Edge0-145B: Model AI 145 Miliar Parameter yang Jalan di Laptop Sendiri (2026)

Edge0-145B adalah model AI 145 miliar parameter yang jalan di laptop sendiri tanpa cloud. Simak spesifikasi, syarat hardware, dan jebakan lisensinya di sini.

Ilustrasi laptop dengan otak AI jaringan saraf, banner artikel Edge0-145B model AI 145 miliar parameter yang jalan di laptop sendiri
Edge0-145B: Model AI 145 Miliar Parameter yang Jalan di Laptop Sendiri (2026)

Di Artikel Ini

TL;DR: Edge0 merilis Edge0-145B pada 12 November 2026, model AI 145 miliar parameter yang diklaim bisa jalan di laptop sendiri tanpa cloud, dengan memori puncak 29 GB dan kecepatan di atas 80 token per detik menurut pengujian internal perusahaan. Bobotnya tersedia di Hugging Face dan mesin inferensinya di GitHub, tapi ada dua catatan penting: angka 29 GB itu hanya sisi GPU, dan lisensinya open-weight dengan batasan komersial, bukan open-source murni.

๐Ÿ’ก Key Takeaway

  • Model 145 miliar parameter yang jalan lokal: Edge0-145B hanya mengaktifkan sekitar 10,12 miliar parameter per token, sehingga menurut klaim Edge0 bisa berjalan di laptop dengan memori puncak 29 GB dan decode di atas 80 token per detik.
  • Skor benchmark-nya bersaing dengan model cloud: Dalam evaluasi internal Edge0, model ini meraih 86,52 di Terminal-Bench 2.1 dan 64,6 di DeepSWE 1.1, di atas Claude Opus 4.6 (Max) pada Terminal-Bench โ€” tapi semua angka ini belum diverifikasi pihak independen.
  • Bukan open-source murni: Bobotnya memakai Edge0 Community Model License 1.0. Pemakaian pribadi, riset, dan internal diizinkan, tapi menjual bobot, menjalankan layanan model berbayar, atau menjual produk coding/kantor mandiri berbasis model ini butuh lisensi tertulis terpisah.
  • Turunan dari Qwen, bukan model dari nol: Metadata di Hugging Face mencatat Qwen3.8-Flash-Next dari Alibaba sebagai model dasarnya, jadi nilai Edge0-145B ada pada rekayasa on-device-nya, bukan pada arsitektur yang sepenuhnya baru.

Bayangkan kamu mengerjakan dokumen rahasia perusahaan atau kode sumber produk yang belum rilis, lalu AI yang membantumu tidak perlu mengirim satu byte pun ke server orang lain. Selama ini pilihanmu cuma dua: model kecil yang muat di laptop tapi kemampuannya terbatas, atau model besar yang pintar tapi datamu harus naik ke cloud. Edge0-145B mencoba menghapus pilihan sulit itu โ€” dan kalau klaimnya benar, ini kabar besar buat siapa pun yang bekerja dengan data sensitif di laptop sendiri.

Apa itu Edge0-145B?

Edge0-145B adalah model AI yang dirilis Edge0 pada 12 November 2026, bersamaan dengan adiknya, Edge0-120B. Bobot modelnya sudah lebih dulu muncul di Hugging Face pada 11 November 2026, dan mesin inferensi edge0-infer v0.2.0 dirilis di GitHub pada hari yang sama. Edge0 menyebutnya model on-device open-source pertama dengan 145 miliar parameter โ€” klaim yang perlu kamu baca dengan catatan kaki, seperti akan dibahas di bawah.

Secara teknis, model ini memakai arsitektur latent sparse mixture-of-experts (MoE): dari total 145 miliar parameter, hanya sekitar 10,12 miliar yang aktif untuk setiap token. Ada 48 layer dengan 512 expert per layer, dan hanya 10 expert plus 1 expert bersama yang aktif per token. Konteksnya 256K token, dan model ini dilatih langsung dalam format 4-bit, bukan dikompresi setelah dilatih seperti kebanyakan model lokal.

