AI2 Rilis AstaBrief 8B — Model Riset Open-Source Gratis

Kalian yang pernah nunggu agent riset "mikir" lama cuma buat nyusun satu laporan literatur tahu rasanya — beberapa menit kosong sambil liatin layar. AI2 baru ngasih jalan keluar yang bisa kalian unduh dan jalankan sendiri.

Apa yang baru

• AstaBrief 8B dirilis sebagai open weights: AI2 melepas bobot model sekaligus data training-nya lewat Hugging Face, bukan cuma versi hosted di platform mereka.
• Fast mode baru di Asta: model ini sekarang jalan di platform riset Asta milik AI2 sebagai opsi cepat, berdampingan dengan Thinking mode yang selama ini ditenagai Claude.
• 3.5x lebih cepat dari mode Claude: rata-rata 51.1 detik per laporan, dibanding 178.5 detik di Thinking mode.
• Dilatih dari query riset asli: puluhan ribu pertanyaan nyata dari ilmuwan dipakai buat training, bukan prompt buatan atau soal benchmark.
• Workflow contoh untuk PDF sendiri: AI2 ikut merilis contoh alur kerja yang bisa diadaptasi buat generate laporan dari koleksi PDF riset milik kalian sendiri.

Cara kerjanya

AstaBrief dibangun dari Qwen3-8B, lalu dilatih ulang dengan supervised fine-tuning dan direct preference optimization — bukan reinforcement learning yang biasanya dipakai buat tugas semacam ini. AI2 bilang RL lebih mahal dan gampang tidak stabil, jadi mereka pilih jalur yang lebih gampang dikontrol, lalu menaruh sebagian besar usaha di kualitas data latihannya.

Bagian paling kentara: cara model ini nulis laporan. Biasanya proses semacam ini kayak nulis skripsi bab per bab, lalu disatukan jadi dokumen utuh di akhir. AstaBrief dilatih nulis seluruh laporan — dari pertanyaan riset sampai kutipan — dalam satu tarikan, tanpa tahap ringkas-kelompokkan-tulis ulang yang dipakai mode berbasis Claude. Itu yang bikin waktu generate turun drastis tanpa, menurut AI2, mengorbankan kualitas.

Kenapa ini penting

Buat kalian yang kerja di lab, kampus, atau tim riset internal, biaya API buat generate laporan panjang berulang kali itu nyata — dan sering jadi alasan fitur semacam ini cuma dipakai sesekali. Model 8B yang bisa diunduh gratis mengubah kalkulasi itu: sekali infrastrukturnya ada, generate laporan jadi nyaris tanpa biaya marjinal.

Yang lebih penting buat institusi yang pegang data sensitif atau riset yang belum dipublikasikan: open weights berarti model bisa jalan di server sendiri, bukan dikirim ke API pihak ketiga. Ini pola yang sama dengan kenapa model open-weight dari vendor besar lain mulai dirilis buat dipakai komersial — kendali atas data jadi alasan utama, bukan cuma soal harga.

Tapi AI2 sendiri jujur soal batasannya: sebagian besar evaluasi dilakukan tahun 2025, dibandingkan dengan model proprietary yang jadi frontier saat itu, dan belum diuji ulang lawan model-model terbaru hari ini. Jadi anggap angka 3.5x itu bukti soal desain training-nya, bukan klaim "paling cepat selamanya".

Buat kalian

• Yang harus peduli: peneliti atau institusi yang sering generate literature review dan butuh jalan di infrastruktur sendiri — entah karena data sensitif, kerja belum dipublikasikan, atau sekadar capek bayar API tiap kali butuh laporan.
• Yang boleh santai: kalau kebutuhan kalian cuma sesekali dan sudah nyaman sama hasil mode berbasis Claude, gak ada urgensi buru-buru pindah — AstaBrief belum diuji lawan model frontier terkini.
• Langkah kecil pertama: unduh model dan workflow contohnya dari Hugging Face, lalu coba generate satu laporan dari kumpulan PDF riset kalian sendiri sebelum memutuskan dipakai rutin atau tidak.

Yang menarik dari AstaBrief bukan cuma kecepatannya, tapi arah pikirannya: kecepatan sering lahir dari arsitektur yang disederhanakan, bukan dari model yang lebih besar. Prinsip yang sama berlaku kalau kalian bangun automasi sendiri — kadang jalur tercepat bukan nambah langkah AI, tapi memangkas tahap yang sebenarnya gak perlu. Itu salah satu hal yang gw bedah bareng murid-murid di kelas gw.

Sumber primer: blog resmi Hugging Face/AI2, "Open-sourcing AstaBrief, the fast report-generation model in Asta" (huggingface.co/blog/allenai/astabrief).