Nvidia baru saja membuktikan bahwa kerangka kerja, bukan model AI, adalah pahlawan sebenarnya

Skor 100% pada salah satu benchmark AI paling menantang — dan model hampir tidak layak mendapat kredit. Penelitian terbaru Nvidia dirilis dengan tenang pada hari Jumat, tetapi implikasinya sangat jelas: infrastruktur yang Anda bangun di sekitar model AI jauh lebih penting daripada model itu sendiri, terutama ketika tugas bersifat kompleks dan berjangka panjang. Jika Anda seorang developer atau founder di Asia yang masih bingung memilih foundation model mana, penelitian ini adalah tantangan langsung terhadap cara berpikir tersebut.

Apa yang Terjadi

Nvidia menerbitkan penelitian baru menunjukkan bahwa Claude Opus 5, ketika dibungkus dalam kerangka kerja khusus, mencapai skor 100% pada ARC-AGI-3 — sebuah benchmark penalaran interaktif yang telah menjadi ukuran bermakna dari kemampuan AI tujuan umum. Tanpa kerangka kerja, Opus 5 mencapai skor 30%, yang masih merupakan hasil tertinggi di antara semua model yang diuji. Kesenjangan antara 30% dan 100% tidak ditutup dengan menukar model yang lebih baik. Kesenjangan itu ditutup dengan membangun infrastruktur yang lebih baik di sekitar model yang sama.

Kerangka kerja yang dibangun Nvidia — disebut AVO — mencakup dua komponen kritis: sistem manajemen memori yang dirancang untuk menangani konteks berjangka panjang tanpa degradasi, dan komponen "supervisor" yang bertindak seperti atasan, menjaga agen tetap fokus pada tugas dan mencegahnya tersesat dalam loop penalaran yang tidak relevan. Menurut laporan TechCrunch, Adel El Hallak, VP Produk Nvidia untuk unit AI-nya, menyatakannya dengan jelas: "Ini adalah model. Ini adalah kerangka kerja di sekitar model, yang kami sebut harness, yaitu kumpulan alat yang digunakannya. Ini adalah runtime dan keterampilan serta library terkait yang kami berikan akses kepadanya."

Penelitian ini berfokus khusus pada tugas horizon panjang — pekerjaan yang memerlukan penggabungan banyak keputusan, kadang-kadang selama berhari-hari, untuk menghasilkan output yang selesai. Ini secara fundamental berbeda dari pertukaran prompt-respons tunggal. Membuat AI secara andal menjalankan tugas horizon panjang tanpa menyimpang adalah salah satu masalah terbuka paling sulit dalam penelitian AI agentic. Temuan Nvidia menunjukkan bahwa jawabannya bukan model yang lebih cerdas — tetapi kerangka kerja yang lebih cerdas.

Ini adalah pergeseran bermakna dalam cara industri harus berpikir tentang desain sistem AI. Model adalah otak. Kerangka kerja adalah sistem saraf, disiplin, dan memori. Anda membutuhkan ketiganya.

Mengapa Ini Penting untuk Asia

Ekosistem developer dan startup Asia memiliki hubungan spesifik dengan foundation model yang membuat penelitian ini sangat relevan. Di seluruh Asia Tenggara, India, Jepang, Korea Selatan, dan China, sebagian besar tim tidak membangun foundation model — mereka membangun di atasnya. Pertanyaan strategis selalu: model mana yang kami gunakan? Penelitian Nvidia mengubah pertanyaan itu menjadi sekunder.

Keunggulan kompetitif sebenarnya dalam perlombaan AI Asia tidak akan datang dari akses eksklusif ke GPT-5 atau Claude Opus 6. Keunggulan itu akan datang dari tim yang membangun kerangka kerja yang lebih baik — arsitektur memori yang lebih baik, orkestrasi alat yang lebih baik, logika supervisor yang lebih baik — di atas model apa pun yang tersedia bagi mereka. Ini adalah permainan yang bisa dimenangkan developer Asia, karena ini adalah masalah teknik dan produk, bukan masalah anggaran komputasi.

Pertimbangkan realitas praktis bagi founder di Jakarta, Bangalore, atau Ho Chi Minh City yang membangun produk alur kerja bertenaga AI. Anda tidak melatih model frontier Anda sendiri. Anda memanggil API. Pertanyaannya menjadi: apa yang Anda bangun di sekitar panggilan API itu? Bagaimana Anda menangani konteks di seluruh tugas multi-hari? Bagaimana Anda mencegah agen tersesat ketika menghadapi keadaan yang tidak terduga? Ini adalah masalah kerangka kerja, dan dapat diselesaikan dengan teknik yang kuat.

