Pandangan media asing menyatakan bahwa setelah OpenAI meluncurkan GPT-6 Astra, logika persaingan di bidang AI telah berubah. Fokusnya tidak lagi hanya pada "siapa yang lebih mahir menggunakan AI", tetapi "siapa yang lebih dulu menerapkan dan mengendalikan AI Agent". Artikel tersebut memandang Astra sebagai titik balik dari menjawab pertanyaan menuju eksekusi tugas.
Dari jawaban hingga eksekusi
Astra digambarkan mampu mengoperasikan komputer, menjelajahi web, menggunakan perangkat lunak, menulis dan menjalankan kode, serta menyelesaikan alur kerja yang lebih panjang. Artikel tersebut berpendapat bahwa ini berarti AI sedang berpindah dari "manusia bertanya, model menjawab" menjadi "manusia menyerahkan tugas kepada Agent, Agent menyelesaikan tugas".
Menurut penulis, keunggulan utama Astra bukan hanya kemampuannya yang lebih kuat, tetapi lebih mendekati tenaga kerja digital yang dapat "dipekerjakan". Ia tidak lagi hanya menghasilkan jawaban, tetapi mulai mengambil alih tugas kerja yang berkelanjutan.
Penetrasi tidak lagi dihitung berdasarkan jumlah orang
Artikel menggunakan hasil pengujian OSWorld 2.0 untuk menunjukkan bahwa Astra memiliki kinerja lebih baik dalam tugas jangka panjang dengan waktu penyelesaian yang jelas lebih singkat. Penulis berpendapat bahwa cara menghitung tingkat penetrasi AI juga perlu diubah, dan tidak lagi dapat diestimasi secara sederhana berdasarkan "jumlah orang yang menggunakan AI".
Variabel yang lebih penting sekarang adalah: berapa banyak Agent yang berjalan, berapa banyak tugas yang dijalankan setiap Agent, dan berapa banyak Token yang dikonsumsi setiap tugas. Artikel tersebut berpendapat bahwa seseorang dapat meng部署 banyak Agent secara bersamaan, dan perusahaan juga mungkin menjalankan ratusan hingga ribuan Agent secara bersamaan.
Permintaan token akan diperbesar
Penulis lebih lanjut menunjukkan bahwa permintaan Token di era Agent tidak hanya meningkat seiring pertumbuhan jumlah pengguna, tetapi juga naik sejalan dengan peningkatan kompleksitas tugas dan durasi runtime. Sebuah Agent yang berjalan terus-menerus akan terus melakukan perencanaan, pencarian, eksekusi, validasi, dan koreksi, yang membawa lebih banyak pemanggilan dan konsumsi Token yang lebih tinggi.
Artikel tersebut juga menyebutkan bahwa partisipasi model dalam pelatihan itu sendiri membentuk roda pendorong: model yang lebih kuat menghasilkan Agent yang lebih kuat, Agent yang lebih kuat menghasilkan lebih banyak data berkualitas tinggi, yang pada gilirannya mendorong peningkatan lebih lanjut pada model. Penulis berpendapat bahwa ini akan membawa permintaan komputasi dan token memasuki fase self-reinforcement yang lebih kuat.