Evolusi Model AI Terbuka: Simulasi Dunia NVIDIA Cosmos 3 dan Presisi Desain IBM Palette
Pengembangan kecerdasan buatan (AI) kini bergerak melampaui sekadar teks dan gambar statis. Dua raksasa teknologi, NVIDIA dan IBM Research, baru saja memperkenalkan inovasi signifikan dalam ranah model AI open-weight. NVIDIA meluncurkan Cosmos 3, sebuah keluarga model yang dirancang untuk simulasi dunia interaktif dan kendaraan otonom. Di sisi lain, IBM memperkenalkan Palette, sistem yang melatih model bahasa kecil untuk membangun presentasi (slide decks) yang presisi sesuai dengan bahasa desain perusahaan.
Artikel ini akan mengulas bagaimana kedua teknologi ini mendefinisikan ulang kemampuan model AI spesialis untuk kebutuhan industri yang kompleks.
NVIDIA Cosmos 3: Membangun Simulasi Dunia Interaktif
NVIDIA Cosmos 3 adalah platform pengembangan model dunia yang bertujuan untuk menciptakan lingkungan simulasi yang responsif bagi robotika dan kendaraan otonom (AV). NVIDIA merilis empat checkpoint model baru dalam keluarga Cosmos3-Nano yang masing-masing memiliki 16 miliar parameter.
Empat Model Utama Cosmos3-Nano
- Cosmos3-Nano-Transfer-Auto: Digunakan untuk menghasilkan data mengemudi multi-view secara offline dengan variasi cuaca dan pencahayaan.
- Cosmos3-Nano-Sim-Auto: Varian streaming yang menghasilkan observasi kamera dan LiDAR secara sinkron untuk simulasi mengemudi interaktif.
- Cosmos3-Nano-Sim-Transfer: Mengubah kontrol simulator fisik dan instruksi teks menjadi video fotorealistik.
- Cosmos3-Nano-Sim-Bimanual: Memprediksi evolusi visual lingkungan berdasarkan aksi robot bertangan dua (bimanual).
Mengapa Cosmos 3 Penting?
Dalam dunia robotika, model harus mampu menjawab pertanyaan "Apa yang terjadi jika saya melakukan ini?". Cosmos 3 memungkinkan hal ini melalui streaming generation yang menghubungkan prediksi video dengan interaksi berkelanjutan. Untuk pengembang kendaraan otonom, model ini memastikan sinkronisasi antara visual kamera dan sensor LiDAR, yang sangat krusial untuk keamanan berkendara.
IBM Palette: Mengajar Model Kecil Bahasa Desain
Jika NVIDIA fokus pada dunia fisik, IBM Research fokus pada dunia produktivitas melalui Palette. Masalah utama pada model AI besar (frontier models) saat ini adalah kecenderungan mereka untuk memiliki gaya "AI-generated" yang generik dan sulit mengikuti instruksi desain spesifik perusahaan.
Arsitektur Designer-Coder
IBM Palette menggunakan model 20B yang dilatih khusus dengan pendekatan dua peran:
- The Designer: Membaca rencana dan menulis brief JSON terstruktur (palet warna, tipografi, dan tata letak).
- The Coder: Mengambil spesifikasi dari desainer dan menulis kode JavaScript (pptxgenjs) untuk menggambar slide tersebut.
Sistem Pemeriksaan dan Perbaikan (Harness)
Salah satu inovasi IBM adalah penggunaan harness yang secara otomatis memeriksa apakah teks meluap (overflow) atau gambar saling bertumpukan. Jika ditemukan kesalahan, model editor akan memperbaiki kode tersebut dan hanya menyimpannya jika hasil pemeriksaan menunjukkan peningkatan kualitas.
Perbandingan Fokus: NVIDIA Cosmos vs. IBM Palette
| Fitur | NVIDIA Cosmos 3 | IBM Palette | | :--- | :--- | :--- | | Tujuan Utama | Simulasi dunia fisik & robotika | Pembuatan slide presentasi profesional | | Ukuran Model | 16B Parameters (Nano) | 20B Parameters | | Output Utama | Video interaktif, LiDAR, & sensor | File .pptx (via JavaScript) | | Teknologi Kunci | Mixture-of-Transformers & Causal Attention | Designer-Coder LoRA & Repair Harness | | Lisensi | OpenMDW1.1 (Komersial & Non-komersial) | Riset Internal IBM (Open Weights fokus) |
FAQ: Pertanyaan Umum Mengenai Model Dunia dan Desain AI
1. Apakah NVIDIA Cosmos 3 bisa digunakan untuk komersial? Ya, model ini menggunakan lisensi OpenMDW1.1 yang mengizinkan penggunaan komersial maupun non-komersial sesuai ketentuannya.
2. Mengapa IBM memilih model kecil 20B daripada model besar? Model kecil lebih mudah dihosting secara mandiri (self-hosted), menjamin keamanan data konfidensial perusahaan, dan lebih efisien untuk tugas spesifik seperti penulisan kode desain.
3. Bagaimana cara kerja simulasi interaktif pada Cosmos 3? Model ini menggunakan temporal-causal attention yang memungkinkannya membaca riwayat observasi dan input kontrol terbaru untuk menghasilkan potongan video berikutnya secara real-time.
4. Apakah Palette bisa mengikuti instruksi bahasa manusia?
Ya, Palette mendukung directives seperti [[make this a timeline]] atau [[highlight the headline number]] yang akan diterjemahkan menjadi elemen visual yang sesuai.
Kesimpulan
Baik NVIDIA Cosmos 3 maupun IBM Palette menunjukkan bahwa masa depan AI terletak pada spesialisasi dan kontrol. Dengan menyediakan model yang dapat disesuaikan dengan data lokal—baik itu rig sensor kendaraan maupun bahasa desain korporat—pengembang kini memiliki fondasi yang kuat untuk membangun sistem yang lebih cerdas, aman, dan estetik.
