OpenAI's Astra Mengalihkan Fokus AI dari Menjawab ke Menjalankan Tugas Jangka Panjang

Yang benar-benar patut diperhatikan dari Astra bukanlah seberapa baik ia menyelesaikan satu soal matematika, melainkan OpenAI sedang mengubah model mutakhir dari sistem jawaban instan menjadi sistem eksekusi yang dapat berjalan selama berjam-jam atau lebih lama, secara mandiri memecah tugas, dan mengoperasikan perangkat lunak nyata.

Penulis artikel, sumber: 0x9999in1, ME News



• Yang benar-benar patut diperhatikan dari Astra bukanlah seberapa baik ia menyelesaikan satu soal matematika, melainkan OpenAI sedang mengubah model mutakhir dari sistem jawaban instan menjadi sistem eksekusi yang dapat berjalan selama berjam-jam atau lebih lama, secara mandiri memecah tugas, dan mengoperasikan perangkat lunak nyata.
• 16 agen bekerja sama membuktikan soal matematika, mengoperasikan komputer secara langsung, "magang penelitian AI"—demonstrasi ini menunjukkan perubahan yang sama: indikator utama persaingan AI sedang berpindah dari kualitas jawaban tunggal menjadi seberapa panjang dan seberapa kompleks rantai pekerjaan yang dapat ditangani secara mandiri.
• Jika kemampuan ini dapat dideploy secara stabil, logika perusahaan dalam membeli AI juga akan berubah: dahulu membeli lisensi perangkat lunak dan Copilot, masa depan mungkin semakin mendekati pembelian "tenaga kerja digital" dan throughput tugas.
• Namun, demonstrasi tertutup bukanlah lingkungan produksi. Astra saat ini belum dirilis secara publik, dan apa yang disebut "magang penelitian" juga merupakan standar internal OpenAI; demonstrasi matematika menghasilkan bukti kandidat, bukan sertifikasi independen terhadap kebenaran ilmiahnya.
• Yang lebih perlu diwaspadai adalah peningkatan kemampuan telah mulai membatasi kecepatan pengembangan OpenAI sendiri. Pada Agustus, OpenAI mengakui bahwa Astra mungkin telah mencapai ambang batas kemampuan keamanan siber tingkat tertinggi “Critical”, dan karena itu menghentikan sebagian kegiatan pelatihan dan evaluasi.
• Jadi, apakah Astra itu AGI, perdebatan sekarang memiliki makna terbatas. Pertanyaan yang benar-benar penting sekarang adalah: ketika AI pertama kali memiliki kesempatan untuk naik dari “menjawab pertanyaanmu” menjadi “melanjutkan pekerjaanmu secara berkelanjutan, bahkan membantu meneliti AI generasi berikutnya”, model ekonomi perusahaan, pasar tenaga kerja, dan perusahaan AI akan mengalami apa.

Jika dilihat secara dangkal, preview tertutup Astra mudah dipahami sebagai promosi lagi sebelum peluncuran model.

Beberapa puluh eksekutif klien penting OpenAI datang ke gedung MB0 baru di San Francisco. Di luar pintu, para demonstran "Stop the AI Race" masih berkumpul; di dalam, sejumlah besar tanaman hijau didorong ke depan kaca, menghalangi pandangan antara kedua pihak. Sam Altman baru saja kembali dari Washington, sebelumnya telah memperkenalkan keluarga model yang belum dirilis ini kepada pejabat pemerintah AS.

Adegan ini sebenarnya lebih akurat daripada acara peluncuran apa pun dalam merangkum industri AI hari ini: modal, pelanggan, dan pemerintah semuanya menunggu kemampuan terus maju, sementara kelompok lain mulai khawatir itu bergerak terlalu cepat.

Tetapi yang sebenarnya penting dari Astra bukanlah "model telah meningkat seberapa banyak persen".

Demonstrasi pertama di lokasi adalah 16 AI Agent yang menghadapi masalah matematika tingkat penelitian. Mereka secara mandiri memecah masalah menjadi beberapa sub-masalah, mencoba masing-masing secara terpisah, mengoordinasikan hasilnya, lalu menggabungkan menjadi satu bukti kandidat. Di sini harus ditekankan kata “kandidat”: ini bukan teorema matematika baru yang telah diverifikasi secara publik, dan tidak serta-merta berarti 16 Agent yang bekerja bersama sama dengan tim peneliti 16 matematikawan unggul. Beberapa model sama-sama mungkin berbagi kesalahan yang sama, dan peningkatan jumlah Agent tidak secara alami berarti tingkat keakuratan meningkat secara linier.

