OpenAI Meluncurkan Model GPT-6 Astra, Kemampuan Agen AI Melampaui Batas Sebelumnya

OpenAI meluncurkan model GPT-6 Astra, mencapai transisi kunci AI dari Answer Engine menjadi AI Agent. Astra kini mampu mengoperasikan komputer, menjelajahi web, menggunakan perangkat lunak, menulis dan menjalankan kode, serta menyelesaikan alur kerja kompleks, mencapai 72,6% dalam tes OSWorld 2.0, lebih tinggi dari 65,7% GPT-5. Ini berarti AI berpindah dari "menjawab lebih baik" menjadi "berhasil menyelesaikan tugas", bukan lagi sekadar alat untuk menjawab pertanyaan, melainkan menjadi tenaga kerja digital yang dapat "dipekerjakan". Permintaan token akan berubah dari pertumbuhan pengguna tunggal menjadi efek multiplikatif yang melibatkan tiga variabel sekaligus: jumlah Agent, jumlah tugas per Agent, dan konsumsi token per tugas. AI sedang membentuk efek roda pendorong "Human+AI→Train→Better AI", di mana peningkatan kemampuan model sendiri menjadi mesin pendorong pertumbuhan permintaan daya komputasi.

Penulis artikel, sumber: Opini Minoritas

Saya yakin hampir semua orang setuju dengan pernyataan berikut:

Di era AI, yang akan mengalahkanmu adalah orang atau perusahaan yang lebih awal dan lebih mahir menggunakan AI.

Namun, setelah OpenAI meluncurkan model GPT-6 Astra mereka sendiri, pernyataan di atas sepenuhnya tidak akurat, atau bahkan salah sama sekali. Sekarang, pernyataan yang benar seharusnya:

Di era AI, yang akan mengalahkan Anda bukanlah orang atau perusahaan yang lebih mahir menggunakan AI, melainkan mereka yang lebih proaktif dalam segera memiliki, menerapkan, dan benar-benar menguasai AI Agent.

Sebagai peringatan khusus, "Anda" di atas juga bisa berupa perusahaan.

Masih ingat? Bulan lalu, Astra pernah muncul sebagai model rahasia internal OpenAI, yang memberikan jawaban setara dengan penelitian matematika tingkat tertinggi (penghargaan Fields) untuk 10 masalah matematika dan ilmu komputer teoretis. Dan kali ini, terobosan terbesar dari Astra yang dirilis secara resmi oleh OpenAI tidak hanya membuatnya menjadi "lebih cerdas" (memiliki kemampuan matematika dan ilmiah yang lebih kuat), tetapi Astra membawa AI dari Answer Engine benar-benar berubah menjadi AI Agent.

Jadi, dalam rilis kali ini, OpenAI tidak lagi terbatas pada membahas seberapa besar benchmark Astra meningkat, tetapi langsung memberikan deskripsi yang sangat jelas tentang batasan kemampuan Astra:

Astra telah mampu mengoperasikan komputer, menjelajahi web, menggunakan perangkat lunak, menulis dan menjalankan kode, menyelesaikan alur kerja kompleks, serta melakukan tugas jangka panjang dalam bidang ilmiah, keamanan siber, dan profesional.

Kalimat ini merangkum terobosan sejati Astra. Artinya, AI benar-benar berpindah dari “manusia→AI→jawaban” menuju “manusia→AI Agent→tugas→eksekusi→hasil”. Jadi, GPT-6 Astra berarti:

AI bukan lagi sekadar alat untuk menjawab pertanyaan, tetapi mulai menjadi tenaga kerja digital yang dapat "dipekerjakan", bekerja terus-menerus tanpa istirahat.

Astra's capability improvement on long-range missions is the most critical.

Dalam OSWorld 2.0 (sebuah tes yang diajukan oleh tim dari CMU dan Stanford untuk mengevaluasi kemampuan AI Agent dalam menyelesaikan tugas-tugas kompleks seperti pekerjaan kantor, debugging perangkat lunak multi-file, dan konfigurasi keamanan jaringan tingkat sistem, lalu membandingkannya dengan baseline ahli manusia), Astra mencapai 72,6%, lebih tinggi dari 65,7% GPT-5.6 Sol; sementara itu, waktu simulasi penyelesaian tugas turun dari sekitar 75 menit menjadi sekitar 40 menit.

Ini berarti Astra sedang mengalami perubahan yang sangat menentukan:

Dari "menjawab lebih baik" menuju "berhasil menyelesaikan hal-hal".

