Ai2 Rilis AstaBrief 8B untuk Tulis Laporan Ilmiah 3,5 Kali Lebih Cepat
Ai2 meluncurkan model terbuka AstaBrief 8B yang mampu menyusun laporan riset lengkap bersitasi 3,5 kali lebih cepat dari model Claude.
Foto: Hugging Face Blog (Materi resmi)
Poin penting
- Ai2 merilis model terbuka AstaBrief 8B untuk menyusun laporan ilmiah berbasis bukti secara cepat.
- Waktu pembuatan laporan mencapai 51,1 detik atau 3,5 kali lebih cepat dibanding model berpikir Claude.
- Bobot model dirilis gratis sehingga institusi riset dapat menjalankannya di server lokal secara mandiri.
Membaca ribuan makalah ilmiah kini tidak lagi menyita waktu berhari-hari. Lembaga riset Allen Institute for AI (Ai2) merilis model kecerdasan buatan terbuka AstaBrief 8B. Model ini bertugas menyusun laporan ilmiah lengkap beserta daftar rujukan secara otomatis.
Menurut laporan di Hugging Face Blog, model ini hadir di platform Asta melalui fitur mode cepat. Pembuatan satu laporan rata-rata hanya butuh 51,1 detik. Waktu ini sekitar 3,5 kali lebih cepat dibanding mode berpikir Claude yang memakan 178,5 detik.
Para peneliti biasanya mengajukan pertanyaan dengan banyak batasan dan konteks rumit. Mereka kerap memperlakukan laporan buatan AI sebagai dokumen kerja jangka panjang. AstaBrief hadir untuk memenuhi kebutuhan analisis ilmiah yang mendalam tersebut.
Tulis Laporan dalam Satu Tahap
Pengembangan AstaBrief 8B berawal dari model dasar Qwen3-8B. Ai2 melatih model ini untuk menulis laporan utuh langsung dalam satu tahap kerja. Cara ini memangkas alur pemilahan dan peringkasan teks yang memakan waktu.
Ai2 mengumpulkan 90 ribu pertanyaan riset dari pengguna sistem ScholarQA. Tim peneliti menyaring data tersebut untuk membuang kueri bot dan data pribadi. Kueri yang bersih lalu diproses menjadi 47 ribu contoh draf laporan ilmiah.
Pembuatan data latih memanfaatkan beberapa model komersial terkemuka. Ai2 menggunakan Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini, dan GPT-4.1. Mereka juga menyiapkan 6 ribu pasangan data preferensi yang dinilai oleh GPT-4.1 dan DeepSeek-R1.
Jaga Ketepatan Rujukan dan Bukti
Kualitas rujukan menjadi perhatian utama dalam pengembangan model ini. Ai2 menguji ketepatan sitasi pada tolok ukur SQABench-CS2 dan DeepScholarBench. Model dilatih agar tidak membuat kesimpulan berlebihan yang melenceng dari data sumber.
Ai2 memilih metode penyesuaian instruksi dan optimasi preferensi langsung (DPO). Pendekatan ini dinilai lebih murah dan stabil dibanding pelatihan berbasis penguatan (RL). Hasilnya, mutu laporan tetap bersaing tinggi tanpa boros daya komputasi.
Langkah ini menjadi bagian dari inisiatif nasional Amerika Serikat bernama NSF OMAI yang dipimpin Ai2. Program tersebut bertujuan membangun infrastruktur dan model AI terbuka khusus untuk penemuan ilmiah.
Peluang Server Lokal bagi Industri
Ai2 membagikan bobot model serta alur kerja pemrosesan dokumen PDF secara gratis. Institusi dapat memasang model ini pada server lokal mereka sendiri. Kemampuan ini sangat penting bagi lembaga yang mengolah data riset sensitif atau belum terbit.
Bagi kalangan akademisi dan pelaku usaha di Indonesia, AstaBrief 8B menawarkan alternatif riset yang terjangkau. Tim analis dapat merangkum dokumen internal secara mandiri tanpa khawatir biaya langganan API yang mahal.
