AVATAR AI SEKARANG DAPAT BERBICARA HINGGA 5 MENIT DALAM SATU GENERASI OmniHuman 2.0 mengubah foto karakter menjadi video dengan suara, ekspresi wajah, gerakan tangan, dan pergerakan seluruh tubuh. Unggah trek audio, deskripsikan gerakan kamera dan tindakan dalam teks, lalu model akan menghasilkan performa tersebut. Berikut hal-hal yang menonjol: Video 5 menit: meningkat dari 60 detik, tanpa menyambungkan klip-klip terpisah. Dialog dan musik: mendukung format konten yang lebih ekspresif. Biaya generasi lebih rendah: dilaporkan turun dari $0,12 menjadi $0,07 per detik. Dengan harga $0,07 per detik, video lima menit biayanya sekitar $21. Hal ini membuka peluang praktis untuk penggunaan presenter virtual, kreatif iklan, konten edukasi, dan karakter bermerek yang perlu berbicara secara rutin. Peluang lebih besar adalah produksi konten dalam skala besar. Alih-alih merekam orang setiap kali Anda membutuhkan video baru, Anda dapat membangun alur kerja berulang yang berbasis karakter digital, naskah, dan trek audio. Ujian sebenarnya adalah apakah hasilnya tetap konsisten dan alami selama lima menit penuh. https://t.co/PW8ib5olVc

BLACK FOREST LABS BARU SAJA MENJADIKAN GENERASI GAMBAR AI 4K DIMUNGKINKAN DI GPU 8GB @bfl_ai meluncurkan FLUX 3 Image Klein, model berbobot terbuka dengan 5,6 miliar parameter yang membawa kemampuan generasi dan pengeditan gambar canggih ke perangkat konsumen. Alih-alih bergantung sepenuhnya pada API cloud, pengembang sekarang dapat menjalankan model gambar yang mampu secara lokal melalui ComfyUI atau Diffusers. Berikut fitur yang ditawarkannya: 5,6 miliar parameter Generasi gambar 4K native Pengeditan dengan hingga 10 gambar referensi Kontrol bounding-box untuk tata letak yang presisi Model dasar dan terdistilasi untuk berbagai beban kerja Dukungan INT8 untuk GPU dengan VRAM sekecil 8GB Menurut Black Forest Labs, model terdistilasi menghasilkan gambar 1MP dalam waktu kurang dari 9 detik di RTX 4070. Namun, peluang yang lebih besar bukanlah benchmark kecepatan lainnya. Ini adalah apa yang terjadi ketika tim pemasaran dapat membangun infrastruktur produksi gambar mereka sendiri. Bayangkan alur kreatif di mana agen menghasilkan puluhan variasi iklan, menyesuaikan aset yang ada ke berbagai format, dan mempertahankan referensi visual yang konsisten tanpa mengirim setiap permintaan ke platform SaaS terpisah. Model ini dapat dijalankan secara lokal, pengaturannya dapat distandarkan, dan tugas produksi berulang dapat diotomatisasi melalui alur kerja khusus. Ada batasan penting. Bobot terbuka tidak berarti kebebasan komersial tanpa batas. Lisensi FLUX Kommunity mengizinkan penggunaan komersial gratis untuk bisnis dengan pendapatan tahunan di bawah $5 juta, sementara organisasi yang lebih besar memerlukan lisensi tambahan. Inferensi lokal juga membawa biaya perangkat keras, pemeliharaan, dan pengaturan. Namun, arahnya semakin jelas. Saat model gambar menjadi lebih kecil dan lebih mudah diakses, kemampuan menghasilkan visual berhenti menjadi keunggulan kompetitif utama. Yang lebih penting adalah sistem di sekitarnya: arahan kreatif, konsistensi merek, aset propietari, dan distribusi. AI membuat infrastruktur produksi visual semakin mudah diakses. Tim yang tahu apa yang harus dibuat dan mengapa akan mendapat manfaat paling besar. penelitian ↓