Ini akan benar-benar mengubah cara kita memahami "tingkat penetrasi AI" dan menghitung permintaan total terhadap token. Di masa lalu, saat memperkirakan ukuran pasar AI, kita secara alami bertanya: Berapa banyak orang yang menggunakan ChatGPT? Berapa banyak karyawan perusahaan yang menggunakan Copilot? Berapa tingkat penetrasi AI di kalangan programmer, staf layanan pelanggan, pekerja kantoran, dan ilmuwan?

Kemudian gunakan “jumlah pengguna × ARPU” untuk memperkirakan seberapa besar ruang pasar AI. Logika ini tentu tidak bermasalah di era Answer Engine. Namun, di era AI Agent, masalah muncul:

• Seseorang menggunakan AI tidak berarti hanya ada satu beban kerja AI per orang; seseorang dapat membuat banyak tugas Agent; sebuah perusahaan dapat secara bersamaan menerapkan ratusan hingga ribuan Agent. Sebuah Agent dapat berjalan terus-menerus selama beberapa jam, bahkan 24 jam.

Oleh karena itu, ada ketidaksamaan berikut:

1 orang ≠ 1 pengguna AI ≠ 1 unit beban kerja AI.

Seorang ilmuwan material dapat mengonfigurasi puluhan AI Agent sekaligus untuk menjalankan tugas penelitian di berbagai bidang penelitian. Oleh karena itu, variabel yang benar-benar perlu diperhatikan menjadi:

• Berapa banyak AI Agent yang sedang berjalan di seluruh dunia?
• Berapa banyak tugas yang dijalankan setiap AI Agent yang sedang berjalan per hari? Berapa banyak token yang dikonsumsi?

Produk dari dua angka ini baru akan menjadi fungsi permintaan sebenarnya dari AI.

Apakah Anda menggunakan AI, apakah teman-teman Anda menggunakan AI, atau apakah perusahaan Anda menggunakan AI, sama sekali tidak relevan terhadap tingkat penetrasi AI dan permintaan total token. Jika Anda tidak menggunakan AI, akan ada orang lain yang menggunakan AI Agent untuk menggantikan keunggulan atau bisnis Anda, lalu menggantikan Anda dan perusahaan Anda.

Jadi, di sini kami tambahkan satu kalimat khusus:

Saat ini, setidaknya semua perusahaan menengah dan besar seharusnya memperhatikan pembuatan strategi AI perusahaan mereka pada tingkat dewan direksi, karena dunia ini penuh dengan orang-orang cerdas yang mengincar bisnis menguntungkan Anda.

Oleh karena itu, definisi tingkat penetrasi AI berubah dari "Per Human" menjadi "Per Agent". Dulu kita menganggapnya seperti ini:

Tingkat penetrasi AI = Jumlah orang yang menggunakan AI / Populasi potensial

Setelah Astra, rumus penetrasi AI Agent adalah sebagai berikut:

Tingkat penetrasi agen = Tugas pekerjaan yang diambil alih oleh Agen AI / Tugas pekerjaan yang dapat dieksekusi oleh Agen

Tentu saja, penyebut dari dua rumus ini memiliki perbedaan skala yang sangat besar. Karena Agent tidak lagi perlu berpadanan satu-satu dengan jumlah manusia, satu orang pun mungkin memiliki beberapa Agent AI pribadi sekaligus. Mengenai berapa banyak "tugas yang dapat dieksekusi oleh Agent", saya merasa halaman pengenalan Astra yang dirilis oleh OpenAI memberikan petunjuk.

Di atas adalah peta bintang alam semesta yang diberikan oleh OpenAI di halaman pengenalan Astra kali ini; sisi lain dari kecilnya manusia di alam semesta adalah ketidaktahuan manusia terhadap dunia alam semesta, dan semua eksplorasi terhadap ketidaktahuan tersebut dapat menjadi tugas penelitian untuk AI Agent, sehingga dapat disimpulkan bahwa jumlah AI Agent bisa tak terhingga.

Jadi, "berapa banyak orang di seluruh dunia yang mulai menggunakan AI" dan "berapa banyak tenaga kerja digital yang sedang berjalan" adalah dua angka yang sama sekali berbeda skalanya.

Sedangkan permintaan total terhadap token akan menunjukkan elastisitas permintaan yang jauh lebih besar daripada "pertumbuhan jumlah pengguna AI Agent". Karena permintaan token di era Agent tidak hanya tumbuh secara sederhana seiring dengan peningkatan jumlah pengguna, tetapi juga tumbuh seiring dengan "jumlah pekerjaan AI yang ditanggung oleh setiap Agent".