Tapi itu tetap penting.

Karena di masa lalu, kami mengukur model besar dengan kebiasaan memperhatikan satu pertanyaan: apakah ia bisa menjawabnya?

Astra mencoba mengganti pertanyaannya menjadi yang lain: bisakah ia mengatur pekerjaannya sendiri, melanjutkan tugas kompleks secara terus-menerus?

Keduanya tampak hanya selangkah, namun makna bisnisnya bisa berbeda satu era.

Cara interaksi paling khas awal ChatGPT adalah manusia bertanya, mesin menjawab; kemudian Copilot mulai memasuki alur pemrograman, perkantoran, dan kreatif, di mana manusia terus memberikan perintah dan AI terus membantu. Agent melangkah lebih jauh, berarti manusia hanya perlu memberikan tujuan, mesin sendiri yang menentukan langkah-langkah, memilih alat, memeriksa hasil sementara, lalu terus maju.

Jadi, demonstrasi kedua bahkan lebih layak diperhatikan secara serius oleh para eksekutif perusahaan daripada soal matematika.

Astra mengoperasikan komputer secara langsung, beralih di antara berbagai perangkat lunak desktop umum, membuat dan mengubah konten, serta menyelesaikan operasi dengan kecepatan sangat tinggi. Altman menggambarkan bahwa melihat model menggunakan komputer dengan cara "superhuman, sangat cepat" adalah salah satu hal paling mengejutkan yang dirasakan karyawan OpenAI baru-baru ini.

Mengapa mengoperasikan komputer sangat penting?

Karena sebagian besar pekerjaan di dunia perusahaan bukanlah pertanyaan indah yang bisa dimasukkan ke dalam kotak obrolan.

Pekerjaan nyata tersebar di antara browser, Excel, email, repositori kode, ERP, CRM, perangkat lunak desain, database internal, dan sistem persetujuan. Nilai seorang karyawan tidak pernah hanya terletak pada "mengetahui jawaban", tetapi pada kemampuan untuk memindahkan informasi di antara selusin sistem, membuat keputusan, mengubah file, mendorong proses, dan akhirnya menyelesaikan pekerjaan.

Selama AI tidak dapat melewati ambang ini, ia tetap primarily alat pengetahuan.

Setelah melintasinya, baru pertama kali ia benar-benar mendekati "tenaga kerja".

Produk inti yang digambarkan Altman untuk Astra adalah persistent agents—agen yang terus ada dan bekerja dalam jangka panjang.

Kata ini terdengar tidak sehebat AGI, tetapi mungkin lebih dekat dengan hal yang benar-benar akan memengaruhi laporan keuangan perusahaan dalam beberapa tahun mendatang.

Ilmuwan utama OpenAI, Jakub Pachocki, mengatakan kepada TIME bahwa Astra telah mencapai standar internal perusahaan untuk "intern penelitian AI otomatis": berikan ide eksperimen kepadanya, ia dapat masuk ke repositori kode milik OpenAI untuk mengimplementasikan solusi, menjalankan eksperimen, dan mengembalikan hasil; berikan padanya sebuah paper penelitian, ia dapat menjalankan tindak lanjut yang sebelumnya memakan waktu sekitar satu minggu bagi peneliti manusia.

Ini masih hanya evaluasi internal dari OpenAI, tanpa verifikasi pihak ketiga independen, apalagi bisa disimpulkan secara sederhana bahwa "Astra sudah mampu menggantikan peneliti". Namun, sinyal yang dilepaskan sudah cukup jelas: satuan yang dikejar oleh OpenAI sedang berpindah dari token, jawaban, dan percakapan, menuju durasi tugas.

Arah ini bukan narasi yang tiba-tiba diciptakan oleh OpenAI sendiri.

Lembaga penilaian independen METR selama beberapa tahun terakhir telah mencoba mengukur kemampuan Agent menggunakan “task-completion time horizon”: bukan dengan bertanya apakah model bisa mengerjakan jenis soal tertentu, tetapi dengan mengamati seberapa lama waktu yang dibutuhkan model untuk menyelesaikan tugas tersebut dengan tingkat keberhasilan tertentu, sebanding dengan waktu yang dibutuhkan ahli manusia.