META BARU SAJA MELOMBAKAN MODEL AI BERBOBOT TERBUKA 816B YANG BISA DIJALANKAN DI DUA MAC STUDIOS @Meta telah merilis Muse Spark Open, model AI barunya yang dirancang untuk pemrograman kompleks, agen otonom, dan tugas teknik jangka panjang. Bagian yang tidak biasa adalah para pengembang dapat mengunduh bobotnya dan menjalankan model sebesar ini di perangkat lokal, bukan bergantung sepenuhnya pada API cloud. Berikut yang dimasukkan Meta ke dalamnya: 816 miliar parameter total 42 miliar parameter aktif per token Jendela konteks 1 juta token Dukungan input teks, gambar, video, dan audio secara native Dukungan untuk perangkat keras AMD, Apple, Intel, dan NVIDIA Arsitektur ini menggunakan Mixture of Experts. Alih-alih mengaktifkan semua 816 miliar parameter untuk setiap token, model ini hanya menggunakan sekitar 42 miliar, sehingga mengurangi kebutuhan komputasi selama inferensi. Hal ini membuat penerapan di desktop menjadi sangat menarik. Meta bekerja sama dengan Apple untuk mengoptimalkan Muse Spark Open agar berjalan di dua Mac Studio M5 Ultra menggunakan kerangka kerja MLX. Bersama-sama, kedua mesin ini menyediakan hingga 1 TB memori terpadu. Perusahaan juga memperagakan alur kerja agen nyata yang berjalan secara lokal: Memperbaiki bug dan mengimplementasikan fitur dalam aplikasi iOS Menyelesaikan proses build perangkat lunak melalui Muse Code Mengontrol DaVinci Resolve untuk menganalisis rekaman Mengidentifikasi momen video kuat dan membuat pemotongan vertikal Model ini tersedia melalui Hugging Face dan penyedia API termasuk Groq, Together AI, Fireworks, dan OpenRouter. Namun ada perbedaan penting. Berbobot terbuka tidak berarti sumber terbuka tanpa batas. Lisensi Model Muse Meta mencakup batasan komersial, dan menjalankan model 816 miliar secara lokal tetap memerlukan perangkat keras mahal. Yang paling menarik bagi saya adalah apa yang bisa berarti ini bagi operasi berbasis AI. Tim pemasaran semakin membangun agen yang memproses percakapan pelanggan, menganalisis pesaing, mengklasifikasikan konten, dan mengoordinasikan alur kerja produksi. Saat ini, banyak sistem tersebut bergantung pada penyedia model eksternal untuk setiap langkah. Model berbobot terbuka yang lebih canggih menciptakan pilihan lain: menjalankan penelitian sensitif, pemrosesan pengetahuan internal, dan agen khusus di infrastruktur yang dikendalikan organisasi. Ini tidak otomatis membuat AI lokal lebih murah atau lebih baik. Biaya penerapan, kecepatan inferensi, pemeliharaan, dan kualitas model tetap menentukan apakah itu masuk akal. Namun lanskap persaingan sedang berubah. Akses ke model kuat secara bertahap menjadi kurang bergantung pada sejumlah kecil penyedia API tertutup. Dan seiring akses model menjadi lebih fleksibel, keunggulan berpindah ke tim yang mampu membangun alur kerja andal, menghubungkan data propietari, dan mengubah kemampuan AI menjadi sistem yang berguna.

GPT-5.6 SOL BARU SAJA MENGUBAH EKONOMI KEAMANAN SIBER Para peneliti menggunakan AI untuk membantu mengungkap kerentanan kritis di Linux yang memungkinkan mesin virtual mengakses host-nya. Biaya API yang dilaporkan kurang dari $700 Bagian yang menarik bukan hanya kerentanannya sendiri. Peneliti manusia tetap mengarahkan dan memverifikasi pekerjaan tersebut, tetapi AI membuat investigasi yang sangat kompleks jauh lebih murah Jika menemukan kerentanan kritis menjadi seharga ini, keuntungan berpindah ke pihak yang bisa menemukan, memvalidasi, dan memperbaikinya lebih cepat AI menurunkan biaya baik serangan maupun pertahanan infrastruktur via @entropyIO

