Yapay zeka kodlama ajanları üzerine bugüne kadar okuduğum en ilginç verilerden biri bu oldu: daha fazla kod, otomatik olarak daha fazla yazılım demek değil.
Harvard'dan Fiona Chen ve James Stratton'ın çalışması, 2021'den Mart 2026'ya kadar 700'den fazla yazılım şirketinde 700 binin üzerinde çalışana ait verileri ve 300 milyon iş olayını incelemiş. Kodlama ajanları devreye girdikten sonra toplam kod satırı ortalama yüzde 30, commit sayısı yüzde 20, pull request sayısı yüzde 23 artmış.
Ama asıl soru şu: iş bitiyor mu? Jira gibi araçlarda takip edilen hata, görev ve özelliklerin tamamlanma oranında istatistiksel olarak anlamlı bir değişiklik görülmemiş.
Darboğaz kod incelemede. Bir pull request'in gönderilmesinden ana kod tabanına alınmasına kadar geçen süre yüzde 49 uzamış. Değişiklik istenen pull request oranı neredeyse iki katına çıkmış, pull request başına yorum sayısı yüzde 35 artmış, kod inceleyen çalışanların oranı da yüzde 14 yükselmiş. Yani yazma tarafında kazanılan hızın önemli bir kısmı inceleme ve düzeltmede geri harcanıyor.
Şirketler bunu da yapay zekayla çözmeye çalışıyor: Mart 2026 itibarıyla incelenen şirketlerin yüzde 80'i bir tür yapay zeka kod inceleme aracı kullanıyormuş. Yine de inceleme yorumlarının sadece yüzde 23,3'ü ajanlardan geliyor ve ajanlar pull request'lerin yalnızca yüzde 10,8'ine katkı veriyor; işin büyük kısmı hâlâ insanlarda. Aktif çalışan sayısında da, en azından incelenen dönemde, anlamlı bir değişiklik bulunmamış.
Verilerin Mart 2026'da bittiğini, araçların o tarihten beri geliştiğini de not etmek lazım. Ama benim çıkardığım ders net: verimlilik için sadece kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyonu da hızlandırmak gerekiyor.
Ars Technica'daki haber:
https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Çalışmanın PDF'i:
https://fion.ac/jellyfish.pdf
Kaynak: DonanımHaber
Sebagai orang yang setiap hari berurusan dengan kode, tahun 2025 membawa perubahan yang sangat besar bagi saya. Alat pemrograman AI tidak lagi sekadar membantu melengkapi baris kode berikutnya, tetapi mulai benar-benar mengambil alih tugas. Kalau diingat-ingat, di paruh pertama tahun orang-orang masih membicarakan pengalaman pelengkapan kode di Cursor dan Copilot, lalu di paruh kedua, pengembangan berbasis Spec tiba-tiba naik daun, dan repositori dipenuhi file Markdown yang ditulis untuk dibaca oleh Agent.
Kesan terbesar saya adalah pemrograman sedang bergeser dari “dipimpin manusia” menjadi “dipimpin Agent”. Dulu AI hanya memprediksi karakter berikutnya, sekarang ia bisa mengerjakan semuanya mulai dari analisis kebutuhan hingga pembuatan kode dan verifikasi hasil. Menariknya, hampir semua alat papan atas sekaligus mendorong tiga bentuk: IDE, CLI, dan Cloud, dan pada akhirnya semuanya mengerucut ke arah Agent.
Namun masalah pun ikut datang. Yang paling menyakitkan adalah biaya Token: tugas makin panjang, pemanggilan alat makin banyak, konteks dimasukkan ulang berkali-kali, dan tagihan melonjak dengan cepat. Tahun ini yang sering diucapkan orang bukan lagi “bagaimana menulis Prompt”, melainkan “rekayasa konteks” — bagaimana menimbang antara efektivitas, efisiensi, dan biaya, serta bagaimana meningkatkan tingkat cache hit.
Bagi saya, titik balik sesungguhnya di tahun 2025 bukan soal model siapa yang lebih kuat, melainkan siapa yang mampu mengubah batasan dan memori yang selama ini tersirat dalam pekerjaan rekayasa menjadi struktur konteks yang dapat dipahami dan digunakan ulang oleh model. Nilai seorang programmer perlahan bergeser dari “menulis kode” ke “mendefinisikan aturan”. Tahun ini memang terasa agak ajaib.
