mempekerjakan orang yang bisa menilai. Bagian yang paling mengganjal dari LLM adalah verifikasi
Penulis ini tampaknya profesor di Wharton School of Management. Orang-orang seperti ini tidak perlu benar-benar meluncurkan atau memelihara produk, jadi lebih mirip membuat side project
Sudut pandang software engineering yang benar-benar solid hampir hanya pernah saya lihat dari Mitchell Hashimoto
Pertanyaan-pertanyaan di atas umumnya mengandaikan risiko yang lebih tinggi. Bahwa perangkat lunak akan dipelihara lama, kebutuhannya berkembang, dan kesalahan tidak bisa ditoleransi
Kiat memakai LLM dengan baik dalam software tampaknya adalah belajar membuat semua proyek menjadi berisiko rendah
Begitu diminta isi yang substansial, langsung bermunculan tanggapan seperti “manusia juga tidak jago soal ini, kan!” Sangat sedikit dasar kuantitatif, dan terlalu banyak retorika murni
Jika perilaku perangkat lunak yang bisa diamati itu bagus, maka perangkat lunak itu bagus. Bug jenis apa pun, kalau model bisa memperbaikinya dalam codebase hasil vibe coding, berarti itu bug yang bisa diperbaiki. Jika tidak ada kerentanan yang bisa dieksploitasi, berarti kodenya aman, dan jika performanya cukup, berarti performanya baik
Jika dari luar ia melakukan yang harus dilakukan, dan ketika ada masalah di dalam model bisa memperbaikinya, maka bentuk kode tidak penting. Software engineering kini lebih dari sebelumnya menjadi soal memastikan kode bekerja sesuai maksud.
Bahkan kalau bentuk kode itu penting, itu pun bisa disuruh model untuk perbaiki
Saya tidak tahu apa yang saya lewatkan. Apakah yang dimaksud “sadar diri” itu hanya beberapa pesan lucu di bagian bawah layar? Saya juga tidak tahu apa “hal-hal aneh” yang dimaksud
Saya mencoba memasukkan model-model yang biasanya saya verifikasi manual ke Fable
Kurang lebih caranya adalah meminta Opus memodelkan skenario, lalu meminta ia menunjukkan matematikanya, kemudian memperbaiki dan mengulang, dan pada akhirnya mengecek lagi apakah kodenya sesuai dengan logika modelnya. Fable menemukan hampir semua kesalahan yang saya temukan, dan juga memberi usulan menarik tentang variabel tambahan
Hanya saja, ia membakar batas penggunaan seperti Hummer akhir 90-an
Review-nya bahkan belum selesai, dan untuk bagian keamanan memori penting yang justru saya butuhkan dari Fable, saya akhirnya kembali ke Opus 4.8
Rasanya sebentar lagi saya tidak akan bisa memakai model-model ini karena harganya. Sepertinya saya harus memeras Fable semaksimal mungkin sampai 22 Juni
Hari ini saya mencoba proyek pribadi dengan Fable, dan kelihatannya cukup solid, tapi tidak terlalu jauh dari 4.8
Halusinasi yang sama, jenis bug yang sama, dan kecenderungan yang sama pada proyek besar: hanya mengerjakan yang diminta sambil mengabaikan bagian yang mungkin disentuh, dirusak, atau terdampak. Awalnya ia menjalankan tes, tetapi ketika konteks membesar ia bilang akan menjalankannya “nanti”, dan kecuali Anda memberi instruksi sambil memaki, pada akhirnya ia memang tidak akan pernah menjalankannya sampai tuntas
Saya akan tetap memakainya, tetapi sejauh ini menurut saya ini peningkatan bertahap, bukan level “OMG OMG OMG Mythos sudah datang!”
Sangat mengesankan dan enak diajak bekerja sama
Ini juga bukan fenomena aneh, karena Opus juga persis seperti ini saat saya pertama kali berlangganan. Ada meme yang cukup luas bahwa Anthropic melemahkan Opus karena kekurangan kapasitas, meski saya tidak tahu apakah itu benar. Saya penasaran apakah Fable akan mengalami nasib yang sama
Tetapi tak lama setelah membuat saya cukup kagum dengan melompati masalah-masalah itu secara berurutan, ia jatuh ke loop tak berujung seperti biasanya, terus berbicara alih-alih benar-benar melakukan sesuatu, dan kadang berhenti sehingga saya harus mendorongnya lagi
Jadi ini bukan AGI. Meski begitu, ini jelas peningkatan nyata
Kalimat pendek dalam tulisan ini terasa menakutkan: “Tetapi software engineer akan merapikan sisa bug potensial yang belum sempat saya temukan dengan cepat”
Semua software developer tahu bahwa ini asumsi yang sangat berbahaya dan tidak realistis
Saya membaca beberapa paragraf pertama dari tulisan yang oleh penulis disebut “makalah akademik ilmu sosial paling canggih yang dibuat AI”, dan saya tidak terlalu terkesan seperti yang saya harapkan
Kurang lebih isinya seperti, “Keyakinan ex post terhadap permintaan pasar murni bergantung pada titik acuan. Dengan jumlah pendanaan yang tetap, pendiri hanya melacak performa relatif terhadap target yang mereka tetapkan sendiri. Ia melonjak setengah standar deviasi di ambang batas, merespons tajam pada 10 poin pertama setelahnya, lalu mendatar.”
