DeepSeek Harness (DSH) belum menunjukkan bahwa DeepSeek telah membangun sistem recursive self-improvement (RSI) otonom atau mencapai artificial general intelligence (AGI). Makna yang lebih kuat dan dapat dipertanggungjawabkan dari DSH berada pada level arsitektur: runtime ini membuat tool, adaptor model, mekanisme sesi, bahkan loop agen dapat diperlakukan sebagai komponen yang bisa diganti. Dengan begitu, eksperimen berulang menjadi lebih praktis dan relatif lebih aman—sebuah fondasi yang dibutuhkan untuk pengembangan diri AI secara terbatas. 2526
Gagasan utamanya: yang ditingkatkan bukan hanya model
Istilah recursive self-improvement dapat merujuk pada beberapa hal. Sistem mungkin meningkatkan artefak tertentu, seperti algoritma; membantu peneliti membuat model penerus yang lebih kuat; atau mengubah kerangka kerja yang menentukan cara sebuah agen beroperasi. Literatur RSI membedakan penyempurnaan diri yang terbatas dan diuji oleh evaluator eksternal dari RSI terbuka, ketika sistem turut mengubah mekanisme atau kriteria yang dipakai untuk memperbaiki dirinya sendiri. 1
DSH paling jelas menyasar lapisan kerangka kerja tersebut. Agen tidak harus menulis ulang bobot jaringan sarafnya untuk bereksperimen. Ia dapat mengubah komponen di sekitar model, seperti prompt, tool, memori, kebijakan, orkestrasi, dan loop eksekusi. Komponen yang lebih baik dapat dipasang, diuji, lalu dipertahankan—atau dicopot jika hasilnya buruk.
Ini merupakan langkah penting menuju RSI yang berorientasi rekayasa. Namun, langkah tersebut berbeda dari agen yang secara mandiri merancang penerus yang lebih cakap, menentukan tujuannya sendiri, atau memicu ledakan kecerdasan tanpa kendali.
Bagaimana Cordis membuat perubahan runtime dapat dipulihkan
DSH dibangun di atas Cordis, sebuah runtime plugin yang menggunakan konsep yang dalam dokumentasinya disebut “spatiotemporal composability” atau komposabilitas ruang-waktu. Kerangka ini menangani dua persoalan ketika perangkat lunak berubah saat sedang berjalan: apa yang terjadi dari waktu ke waktu ketika komponen dimuat atau dihapus, serta bagaimana komponen saling berinteraksi dalam sistem yang sedang aktif. 1718
Temporal composability: membatalkan efek yang dikelola
Sebuah plugin dapat mengubah runtime bersama dengan mendaftarkan resource, listener, layanan, atau state lainnya. Dalam sistem plugin biasa, proses penghapusan sering bergantung pada kode pembersihan yang ditulis secara manual. Jika pembersihan tidak lengkap, sistem dapat meninggalkan kebocoran atau “state hantu”.
Cordis mengaitkan perubahan runtime dengan efek yang dapat dibatalkan. Ketika sebuah komponen dihapus, runtime dapat menjalankan operasi invers yang sesuai dalam urutan yang tepat. Tujuannya bukan menjalankan plugin secara terbalik atau membatalkan setiap tindakan eksternal yang dilakukan agen, melainkan mengembalikan struktur runtime terkait ke konfigurasi sebelumnya yang valid. 2024
Perbedaan ini sangat penting. Mekanisme rollback untuk registrasi plugin tidak otomatis dapat membatalkan email yang sudah dikirim, file yang telah dihapus, model yang dilatih menggunakan data tercemar, atau tindakan yang tidak dapat dipulihkan di dunia fisik. Reversibilitas Cordis adalah properti perangkat lunak yang terbatas, bukan jaminan keselamatan universal.
Spatial composability: mengelola dependensi
Komponen juga saling bergantung. Sebuah tool mungkin membutuhkan registry; modul memori mungkin memerlukan pengelola sesi; sementara loop agen dapat bergantung pada adaptor model dan antarmuka tool.