Sumber: InfoQ
Menurut IT之家, JetBrains mengumumkan model AI pemrograman Mellum2.1 dalam sebuah postingan blog pada 8 Oktober, dengan fokus memperkuat kemampuan pemrograman agentik. Sebagai pengembang, saya selalu mengikuti model terbuka seperti ini yang bisa dijalankan secara lokal, jadi saya rangkum poin-poin pentingnya di sini.
Model ini mempertahankan arsitektur Mellum2: model mixture-of-experts (MoE) berukuran 12B dengan 2,5B parameter aktif, dan tetap dirilis dengan lisensi Apache 2.0. Perubahan utama dalam pelatihannya adalah tahap reinforcement learning setelah pretraining, yang sebelumnya hanya tahap penyelesaian singkat, kini diperluas menjadi bagian inti pelatihan. Data matematika, kompetisi algoritma, sains, penggunaan tool, dan rekayasa perangkat lunak ditambahkan, serta lingkungan RL internal dibangun; selama pelatihan, jutaan sandbox dijalankan di ribuan lingkungan. Sebelum pelatihan, tugas dengan tes yang cacat, jawaban yang tidak dapat diverifikasi, atau tingkat kesulitan yang tidak sesuai disaring.
Menurut deskripsi resmi, model ini dapat menjelajahi basis kode, mengedit file, dan memeriksa perubahannya sendiri. Peningkatan terbesarnya ada di pemrograman agentik: model dapat menemukan akar masalah dari tes yang gagal, menyusun perbaikan, dan memverifikasi hasilnya. Dari segi kecepatan, arsitekturnya tidak berubah, tetapi multi-token prediction (MTP) membuat generasi untuk satu permintaan sekitar 1,6 kali lebih cepat. Dibandingkan dengan Mellum2, Qwen3.5-9B, dan Gemma 4 E4B dalam setelan evaluasi yang sama, throughput output Mellum2.1 di satu H200 pada beban tinggi mendekati dua kali lipat Qwen3.5-9B.
Model ini tersedia di Hugging Face dan dapat di-deploy secara lokal atau di infrastruktur sendiri, sehingga perusahaan dapat menyimpan kode dan datanya di lingkungan mereka sendiri. JetBrains berencana merilis versi GGUF untuk llama.cpp, Ollama, dan LM Studio, serta komponen MTP speculative decoding untuk vLLM.
Saya menantikan versi GGUF, karena pengembang biasa juga bisa mencobanya di mesin mereka sendiri. Untuk model pemrograman, mana yang lebih penting bagi Anda: akurasi atau biaya deployment?
Sumber: IT之家
Dari sebuah artikel di ITmedia NEWS, saya mengetahui bahwa Google mengumumkan platform game eksperimental bernama "Playground". Pengumuman itu dibuat pada 7 Oktober 2026 menurut waktu AS, dan sejak hari itu layanan ini tersedia di browser web untuk pengguna di AS yang berusia 18 tahun ke atas.
Cara pakainya cukup dengan menulis instruksi dalam teks. Anda bisa mulai dari halaman kosong, mengedit prompt awal yang sudah disediakan, atau memakai bantuan terpandu, lalu game yang dibuat bisa langsung dicoba di tempat. Perubahan pada fisika, aturan, karakter, dan lingkungan akan diterapkan jika dijelaskan dengan kata-kata. Menurut artikel itu, pengalaman pemrograman tidak diperlukan, tetapi model AI yang dipakai tidak diungkapkan.
Berbagi juga bisa dilakukan. Karena berbasis web, game bisa dimainkan di ponsel maupun PC. Anda bisa mengirim tautan berbagi ke teman dan keluarga, mempublikasikan game ke galeri "Explore", atau menyimpannya secara privat. Beberapa genre mendukung papan peringkat dan multipemain, dan game yang dipublikasikan menjalani peninjauan keamanan sesuai pedoman komunitas Google. Fitur pembuatan game akan dirilis bertahap sesuai keanggotaan Google One.