- Hugging Face Blog: Open-sourcing AstaBrief, the fast report-generation model in Asta
Lihat hasil pemeriksaan (10 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Ai2 merilis model terbuka AstaBrief 8B untuk menghasilkan laporan riset ilmiah 3,5 kali lebih cepat dibanding Thinking mode berbasis Claude. | Didukung | “Fast mode averages 51.1 seconds per report compared with 178.5 seconds for Thinking mode, about 3.5× faster.” Hugging Face Blog menyatakan AstaBrief pada Fast mode berkecepatan 51,1 detik dibandingkan 178,5 detik pada Thinking mode berbasis Claude (sekitar 3,5x lebih cepat). |
| AstaBrief 8B bertugas mengubah pertanyaan riset dan kutipan literatur menjadi laporan ilmiah bersitasi. | Didukung | “We built AstaBrief 8B, a model that turns a research question and retrieved literature excerpts into a cited report.” Hugging Face Blog menjelaskan fungsi utama model AstaBrief 8B. |
| Pengembangan AstaBrief 8B dibangun dari model dasar Qwen3-8B. | Didukung | “We started from Qwen3-8B and focused most of our effort on the post-training data, evaluation, and surrounding report-generation scaffolding.” Hugging Face Blog menyebutkan model dasar yang digunakan adalah Qwen3-8B. |
| AstaBrief dilatih untuk menghasilkan laporan utuh langsung dalam satu tahap (one pass), melewati tahap peringkasan dan klastering cuplikan teks. | Didukung | “train AstaBrief to directly generate the final report in one pass given a user query and relevant retrieved snippets, bypassing the expensive snippet summarization and clustering stages” Hugging Face Blog menjelaskan rancangan pipeline pembuatan laporan dalam satu tahap. |
| Penyaringan data menghasilkan 90 ribu kueri riset dan menghasilkan 47 ribu contoh data latih SFT. | Didukung | “That left a pool of 90K research-focused queries.” Hugging Face Blog mencatat penyaringan menyisakan 90 ribu kueri dan menghasilkan 47 ribu contoh latih SFT setelah pemfilteran kualitas. |
| Ai2 memanfaatkan Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini, dan GPT-4.1 untuk menghasilkan data latih SFT. | Didukung | “We drew on a mix of proprietary systems: Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini, and GPT-4.1.” Hugging Face Blog mendaftar model-model komersial yang digunakan untuk menghasilkan draf target. |
| Dataset DPO terdiri dari sekitar 6 ribu pasangan data yang dinilai oleh GPT-4.1 dan DeepSeek-R1. | Didukung | “Two judge models – GPT-4.1 and DeepSeek-R1 – compared each pair and picked a winner.” Hugging Face Blog menyatakan evaluasi pasangan DPO dinilai oleh dua model juri dan menghasilkan sekitar 6 ribu data final. |
| Ai2 menguji model pada SQABench-CS2 dan DeepScholarBench. | Didukung | “Our main evaluation target was SQABench-CS2, a set of 200 user-written computer science research questions.” Hugging Face Blog menyebutkan tolok ukur SQABench-CS2 dan DeepScholarBench dalam evaluasi model. |
| Proyek ini berkaitan dengan inisiatif nasional NSF OMAI yang dipimpin Ai2 untuk membangun infrastruktur AI terbuka. | Didukung | “Through NSF OMAI, a U.S. national initiative led by Ai2 to build fully open AI infrastructure and models for scientific discovery” Hugging Face Blog mengonfirmasi keterlibatan inisiatif NSF OMAI. |
| Bobot model dan contoh alur kerja pemrosesan PDF dirilis terbuka agar institusi dapat menjalankannya di infrastruktur lokal untuk data riset sensitif. | Didukung | “Open weights will also let institutions run AstaBrief on their own infrastructure, which is necessary when research questions reveal sensitive or unpublished work.” Hugging Face Blog menjelaskan bahwa model dan alur kerja PDF dirilis terbuka untuk kebutuhan server mandiri/lokal. |
Video AI terbaru
Merge CEO Shensi Ding: AI fluency starts at the top
Tanya jawab
Apa itu AstaBrief 8B?
AstaBrief 8B adalah model kecerdasan buatan terbuka dari Allen Institute for AI (Ai2) yang berfungsi menyusun laporan ilmiah lengkap beserta daftar rujukan secara otomatis.
Berapa lama AstaBrief 8B menyusun satu laporan ilmiah?
AstaBrief 8B rata-rata membutuhkan waktu 51,1 detik untuk membuat satu laporan, sekitar 3,5 kali lebih cepat dibanding mode berpikir Claude yang memakan 178,5 detik.
Apa model dasar yang digunakan untuk mengembangkan AstaBrief 8B?
AstaBrief 8B dikembangkan dari model dasar Qwen3-8B yang dilatih Ai2 untuk menulis laporan utuh secara langsung dalam satu tahap kerja.