Orang biasanya tidak menjelaskan data dengan kata-kata seperti ini. Dokumen ringkasannya juga terasa cukup digembungkan isinya
Di sinilah masalahnya terlihat paling jelas
Penulis memasukkan prompt bahwa semua data harus nyata dan terverifikasi, lalu begitu saja mempercayainya. Bahkan pada proyek berbasis data pun demikian. Orang-orang akan melakukan hal yang sama pada tak terhitung banyak hal lain, termasuk hal-hal penting
Bagian “bekerja selama 9 setengah jam” dan “tidak sempurna. Saya menemukan beberapa kesalahan dan kelalaian sebagai ahli, lalu menyuruh AI memperbaikinya” cukup menonjol
Saya juga tidak berharap akan menghabiskan selama itu untuk satu masalah dalam sehari, dan juga tidak berharap akan menghabiskan selama itu untuk memperbaiki ulang hasil yang loop imbalan intinya berdurasi beberapa jam
Klien saya saat ini meminta waktu respons agen diturunkan dari 85 detik menjadi di bawah 20 detik
Pada saat yang sama, melihat industri bergerak menuju alur kerja lebih dari satu jam melalui agen terasa sangat janggal
Kita akan kembali ke masa ketika atasan bertanya kenapa kita cuma duduk diam. Hanya saja, alih-alih berkata “sedang compile”, kita akan berkata “sedang menunggu Claude”
Biasanya lebih baik mendefinisikan prosesnya sendiri dalam kode, lalu membiarkan kode itu mendelegasikan potongan pekerjaan ke model-model. Satu-satunya masalah nyata adalah jadi lebih sulit memanfaatkan diskon langganan dari penyedia
Sebaliknya, routing model secara langsung jadi lebih mudah. Saya belum pernah melihat chatbot umum mampu menjaga konsistensi dalam alur kerja yang berlangsung berhari-hari atau berminggu-minggu
Kalau proyeknya distrukturkan dengan benar, Anda bisa menunjuk titik ekspansi yang diinginkan lalu menjalankannya sekitar 30 menit agar fungsinya berkembang. Memang belum bisa efektif masuk ke ‘mode dewa’ terhadap seluruh kode, tetapi sebagai pengamat yang cermat dan ahli kode, belum tentu perlu lebih dari 128GB VRAM
Mengejutkan bahwa model non-dialog terbaru sudah sampai sejauh ini, dan kalau Tiongkok mulai mencetak silikon untuk model seperti ini, rasanya semuanya akan selesai
Saya sangat penasaran apa prompt puisinya
Idenya terasa akrab, jadi setelah ditelusuri saya menemukan puisi reddit dari 14 tahun lalu: [https://www.reddit.com/r/RedditDayOf/comments/tjjw2/may_12_a...]
Memang tidak sepanjang yang dibagikan penulis, tetapi idenya sama
Ini berasal dari kumpulan fabel SF “The Cyberiad” karya penulis Polandia Stanislaw Lem. Dalam salah satu ceritanya, pembuat robot Trurl membuat mesin penulis puisi, lalu rivalnya yang iri, Klapaucian, menuntut mesin itu: “Puisi tentang potong rambut! Tapi yang luhur, mulia, tragis, abadi, tentang cinta dan pengkhianatan, pembalasan, kepahlawanan yang hening, di hadapan kehancuran yang pasti! Enam baris, berima dengan cerdik, dan setiap kata harus dimulai dengan s!”
Komputer itu menjawab demikian:
“Seduced, shaggy Samson snored.
She scissored short. Sorely shorn,
Soon shackled slave, Samson sighed.
Silently scheming,
Sightlessly seeking
Some savage, spectacular suicide”
Tampaknya hampir pasti penulis merujuk adegan ini saat memberi tantangan pada Fable/Mythos. Saya penasaran seperti apa prompt pastinya
Terjemahan Inggris menggunakan huruf awal dan kata-kata yang berbeda dari teks asli Polandia:
Cyprian cyberotoman, cynik, ceniąc czule
Czarnej córy cesarskiej cud ciemnego ciała,
Ciągle cytrą czarował. Czerwieniała cała,
Cicha, co-dzień czekała, cierpiała, czuwała...