Pengumuman lainnya adalah kemitraan dengan Unity. Kedua perusahaan berencana meluncurkan produk baru bernama "Unity Spark" pada 2026, yang akan menghadirkan mekanika game lengkap, 3D berkualitas tinggi, dan fleksibilitas runtime Unity ke Playground. Produk ini juga akan terhubung langsung ke Unity Asset Store. Saat ini sedang diuji dan beta tertutup akan segera dimulai. CEO Unity menyebutkan bahwa sekitar 3 miliar orang setiap bulan bermain game yang dibuat dengan Unity, tetapi banyak di antara mereka belum pernah membuat game sendiri.
Menurut saya, berbagi dan memainkan game yang dibuat lewat prompt bisa menjadi pintu masuk yang menarik ke dunia pemrograman. Saya ingin tahu pendapat kalian tentang alat seperti ini.
Sumber: ITmedia NEWS
Next menulis tentang Pi, sebuah harness open source yang baru saja mencapai versi 1.0.0. Bagi yang belum familiar dengan istilah ini, harness adalah lapisan perangkat lunak di sekitar model AI yang memungkinkan model membaca file, menjalankan perintah, atau mencari di internet.
Pi berupaya tetap minimalis namun dapat diperluas. Aplikasi ini kompatibel dengan lebih dari 1.500 model dan varian, baik model komersial maupun model open-weight yang bisa dijalankan secara lokal, dan memposisikan diri sebagai alternatif Claude Code dan Codex tanpa bergantung pada model Anthropic atau OpenAI. Para pengembang melihat capaian versi 1.0 sebagai tanda kematangan.
Artikel itu juga menyebut fitur baru belakangan ini: konektor MCP, mode "codemode", dan dukungan ChatGPT. Pi Durable digambarkan mampu bertahan dari kegagalan internal maupun eksternal yang bersifat katastrofik.
Perlu dicatat bahwa sekitar 80% teksnya khusus untuk pelanggan berbayar, jadi saya hanya membahas bagian yang bisa dibaca publik. Di kolom komentar, beberapa pembaca membandingkan Pi dengan OpenCode: seorang menilainya sangat ringan tetapi lebih sulit dikonfigurasi, terutama untuk MCP, dan yang lain menyebut varian Oh-My-Pi. Penulis juga mengumumkan artikel tentang instalasi dan penggunaan.
Yang menarik bagi saya adalah gagasan memisahkan harness dari model: Anda bisa mengganti model tanpa mengganti alat. Masih perlu dilihat apakah kesederhanaan Pi bertahan ketika penggunaannya makin rumit. Dan Anda, harness apa yang Anda gunakan sehari-hari saat memprogram dengan AI?
Sumber: Next
Xataka menceritakan kisah yang memadukan pemrograman, AI, dan cukup banyak kontroversi. Sampai beberapa hari lalu, ArtCraft adalah platform untuk membuat gambar dan video dengan AI. Anggota tim, Brandon Thomas, mengumumkan bahwa dengan vibe coding ia membuat pengganti sumber terbuka untuk tujuh aplikasi Adobe, ditulis dengan Rust: PhotoCraft (Photoshop), VectorCraft (Illustrator), FilmCraft (Premiere Pro), LightCraft (Lightroom), PdfCraft (Acrobat), EffectCraft (After Effects), dan DesignCraft (InDesign).
Aplikasi-aplikasi ini didistribusikan untuk Windows, macOS, dan Linux, dan juga bisa digunakan dari ArtCraft. Artikel itu menyoroti bahwa Adobe tidak pernah menawarkan alat kreatif profesional untuk Linux, sehingga celah ini cukup berarti.
Seorang rekan penulis mencoba PhotoCraft selama beberapa hari: fungsi dasarnya berjalan, tidak ada jejak alat AI Photoshop, dan aplikasinya memakan sangat sedikit ruang. Meski begitu, untuk saat ini aplikasi ini belum menggantikan yang asli. Para pembuatnya sendiri mengakui bahwa aplikasi ini masih dalam tahap alfa yang sangat awal: sekitar dua puluh alat AI dan generatif belum ada, kedalaman dalam tipografi dan alur kerja profesional masih kurang, dan kompatibilitas plug-in belum tersedia.
Menurut para pembuatnya, pendekatannya adalah clean-room: mereka mengandalkan spesifikasi publik dan perilaku program yang dapat diamati, tanpa kode atau sumber daya milik siapa pun. PhotoCraft dapat membuka berkas PSD karena Adobe telah menerbitkan spesifikasi tersebut. Di internet beredar dugaan tanpa bukti bahwa program Adobe telah didekompilasi.
