donker

Writing Python, Typescript | Web3

[donker @DonkerCode]

@wysette @Gerindra Ngokop bukan jilat

[donker @DonkerCode]

@Gerindra Perin min @Gerindra

[Partai Gerindra @Gerindra]

14. Jangan seperti saat ini, rupiah belum stabil, sudah diteruskan dengan kenaikan BBM, disusul dengan gas, kemudian tarif dasar listrik.

[Ado @adocomplete]

Introducing Claude Fable 5, our most capable public model ever.

Best-in-class for software engineering, scientific research, knowledge work, and vision.

Available today on all paid plans, in Claude Code, on the Claude API, and all major cloud platforms.

[kale @kalistohenituse]

Gue abis nonton YouTube Professor Jiang.

ternyata, setelah nonton video ini gue jadi tau, kalo banyak orang tua miskin yang salah didik anaknya.

tanpa mereka sadar, mereka sendiri yang ngunci anaknya buat tetap miskin dari generasi ke generasi.

disini gue bakal nyampein apa yang bener-bener gue tangkep dari video itu.

dia mulai dari satu pertanyaan sederhana.

"kenapa anak orang kaya cenderung sukses, dan anak orang miskin cenderung tetap miskin?"

kalian pasti mikir jawabannya karena uang?
menurut gue juga bener, tapi professor Jiang bilang jawabannya lebih dalam dari itu.

uang itu akibat. bukan sebabnya.yang bikin perbedaan bukan hartanya, tapi adalah gimana cara mereka ngasuh anak mereka sehari-hari.

dan perbedaan ini sudah ada jauh sebelum si anak masuk sekolah.

Professor Jiang nyebut ada 3 perbedaan utama.perbedaan pertama yaitu dari cara mereka ngomong.

orang tua kaya ngobrol banyak sama anaknya.
kalimatnya panjang. kosakatanya luas. penuh penjelasan dan diskusi balik.

orang tua miskin? biasanya singkat dan langsung.
"iya." "tidak." "pergi sana." kayak kurang diskusi langsung sama anaknya.

menurut gue ini bukan karena mereka nggak sayang, tapi karena mereka capek, stres, dan nggak punya energi lebih.efeknya besar banget.

anak kaya masuk sekolah dengan kosakata yang jauh lebih kaya. lebih gampang ngerti instruksi guru. lebih mudah ngekspresiin diri. lebih percaya diri ngomong di depan kelas.

anak miskin masuk sekolah dan langsung ketinggalan, bukan karena dia bodoh, tapi karena dari rumah emang nggak diajarin cara itu.perbedaan kedua yaitu dari cara sikap.

bayangin dua skenario.

anak kaya nyentuh kompor, tangannya kebakar. orang tuanya duduk, jelasin pelan-pelan.
"api itu panas, bisa bikin luka, makanya kita harus hati-hati ya."

penuh kesabaran. penuh penjelasan. anak merasa dihargai.sekarang skenario yang sama, tapi anak miskin.

"jangan pernah lakuin itu lagi atau kupukul kau!"
selesai. nggak ada penjelasan. nggak ada diskusi.

orang tua miskin cenderung otoriter dan suka memerintah, bukan karena mereka jahat, tapi karena itu satu-satunya cara yang mereka tahu.

cara yang juga dulu dipake orang tua mereka ke mereka.dan pola otoriter ini ngebentuk cara anak ngeliat dunia.

anak kaya tumbuh dengan keyakinan: "dunia ini aman, pendapatku dihargai, dan gue boleh nanya."

anak miskin tumbuh dengan keyakinan yang berbeda: "dunia ini menakutkan, orang dewasa adalah ancaman, dan gue harus nurut tanpa nanya."

bukan salah anaknya. bukan salah orang tuanya juga.
itu pola yang udah diwariskan jauh sebelum mereka lahir.perbedaan ketiga yaitu stabilitas.

orang tua kaya punya uang, jadi mereka bisa nepatin janji.
"minggu depan kita liburan ke Bali."

dan minggu depan, mereka beneran berangkat.

anak itu tumbuh dengan satu keyakinan yang sangat mendasar: dunia bisa dipercaya.
orang yang bilang sesuatu, bakal menepatinya.orang tua miskin juga berjanji.
"minggu depan kita ke McDonald's ya."

anak itu excited. nunggu-nunggu dari hari Senin, tapi minggu depannya, gaji nggak cukup. kebutuhan mendadak datang. nggak jadi.

