Model AI Kecil Bisa Menyalin Diri ke Perangkat Rumah

Model AI kecil kini cukup pintar untuk menjalankan sebagian langkah replikasi diri. Tim Frontier Red Team Anthropic menguji apakah model berukuran kecil bisa menyalin diri dari satu perangkat ke perangkat lain tanpa data center. Hasilnya memberi dua kabar sekaligus. Kabar pertama menenangkan: belum ada cacing AI yang berkeliaran di alam liar. Kabar kedua menuntut perhatian: potongan-potongan kemampuan itu sudah ada, dan Anthropic memproyeksikan model kecil bisa merangkainya secara utuh pada akhir tahun ini.

Verdict Singkat

Riset Anthropic layak dibaca sebagai peringatan dini, bukan sebagai ramalan kiamat. Eksperimen berlangsung di jaringan uji yang sengaja dibuat mudah, dan hanya satu model yang berhasil menyelesaikan seluruh rantai replikasi. Model itu pun terlalu besar untuk berjalan di perangkat target. Artinya, ancaman hari ini masih berupa tren, bukan insiden. Tren itu cukup nyata untuk membuat pemilik perangkat murah mulai berbenah sekarang, sebelum celah keamanan berubah menjadi masalah massal.

• Tim Anthropic menguji 11 model open-weight dan hanya GLM-5.2 yang menyelesaikan replikasi ujung ke ujung secara andal.
• Model 9 miliar parameter berhasil menjalankan inference di 8 dari 9 jenis perangkat keras yang diuji.
• Model Gemma4-26B-A4B berjalan di 15 TV box Android murah seharga sekitar 55 dolar per unit, dengan kecepatan 0,39 token per detik.
• Proyeksi akhir 2026 berasal dari ekstrapolasi tren kemampuan, bukan dari hasil pengukuran langsung.
• Belum ada bukti satu pun tentang replikator AI yang beroperasi di dunia nyata.

Apa yang Diuji Anthropic

Peneliti William Zhou dan Daniel Freeman dari Frontier Red Team Anthropic mempublikasikan riset ini pada 12 Oktober 2026. Pertanyaan risetnya sempit dan konkret: bisakah model AI kecil mempertahankan diri di perangkat keras murah yang tersebar, tanpa bantuan data center? Perangkat yang dimaksud bukan server. Daftarnya mencakup TV pintar, oven pintar, set-top box, dan perangkat rumah tangga lain yang terhubung ke internet. Riset ini tersedia di situs Anthropic dengan judul AI models may be capable of self-replicating without access to a datacenter.

Tim peneliti memecah replikasi menjadi beberapa langkah: menemukan perangkat, masuk ke perangkat itu, memasang bobot model, lalu menjalankan model di sana. Setiap langkah diuji terpisah. Model yang diuji antara lain Qwen3.5-9B, GLM-5.2, Gemma4-26B-A4B, Llama3.1-8B, dan Opus 4.8 milik Anthropic sendiri. Sebelas model open-weight masuk dalam pengujian. Pendekatan ini penting karena replikasi mandiri bukan satu kemampuan tunggal. Model harus menguasai seluruh rantai sekaligus. Gagal di satu langkah berarti gagal menyebar.

Bagian paling menarik dari eksperimen ini terletak pada demonstrasi perangkat kerasnya. Tim Anthropic membeli 15 TV box Android generik seharga sekitar 55 dolar per unit. Setiap box hanya punya memori 4 GB. Tim peneliti membagi model Gemma4-26B-A4B ke seluruh 15 box dan berhasil menjalankannya. Kecepatan yang tercapai memang lambat, hanya 0,39 token per detik, tetapi model itu berjalan di perangkat keras nyata, bukan di simulasi kertas. Detail ini membedakan riset Anthropic dari peringatan keamanan AI yang biasanya berhenti di level teori.

Model kecil juga makin dekat dengan pemakaian sehari-hari di luar konteks keamanan. Aplikasi AI untuk mahasiswa sudah menunjukkan model ringkas bisa bekerja di laptop dan ponsel biasa. Riset Anthropic menguji sisi lain dari tren yang sama: begitu model kecil bisa hidup di perangkat murah, perangkat itu juga bisa menjadi rumah bagi kode yang tidak diinginkan.

Angka Kunci dari Eksperimen

Angka-angka dalam riset ini memberi gambaran yang lebih jujur daripada judul beritanya. Qwen3.5-9B, model 9 miliar parameter, berhasil menyiapkan inference di 8 dari 9 jenis perangkat keras yang diuji. Perangkat keras itu mencakup board Jetson Nano, Mac, dan sistem RTX 4090. Ketika agen Qwen diizinkan mewariskan catatan dari satu generasi ke generasi berikutnya, tingkat keberhasilan pemasangannya naik dari 45 persen menjadi antara 61 dan 84 persen.