META SEDANG MEMBANGUN LAYER DISTRIBUSI BERIKUTNYA UNTUK AGEN AI @Meta dan Sierra bekerja sama dengan Shopify, @stripe, dan Walmart dalam sebuah protokol yang memungkinkan agen AI mengautentikasi dan berinteraksi dengan bisnis atas nama pelanggan. Cerita yang jelas adalah keamanan. Agen memerlukan izin untuk mengakses akun, memeriksa pesanan, dan melakukan tindakan tanpa dianggap sebagai bot. Namun, saya pikir implikasi yang lebih besar adalah untuk pemasaran. Selama puluhan tahun, perusahaan mengoptimalkan situs web untuk mengonversi pengunjung manusia. Sekarang, mereka mungkin perlu melayani agen AI yang meneliti produk, membandingkan penawaran, dan membuat keputusan sebelum seseorang membuka situs web tersebut. Itu mengubah perjalanan pembelian. Data produk, harga, ketersediaan, reputasi, dan informasi yang dapat dibaca mesin bisa menjadi sama pentingnya dengan halaman landing itu sendiri. Dan keunggulan kompetitif bergeser menuju kemampuan ditemukan, dipahami, dan diakses oleh mesin. Protokol ini masih awal, tetapi arahnya patut diikuti. Merek telah menghabiskan bertahun-tahun mengoptimalkan mesin pencari. Tantangan berikutnya adalah memastikan agen AI benar-benar dapat memilih dan berinteraksi dengan mereka.

AI BARU SAJA MEMBUAT PEMBANGUNAN ALTERNATIF ADOBE JAUH LEBIH MURAH Seorang pengembang dilaporkan menggunakan Claude Opus 5.5 dan Rust untuk membangun tujuh aplikasi kreatif open-source yang mencakup Photoshop, Illustrator, Premiere Pro, After Effects, dan lainnya. Namun, aplikasi-aplikasi ini belum siap untuk digunakan secara produksi. Kompatibilitas profesional, kualitas rendering, dan keandalan masih penting. Namun, cerita yang lebih besar bukanlah Adobe kehilangan tujuh kategori produk dalam semalam. Melainkan apa yang terjadi ketika biaya membangun perangkat lunak kompleks turun secara drastis. Selama bertahun-tahun, perusahaan perangkat lunak mapan mendapat keuntungan dari investasi teknik besar yang diperlukan untuk bersaing dengan mereka. AI mulai melemahkan hambatan itu. Keunggulan kompetitif yang sebenarnya mungkin bergeser dari siapa yang mampu membangun perangkat lunak menjadi siapa yang bisa membuatnya andal, memperoleh kepercayaan pengguna, dan membangun ekosistem terkuat. Itu adalah ancaman yang jauh lebih menarik bagi Adobe daripada kloning Photoshop gratis lainnya.

Pasar prediksi memiliki masalah metrik vanity: volume perdagangan. Volume tampak seperti daya tarik, tetapi bisa melonjak di sekitar peristiwa besar dan menghitung modal yang sama berulang-ulang saat trader berputar posisi. Open interest memberikan cerita yang jauh lebih bersih. Per 1 Mei, pasar prediksi yang dilacak memegang sekitar $1,11 miliar dalam OI. Kalshi: ~$630,7 juta Polymarket: ~$449,9 juta Bersama-sama, mereka menyumbang hampir 98%. Semua pesaing lain berada di bawah $15 juta. Hal ini mengubah cara saya membaca kategori ini. Ini bukan sepuluh platform yang bersaing secara setara. Ini adalah dua pusat likuiditas yang diikuti oleh ekor panjang produk yang semakin spesifik. @Kalshi menang dengan jalur terregulasi dan UX seperti broker. @Polymarket menguasai posisi asli kripto. Pemain lebih kecil membedakan diri melalui lingkungan tertentu: pasar kripto bergaya bursa, kontrak makro, atau pasar prediksi yang tertanam langsung di venue perdagangan yang sudah ada. Pelajaran lebih luasnya sederhana: aktivitas bukanlah hal yang sama dengan kedalaman. Anda bisa mensubsidi volume dan membuat dashboard tampak aktif. Anda tidak bisa memalsukan apakah modal serius dapat masuk dan keluar tanpa menggerakkan pasar. Saya akan meranking pasar prediksi berdasarkan OI, kedalaman, spread, dan kualitas resolusi sebelum volume utama.