bukan karena mereka bohong. kondisinya memang nggak memungkinkan dan dari sini semua hal lain mulai masuk akal.

kenapa anak miskin susah percaya sama guru?? susah percaya sama sistem? susah percaya sama masa depan?

bukan karena mereka lemah atau nggak mau usaha.

tapi karena dari kecil, dunia udah ngajarin mereka untuk nggak terlalu berharap.terus gue mikir, emang ada jalan keluarnya?

kata professor Jiang, ada. tapi jalannya nggak gampang.

lo harus ninggalin komunitas lo. nikah ke status lebih tinggi. atau beruntung banget dapet kesempatan yang nggak semua orang dapet.

dan untuk bisa ambil jalan itu, lo harus jadi orang yang sangat individualistis.

berani ambil risiko yang kebanyakan orang di sekitar lo nggak mau ambil.

[donker @DonkerCode]

@agngw_ Not avail bang

[James Grugett @jahooma]

We just added a lot more models to our 100% free coding agent.

Try the new MiniMax M3 or MiMo 2.5 Pro 🔥

It's free: npm i -g freebuff

[Xiaomi MiMo @XiaomiMiMo]

🚀 1,000+ TOKENS/S ON A 1T MODEL! 🚀

We are thrilled to release Xiaomi MiMo-V2.5-Pro-UltraSpeed in collaboration with @TileRT_AI , breaking the 1,000 tokens/s output speed on a 1 Trillion parameter model for the FIRST TIME!

Not wafer-scale integration like Cerebras. Not pure on-chip SRAM chips like Groq. We achieve 1,000 tps on a 1T MoE model using just a SINGLE, STANDARD 8-GPGPU NODE.

Read the full technical deep dive：https://t.co/MX0kjHKdKi

Want to experience the future of real-time AI?
👉 Apply for UltraSpeed now: https://t.co/aeWAxyhwVk
⏳ Limited-Time Access: Application-based · Jun 8 – Jun 23 (PDT)
💬 Chat Experience: Completely FREE for a limited time — try the blazing-fast web chat now.
⚡ UltraSpeed API: Just 3x the price for a ~10x boost in output experience.
🤝 Enterprise & Large-Scale Needs: [email protected]

[donker @DonkerCode]

@neVerAl0nely___ Ada yg kenal sama banci ini? Kejadian di daerah mana?

[donker @DonkerCode]

@ism_sol Berat

[donker @DonkerCode]

@PradonoNovaldo Aped sir

[yunus @0xyunss]

kalian masih bayar capcut buat ini?

bikin video animasi + musik + narasi dari prompt pake AI agent kalian sendiri. output MP4 beneran. gratis. lokal. tanpa langganan.

ada tools baru namanya html-video.

cara kerjanya:
kalian (atau AI agent kalian) bikin animated HTML → tool ini render frame-by-frame pake headless Chromium → ffmpeg encode jadi MP4. selesai. tanpa upload ke server siapapun.

yang bikin ini beda:
- 21 template siap pakai, license clean (Apache-2.0)
- support langsung ke Claude Code, Cursor, Aider, Gemini CLI, dan 10+ agent lain
- bisa kasih input berupa prompt, artikel URL, atau GitHub repo
- ada AI soundtrack via MiniMax (musik + narasi) - arsitektur dipisah antara content creation (agent) dan rendering (engine) extensible

jadi flow-nya kira-kira:
kalian minta agent "bikin video explainer dari artikel ini" → agent generate storyboard + HTML per frame → tool render jadi MP4 lengkap sama musiknya.

no subscription. no watermark. no per-render fee.

caveat yang perlu kalian tau:
- butuh Node.js, ffmpeg, dan Chromium di lokal
- rendering engine baru satu yang fully implemented (Hyperframes), sisanya masih roadmap
- setup-nya agak panjang kalau belum familiar

tapi buat yang udah di workflow AI agent, ini worth banget dicoba.

https://t.co/RPE7NxeU09

[Arena.ai @arena]

Introducing Agent Arena: real-world agentic evals at scale.

How do you evaluate agents doing actual work? We measure millions of live sessions where real users accomplish real tasks.

On Arena, models now get web search, filesystem, and terminal tools to complete complex workflows: writing code, creating slide deck, researching the web, building apps, and analyzing documents.

Every session produces rich signals. Users iterate with the agent turn-by-turn: approving, editing, correcting, praise or expressing frustration. The environment gives feedback too: shell errors, tool failures, recovery attempts, and more.

