Cache-to-Cache Bikin AI Bertukar Pikiran Tanpa Menulis Teks

Telset.id – Tim peneliti dari Tsinghua University menerbitkan paper yang menguraikan teknik bernama Cache-to-Cache (C2C), sebuah metode yang memungkinkan model AI terpisah bertukar informasi tanpa menghasilkan teks apa pun. Metode ini telah diterima di ICLR 2026 dan disertai kode open-source yang tersedia bagi pengembang. Teknik ini menyasar satu inefisiensi spesifik yang muncul setiap kali beberapa model bahasa bekerja bersama di dalam pipeline yang sama.

Saat dua model AI bekerja sama hari ini, salah satunya harus mengubah proses berpikirnya menjadi kalimat tertulis sebelum model lain dapat membacanya. Langkah penulisan itu memakan waktu komputasi nyata dan membuang detail-detail kecil yang tersimpan di dalam proses berpikir mentah model pertama. Setiap model AI menyimpan memori kerja atas semua yang telah diprosesnya, yang secara teknis dikenal sebagai cache.

C2C melewati bahasa tertulis sepenuhnya dengan membiarkan satu model mengirimkan memori kerja itu langsung ke bank memori model kedua. Sebuah program bantuan kecil bernama Fuser menangani serah-terima ini, membentuk ulang dan memutar informasi agar model kedua dapat benar-benar memakainya. Model AI yang berbeda menyimpan memori mereka dengan tata letak, ukuran, dan struktur internal yang sepenuhnya berbeda satu sama lain.

Membuang begitu saja memori mentah satu model ke model lain kemungkinan besar akan membingungkannya atau membuat jawabannya berantakan. Untuk mencegah hal itu, C2C menyertakan filter pintar yang memutuskan bagian memori masuk mana yang layak diserap segera. Sebagian lapisan internal menerima informasi baru langsung, sementara lapisan lain tetap bernalar secara mandiri tanpa gangguan dari luar.

Menurut para peneliti, konfigurasi ini membuat model AI berjalan antara 100% hingga 150% lebih cepat selama tugas kolaboratif bersama. Angka batas atas itu setara dengan sekitar dua setengah kali lebih cepat dibandingkan proses bolak-balik mengetik yang biasa. Tim juga melaporkan peningkatan akurasi hingga 14,2% ketika model bekerja bersama alih-alih beroperasi sepenuhnya sendiri.

Dibandingkan dengan setup lama di mana model masih berkomunikasi melalui teks tertulis, akurasi dilaporkan meningkat 3,1% hingga 5,4%. Pendekatan ini saat ini hanya bekerja dengan model open-weight, karena memerlukan akses langsung ke cache internal dan struktur lapisan sebuah model. Sebagian besar alat AI populer, jenis yang biasa diajak mengobrol orang banyak secara online, menyembunyikan detail internal tersebut sepenuhnya dari pengguna luar.

Mengapa Metode Ini Memiliki Batasan

Artinya, aplikasi sehari-hari seperti chatbot tertentu tidak dapat memakai jalan pintas ini kecuali pembuatnya sendiri membangunnya secara privat. Tidak ada pihak di luar perusahaan-perusahaan tersebut yang saat ini mengetahui secara pasti apakah ada yang sudah mulai menggunakan metode serupa secara internal. Tim riset berargumen bahwa bahasa tertulis selalu memperlambat mesin karena memaksa mereka berpikir seperti manusia.

Argumen itu patut disikapi dengan hati-hati, karena tim yang sama yang membangun sistem ini juga menjalankan semua pengujian yang membuktikan sistem ini bekerja dengan baik. Apakah metode ini mempercepat kinerja sebesar klaimnya akan bergantung pada pengujian eksternal lain terhadap sistem tersebut. Perlu dicatat bahwa C2C hanya membutuhkan akses ke struktur cache dan lapisan internal, sehingga penerapannya pada model tertutup masih belum jelas.

Bagi pengembang yang bekerja dengan model open-weight, kode C2C yang tersedia secara open-source membuka peluang untuk menguji sendiri seberapa besar percepatan yang bisa didapat pada tugas kolaboratif bersama. Sementara itu, pengguna aplikasi AI konsumen belum bisa merasakan dampaknya secara langsung sampai ada pihak yang mengadopsinya di balik layar. Perkembangan riset semacam ini juga menjadi bagian dari tren yang lebih luas, termasuk bagaimana Cip Militer dan infrastruktur komputasi menjadi perhatian industri.

Penerimaan paper ini di ICLR 2026 menandai bahwa pendekatan komunikasi antar-model tanpa teks sudah masuk ke diskursus akademik resmi. Namun, seluruh klaim performa masih berasal dari tim yang sama yang membangun sistem tersebut, sehingga validasi independen menjadi faktor penentu. Ketersediaan kode open-source setidaknya memberi komunitas pengembang kesempatan untuk memverifikasi hasilnya sendiri. Untuk sementara, C2C lebih relevan bagi kalangan peneliti dan pengembang model open-weight dibanding pengguna umum.