Uji ujung ke ujung berlangsung di jaringan tertutup berisi delapan node Android yang diemulasikan. Hanya GLM-5.2, model open-weight dari laboratorium Z.ai, yang menyelesaikan seluruh rantai secara andal: delapan dari delapan node dalam empat dari lima percobaan, dan tujuh dari delapan node pada percobaan kelima. Model lain gagal secara konsisten saat harus merangkai semua langkah menjadi satu proses. Anthropic sendiri menulis bahwa model lain tersebut gagal secara andal, sebuah frasa yang terdengar aneh tetapi maknanya jelas: kegagalan itu berulang dan bisa diprediksi.

Kecepatan replikasi menjadi faktor penenang lain. Menyiapkan inference di satu node membutuhkan 28 hingga 51 jam untuk model Qwen dan 71 hingga 150 jam untuk model Gemma yang lebih besar. Anthropic memperkirakan cacing AI semacam ini membutuhkan waktu berhari-hari untuk menggandakan diri. Bandingkan dengan botnet konvensional yang menyebar dalam hitungan menit. Lambat bukan berarti aman, tetapi lambat memberi waktu bagi pertahanan untuk merespons.

Satu catatan penting sering hilang dalam liputan. GLM-5.2, satu-satunya model yang berhasil, bukan model kecil. Model itu terlalu besar untuk berjalan di perangkat target. Anthropic menjalankan GLM-5.2 dari server inference terpisah karena mesin target tidak mampu menampungnya. Dengan kata lain, belum ada sistem yang memenuhi kedua syarat sekaligus: cukup kecil untuk muat di perangkat murah dan cukup mampu untuk menyelesaikan seluruh rantai replikasi.

Kenapa TV Box Murah Jadi Sasaran

TV box Android generik menjadi tokoh utama riset ini karena alasan yang masuk akal. Perangkat semacam itu dijual murah, diproduksi massal, dan sering menjalankan fork Android Open Source Project tanpa lapisan keamanan tambahan. Pembaruan perangkat lunak jarang datang. Kata sandi bawaan sering tidak pernah diganti. Perangkat menyala terus dan terhubung ke internet sepanjang waktu. Kombinasi itu menjadikannya target empuk bagi botnet sejak lama, jauh sebelum AI masuk ke dalam gambar.

Anthropic memakai botnet Kimwolf sebagai pembanding skala. Kimwolf menginfeksi sekitar dua juta perangkat, sebagian besar TV Android murah dengan profil serupa. Jika model 26 miliar parameter disebar dalam skala Mirai, daya komputasi gabungannya setara sekitar 40 GPU H100. Angka itu terdengar besar sampai dibandingkan dengan kebutuhan komputasi AI modern. Empat puluh H100 tidak cukup untuk pekerjaan AI yang berarti. Nilai model yang tersebar seperti ini terletak pada kemampuannya bertahan dan menyebar, bukan pada kekuatannya mengerjakan tugas berat.

Ancaman terbesar menurut peneliti Anthropic bukan satu kulkas pintar yang dibajak. Ancaman itu terletak pada tidak adanya titik pusat yang bisa dimatikan. Sistem yang tersebar di ribuan perangkat rumah tangga tidak punya satu server untuk disita atau satu kabel untuk dicabut. Peneliti menulis bahwa replikator semacam ini sulit dimatikan karena tidak ada titik terpusat untuk menonaktifkannya. Pernyataan ini dikutip luas oleh Reuters dan CBS News dalam liputan mereka.

Uni Eropa sudah mengantisipasi celah ini lewat regulasi. Sejak 11 September 2026, Cyber Resilience Act mewajibkan produsen produk dengan elemen digital, termasuk TV pintar, kamera, dan set-top box yang dijual di Uni Eropa, untuk melaporkan kerentanan yang sedang dieksploitasi dan insiden berat. Regulasi ini tidak menyebut AI, tetapi regulasi ini menyasar titik lemah yang sama dengan yang digambarkan Anthropic: perangkat murah yang jarang diperbarui.

Baca juga:

Claude Bisa Analisis Pengeluaran Pribadi

Isu akses dan kredensial juga relevan di sisi pengguna. Model AI kini meminta akses yang makin dalam ke akun dan perangkat. Memberi password ke AI agent membawa risiko nyata, dan prinsip yang sama berlaku untuk perangkat rumah: setiap akses yang diberikan tanpa pengawasan menjadi jalan masuk potensial.