Perp DEX pada 2026 tidak menghadapi masalah lalu lintas. Mereka menghadapi masalah retensi. Mendapatkan 50.000 dompet melalui KOL, poin, dan kampanye airdrop relatif mudah. Namun, membuat seorang trader melakukan setoran, membuka posisi, kembali minggu depan, dan akhirnya menjadikan platform Anda bagian dari stack perdagangan mereka jauh lebih sulit. Itulah mengapa @entropyIO menarik untuk diikuti. Alih-alih mengandalkan hanya imbalan spekulatif di masa depan, Entropy membangun insentif berdasarkan perilaku yang dapat berlipat ganda: rebate perdagangan, referral, distribusi mitra, dan imbalan yang dibayarkan dalam $HYPE menggunakan biaya tingkat deployer. Baru-baru ini, Entropy mulai mendistribusikan rebate tersebut kepada trader dan referrer, sekaligus memperluas distribusi melalui saluran seperti Trust Wallet. Dan sudah ada aktivitas yang signifikan untuk dipertahankan. DefiLlama saat ini menunjukkan volume Perp 30 hari sekitar $895 juta untuk Entropy. Metrik penting sekarang bukan berapa banyak dompet yang bisa didapat dari kampanye. Tetapi akun terdana → perdagangan pertama → minggu kedua → retensi Hari ke-30 → LTV. Poin bisa menyewa volume. Sistem pertumbuhan yang nyata membuat kembali menjadi rasional secara ekonomi bahkan setelah kampanye berakhir.

AKUN MATI DI FUNNEL SERING KALI ADALAH AKUN PENDIRI Setiap audit terlihat sama. Brand memposting setiap hari. Akun pribadi pendiri dibekukan pada bulan April. Sebuah pin dari peluncuran musim lalu. Untuk produk yang membutuhkan pengguna dan mitra, kesenjangan ini sangat mahal. Tidak ada yang bertanggung jawab menutupnya. Tim mengkategorikan saluran ini sebagai “pribadi” atau “ketika saya punya satu jam.” Di Web3, suara pendiri adalah aset paling tepercaya yang sudah dimiliki perusahaan. Sebagian besar tim justru mengabaikannya. INI BUKAN TENTANG KARISMA Edelman 2025: ilmuwan 77%, guru 75%, CEO secara umum 53%. Orang-orang mempercayai seseorang yang memahami subjeknya. Bukan struktur organisasi. Di crypto, perhatian juga punya harga. Ruang pikiran berkumpul di sekitar wajah dan sudut pandang. Brand tanpa wajah berjuang untuk mendapatkan perhatian itu tanpa aset terkuatnya aktif. Brand menyampaikan apa yang sudah dirilis. Pendiri menjelaskan mengapa itu penting dan apakah orang yang membangunnya layak menjadi pilihan. DI MANA INBOUND SEBENARNYA BERAKHIR Kemitraan, rekrutmen kuat, pengenalan dana, percakapan dengan bursa jarang masuk ke inbox brand. Mereka justru mendarat di DM orang yang pandangannya baru saja dibaca seseorang. Akun pribadi adalah bagian paling atas funnel. Bukan sekadar pemikiran Jumat. CARA TIDAK MEMBUNUH SALURAN INI Brand: pengumuman, produk, fakta. Pendiri: di mana pasar salah, bagaimana Anda membangunnya, kerugian sesekali. Press release yang sama dari dua akun adalah beban mati. Jangan hitung pengikut. Hitung balasan dari orang yang tepat. Thread yang membuka percakapan. Panggilan telepon. Kesepakatan yang bisa dikaitkan dengan sebuah postingan. Lima ribu pengikut baru tanpa percakapan sama sekali adalah bulan yang gagal. Setengah dari saluran ini bukanlah timeline Anda sendiri. Ini adalah balasan di bawah akun-akun yang sudah dibaca oleh pembeli Anda. Saluran ini tidak bisa bergantung pada waktu luang gratis. Itu minggu ketika saluran itu mati, dan minggu ketika Anda paling membutuhkannya. LinkedIn adalah ruangan terpisah. Kepercayaan dari Crypto Twitter tidak ikut bersama Anda. Seorang investor mencari nama Anda. Profil kosong atau “gm, airdrop baru” bukanlah kredibilitas di sana. Itu sinyal bahwa Anda berbicara di ruang yang salah. Halaman perusahaan hanya mendapat sebagian kecil jangkauan yang didapat oleh seseorang. Pendiri yang diam membuat setiap sentuhan selanjutnya menjadi lebih mahal. Suara yang aktif membuatnya lebih murah.