Data setelah pembaruan METR pada 2026 masih menunjukkan tren peningkatan eksponensial yang sangat jelas. Dalam jangka panjang, durasi perangkat lunak dan tugas penelitian model mutakhir sekitar berlipat ganda setiap 6 hingga 7 bulan; jika hanya melihat data sejak 2023, kecepatan pertumbuhannya bahkan lebih cepat. Pada Mei tahun ini, beberapa model terbaru yang dipublikasikan telah mendekati atau bahkan melampaui rentang pengukuran efektif sekitar 16 jam dari set pengujian saat ini, sehingga METR secara khusus memperingatkan bahwa data yang melebihi panjang ini sebaiknya tidak ditafsirkan secara berlebihan.

Ini tepat menjelaskan mengapa Astra muncul.

Ketika tugas yang dapat diselesaikan secara stabil oleh model berkembang dari beberapa menit menjadi beberapa jam, lalu dari beberapa jam menuju satu hari atau lebih lama lagi, bentuk produk pasti akan berubah. Anda tidak lagi perlu selalu duduk di samping jendela obrolan untuk memperbaikinya, melainkan mulai berbicara seperti memberi tugas kepada rekan kerja: "Selidiki masalah ini, uji tiga solusi, rapikan datanya, dan berikan hasilnya besok."

Yang disebut "rekan virtual", titik balik sejati bukanlah apakah ia bisa berbicara seperti manusia.

Tapi apakah itu akan terus bekerja setelah kamu pergi.

Ini juga merupakan makna keuangan Astra yang paling diremehkan.

Dalam tiga tahun terakhir, model utama perusahaan dalam membeli AI generatif pada dasarnya masih merupakan perpanjangan dari model SaaS tradisional: menambahkan satu lisensi AI per karyawan, dan membayar beberapa puluh dolar lebih banyak setiap bulan. Microsoft Copilot demikian, versi bisnis ChatGPT demikian, dan banyak AI SaaS lainnya juga demikian.

Namun, begitu agen persisten matang, logika penetapan harga ini akan semakin tidak nyaman.

Why?

Karena yang sebenarnya dibeli oleh perusahaan bukan lagi "izin seorang karyawan untuk menggunakan AI", melainkan kemampuan AI itu sendiri untuk menyelesaikan pekerjaan.

Misalkan tim keuangan sebelumnya memerlukan 10 orang untuk menangani pengolahan data, draf laporan, pemeriksaan anomali, dan entri lintas sistem. Masalah yang dihadapi manajer di masa depan mungkin bukan lagi “Haruskah saya membeli satu Copilot untuk masing-masing dari 10 orang?”, tetapi “Berapa banyak bekerja Agent yang perlu saya beli untuk menyelesaikan tugas-tugas ini?”

Pada saat ini, pesaing AI bukan lagi hanya anggaran perangkat lunak.

It has begun to enter the manpower budget.

Data dari Stanford AI Index 2026 telah menunjukkan kontradiksi ini. Di satu sisi, tingkat adopsi AI perusahaan terus meningkat pesat: pada 2025, 88% organisasi dalam survei telah menggunakan AI di setidaknya satu bidang, dan 70% telah menggunakan AI generatif; di sisi lain, perusahaan yang benar-benar menerapkan Agent masih hanya memiliki proporsi satu digit dalam sebagian besar fungsi bisnis.

Dengan kata lain, orang-orang sudah sangat bersedia "menggunakan AI", tetapi belum secara besar-besaran bersedia "menyerahkan tugas kepada AI".

Ini adalah jurang yang ingin dilalui oleh Astra.

Setelah melintasi batas tersebut, dampaknya tidak akan terbatas pada perusahaan teknologi saja. Statistik Stanford menunjukkan bahwa sejak 2024, lapangan kerja untuk pengembang perangkat lunak berusia 22 hingga 25 tahun di Amerika Serikat telah turun hampir 20%; sementara itu, sekitar sepertiga perusahaan yang disurvei memperkirakan bahwa dalam satu tahun ke depan AI akan menyebabkan pengurangan tenaga kerja, namun pasar tenaga kerja secara keseluruhan saat ini jauh belum mengalami pengangguran massal sebesar itu.

Ini menunjukkan bahwa dampak AI terhadap pasar tenaga kerja kemungkinan besar bukanlah perubahan mendadak seperti menekan saklar utama, melainkan pertama-tama mengubah permintaan marginal pada pintu rekrutmen, posisi tingkat pemula, dan pekerjaan berbasis pengetahuan terstandarisasi.

Karena itu, sebutan "Intern Riset AI" sebenarnya cukup halus.