Xataka juga mengingatkan tentang masalah vibe coding: kode yang dihasilkan AI bisa sulit di-debug dan mengandung hal-hal yang tidak akan pernah ditulis programmer manusia, yang lebih ringan dampaknya pada aplikasi pribadi dibanding proyek besar. Menurut saya ini peringatan yang tepat. Sebagai alternatif gratis, penulis menyebut Affinity, GIMP, dan DaVinci Resolve. Apakah Anda akan memercayai aplikasi yang dibuat dengan cara seperti ini?
Sumber: Xataka
Saya membaca analisis Simon Bisson di Computer Sweden: Microsoft telah menaikkan Rust ke status internal Tier-1, setara dengan C#, TypeScript, dan C. Status ini mensyaratkan, antara lain, toolchain lengkap dan integrasi dengan Windows dan Azure.
Latar belakangnya, Mark Russinovich, CTO Azure, menonjolkan keamanan memori Rust sebagai bagian penting dari strategi keamanan Microsoft, dan Microsoft juga salah satu pendiri Rust Foundation. Sebuah artikel tamu di situs Rust Foundation menjelaskan bagaimana Rust terhubung dengan Microsoft Visual C (MSVC) untuk interoperabilitas yang mulus antarbahasa.
Hal yang paling konkret adalah backend baru untuk compiler Rust, rustc_codegen_utc. Backend ini memakai backend Visual C, yaitu DLL bernama C2.DLL, dan menyerahkan file .OBJ ke linker MSVC. Keunggulannya, Rust bisa memanfaatkan pekerjaan keamanan dan stabilitas Microsoft yang sudah ada, dan kode Rust serta C menjadi kompatibel. Microsoft menyebut backend ini siap produksi dan mengatakan lebih dari seratus proyek Rust internal memakainya. Namun, ini hanya tersedia secara internal, dan perusahaan mengisyaratkan alat tersebut mungkin menjadi open source tanpa memberi jadwal.
Bagi kita di luar Microsoft, situasinya lebih membumi: dukungan Rust di VS Code lewat rust-analyzer, untuk membangun proyek masih perlu MSVC C Build Tools, dan crate windows dari Microsoft memberi akses langsung ke API Windows. Saran artikel ini adalah memulai dengan alat yang sudah ada saat belajar pengembangan Windows dengan Rust.
Secara pribadi saya menilai menarik melihat perusahaan sebesar ini berinvestasi agar tidak perlu memelihara dua tim compiler yang terpisah. Kalian memakai Rust untuk apa?
Sumber: Computer Sweden
Di Computable saya membaca ringkasan laporan 2026 «State of Open Source in Europe» dari Linux Foundation, edisi kelima, yang dipresentasikan di Open Source Summit Europe di Praha. Pesan utamanya jelas: hanya menggunakan open source tidak memberi kendali. Kita juga harus berkontribusi dan ikut mengarahkan.
Angka-angkanya memperlihatkan di mana gesekannya. Bagi 94% organisasi Eropa, kedaulatan digital penting bagi strategi teknologi mereka, dan bagi 61% sangat penting. Pengembang Eropa menyumbang hampir 40% kontribusi pada proyek infrastruktur seperti Kubernetes dan OpenStack, tetapi banyak organisasi hanya menggunakannya. Dan 31% tidak memiliki kerangka formal untuk pengelolaan open source. Yang punya kerangka melaporkan pengembalian lebih dari empat kali lipat investasinya, dibandingkan 3,6 kali bagi yang tidak punya.
Alat coding berbasis AI juga disinggung: 94% menggunakan atau menguji alat coding AI generatif, tiga perempat menganggap alat itu meningkatkan nilai open source, dan 48% karena itu menggunakan lebih banyak open source. Hampir separuhnya memelihara fork internal, yang rata-rata memakan 311 jam untuk 9,5 fork per siklus rilis.
Yang menarik perhatian saya, jajaran atas Agentic AI Foundation didominasi perusahaan Amerika, seperti AWS, Anthropic, Google, Microsoft, dan OpenAI. Di level Gold hanya ada Suse dan Ericsson dari Eropa. Sementara itu, Komisi Eropa sedang menyiapkan paket kedaulatan teknologi senilai sekitar 2 miliar euro.