Our leaderboard measures each model's agentic performance using causal inference across five signals: task success, steerability, error recovery, user praise vs. complaint, and tool hallucination.

This leaderboard snapshot is built from 300K+ tasks, 2M+ tool calls, and 40M lines of code by agents.

Top labs in Agent Arena:
- #1 @OpenAI: GPT-5.5 (High)
- #2 @AnthropicAI: Claude-Opus-4.7 (Thinking)
- #3 @Zai_org: GLM-5.1
- #4 @GoogleDeepMind: Gemini-3.1-Pro
- #5 @Kimi_Moonshot: Kimi-K2.6

More analysis in the thread, with the full technical blog below.

[donker @DonkerCode]

@ism_sol Udah nyoba buat case apa bang? Perbedaan dengan sebelumnya? Sama ngaruh di reasoningnya ga?

[OpenRouter @OpenRouter]

DeepSeek has now topped our token share rankings 4 weeks in a row: https://t.co/jy765ILVBM

[OpenAI @OpenAI]

Building apps has never been easier.

With Sites, Codex can turn your work, ideas, and plans into an interactive website or app your team can explore, use, and share with a URL.

Rolling out to Business and Enterprise plans, before expanding more broadly.

[donker @DonkerCode]

@_hr_moru_103190 @dsnbyte Gemini Plus bukan Pro

[stellar protocol @stellarprtcol]

Gue kenal seseorang yang dibayarin espresso sama engineer Anthropic gara-gara layar laptopnya kelihatan pas lagi nongkrong di coffee shop.

Dia lagi buka bot Polymarket.

Awalnya si engineer cuma ngelirik bentar.
Terus langsung berhenti scrolling.
“Itu bukan trading app biasa kan? Lu jalanin pake apa?”

Orang ini jawab:

Claude Code.
4 repo open-source.
Biaya total sekitar $25/bulan.

Engineer itu langsung duduk.
Katanya dia kerja di tim agent Anthropic.
Mereka biasa stress test Claude buat kasus kayak gitu.
Terus dia lihat dashboardnya.

86 juta trade.
Semua wallet.
Semua entry dan exit.

Dia mulai ngerti.
“Jadi lu kasih Claude raw wallet data… terus suruh dia nyari trader yang konsisten profit?”

Dan ternyata iya.

Bukan nebak market.
Bukan gambar garis di chart.
Cuma nyari siapa yang udah terbukti sering benar.
Prompt-nya simpel:

Cari wallet dengan:

lebih dari 100 trade

win rate di atas 70%

ranking berdasarkan profit
Claude scan 14 ribu wallet cuma dalam beberapa menit.

Ketemu 47 wallet yang dianggap high signal.

20 wallet teratas profit gabungannya lebih gede dibanding 13 ribu wallet lain di bawahnya.

Dan di situ engineer itu langsung sadar sesuatu.

AI gak harus lebih pintar dari market.
AI cuma perlu tahu:
siapa yang paling sering benar.
Mayoritas orang masih pakai AI buat:

bikin caption

ngerangkum artikel

bantu kerja kantor

Padahal value aslinya jauh lebih besar.

AI sekarang mulai jadi mesin filter probabilitas.

Karena market modern terlalu besar buat diproses manusia manual.
500 market.
Ribuan wallet.
Jutaan transaksi.

Manusia capek duluan.

AI enggak.
Bot itu bahkan gak trade sebagian besar market.
Ratusan market langsung dieliminasi sebelum sempat dilihat manual.

Dan justru itu edge-nya.

Bukan trade lebih banyak.

Tapi membuang market jelek lebih cepat dibanding orang lain.

Terus dia tunjukkin sistem exit-nya.
Kebanyakan whale ternyata exit sebelum settlement.
Jadi botnya:
copy whale →
ambil momentum →
cabut lebih cepat dari mereka.

Engineer Anthropic itu diem cukup lama.

Terus bilang:

“Ini literally skenario yang biasa kita simulasiin internal.”

Dan mungkin itu bagian paling gilanya.

Teknologi yang dulu cuma dipakai hedge fund dan quant desk…

sekarang bisa dijalanin siapa aja yang punya:

laptop

API murah

repo open-source

rasa penasaran
Barrier terbesar sekarang bukan modal.
Tapi ngerti cara pakai AI buat mengambil keputusan lebih cepat dari manusia lain.