... Cyprian ciotkę całuje, cisnąwszy czarnulę!!
Pekerjaan penerjemah bisa dibandingkan dengan LLM. Keduanya adalah pekerjaan turunan, bekerja di bawah batasan, tetapi tetap punya ruang untuk kreativitas
Perlu diingat, dia bahkan belum memakainya sampai satu jam, jadi masih dalam fase antusias terhadap teknologi baru
Untuk proyek saya sendiri (https://github.com/tsz-org/tsz), saya terus frustrasi karena model-model tidak cukup meneliti dan tidak mempertimbangkan konteks lain. Model akan membuat kode untuk memperbaiki satu hal, lalu berulang kali merusak dua pengujian yang “tampaknya tidak terkait”
Fable tampaknya memakan waktu jauh lebih lama, dan saya juga belum pernah melihat pull request penuh dari sesi Fable, tetapi kalau membaca catatan sesinya, terlihat bahwa ia melakukan hal yang benar dengan cara yang berusaha tidak melewatkan satu batu pun
Seperti yang dikatakan dalam tulisan itu, “rasa” dari model seperti ini sangat berbeda untuk tiap proyek sehingga sulit disampaikan, tetapi saya tetap membagikannya
Penasaran sebenarnya orang-orang mengerjakan apa sampai bisa merasakan perbedaan sebesar itu antara Mythos dan Opus
Aku juga merasa mengerjakan hal yang cukup tingkat lanjut, tapi lebih sering Deepseek saja sudah cukup. Kenapa semua orang di sini seperti jenius?
Kalau mencoba membuat video game setingkat game indie bagus seperti Hades atau Baazar, plus elemen UI yang organik, interaktif, dan terasa beranimasi, efek visual, shader yang kompleks, dan sebagainya, tidak ada model yang benar-benar cukup sampai bisa menyelesaikannya dengan mudah. Sebagian besar masalah yang muncul pada 3% game teratas memang sangat sulit bagi model mana pun jika hanya mengandalkan prompt sederhana
Secara pribadi aku suka ngoding dan belajar sendiri, jadi tidak terlalu peduli, dan DeepSeek Flash sudah cukup buatku. Meski begitu, sangat mudah membuat banyak benchmark yang bahkan model terbaik pun sama sekali belum mendekati, dan aku suka menguji seberapa banyak model membaik pada masalah seperti itu
Sebagai catatan, Fable 5 jelas sedikit lebih baik daripada 4.8
Padahal kenyataannya 90% dari mereka mungkin tetap baik-baik saja hanya dengan Macbook Neo
Menggunakan banyak komponen dasar Rust yang bagus seperti rustls dan Tokio untuk mencoba membuat pengganti nginx yang memory-safe atau setidaknya mendekatinya
Sebagai bagian dari pekerjaan ini, aku juga sedang membuat repositori Lua in Rust berkualitas tinggi. Aku sedang memakai Mythos untuk memperbaiki masalah performa pada interpreter Lua milikku yang membuat gpt 5.5 dan Opus 4.8 buntu
Entah Mythos bisa menyelesaikannya atau tidak, tapi ini sudah berjalan beberapa jam dan hasilnya cukup menjanjikan
Kalau penasaran, grafik performanya ada di sini: https://github.com/ianm199/lua-rs
Juga sedang melihat-lihat proyek open source yang layak untuk dikontribusi. Aku sedang mencari sesuatu yang bisa membantu transisi dari developer hobi menjadi profesional, meski aku tidak tahu apakah itu masih realistis di zaman sekarang
Fable 5 menemukan cukup banyak masalah dalam code review yang terlewat oleh Opus 4.8. Itu pun terjadi meski modelnya diturunkan karena pembatasan terkait keamanan siber yang bodoh. Sulit menjelaskan lebih jauh karena di Max 5x aku cuma bisa mendapat satu sesi per jendela 5 jam. Sejauh ini baru menjalankan dua sesi
Ambil contoh ekstrem: prompt-nya adalah “buat klon Facebook yang lengkap secara fitur dan matang.” Facebook itu kompleks, tetapi kemungkinan tidak terlalu rumit secara teknis. Namun setelah membakar cukup banyak token, kamu akan melihat perbedaan yang signifikan di berbagai aspek pada hasil dari beberapa model untuk prompt itu
Tentu saja permintaan tadi tidak benar-benar berguna. Tapi kenapa tidak menyerahkan bongkahan kerja yang lebih besar sampai mendekati batasnya? Pada titik tertentu kamu akan mencapai ambang itu, dan perbedaannya akan menjadi jelas