Telset.id – OpenClaw, engine AI agent yang dikembangkan oleh Peter Steinberger, telah mendominasi pemberitaan sepanjang awal 2026. Alat ini mampu menjalankan file, menjelajah web, hingga melakukan tugas secara otonom atas nama pengguna. Namun, pertanyaan besarnya adalah: seberapa berguna OpenClaw bagi orang awam? Sebuah pengujian langsung menggunakan mini PC Beelink SER10 MAX yang sudah dilengkapi OpenClaw mencoba menjawab pertanyaan tersebut, dan hasilnya menunjukkan bahwa AI lokal masih memiliki banyak hambatan.
Pengujian ini melibatkan penggunaan model AI lokal yang berjalan di perangkat keras kelas menengah. Hasilnya mengungkap kesenjangan yang cukup besar antara janji kemampuan OpenClaw dengan realitas penggunaannya sehari-hari. Mini PC seharga lebih dari US$1.500 tersebut masih kesulitan menjalankan tugas sederhana sekalipun, seperti mengumpulkan sepuluh berita dari internet secara otomatis.
Keterbatasan Model AI Lokal pada Mini PC
Pengujian dimulai dengan memilih antara menggunakan sumber daya cloud atau menjalankan AI secara lokal. Beelink SER10 MAX hadir dengan model Qwen-3.5 9B yang sudah usang, sehingga penguji memilih jalur AI lokal dan menyesuaikan memori video hingga 48GB untuk menjalankan model yang lebih besar. Langkah ini menyisakan 16GB memori sistem untuk operasional lainnya.
Model Google Gemma 4 31B (UD-Q8_K_XL) menjadi pilihan pertama karena menawarkan kecerdasan terbaik. Sayangnya, hasilnya mengecewakan. Dengan kecepatan hanya 2,34 token per detik, setiap pertanyaan membutuhkan waktu yang sangat lama untuk diproses. Prosesor Ryzen AI 9 HX 470 dengan RAM DDR5-5600 terbukti tidak memiliki bandwidth memori yang cukup untuk menjalankan model sebesar itu dengan kecepatan yang dapat diterima.
Setelah menurunkan spesifikasi ke model Gemma 12B (Q4_K_M), kecepatan meningkat menjadi 10,64 token per detik. Angka ini jauh lebih masuk akal untuk penggunaan sehari-hari. Perangkat dengan spesifikasi lebih tinggi seperti Framework Desktop dengan RAM lebih cepat mungkin bisa menangani model yang lebih besar, tetapi untuk kelas mini PC ini, model yang lebih kecil adalah pilihan yang realistis.
Hambatan Saat Mengotomatiskan Tugas
Setelah model AI aktif dan diberi nama HammerClaw, tugas pertama yang diberikan adalah mengumpulkan sepuluh artikel berita dari sumber terpercaya dengan ringkasan singkat. Fokus berita yang diminta adalah seputar pembuatan chip dan pusat data, sesuai dengan bidang kerja penguji di Tom’s Hardware Premium.
HammerClaw langsung mengambil tugas tersebut dan berencana menggunakan alat cron bawaan serta felo-search untuk menarik berita dari internet. Namun, masalah besar muncul: AI tersebut hanya mensimulasikan tindakan alih-alih benar-benar melakukannya. Lebih parah lagi, AI ini berhalusinasi dengan membuat daftar tautan yang sama sekali tidak mengarah ke mana-mana.
Saat diminta mengevaluasi dirinya sendiri, HammerClaw memberikan nilai B- untuk akurasi karena membuat berita palsu. Penguji mencatat bahwa masalah ini mungkin terjadi karena model lokal yang digunakan relatif ringan. Model yang lebih besar dengan parameter lebih banyak diharapkan dapat mengidentifikasi tugas dengan lebih efisien.
Solusi Hibrida dengan Model Cloud
Untuk mengatasi kebuntuan tersebut, penguji beralih ke model cloud Kimi K3 yang memiliki 2,8 triliun parameter. Kimi K3 tidak digunakan untuk menjalankan AI, melainkan untuk membantu menyusun instruksi yang benar bagi HammerClaw. Pendekatan hibrida ini ternyata efektif dan hanya menghabiskan sekitar satu dolar untuk token.
Kimi K3 berhasil membuat daftar perintah OpenClaw, skill, dan instruksi yang akurat setelah membaca dokumentasi OpenClaw CLI. Instruksi tersebut kemudian dimasukkan ke terminal Ubuntu dan berhasil membuat skill baru bernama ‘News-Intel’ untuk HammerClaw, mengaktifkan fungsi pencarian web, serta mengatur cron job untuk pengiriman otomatis.
Setelah konfigurasi selesai, HammerClaw akhirnya berhasil menjalankan tugas secara lokal dan mengirimkan ringkasan sepuluh berita melalui pesan Telegram. Meskipun berhasil, perlu dicatat bahwa tugas sederhana ini sebenarnya bisa dilakukan dengan skrip sederhana tanpa memerlukan kecerdasan buatan sama sekali.
Baca Juga:
Apakah OpenClaw Layak untuk Pengguna Rata-rata?
Pengujian ini menunjukkan bahwa OpenClaw bukanlah solusi ajaib yang bisa melakukan apa saja seperti yang digembar-gemborkan. Pengguna perlu memahami berbagai elemen teknis, termasuk pemilihan model yang tepat dan kemampuan model tersebut untuk melakukan tool-calling. Mini PC seharga lebih dari US$1.500 saja masih kesulitan menjalankan tugas sederhana secara mandiri.
Bagi pengguna yang serius ingin menjalankan AI lokal dengan performa nyata, investasi yang dibutuhkan jauh lebih besar. Perangkat seperti DGX Spark atau klaster Dell Pro Max GB10 membutuhkan biaya lebih dari US$5.000. Dengan investasi sebesar itu, pengguna berhak mengharapkan model AI yang mampu menangani tugas-tugas kompleks tanpa kesalahan mendasar.
Pertanyaan yang lebih mendasar adalah apakah memiliki kotak inferensi AI lokal benar-benar akan mengubah cara kerja seseorang secara signifikan. Untuk tugas sederhana seperti merangkum berita, skrip otomatis biasa sudah cukup. Nilai tambah utama dari AI lokal justru terletak pada kemampuan “menyaring” informasi secara manual, bukan pada otomatisasi yang bisa dilakukan dengan cara konvensional.
Meskipun AI lokal menarik untuk dieksplorasi, kenyataannya masih jauh dari harapan bagi pengguna rata-rata. Kombinasi antara model lokal dan cloud tampaknya menjadi pendekatan yang lebih realistis saat ini. Namun, untuk sekadar mengotomatiskan tugas-tugas sederhana, pengeluaran ribuan dolar untuk perangkat AI lokal masih sulit untuk dibenarkan.
Komentar
Belum ada komentar.