Thierry Carrez dari Linux Foundation Europe berpendapat bahwa open source membantu mengurangi ketergantungan, tetapi hanya dengan partisipasi aktif dalam struktur tata kelola terbuka. Sebagai pengembang, saya setuju: sebuah pull request kadang berpengaruh lebih besar daripada dokumen kebijakan. Bagaimana di tempat kalian?
Richard Speed di The Register melaporkan tentang ArtCraft, perusahaan yang menambahkan alternatif Word, Excel, dan PowerPoint ke kumpulan aplikasi Rust-nya. Perusahaan menyebut ini sebagai implementasi ulang clean-room dari perangkat lunak berpemilik, dan proyek-proyeknya sangat bergantung pada Claude dalam pengembangannya. Repositori GitHub mereka juga mencakup proyek yang meniru Photoshop, Illustrator, dan Premiere Pro.
Penguji menjalankan WordCraft, alternatif Word, di Surface dengan prosesor Arm dan menilai performanya baik. Tampilannya mirip Word, tetapi tombol, ikon, dan gambarnya berbeda. Proyek ini masih pre-alpha; ArtCraft memperkirakan kesamaan fiturnya dengan Word sekitar 62 persen, dan penguji menyarankan agar tidak dipakai di lingkungan produksi. Peta jalannya juga mengakui bahwa pengujian kompatibilitas dengan file DOCX nyata belum dimulai, dan bagan, SmartArt, serta objek OLE tertanam tidak didukung.
Soal lisensi, WordCraft dilisensikan ganda di bawah MIT atau Apache 2.0. Kamus ejaan dan pemenggalan kata memakai daftar kata Moby Hyphenator II milik Grady Ward yang berada di domain publik. ArtCraft menyatakan semuanya dibangun dari spesifikasi publik dan pengamatan, dengan aset yang original atau berlisensi terbuka. The Document Foundation, pengembang LibreOffice, menolak berkomentar, Microsoft mengakui menerima pertanyaan tanpa tanggapan lanjutan, dan Adobe tidak berkomentar tentang proyek aplikasi kreatif.
Neil Brown dari decoded.legal mengatakan kepada surat kabar itu bahwa posisi hukumnya bergantung pada yurisdiksi. Pengembang bisa berargumen bahwa implementasi independen mereka tidak melanggar, tetapi mengingat taruhannya, sengketa bisa sampai ke pengadilan.
Yang menarik bagi saya bukan klaimnya, melainkan kecepatannya: tim kecil yang memakai alat coding AI kini bisa merilis suite perkantoran yang mudah dikenali, belum selesai tetapi cukup layak untuk diuji. Pertanyaan yang masih terbuka menyangkut kualitas, pemeliharaan, dan aspek hukumnya. Saya ingin tahu pendapat orang lain yang menulis kode bersama asisten AI tentang klaim clean-room ini.
Sumber: The Register
Di situs Portal Teknologi, saya membaca bahwa OpenAI mengumumkan fitur baru ChatGPT bernama "Intelligent UI", bersamaan dengan peluncuran model GPT-6. Intinya, jawaban tidak lagi hanya berupa teks: di dalam percakapan, jawaban bisa memadukan teks dengan elemen visual yang interaktif.
Elemen yang didukung meliputi ilustrasi, diagram, grafik, formulir, dan tombol interaktif. Menurut artikel tersebut, yang mengutip blog OpenAI, GPT-6 dilatih untuk mengenali situasi ketika elemen interaktif lebih baik daripada teks, serta cara menata elemen itu di dalam jawaban.
Contoh yang disebut antara lain ilustrasi sepeda tujuh gigi dengan tombol untuk memilih tiap bagian dan melihat informasinya, gambar ubin mahjong yang dikelompokkan dalam set yang bisa digulir, serta alat kecil seperti kalkulator tabungan pensiun atau alat untuk membagi tagihan di antara beberapa orang. Dari sisi model, GPT-6 Sol tersedia untuk pelanggan paket atas, sedangkan pelanggan Go dan pengguna gratis memakai Luna yang lebih efisien. Artikel itu juga menyebut pencarian web yang membaik, jawaban parsial yang muncul lebih cepat saat informasi dikumpulkan, dan ketahanan yang lebih kuat terhadap upaya melewati pelatihan keamanan.