Hari ini, ia mungkin terlebih dahulu menyelesaikan pekerjaan eksperimen yang memakan waktu satu minggu namun tujuannya relatif jelas bagi para peneliti; besok perusahaan akan bertanya: di mana pemodelan awal analis keuangan? pengumpulan informasi konsultan? pengembangan rutin programmer? eksekusi lintas sistem oleh departemen pemasaran?

Di masa lalu, kita terus membahas apakah AI akan "menggantikan sebuah pekerjaan".

Proses yang lebih realistis kemungkinan besar adalah AI terlebih dahulu mengambil secara perlahan-lahan modul pekerjaan dalam suatu profesi yang paling mudah distandarkan, paling mudah diverifikasi, dan paling memakan waktu. Posisi tidak akan hilang tiba-tiba pada suatu pagi, tetapi pekerjaan yang dulunya memerlukan sepuluh karyawan baru di sebuah perusahaan mungkin secara bertahap hanya memerlukan enam orang, empat orang, ditambah satu kelompok Agent.

Yang biasanya mengubah pasar tenaga kerja bukanlah "AI tiba-tiba bisa segalanya".

Sebaliknya, perusahaan menemukan: karyawan berikutnya tidak perlu segera direkrut.

Jika cerita berakhir di sini, Astra hanyalah produk dengan imajinasi bisnis yang sangat kuat.

Masalahnya adalah, OpenAI sendiri telah membuktikan bahwa hal ini tidak semudah itu.

Pada 7 Agustus, OpenAI secara terbuka menyatakan bahwa berdasarkan evaluasi terbaru internal, perusahaan tidak dapat mengecualikan kemungkinan Astra mencapai tingkat kemampuan keamanan siber "Critical" dalam Kerangka Kesiapan-nya.

Tidak ada ambang batas seperti "model perbandingan bisa menulis kode".

Menurut definisi OpenAI sendiri, level Critical berarti model dapat mencari dan mengembangkan kerentanan nol-hari dengan tingkat keparahan berbeda pada sistem kritis nyata yang telah diperkuat tanpa intervensi manusia, atau hanya berdasarkan satu tujuan tingkat tinggi, secara mandiri merancang dan menjalankan strategi serangan baru end-to-end yang ditargetkan pada tujuan yang diperkuat.

OpenAI menekankan bahwa saat ini hanya tidak dapat mengecualikan tingkat ini, bukan telah secara resmi mengonfirmasi bahwa Astra memiliki seluruh kemampuan tersebut; selain itu, Astra juga tidak terkait dengan insiden keamanan Hugging Face yang sebelumnya melibatkan OpenAI.

Tetapi reaksi perusahaan sudah cukup untuk menunjukkan masalahnya.

OpenAI memperkuat isolasi jaringan, sandbox, perlindungan bobot model, dan pemantauan menyeluruh, serta menangguhkan aktivitas Astra yang tidak memenuhi standar keamanan baru. Pada 18 Agustus, perusahaan lebih lanjut mengungkapkan bahwa pelatihan reinforcement learning untuk model terbaru yang akan dideploy pernah dihentikan selama dua minggu untuk memperkuat lingkungan dan memperluas cakupan pemantauan, dan pelatihan RL mutakhir terbesar saat itu masih tetap ditangguhkan, sementara sejumlah besar pekerjaan pelatihan dan evaluasi yang melibatkan Astra juga belum pulih.

Bahkan keamanan itu sendiri mulai menjadi biaya komputasi yang mahal.

OpenAI memperkirakan bahwa sistem pemantauan saat ini mungkin menghabiskan tambahan sekitar 20% dari daya komputasi yang digunakan untuk inferensi yang dipantau.

Angka-angka ini sangat layak diingat oleh pasar modal.

Cerita industri AI selama beberapa tahun terakhir selalu berupa: semakin kuat model, semakin besar nilai bisnisnya, sehingga layak untuk menginvestasikan lebih banyak GPU, pusat data, dan listrik. Tetapi Astra mulai menunjukkan kurva biaya lain—semakin kuat model, bukan hanya biaya pelatihan menjadi semakin tinggi, tetapi keamanan, isolasi, pemantauan, dan tata kelola juga mulai menyerap daya komputasi.

Ini berarti model ekonomi AI generasi berikutnya tidak bisa hanya menghitung "berapa banyak dolar per juta token".

Harus juga menghitung risiko kehilangan kendali, redundansi keamanan, persetujuan manual, isolasi izin, dan kerugian nyata yang disebabkan oleh kesalahan.

Sebuah model yang membantu menulis email yang salah hanya bisa membuat orang merasa malu.