Oleh karena itu, total permintaan Token dapat ditulis secara perkiraan sebagai:

Total token demand ≈ Number of AI agents × Tasks per agent × Tokens consumed per task

Dan ketiga variabel ini dapat tumbuh pesat secara bersamaan.

Pertama, peningkatan jumlah agen. Dulu, seseorang mungkin hanya menggunakan satu ChatGPT, tetapi di masa depan, seseorang mungkin menjalankan agen asisten pribadi, agen pemrograman, agen penelitian, agen keuangan, agen belanja, dan lainnya secara bersamaan. Perusahaan mungkin akan berkembang dari puluhan hingga ratusan agen menjadi ribuan, bahkan puluhan ribu agen.

Kedua, jumlah tugas yang dijalankan setiap Agent semakin banyak. Dulu, "Tolong ringkas artikel ini" mungkin hanya membutuhkan ribuan Token, sedangkan di masa depan, tugasnya adalah "Teliti industri ini, baca 500 dokumen, bandingkan 50 perusahaan, bangun model, cari anomali, buat laporan, lalu berikan rekomendasi investasi berdasarkan laporan tersebut." Dan inilah makna Astra: semakin mampu model menyelesaikan tugas kompleks, semakin berani manusia menyerahkan tugas kompleks kepada Agent.

Ketiga, agen akan berubah dari "pemanggilan sesekali" menjadi "berjalan terus-menerus". Ini adalah perubahan paling penting. ChatGPT tradisional hanya dipanggil ketika pengguna bertanya, memberikan jawaban, lalu berhenti. Sementara AI Agent adalah,

Tetapkan tujuan → Perencanaan → Pencarian → Eksekusi → Verifikasi → Modifikasi → Eksekusi ulang → Selesai.

Ini adalah rantai komputasi yang berjalan terus-menerus, terus-menerus menghasilkan panggilan API. Semakin kompleks tugasnya, semakin panjang Reasoning, semakin besar Context, semakin banyak Tool Call, semakin banyak Output, dan semakin besar konsumsi Token.

Oleh karena itu, AI Agent tidak hanya akan meningkatkan jumlah pengguna AI, tetapi juga akan memperbesar permintaan Token di balik setiap pengguna AI.

Jadi, sepenuhnya mungkin terjadi bahwa jumlah AI Agent hanya meningkat 20%, tetapi permintaan total Token meningkat 300%.

Astra adalah pelatihan terbesar yang pernah dilakukan oleh OpenAI, dan informasi publik menunjukkan bahwa skala pelatihannya telah melewati 100.000 GPU. Lebih penting lagi, AI semakin banyak terlibat dalam proses pelatihan model itu sendiri.

Dulu adalah "Manusia→Pelatihan→AI", dan perlahan berubah menjadi:

Manusia + AI → Latih → AI yang Lebih Baik

Ini sudah merupakan mode dasar RSI, di mana model dapat berpartisipasi dalam menghasilkan data pelatihan, mengidentifikasi masalah, melakukan evaluasi, memberikan umpan balik, bahkan membantu sebagian pekerjaan teknik dan penelitian selama proses pelatihan.

Akibatnya, akan terbentuk rantai efek roda penerbangan yang sangat indah:

Model yang lebih kuat akan meningkatkan kemampuan AI Agent, sehingga AI Agent dapat menyelesaikan lebih banyak tugas dunia nyata, menghasilkan lebih banyak data tugas berkualitas tinggi dan umpan balik, yang pada gilirannya membantu melatih model yang lebih kuat, dan model yang lebih kuat kembali meningkatkan kemampuan Agent, sehingga dapat mengambil alih lebih banyak tugas…

Ini berarti perkembangan AI tidak akan seperti "iterasi versi" perangkat lunak tradisional, melainkan lebih seperti sistem produksi yang mempercepat dirinya sendiri. Akibatnya, permintaan terhadap Token akan mengalami efek multiplikasi yang meluas secara multivariabel, dan semakin kuat modelnya, semakin jelas efek multiplikasi ini.

Jadi, kita pasti akan melihat:

Peningkatan kemampuan model itu sendiri menjadi mesin pendorong pertumbuhan permintaan komputasi AI, yang selanjutnya menghasilkan miliaran, puluhan miliar, dan semakin banyak tenaga kerja digital AI Agent, lalu permintaan terhadap Token pun meluap deras, tak terbatas.

Ini adalah signifikansi penting dari peluncuran GPT-6 Astra ini.