AI & Open Source Daily: Andrew Ng Luncurkan OpenWorker, LLM di ESP32, Debian Vote LLM Ban
Hari ini cukup panas. Andrew Ng rilis OpenWorker, agent desktop open-source. LLM 28.9M parameter jalan di microcontroller $8. Debian voting 4 proposal soal LLM di development.
Muhammad Amien·Jul 26, 2026·6 min readHari ini lumayan panas. Andrew Ng masuk arena desktop AI agent dengan open-source, LLM jalan di chip $8, dan Debian voting soal masa depan LLM di open source development.
Empat cerita yang bentuk narasi berbeda: satu soal product release, satu soal hardware boundary, satu soal ekosistem shift, satu soal governance. Tapi semuanya nunjukin satu arah: AI open-source semakin dewasa dan mulai sentuh ranah yang dulu domain closed-source.
OpenWorker, AI Desktop Agent dari Andrew Ng
Dari andrewyng/openworker di GitHub. AI desktop agent open-source yang menyelesaikan tugas nyata di desktop Anda: dokumen polished, balasan Slack, kalender, inbox triage. Dibuat Andrew Ng, co-founder Coursera dan mantan head of Google Brain. 5.4k stars dalam 6 hari, MIT license.
Bukan chatbot. OpenWorker adalah agent yang hidup di desktop, punya GUI native, dan terhubung ke 25+ integrasi: GitHub, Slack, Jira, Notion, Linear, HubSpot, Outlook, Gmail, Google Calendar, terminal. Semua berjalan lokal di mesin user.
Model bisa dari API key (OpenAI, Anthropic, Google, open-weight provider) atau local Ollama. Data hanya keluar dari mesin melalui model dan integrasi yang user pilih sendiri. Sebelum aksi konsekuensial seperti kirim pesan atau ubah kalender, agent check-in dulu untuk approval user.
Bedanya dari Claude Code atau Codex CLI: OpenWorker bukan coding agent, tapi general-purpose desktop agent. Bedanya dari ChatGPT desktop app: OpenWorker open-source, bisa pakai model apa saja, dan fokus pada finished deliverables, bukan conversation. Bedanya dari Devin: OpenWorker punya GUI native, bukan terminal-only.
Status: Beta, open source (MIT).
LLM 28.9M Parameter Berjalan di ESP32, Microcontroller $8
Dari slvDev/esp32-ai di GitHub. Model bahasa 28.9 juta parameter yang generate text di ESP32-S3, microcontroller seharga $8. Semua berjalan di chip, tidak ada yang dikirim ke server. 930 stars dan 147 points di HN front page.
Ini menarik karena model sebelumnya di chip seperti ini cuma 260 ribu parameter. Sekarang 28.9 juta, 100x lebih besar. Model menulis ke layar kecil dengan kecepatan ~9.5 tokens/detik, menggunakan teknik Per-Layer Embeddings dari Google Gemma 3n dan Gemma 4.
Memory layout-nya pintar. ESP32-S3 punya 512KB SRAM (fast), 8MB PSRAM (medium), 16MB flash (slow). Model 14.9MB at 4-bit quantization. Dari 28.9M parameter, 25M disimpan di flash sebagai embedding lookup table. Hanya ~4M parameter yang aktif di SRAM untuk reasoning core. Setiap token butuh ~6 rows dari flash, sekitar 450 bytes.
Implikasi untuk edge AI besar. Smart home devices, IoT, sensor nodes bisa punya LLM local tanpa biaya server. Privacy total karena tidak ada koneksi keluar. Tapi model dilatih di TinyStories, jadi cuma bisa nulis cerita pendek sederhana, bukan jawab pertanyaan atau ikuti instruksi.
Status: Rilis, open source.
Nativ, Local AI Workspace untuk macOS dengan MLX
Dari Blaizzy/nativ di GitHub. Aplikasi native macOS untuk menjalankan model AI lokal di Apple Silicon. Satu app untuk chat, serve, monitor, dan connect MLX models. 887 stars dalam 6 hari.
Dibangun dengan Swift dan SwiftUI. Nativ membundle mlx-vlm server, menemukan model MLX yang kompatibel di Hugging Face cache, dan membungkus semuanya dalam app native. Bisa dipakai sebagai private chat app, model manager, performance dashboard, atau OpenAI/Anthropic-compatible local inference server.