Kesalahan agen yang memiliki memori jangka panjang, kemampuan eksekusi kode, akses ke jaringan, dan dapat mengoperasikan sistem perusahaan secara otonom selama beberapa jam, bersifat berbeda.

Semakin dekat kemampuan dengan "karyawan", semakin dekat pula manajemen izin harus dengan "karyawan"; sekali kemampuan melebihi karyawan biasa, persyaratan keamanan bahkan harus lebih tinggi daripada karyawan.

Jadi, tantangan sebenarnya dari Astra terhadap OpenAI mungkin bukan "apakah bisa dibuat".

Namun, bisakah sistem semacam ini diubah menjadi produk yang berani dimasukkan ke lingkungan produksi oleh perusahaan?

Kalimat paling jauh yang dikatakan Altman dalam preview tertutup adalah bahwa ia memperkirakan Astra mungkin menjadi model pertama yang mampu "menemukan hal-hal baru dengan cara yang benar-benar penting," dan menyebut kemampuan ini sebagai "sesuatu yang sangat mirip AGI."

This sentence certainly has a strong Altman style.

Saat ini tidak ada bukti publik yang menunjukkan bahwa Astra telah secara konsisten menciptakan pengetahuan ilmiah baru yang telah diverifikasi sejawat, dan OpenAI juga belum mempublikasikan hasil pengujian eksternal yang cukup. Oleh karena itu, menyatakan Astra secara langsung sebagai “AGI telah tiba” tidak perlu dan tidak didukung oleh fakta.

Tetapi mengapa Altman secara khusus menekankan "menemukan pengetahuan baru" patut diteliti lebih serius.

Karena di situlah industri AI benar-benar dapat mengalami perubahan eksponensial.

Jika AI hanya membantu manusia meningkatkan efisiensi dalam menulis kode, mendesain, dan menganalisis dokumen, maka seluruh industri sekalipun paling radikal pada dasarnya tetap merupakan revolusi alat produktivitas. AI dapat sangat meningkatkan efisiensi ekonomi, tetapi tetap terutama bergantung pada manusia untuk menentukan penelitian apa yang akan dilanjutkan, bagaimana merancang eksperimen, dan bagaimana menciptakan teknologi generasi berikutnya.

Jika AI dapat berpartisipasi dalam penelitian AI itu sendiri, logikanya berubah.

Sebuah Agent yang mampu membaca paper, merancang skema eksperimen, memodifikasi kodebase besar, menjalankan eksperimen sendiri, dan menganalisis hasilnya, bahkan hanya mencapai tingkat magang peneliti yang unggul, sudah dapat memperluas kapasitas penelitian efektif dari laboratorium terkemuka.

Hari ini, 100 peneliti mungkin dapat menjalankan 500 Agent secara bersamaan; di masa depan, jumlah eksperimen yang dapat diproses sekaligus oleh setiap peneliti setiap hari mungkin tidak lagi bergantung pada 24 jam dalam sehari, tetapi lebih pada daya komputasi, biaya eksperimen, dan kemampuan verifikasi.

Jadi, sebuah konsep yang dulu sangat abstrak—“AI membantu mengembangkan AI yang lebih baik”—mulai menjadi nyata.

Ini adalah hal paling patut diperhatikan dari Astra, sekaligus tempat paling tepat untuk tetap bijak.

Karena masih ada jurang besar antara “menyelesaikan eksperimen yang dirancang orang lain” dan “secara aktif mengusulkan arah penelitian baru yang bernilai”; jurangnya bahkan lebih besar antara “menghasilkan ide baru yang tampak masuk akal” dan “menghasilkan pengetahuan baru yang dapat direplikasi, dapat diverifikasi, dan benar-benar mendorong kemajuan ilmiah”.

16 agen dapat bekerja secara bersamaan, bukan berarti inovasi 16 kali lipat.

Menjalankan seratus ribu eksperimen setiap hari tidak berarti secara alami akan mendapatkan satu terobosan.

Ilmu pengetahuan tidak pernah kekurangan hipotesis, yang benar-benar langka adalah mengetahui pertanyaan apa yang layak diajukan, dan mengetahui hasil apa yang benar-benar penting.

Whether Astra has crossed this line, no one can conclude from a single closed-door demonstration.

Jadi, membahas apakah Astra adalah AGI sekarang agak terlalu terburu-buru.