Ada juga dimensi biaya yang sangat penting di Asia. Model yang lebih kecil dengan kerangka kerja yang sangat baik dapat mengungguli model yang lebih besar dan lebih mahal yang berjalan tanpanya. Bagi startup yang beroperasi dengan anggaran cloud terbatas — yang merupakan sebagian besar startup di wilayah ini — itu bukan hanya wawasan arsitektur, tetapi strategi keuangan. Bangun kerangka kerja yang hebat, dan Anda dapat menggunakan model yang lebih ringan. Hasil benchmark mendukung ini secara empiris.

Teknologi Asia selalu bersaing dengan membangun sistem yang lebih cerdas dari komponen yang tersedia. Penelitian ini memvalidasi pendekatan itu pada tingkat arsitektur AI.

Apa Artinya Ini untuk Developer

Jika Anda membangun sistem agentic hari ini, penelitian Nvidia memberi Anda kerangka kerja konkret untuk berpikir tentang di mana menginvestasikan upaya teknik Anda. Berhenti memperlakukan model sebagai kotak hitam yang entah berhasil atau tidak. Mulai memperlakukan kerangka kerja sebagai permukaan teknik utama.

Berikut adalah apa yang perlu ditangani oleh kerangka kerja tingkat produksi, berdasarkan temuan Nvidia:

• Manajemen memori: Tugas horizon panjang mengumpulkan konteks dengan cepat. Tanpa arsitektur memori eksplisit — memutuskan apa yang disimpan, apa yang dikompres, apa yang dibuang — konteks efektif model merosot seiring waktu, dan kinerja runtuh. Ini bukan masalah model. Ini adalah masalah sistem.
• Logika supervisor: Kerangka kerja Nvidia mencakup komponen supervisor yang memantau kemajuan agen dan campur tangan ketika menyimpang. Pikirkan ini sebagai meta-agen ringan yang satu-satunya tugasnya adalah menjaga agen utama tetap jujur. Mengimplementasikan ini tidak memerlukan model frontier kedua — model yang lebih kecil dan lebih murah dapat memainkan peran supervisor secara efektif.
• Orkestrasi alat: Alat mana yang dapat dipanggil agen, dalam urutan apa, dengan logika penanganan kesalahan apa — ini adalah wilayah kerangka kerja. Orkestrasi alat yang dirancang dengan buruk adalah salah satu mode kegagalan paling umum dalam penerapan agen produksi.
• Loop umpan balik: Kerangka kerja perlu mengembalikan hasil ke model dengan cara terstruktur, bukan hanya membuang output mentah. Cara Anda memformat umpan balik itu secara signifikan membentuk keputusan model berikutnya.

Secara praktis, ini berarti tinjauan arsitektur Anda tidak boleh dimulai dengan "model mana?" Itu harus dimulai dengan "bagaimana kerangka kerja kami menangani memori, supervisi, panggilan alat, dan umpan balik?" Jawab empat pertanyaan itu dengan baik, dan pilihan model Anda menjadi optimasi sekunder.

Untuk tim yang membangun di MonstarX, ini memetakan langsung ke cara platform dirancang — model yang mendasari adalah satu lapisan, tetapi konektor, logika orkestrasi, dan lingkungan runtime di sekitarnya adalah tempat diferensiasi sebenarnya berada. Penelitian Nvidia pada dasarnya adalah validasi dari filosofi platform-over-model yang telah digerakkan oleh pengembangan AI-native yang serius selama 18 bulan terakhir.

Satu titik awal praktis: audit implementasi agen Anda saat ini dan identifikasi di mana konteks hilang di seluruh langkah. Itu hampir selalu mode kegagalan pertama dalam tugas horizon panjang, dan itu sepenuhnya masalah kerangka kerja. Perbaiki lapisan memori sebelum Anda mempertimbangkan untuk meningkatkan model.

Poin-Poin Utama

Penelitian AVO Nvidia adalah argumen yang bersih dan berdasarkan empiris untuk sesuatu yang telah dicurigai oleh engineer AI berpengalaman selama beberapa waktu: kerangka kerja adalah produk. Model adalah infrastruktur. Berikut adalah apa yang harus dibawa maju:

• Pilihan model adalah titik awal, bukan strategi. Claude Opus 5 naik dari 30% menjadi 100% pada ARC-AGI-3 dengan bobot yang sama dan kerangka kerja yang lebih baik. Delta antara model itu nyata, tetapi delta antara kerangka kerja lebih besar untuk pekerjaan horizon panjang.
• Arsitektur memori tidak dapat dinegosiasikan untuk sistem agentic. Jika agen Anda menjalankan tugas yang berlangsung lebih dari beberapa menit atau lebih dari segelintir panggilan alat, Anda memerlukan lapisan manajemen memori eksplisit. Ini adalah