PELANGGAN ANDA BERIKUTNYA MUNGKIN SEBUAH BOT Selama ini pemasaran memiliki satu tugas: mendapatkan manusia di halaman. Kini tab sering dibuka oleh sesuatu yang lain. Agen peramban membaca, membandingkan, dan semakin sering menyelesaikan tindakan untuk seseorang yang tidak pernah melihat situs tersebut. Pada April 2026, sekitar 71% lalu lintas agen berasal dari agen peramban. Perplexity’s Comet dan OpenAI’s Atlas menyumbang sekitar 70% dari lapisan tersebut. Perdagangan adalah tujuan kedua, sekitar 38% dari rute. Dan mereka membeli. Adobe: kunjungan ke situs ritel AS dari sumber AI tumbuh 393% year-over-year pada Q1 2026. Pada Maret, kunjungan tersebut menghasilkan konversi sekitar 42% lebih baik daripada yang lain. Setahun sebelumnya, kondisinya sebaliknya: 38% lebih buruk. Salesforce: pada musim libur 2025, agen menutup sekitar 20% dari pesanan global, sekitar $262 miliar. APA YANG DIBERI PENYEMANGAT OLEH AGEN Agen tidak merasakan kisah pendiri. Agen mengambil fakta: apa ini, harganya, jangka waktu, apakah tindakan dapat diselesaikan tanpa terjebak. Sebagian besar situs, terutama Web3, tidak ramah terhadap hal itu. Metafora. Gerakan. Poin pada klik ketiga. Manusia akan menunggu satu detik. Agen pergi ke halaman yang benar-benar bisa dibaca. Pemisahan audiens. Manusia masih membutuhkan cerita dan bukti. Mesin membutuhkan halaman yang bisa diuraikan dan dibeli dari sana. Itu sudah menjadi saluran, seperti peringkat Google dulu. DI MANA KRIPTO MEMILIKI KEUNTUNGAN AWAL Agen membutuhkan rel yang dibangun untuk perangkat lunak, bukan tombol yang dibuat untuk jempol. Dompet stabil, dapat diprogram, dan penyelesaian onchain lebih dekat ke kebutuhan itu daripada formulir kartu. Saat ini hanya sekitar 3% sesi agen yang mencapai checkout. Jendela ini tidak akan tetap terbuka. Simpan fakta dalam teks: produk, harga, jangka waktu. Pisahkan lalu lintas agen dalam analitik. Tutup satu tindakan utama dalam jalur singkat, tanpa modal tambahan dan jalan pintas dompet. Selama dua puluh tahun, pencarian berarti: mereka menemukan Anda dan mengirimkan manusia. Lapisan berikutnya: agen memahami halaman dan mengambil Anda atau tidak. Dalam sepersekian detik. Tanpa loyalitas. Tim kecil dengan halaman yang jelas dan mudah dibaca dapat mengalahkan situs cantik yang tidak bisa diuraikan mesin.