Menurut saya langkah ini penting bagi pengembang, karena membuat obrolan lebih dekat dengan aplikasi kecil yang dibuat sesuai permintaan. Pertanyaannya, apakah tombol benar-benar lebih membantu kita daripada teks yang ditulis dengan baik? Saya ingin mendengar pendapat kalian.
Sumber: Portal Teknologi
Setelah lima tahun, Bootstrap akhirnya bergerak lagi: salah satu co-founder, Mark Otto, mengumumkan alfa pertama Bootstrap 6, seperti dilaporkan heise developer. Menurut saya ini menarik, karena framework ini lahir dari lingkungan Twitter dan sudah open source sejak 2011.
Angka-angkanya menunjukkan betapa besarnya Bootstrap: menurut proyek, lebih dari 1,75 miliar instalasi. Namun pada saat yang sama, pangsa pasarnya menurun. Menurut W3Techs, pada awal Agustus 2026 sebanyak 13,8 persen dari seluruh situs web menggunakan Bootstrap, turun dari 15,3 persen pada Desember 2025. Tailwind CSS semakin mendapat tempat di proyek-proyek baru.
Tim membidik browser modern: Chrome dan Edge mulai versi 130, Firefox mulai 132, dan Safari mulai 18. Untuk itu, Bootstrap 6 memakai fitur seperti pergantian otomatis mode terang/gelap, dialog native, dan tata letak yang menyesuaikan elemen di sekitarnya, bukan jendela. Warna, spasi, dan radius sudut sebagian besar dapat dikendalikan lewat variabel CSS, bahkan saat runtime. Nama kelas mendekati Tailwind: .d-md-none menjadi .md:d-none, dan .col-lg-6 menjadi .lg:col-6. Accordion berfungsi tanpa JavaScript.
Bagian AI menurut saya yang paling menarik: dokumentasinya tersedia sebagai llms.txt dan llms-full.txt, dan repositorinya berisi berkas skill yang dimaksudkan untuk membantu agen AI, misalnya dalam proses migrasi.
Menurut artikel, halaman yang sudah ada tidak bisa langsung dipindahkan begitu saja. Bootstrap 5 untuk sementara tetap didukung, dan sebelum masa dukungannya berakhir akan ada pembaruan ke 5.4.0. Versi 7 diperkirakan akan datang jauh lebih cepat. Siapa di antara Anda yang masih memakai Bootstrap, dan siapa yang sudah pindah ke yang lain?
Sumber: heise online
Minggu ini, sebuah berita dari XYZ menarik perhatian saya. Universitas Teknologi Wrocław (Politechnika Wrocławska) dan Pusat Onkologi, Pulmonologi, dan Hematologi Silesia Bawah sedang membangun platform AI untuk layanan kesehatan. Ini bukan sekadar chatbot baru. Ini adalah model dasar yang menghubungkan rekam medis, hasil lab, citra medis, dan alur pengobatan.
Mereka memulai dari kanker paru. DCOPiH menangani lebih dari 1.400 pasien baru setiap tahun dan datanya terdokumentasi dengan baik. Sebelum konsilium, sistem akan memeriksa apakah dokumentasi sudah lengkap, menunjukkan apa yang masih kurang, dan menjaga agar pasien tidak “terlewat” di antara pemeriksaan. Keputusan tetap di tangan dokter. Tugas AI adalah mengembalikan waktu dokter untuk mendampingi pasien, bukan berpikir menggantikannya.
Secara teknis, saya tertarik dengan federated learning. Data tetap berada di rumah sakit, dan hanya hasil pelatihan yang dikirim ke model bersama. Fondasinya adalah pengalaman dengan model Polandia PLLuM, tetapi dengan bahasa medis yang sesungguhnya dan kemampuan multimodal.
Prototipe pertama ditargetkan selesai dalam beberapa bulan ke depan. Jika proyek ini meluas ke luar Silesia Bawah, ini bisa menjadi salah satu proyek AI penting dari Polandia. Proyek seperti ini layak dibicarakan tanpa hiruk-pikuk pemasaran.
Sumber: XYZ