Spatial composability memungkinkan komponen mendeklarasikan hubungan tersebut. Runtime kemudian dapat mengoordinasikan aktivasi, penonaktifan, penggantian, dan pemulihan ketika penyedia layanan atau dependensi berubah. Inilah yang memungkinkan agen modular melakukan konfigurasi ulang tanpa memperlakukan seluruh sistem sebagai satu blok rapuh. 1820
Efek yang dapat dibatalkan dan komposisi yang memahami dependensi bersama-sama mendukung uji coba, penggantian komponen, pemulihan dari kegagalan, serta pembaruan runtime secara transaksional. Kemampuan ini menjadi prasyarat yang berguna bagi pengembangan diri AI karena menurunkan biaya untuk mencoba—dan menolak—perubahan kandidat.
Apa yang disiratkan DSH tentang strategi AGI DeepSeek
Desain tersebut mengarah pada jalur yang berorientasi sistem untuk membangun agen yang semakin umum: membuat lingkungan eksekusi cukup lentur sehingga agen dapat meningkatkan mekanisme yang digunakannya untuk menyelesaikan pekerjaan.
Pendekatan ini menggeser perhatian dari model semata. Model yang tidak berubah dapat menjadi jauh lebih efektif ketika diberi tool, memori, perencanaan, evaluasi, dan mekanisme pemulihan yang lebih baik. Jika agen dapat mengusulkan perubahan pada mekanisme itu, mengujinya berdasarkan kriteria eksternal, lalu mempertahankan hanya versi yang berhasil, peningkatan kemampuan dapat berlangsung dalam siklus yang lebih terkendali.
Namun, arsitektur tersebut saja tidak membuktikan bahwa DSH menjalankan RSI secara otonom. Bukti yang tersedia menjelaskan sebuah runtime dan harness sumber terbuka, bukan demonstrasi loop ujung ke ujung ketika DSH secara mandiri menghasilkan, mengevaluasi, memilih, dan menerapkan versi dirinya yang semakin cakap. 2526
Membandingkan DSH dengan upaya lain yang terkait RSI
Sistem-sistem dalam perdebatan RSI menyasar lapisan yang berbeda. Menganggap semuanya sebagai pengganti langsung akan mengaburkan perbedaan teknis yang justru penting.
AlphaEvolve Google DeepMind: evolusi algoritma berbasis evaluator
AlphaEvolve lebih langsung merupakan sebuah loop optimasi. Agen berbasis Gemini mengusulkan perubahan kode, evaluator otomatis memberi skor, lalu proses evolusioner memilih kandidat yang menjanjikan. Google menjelaskan bahwa sistem ini digunakan untuk menemukan dan mengoptimalkan algoritma, termasuk pada persoalan matematika dan infrastruktur komputasi. 2314
Kekuatan utamanya terletak pada umpan balik: kandidat dapat diuji berdasarkan tujuan yang bisa diperiksa mesin. Sebaliknya, DSH terutama merupakan arsitektur runtime untuk menyusun dan mengganti komponen dengan aman. AlphaEvolve berfokus pada evolusi solusi, sedangkan Cordis berfokus pada kemampuan sistem aktif untuk dikonfigurasi ulang secara aman.
RSI Index OpenAI: alat ukur, bukan mekanisme
Materi publik yang tersedia di sini menggambarkan RSI Index sebagai agregat dari berbagai evaluasi riset AI. Berdasarkan gambaran tersebut, indeks ini merupakan instrumen pelacakan kemampuan, bukan mesin yang mengubah model atau menjalankan loop peningkatan. Skor dapat menunjukkan performa pada tugas-tugas yang terkait dengan pengembangan diri AI, tetapi tidak dengan sendirinya membuktikan bahwa sebuah sistem meningkatkan dirinya secara otonom saat diterapkan. 3435
Karena itu, RSI Index lebih tepat dibandingkan dengan DSH sebagai lapisan pengukuran, bukan sebagai pesaing arsitektur. Bukti publik yang tersedia juga belum cukup untuk menilai secara independen konstruksi indeks tersebut atau arti perubahan skornya.
Riset weak-to-strong otomatis Anthropic: mengotomatiskan penelitian AI
Peneliti alignment otomatis dari Anthropic menangani hambatan yang berbeda: bagaimana menggunakan supervisi yang lebih lemah untuk melatih atau mengarahkan model yang lebih kuat. Agen-agen dalam riset tersebut mengusulkan gagasan, menjalankan eksperimen, dan mengulang proses pada persoalan weak-to-strong supervision. 4958
Pekerjaan ini lebih dekat dengan otomatisasi sebagian penelitian AI dan evaluasi alignment daripada penggantian komponen runtime ala DSH. Keduanya kelak dapat saling melengkapi: agen riset mungkin menemukan komponen yang lebih baik, sementara harness yang dapat dipulihkan menguji dan menerapkannya dengan rollback terkendali.
