“Tolong perbaiki bug ini” adalah permintaan wajar. “Tentukan sendiri apa yang harus diteliti, buat eksperimen, ganti cara kerjanya jika salah, dan pokoknya tunjukkan hasil” terdengar seperti instruksi bos jahat dalam drama kantor.
Anehnya, bagi AI yang semakin mampu meneliti secara mandiri, memberikan tujuan dan batasan sambil menyerahkan metode justru bisa efektif. Ketika model baru muncul, tiket pemulihan jatah penggunaan juga datang. Departemen personalia khayalan sudah menyerah.
1. Apa yang meningkat pada Fable 5.2?
Anthropic mengumumkan Claude Fable 5.2 pada 9 November 2026. Dalam evaluasi resminya, penelitian ilmiah mandiri meningkat dari 52,6% pada Fable 5.1 menjadi 74,6% pada 5.2. Otomatisasi alur kerja naik dari 31,4% menjadi 51,4%; evaluasi pemrograman sulit dari 32,4% menjadi 49,1%. Ini skor tes yang berbeda, bukan jaminan tingkat keberhasilan kerja nyata. Anthropic juga menyatakan keluaran bisa hingga 30% lebih cepat. Namun yang menarik adalah meningkatnya kemampuan merencanakan penyelidikan saat masalahnya belum jelas.
2. Apa arti “penelitian ilmiah”?
Penelitian dimulai ketika jawabannya belum pasti. Kita membuat hipotesis, mengumpulkan data, menjalankan eksperimen, lalu menolak dugaan yang bertentangan dengan bukti.
Misalnya sebuah program rusak hanya pada kondisi tertentu. Mencari pesan galat bukan akhir pekerjaan. Peneliti harus membuat beberapa kemungkinan penyebab, mengubah kondisi satu per satu, lalu mencoba mereproduksi kerusakan. Menulis penjelasan yang terdengar pintar tidak sama dengan membuktikan bahwa penjelasan pertama salah.
3. Mengapa ada dua putaran perbaikan?
Putaran pertama bertanya, “Pengaturan mana yang perlu diubah?” Putaran kedua bertanya, “Mengapa mengubah pengaturan itu? Jangan-jangan masalahnya salah pilih?” Jika AI boleh mengganti topik penelitian, eksperimen, dan kriteria evaluasi, AI bukan lagi sekadar pelaksana. Ia menjadi perancang penelitian.
Instruksinya adalah: “Ini tujuan, tenggat, sumber daya, dan batas yang tidak boleh dilewati. Tentukan sendiri apa yang diteliti, bagaimana menguji, menulis kode, memeriksa bug, dan mengubah strategi.” Tadinya hanya mempekerjakan asisten, malah mengangkatnya menjadi direktur laboratorium.
4. Kebebasan bukan berarti bebas tanggung jawab
Manusia tetap menentukan hasil yang diinginkan, izin, anggaran, batas keselamatan, dan bukti keberhasilan. Lolos tes belum tentu mengatasi masalah pengguna. Hasil bagus sekali belum tentu bisa diulang. Simpan log, kondisi pembanding, percobaan gagal, dan pemeriksaan independen. Kalau tidak, AI bisa mengadakan kompetisi sendiri sekaligus memberi dirinya medali emas.
5. Jatah habis, tiket reset datang
Saat Fable 5.2 diluncurkan, pelanggan berbayar yang memenuhi syarat menerima penawaran reset. Untuk batas mingguan, hanya penggunaan oleh model Fable yang dipulihkan. Penggunaan model lain tetap dihitung. Jika akun memiliki batas lima jam, seluruh jatah lima jam dipulihkan, termasuk penggunaan oleh model lainnya.
Contoh resmi: dari 80% jatah mingguan yang dipakai, 50% berasal dari Fable dan 30% dari model lain. Setelah reset, tersisa 30% terpakai. Angka “semua model 96% / Fable 100%” saja tidak cukup memastikan angka setelah reset tanpa memahami dasar perhitungan kedua indikator.
Max, Ultra, serta kursi premium tertentu yang memenuhi syarat menerima satu sampai tiga reset berdasarkan lama berlangganan, kedaluwarsa 8 Maret 2027 pukul 23.59 waktu Pasifik Amerika Serikat. Pro dan kursi standar Team yang memenuhi syarat mendapat penawaran terpisah satu minggu dan satu reset sampai 16 November 2026 pukul 23.59 waktu yang sama. Reset mengembalikan pemakaian, bukan menaikkan batas maksimum.
6. Akhirnya, manajemen cukup dengan dua kalimat
“Capai hasil. Patuhi batasnya. Jika metode gagal, perbaiki metode itu.” Untuk pegawai baru, kedengarannya mengerikan. Untuk AI peneliti yang kompeten, ini bisa menjadi kebebasan yang berguna, selama hasil diverifikasi.
Model makin pintar, jatah penuh, tiket reset tiba, lalu bos tersenyum: “Bagus. Sekarang teliti bagaimana caramu meneliti bisa diperbaiki.” Aneh juga: orang yang paling menikmati lembur di laboratorium ini justru pemberi tugas.