Fitur lengkap. Local chat dengan streaming dan vision support, image attachments, reasoning output, response metrics. Model library untuk discover, browse, dan download dari Hugging Face. Performance analytics: request volume, token usage, TTFT, decode speed. System monitor real-time: CPU load, GPU utilization, memory pressure, disk health.
Yang paling praktis: local API server. OpenAI-compatible endpoint di /v1/chat/completions, Anthropic-compatible di /v1/messages. Langsung pakai untuk Cursor, Continue, atau tool lain yang butuh local inference. Bedanya dari Ollama: Nativ native macOS app dengan GUI. Bedanya dari LM Studio: Nativ khusus MLX, lebih optimized untuk Apple Silicon.
Status: Rilis, open source.
Open-weight AI Sedang Punya Kubernetes Moment
Artikel opinion dari Tobi Knaup, co-founder Mesosphere, yang menarik paralel antara ekosistem open-weight AI hari ini dengan Kubernetes di 2015. 362 points di HN front page, artikel paling populer hari ini.
Inti argumen Knaup: model open-weight seperti GLM-5.2 dan Kimi K3 sedang jadi substrate netral yang menarik inovasi komunitas. Sama seperti Kubernetes jadi platform netral untuk cloud-native. Hugging Face host 2 juta+ model publik. Di sekitar model seperti Qwen dan Gemma, developer bikin quantized weights, fine-tunes, LoRA adapters, model merges, dan adaptations untuk berbagai inference engine.
Knaup membandingkan dengan pengalamannya kalah dari Kubernetes dulu. Mesosphere kalah padahal dulunya market leader. Dia melihat pola sama terulang di AI: model open-weight jadi center of gravity, dan vendor closed mungkin menghadapi disrupsi yang sama. GLM-5.2 dari Z.ai dilaporkan 62.1% di SWE-bench Pro, vs 58.6% untuk GPT-5.5. Moonshot Kimi K3 promised weights July 27.
Yang menarik dari artikel ini: belum ada CNCF equivalent untuk AI governance. Kubernetes menang karena ada neutral foundation yang di-extend semua pihak. Open-weight AI mungkin di jalur yang sama, tapi governance dan standardisasi masih tertinggal. Artikel ini unik karena dari orang yang pernah kalah dari fenomena serupa, bukan analis dari luar.
Status: Rilis (opinion piece).
Debian Vote: Empat Proposal Soal LLM di Development
Debian sedang voting General Resolution tentang penggunaan LLM dalam development. Empat proposal diajukan, dari yang melarang total sampai yang membolehkan dengan aturan. 129 points di HN. Voting dibuka 24 Juli 2026.
Proposal A paling ketat: melarang semua kontribusi yang ditulis dengan bantuan LLM atau generative AI. Mencakup source packages, official Debian software, web resources, dokumentasi, terjemahan, dan komunikasi resmi. Alasan: copyright status LLM output tidak jelas, kualitas tidak reliable, dan masalah DFSG compliance.
Proposal D paling nuanced. Membedakan upstream project (bebas pakai LLM) vs Debian-specific work (harus disclosure). Proposal B allow dengan kebijakan. Proposal C require disclosure. Voting Debian menggunakan Condorcet method, jadi pilihan bukan yes/no tapi ranking semua pilihan.
Kenapa ini penting: Debian adalah basis Ubuntu, Mint, dan ratusan distro lain. Keputusan ini akan jadi precedent. Kalau Debian ban LLM, proyek lain mungkin ikut. Kalau Debian allow dengan aturan, itu validasi bahwa LLM bisa dipakai di open source development dengan governance yang tepat.
Status: Voting berlangsung, hasil belum keluar.
Penutup
Hari ini bentuk narasi yang menarik. Andrew Ng bikin product, hardware engineer dorong boundary chip $8, analis lihat pola sejarah, dan komunitas voting soal governance. Empat sudut berbeda, satu arah: AI open-source semakin dewasa dan mulai sentuh ranah yang dulu domain closed-source. Besok Kimi K3 promised open-weight rilis. Kalau beneran keluar, minggu depan bisa jadi lebih panas lagi.