Definisi kata AGI sendiri sangat ambigu. Definisi yang lama digunakan oleh OpenAI adalah sistem otonom tingkat tinggi yang mampu melebihi manusia dalam sebagian besar pekerjaan yang bernilai ekonomi; laboratorium, akademisi, dan publik lainnya memiliki standar penilaian yang sama sekali berbeda.

Daripada berdebat tentang satu label, perhatikan tiga masalah yang lebih spesifik.

Pertama, berapa lama tugas yang dapat ditangani secara mandiri oleh Astra, dan berapa tingkat keandalannya?

Kedua, setelah masuk ke lingkungan produksi perusahaan, berapa lama waktu yang dibutuhkan manusia untuk memeriksa dan memperbaiki kesalahan? Jika sebuah Agent bekerja selama delapan jam untuk Anda, tetapi insinyur harus menghabiskan tiga jam lagi untuk memverifikasi, peningkatan produktivitas nyatanya sama sekali berbeda dari video demonstrasi.

Ketiga, dan yang paling penting: apakah ia mampu mendorong penelitian otomatis dari "melaksanakan eksperimen" menjadi "menemukan pengetahuan baru yang benar-benar bernilai".

Dua pertanyaan pertama menentukan apakah Astra merupakan bisnis yang sangat besar.

Masalah ketiga, baru menentukan apakah itu titik balik suatu zaman.

Dari sudut pandang ini, dinding tanaman hijau yang didorong ke depan di pintu masuk MB0 memiliki makna simbolis. Di satu sisi, ada puluhan eksekutif klien yang menyaksikan untuk pertama kalinya agen digital yang mungkin bekerja secara jangka panjang untuk mereka; di sisi lain, ada para demonstran yang menuntut seluruh industri menghentikan perlombaan AI. Kedua belah pihak memiliki penilaian yang sangat berbeda tentang masa depan, tetapi pada dasarnya sama-sama mengakui satu hal: teknologi ini sedang menjadi lebih kuat daripada sebelumnya.

Astra belum dirilis secara publik, dan kemampuan internalnya juga jauh dari teruji secara eksternal. Astra mungkin mengalami penundaan, mungkin menunjukkan banyak masalah keandalan di lingkungan nyata, atau mungkin pada akhirnya tidak sependek yang digambarkan oleh Altman sebagai AGI.

Semua kemungkinan ini harus dipertahankan.

Tetapi satu hal semakin jelas.

Tahap sebelumnya dalam persaingan model besar adalah siapa yang bisa menjawab pertanyaan-pertanyaan yang sudah diketahui dunia; tahap berikutnya yang diwakili oleh Astra mulai menanyakan siapa yang bisa terus bertindak, menyelesaikan pekerjaan kompleks secara mandiri, dan pada akhirnya membantu manusia mengeksplorasi pertanyaan-pertanyaan yang dunia belum mengetahui jawabannya.

Dari chatbot hingga rekan kerja virtual, terdapat empat dinding tinggi: keandalan, keamanan, biaya, dan kepercayaan organisasi.

Yang sekarang benar-benar menjadi fokus OpenAI adalah kemampuan Astra untuk melewati satu per satu.

Namun jika memang benar-benar terbalik, orang-orang akan menoleh ke tahun 2026, dan yang benar-benar penting mungkin bukanlah seberapa banyak suatu model memimpin di peringkat.

Namun, mesin pertama kali mulai memperoleh kemampuan yang sebelumnya terutama dimiliki manusia: menerima suatu tugas, lalu melanjutkannya sendiri hingga selesai.

1. Alex Heath, “Inside OpenAI’s Reboot”, TIME, 26 Agustus 2026 (dikutip dari Yahoo Tech).
2. OpenAI, "Menanggapi batas berikutnya dari kemampuan siber kritis", 7 Agustus 2026. (OpenAI)
3. OpenAI, "Pacing model development in an era of cyber-critical capabilities", 18 Agustus 2026. (OpenAI)
4. Cat Zakrzewski, Ian Duncan, Riley Beggin, “Sam Altman Menggandeng Washington Saat OpenAI Mendorong AI Baru yang Kuat”, The Washington Post, 2026年7月31日。(The Washington Post)
5. Stanford Institute for Human-Centered AI, Laporan AI Index 2026 — Ekonomi, 2026. (斯坦福HAI)
6. METR, “Task-Completion Time Horizons of Frontier AI Models”, diperbarui pada 8 Mei 2026. (METR)
7. METR, “Time Horizon 1.1”, 29 Januari 2026. (METR)
8. Hentikan Perlombaan AI, “Occupy OpenAI / Stop The AI Race”, 2026. (stoptherace.ai)