Diskusi publik Anthropic juga menyertakan catatan penting: perusahaan tersebut menyatakan bahwa mereka belum mencapai RSI yang sepenuhnya otonom dan RSI bukan sesuatu yang tak terelakkan. 59
Tencent Hyra-1.0 dan MiniMax M2.7: bukti teknis belum memadai
Sumber yang tersedia tidak memberikan dokumentasi teknis yang andal dan dapat diverifikasi secara independen mengenai Hyra-1.0 milik Tencent atau M2.7 milik MiniMax. Karena itu, akan menyesatkan jika menetapkan arsitektur RSI tertentu pada salah satu sistem tersebut atau menempatkannya pada tingkat bukti yang sama dengan DSH, AlphaEvolve, maupun publikasi Anthropic.
Mengapa lingkungan dan loop umpan balik menjadi medan persaingan baru
Keunggulan kompetitif semakin banyak ditentukan oleh sistem di sekitar model dasar. Setidaknya ada empat unsur yang paling penting:
- Lingkungan yang mampu. Sandbox, repositori, tool, simulator, dataset, komputasi, dan telemetri deployment menentukan eksperimen apa yang benar-benar dapat dilakukan agen.
- Umpan balik otomatis. Tes, verifikator, benchmark, fungsi reward, dan metrik produksi mengubah usulan perubahan menjadi eksperimen yang dapat diukur. AlphaEvolve menunjukkan manfaat menggabungkan gagasan yang dihasilkan model dengan evaluator otomatis. 26
- Kemampuan dipulihkan. Versioning, isolasi, provenance, rollback, dan gerbang persetujuan memungkinkan organisasi menjalankan lebih banyak eksperimen tanpa membiarkan satu kegagalan merusak sistem secara permanen. Efek runtime yang dapat dibatalkan di Cordis secara langsung menyasar lapisan ini. 1720
- Iterasi yang terakumulasi. Jika setiap siklus meningkatkan kemampuan coding, evaluasi, eksperimen, atau infrastruktur, siklus berikutnya dapat menjadi lebih cepat atau lebih murah. Namun, bukti saat ini lebih kuat mendukung penyempurnaan diri yang terbatas daripada RSI terbuka yang berjalan tanpa henti. 1
Inilah alasan model dengan performa benchmark sedikit lebih rendah tetap dapat bersaing jika beroperasi dalam lingkungan yang lebih baik, dengan tool, umpan balik, dan pemulihan yang lebih kuat. Produk yang sebenarnya bukan lagi hanya checkpoint model, melainkan loop peningkatannya.
Masalah kendali yang belum terpecahkan
Kemampuan pemulihan dapat mengurangi risiko, tetapi tidak menghapusnya. Tombol rollback tidak menjamin bahwa setiap konsekuensi tindakan agen dapat diamati atau dibatalkan. Perubahan bisa memengaruhi data, kredensial, layanan eksternal, batas keamanan, atau keputusan manusia di luar kendali runtime.
Iterasi yang lebih cepat juga dapat memperbesar dampak tujuan yang keliru, specification gaming, regresi tersembunyi, dan dependensi yang makin sulit dipahami. Kendali manusia membutuhkan lebih dari sekadar rollback teknis. Perubahan harus tetap dapat diamati, dievaluasi secara independen, diberi izin, ditelusuri pihak yang bertanggung jawab, dan benar-benar dapat dibatalkan di seluruh sistem—bukan hanya di dalam graph plugin.
Kesimpulan yang paling kuat sekaligus terukur adalah ini: DSH dan Cordis menunjukkan bagaimana infrastruktur agen dapat dirancang untuk modifikasi diri yang terbatas dan dapat dipulihkan. AlphaEvolve memperlihatkan kekuatan evolusi berbasis evaluator, sementara riset Anthropic menunjukkan bahwa AI semakin dapat berpartisipasi dalam penelitian. Bersama-sama, upaya tersebut menandai kemajuan menuju loop peningkatan yang dibantu AI, tetapi belum membuktikan RSI terbuka yang sepenuhnya otonom atau tercapainya AGI. 14959
