Google Buka Fitur /teamwork di Antigravity: Arsitektur Multi-Agen yang Memformalkan 1,8 Juta Baris Bukti Matematika Lean · Bandung Quality
15 November 2026·4 menit baca
Google Buka Fitur /teamwork di Antigravity: Arsitektur Multi-Agen yang Memformalkan 1,8 Juta Baris Bukti Matematika Lean
Selama beberapa tahun terakhir, perdebatan di komunitas kecerdasan buatan (AI) sering terjebak pada satu pertanyaan: seberapa besar jendela konteks (context window) dan parameter…
Selama beberapa tahun terakhir, perdebatan di komunitas kecerdasan buatan (AI) sering terjebak pada satu pertanyaan: seberapa besar jendela konteks (context window) dan parameter model yang dibutuhkan agar AI mampu berpikir secara mendalam? Pekan ini, Google Research menggeser paradigma tersebut dengan merilis fitur /teamwork di dalam platform Antigravity bagi pengguna paket berbayar sekaligus memublikasikan serangkaian terobosan ilmiah dan rekayasa perangkat lunak yang dihasilkannya.
Dalam laporan teknis dan analisis komunitas pengembang yang ramai dibahas sepanjang Minggu (15/11/2026), Google menunjukkan bahwa kunci menyelesaikan proyek jangka panjang bukanlah memaksa satu model AI bekerja sendirian, melainkan merancang ekosistem multi-agen yang memisahkan proses produksi jawaban dari proses verifikasi secara ketat.
Mengapa Satu Model AI Sering Gagal pada Tugas Jangka Panjang?
Dalam risetnya, tim Google Research menyoroti dua kelemahan mendasar yang kerap membuat model bahasa besar (Large Language Models) tersandung ketika mengerjakan proyek kompleks lintas hari:
Dispersi Perhatian (Attention Dispersion): Saat riwayat percakapan dan kode terus menumpuk di dalam satu jendela konteks yang membesar, akurasi model perlahan menurun dan detail krusial mulai terlewat.
Bias Pembenaran Diri: Ketika satu agen diminta memeriksa hasil kerjanya sendiri, ia cenderung mempertahankan asumsi awalnya alih-alih menemukan celah kesalahan logika.
Untuk mengatasi masalah ini, /teamwork—yang ditenagai keluarga model Gemini 4—membagi pekerjaan ke dalam peran-peran spesialis dengan ruang konteks terisolasi (context partitioning):
Menerima spesifikasi tugas, memecahnya menjadi tonggak pencapaian (
milestones
), dan mendistribusikan jalur kerja secara paralel.
Explorers & Workers: Melakukan investigasi dan menulis kode atau langkah pembuktian awal hanya dengan mengakses berkas yang relevan.
Critics, Auditors & Falsifiers: Agen penguji independen yang menerima hasil kerja Worker dari konteks yang bersih (tanpa melihat alur alasan pembuatnya) untuk mencari titik kegagalan.
Verifikator Deterministik Eksternal: Setiap kandidat solusi wajib melewati alat pemeriksa objektif yang tidak bisa dinegosiasikan—seperti kompiler pembuktian teorema Lean 4, rangkaian pengujian perangkat lunak (test suites), simulator fisika, hingga penghitung performa perangkat keras (hardware counters).
"Terobosan utamanya bukan sekadar model yang semakin pintar bernalar, melainkan bagaimana skeptisisme, verifikasi, dan koreksi kesalahan direkayasa langsung ke dalam arsitektur sistem," tulis tim peneliti dalam rangkuman teknis Antigravity.
Pencapaian Perdana: Dari Matematika Murni hingga Optimasi Rust
Bersamaan dengan pembukaan akses /teamwork ke publik, Google memaparkan sejumlah hasil uji coba nyata yang mencakup matematika teoretis, kimia, hingga rekayasa sistem tingkat rendah:
Domain Riset / RekayasaCapaian Teknis yang DilaporkanMekanisme Verifikasi ObjektifMatematika (Konjektur Weil)Formalisasi lengkap 1,8 juta baris kode Lean 4 yang terverifikasi oleh mesin.Pemeriksa bukti formal (proof assistant) Lean 4.Matematika (Masalah ke-10 Hilbert)Formalisasi pembuktian sebanyak 919.000 baris kode Lean 4.Kompiler teorema Lean 4.Teori Informasi (Konjektur Courtade–Kumar)Pembuktian terbuka (open conjecture) yang diformalkan dalam ~50 juta baris kode Lean 4 melalui kolaborasi peneliti manusia dan AI.Sertifikat numerik dan verifikasi end-to-endLean 4.Kimia (Elusidasi Struktur Molekul)Identifikasi struktur molekul dari spektrum NMR dengan akurasi 95% (Top-1) dan 100% (Top-3).Simulator fisika dan pencocokan data eksperimental laboratorium.Rekayasa Perangkat Lunak (libgav1)Penulisan ulang (porting) dekoder video AV1 dari C++ ke bahasa Rust yang aman memori (memory-safe) dengan performa 20–30% lebih cepat.Pengujian kompatibilitas dekoder dan profiling eksekusi perangkat keras.
Catatan Kritis dari Komunitas Peneliti: Peran Manusia Tetap Krusial
Meski capaian 1,8 juta baris kode Lean memicu antusiasme luas di media sosial dan forum pengembang, para akademisi serta praktisi AI memberikan catatan penting agar publik tidak salah memahami klaim tersebut.
Pertama, pada kasus pembuktian konjektur Courtade–Kumar yang sebelumnya belum terpecahkan, Google menegaskan bahwa sistem AI tidak bekerja secara otonom sepenuhnya dari nol. Peneliti manusia tetap menyuplai reduksi matematis dan reformulasi masalah yang krusial sebelum kawanan agen Gemini mengeksplorasi ruang pembuktian dan menyusun sertifikat formalnya.
Kedua, secara teknis, keberhasilan kompilasi kode di Lean 4 menjamin bahwa setiap langkah deduksi logika sah berdasarkan aksioma yang ditulis—namun manusia tetap wajib memverifikasi bahwa definisi formal di awal kode benar-benar mewakili masalah matematika yang dimaksud.
Bagi tim pengembang perangkat lunak maupun akademisi yang ingin menguji fitur /teamwork (Google juga menyiapkan akses gratis selama enam bulan bagi 10.000 peneliti akademik), pendekatan terbaik saat ini adalah menerapkannya pada proyek dengan kriteria keberhasilan yang terukur jelas—seperti migrasi repositori kode lintas bahasa pemrograman atau optimasi performa yang memiliki unit test ketat.
Alarm Darurat Keamanan Finansial RI: Sindikat Penipuan Lintas Negara Berbasis AI Ancam Nasabah Bank, BI dan OJK Siapkan Sistem Pertahanan Real-TimeEkosistem perbankan dan sistem pembayaran digital di Indonesia kini menghadapi ancaman kejahatan finansial paling kompleks sepanjang sejarah. Dalam pernyataan resmi yang memicu…18 November 2026