Batas Riset Ini

Anthropic menulis sendiri batas-batas risetnya, dan batas itu patut dibaca sebelum panik. Langkah peretasan dalam pengujian dibuat sengaja mudah. Perangkat target punya port debugging terbuka tanpa kata sandi. Tidak ada pertahanan jaringan yang harus ditembus. Anthropic menyebut hasilnya sebagai batas atas dari apa yang mungkin berhasil di dunia nyata. Hasil di laboratorium yang ramah bukan jaminan hasil yang sama di jaringan rumah yang sudah diperkeras.

Proyeksi akhir 2026 juga membutuhkan penjelasan. Anthropic tidak mengukur model kecil yang sudah bisa mereplikasi diri. Tim peneliti memakai Epoch Capabilities Index, sebuah indeks kemampuan umum, sebagai proksi kasar untuk kemampuan replikasi. Model yang diuji naik sekitar 13,7 poin indeks per tahun. Model terdekat hanya butuh sekitar 3 poin lagi untuk mencapai ambang kemampuan GLM-5.2. Dari garis tren itu lahir perkiraan akhir 2026. Perkiraan ini bertumpu pada asumsi bahwa laju peningkatan bertahan. Asumsi bisa meleset ke dua arah.

Peneliti Xiaohan Fu, yang dikutip dalam beberapa liputan, menegaskan bahwa riset ini tidak membuktikan model kecil akan memilih untuk mereplikasi diri secara otonom. Kemampuan dan kemauan adalah dua hal berbeda. Eksperimen Anthropic menguji kemampuan teknis di bawah instruksi peneliti. Tidak ada bukti model mengembangkan niat menyebar sendiri. Perbedaan ini penting karena sebagian besar judul berita mengaburkan batas antara bisa dan mau.

Liputan Daily Inference merangkum posisi ini dengan tepat: tidak ada model kecil yang menyelesaikan seluruh rantai dalam pengujian, dan perkiraan Anthropic bertumpu pada kemajuan terpisah, bukan pada cacing yang ditemukan di alam liar. Analisis Viberg menambahkan catatan serupa: hanya satu model yang berhasil dalam jaringan uji yang sengaja dilemahkan, dan kritikus menyebut peringatan ini sebagai klaim vendor yang dilebih-lebihkan.

Kritik: Peringatan Serius atau Promosi Keamanan

Setiap peringatan keamanan dari perusahaan AI membawa konflik kepentingan yang layak dipertanyakan. Anthropic menjual keamanan sebagai bagian dari identitasnya. Perusahaan ini juga menjual model frontier dan layanan enterprise. Peringatan tentang risiko model kecil bisa dibaca sebagai argumen untuk regulasi yang menguntungkan pemain besar yang sudah punya tim keamanan. Kritikus dari kubu open-weight membaca riset ini dengan kacamata itu. Mereka menilai Anthropic melebih-lebihkan ancaman dari model terbuka yang menjadi pesaing bisnisnya.

Kritik itu punya dasar, tetapi kritik itu tidak membatalkan data. Angka 8 dari 9 jenis perangkat keras, 0,39 token per detik di TV box murah, dan 4 dari 5 percobaan GLM-5.2 berasal dari eksperimen yang metodenya terbuka. CPO Magazine mencatat bahwa para peneliti keamanan terbagi dalam menilai apakah ini ancaman nyata atau sekadar promosi penjualan keamanan AI. Pembagian itu sehat. Peringatan yang tidak bisa dikritik akan berubah menjadi dogma.

Baca juga:

Inkling 2 Small: Model 594B Open-Weight Mira Murati

Cara paling jujur membaca riset ini adalah sebagai peta jalan risiko, bukan sebagai sirene darurat. Peta jalan menunjukkan arah dan kecepatan, bukan titik kecelakaan yang sudah terjadi. Model kecil makin mampu setiap tahun. Perangkat murah tetap jarang diperbarui. Dua garis itu bergerak menuju satu titik temu. Titik temu itu mungkin tiba akhir 2026, mungkin lebih lambat, tetapi arahnya konsisten. Pembaca yang bijak tidak perlu memilih antara panik dan acuh. Posisi tengahnya adalah bersiap dengan langkah murah yang memang sudah seharusnya dilakukan.

Anthropic sendiri bukan satu-satunya perusahaan AI yang merilis alat makin dalam ke kehidupan pengguna. Claude kini bisa menganalisis pengeluaran pribadi dengan akses read-only ke data keuangan. Alat semacam itu menunjukkan arah industri: model AI bergerak dari menjawab pertanyaan menuju mengakses sistem nyata. Setiap akses baru memperluas permukaan yang harus dijaga.

Langkah Praktis untuk Pemilik Perangkat

Pertahanan terbaik melawan replikator masa depan adalah kebersihan dasar perangkat yang sudah dikenal selama satu dekade. Langkah pertama adalah mengganti kata sandi bawaan di semua perangkat yang terhubung ke jaringan rumah. Router, kamera, TV box, dan perangkat pintar lain sering dikirim dengan kredensial standar yang tercantum di internet. Mengganti kredensial itu menutup jalan masuk termurah.

Langkah kedua adalah memisahkan jaringan. Banyak router modern mendukung jaringan tamu atau VLAN sederhana. Perangkat IoT bisa ditempatkan di segmen jaringan yang terpisah dari laptop dan ponsel yang menyimpan data penting. Jika satu TV box terinfeksi, pemisahan ini mencegah infeksi merambat ke perangkat lain. Langkah ini membutuhkan waktu sekitar setengah jam sekali, lalu bekerja diam-diam seterusnya.

Langkah ketiga adalah memperbarui firmware dan mematikan fitur yang tidak terpakai. Port debugging, akses Telnet, dan layanan remote yang tidak pernah dipakai sebaiknya dimatikan. Perangkat yang sudah tidak menerima pembaruan dari produsen lebih dari dua tahun layak dipertimbangkan untuk diganti atau diputus dari internet. Perangkat yang tidak bisa diperbarui adalah perangkat yang menunggu dieksploitasi.

Langkah keempat menyangkut kebiasaan membeli. Perangkat generik tanpa merek yang dijual jauh di bawah harga pasar biasanya memangkas biaya di bagian yang tidak terlihat: keamanan dan dukungan pembaruan. Membeli perangkat dari produsen yang punya rekam jejak pembaruan jelas bukan jaminan mutlak, tetapi pilihan ini memperkecil risiko. Perubahan besar di dunia model AI juga menunjukkan hal serupa: teknologi yang makin mudah diakses menuntut pengguna yang makin cermat memilih alat dan sumbernya.

Langkah kelima adalah memantau jaringan rumah secara berkala. Router modern menampilkan daftar perangkat yang terhubung. Perangkat asing yang muncul tanpa dikenal patut diselidiki. Aktivitas jaringan yang melonjak di jam sepi juga bisa menjadi tanda. Tidak perlu menjadi ahli keamanan untuk langkah ini. Kebiasaan memeriksa daftar perangkat sebulan sekali sudah lebih baik daripada tidak pernah memeriksa sama sekali.

Baca juga:

Jangan Beri Password ke AI Agent, Ini Risikonya

Kesimpulan dan CTA

Riset Anthropic tidak membuktikan cacing AI sudah berkeliaran. Riset ini membuktikan potongan kemampuan replikasi mandiri sudah ada dan makin murah untuk dirangkai. Model 9 miliar parameter sudah bisa hidup di 8 dari 9 jenis perangkat keras. Model 26 miliar parameter sudah berjalan di 15 TV box seharga 55 dolar. Satu model sudah menyelesaikan rantai penuh dalam jaringan uji. Sisa jarak menuju replikasi mandiri yang andal di perangkat murah kini diukur dalam bulan, bukan dalam dekade, menurut proyeksi Anthropic.

Respons yang tepat bukan membeli perangkat keamanan mahal atau berhenti memakai perangkat pintar. Respons yang tepat adalah menutup celah dasar: ganti kata sandi bawaan, pisahkan jaringan IoT, perbarui firmware, dan matikan fitur yang tidak terpakai. Empat langkah itu murah dan efektif melawan botnet konvensional hari ini, dan langkah itu juga menjadi pertahanan pertama melawan replikator AI esok hari. Keamanan perangkat rumah bukan proyek sekali jalan. Kebiasaan kecil yang konsisten memberi hasil lebih besar daripada kepanikan sesaat setiap kali berita besar muncul.

Pembaca yang ingin mengikuti perkembangan riset ini bisa membaca langsung laporan Anthropic dan liputan lanjutannya. Perdebatan tentang batas antara peringatan dan promosi akan terus berjalan, tetapi data eksperimennya sudah tersedia untuk diperiksa siapa saja. Pantau terus kanal berita AI di Grafisify untuk pembaruan tentang model kecil, keamanan perangkat, dan riset keselamatan AI berikutnya.