Kabar Sumber Artinya buat kamu
Edge0-145B dirilis 12 Nov 2026; bobot di Hugging Face sejak 11 Nov Blog resmi Edge0; Hugging Face Kamu bisa mengunduh dan mencobanya sendiri, tanpa antrean akses
Diklaim jalan di laptop: 29 GB memori puncak, decode 80+ token/detik Blog resmi Edge0 (pengujian internal) AI agent kelas berat berpotensi jalan offline di laptop kerja โ€” tapi cek dulu syarat hardware aslinya
Skor Terminal-Bench 2.1 sebesar 86,52, di atas Claude Opus 4.6 (Max) Tabel benchmark Edge0 (evaluasi internal) Menjanjikan untuk coding dan kerja agent, tapi tunggu verifikasi independen sebelum percaya penuh
Lisensi Edge0 Community Model License 1.0, bukan open-source murni Kartu model Hugging Face; lisensi Edge0 Boleh dipakai internal dan riset, tapi produk komersial berbasis model ini butuh lisensi tertulis

Kenapa model sebesar ini bisa jalan di laptop?

Sebelum September 2026, model on-device kebanyakan berhenti di bawah 10 miliar parameter. Model on-device Apple Intelligence sekitar 3 miliar parameter, dan Gemini Nano hadir dalam ukuran 1,8 dan 3,25 miliar parameter. Model 35 miliar parameter yang dikompresi agresif saja bisa butuh sekitar 20 GB memori โ€” jauh di atas yang bisa disediakan ponsel.

Edge0 memecah tembok ini dengan empat lapisan rekayasa yang dirancang bersamaan antara model dan mesin inferensinya. Pertama, arsitekturnya berbagi matriks besar antar expert yang jarang dipakai, sehingga bobot yang harus disimpan dan dibaca jauh lebih sedikit. Kedua, model dilatih sejak awal untuk eksekusi lokal, bukan dilatih untuk cloud lalu diperkecil. Ketiga, pemuatan bobot dipipelinasi lewat tiga tingkat penyimpanan: expert yang sering dipakai tetap di memori GPU, pustaka expert sekitar 40 GB duduk di RAM, dan sekitar 48 GB data kosakata di SSD dibaca sesuai kebutuhan. Keempat, CPU dan GPU bekerja bersamaan, ditambah speculative decoding yang memverifikasi beberapa kandidat token sekaligus. Hasilnya, menurut Edge0: memori puncak 29 GB, prefill di atas 1.100 token per detik, decode di atas 80 token per detik, daya tipikal sekitar 120W, dan konteks 128Kโ€“256K.

Perlu dicatat, angka 29 GB itu adalah memori puncak di sisi GPU menurut blog Edge0. Menurut penelusuran Ground Truth terhadap kartu model di Hugging Face, build NVFP4 tercatat memakai 23,25 GiB VRAM ditambah 38,27 GiB RAM host โ€” total sekitar 61 GiB. Jadi sebelum mengunduh, siapkan RAM yang jauh lebih besar dari angka headline.

Seberapa kencang? Angka benchmark Edge0-145B

Di atas kertas, Edge0-145B bersaing langsung dengan model cloud kelas frontier. Dalam evaluasi internal Edge0, skornya: DeepSWE 1.1 sebesar 64,6; Terminal-Bench 2.1 sebesar 86,52; HLE 35,4; GPQA-Diamond 90,4; IFBench 80,6; dan AA-LCR 79,3, dengan rata-rata enam benchmark 72,8 โ€” sedikit di atas Qwen3.8-Flash-Next (71,7) dan DeepSeek-V4-Flash-0731 (70,1).

Yang paling menarik adalah Terminal-Bench 2.1, benchmark kerja agent di terminal: Edge0-145B meraih 86,52, di atas Qwen3.8-Flash-Next (83,3), DeepSeek-V4-Flash-0731 (82,7), dan Claude Opus 4.6 (Max) yang hanya 78,2. Di DeepSWE 1.1, benchmark coding agent, skornya 64,6, juga di atas Qwen3.8-Flash-Next (58,7) dan DeepSeek-V4-Flash-0731 (54,4). Di sisi lain, pada GPQA-Diamond yang menguji penalaran ilmiah, skornya 90,4 โ€” sedikit di bawah Claude Opus 4.6 (Max) di 91,3.

Tapi ada catatan yang tidak boleh kamu lewatkan: semua skor Edge0, Qwen, DeepSeek, dan Claude dalam tabel itu berasal dari evaluasi internal Edge0 sendiri, seperti diakui langsung di blog mereka, dan laporan teknis lengkap dengan instruksi reproduksi dijanjikan menyusul. Sampai ada pengujian independen, perlakukan angka-angka ini sebagai klaim vendor, bukan fakta teruji โ€” sama seperti model open-weight kelas frontier Kimi K3.1 Pro dan ERNIE 5.5 Flash Base dari Baidu yang sudah kita bahas sebelumnya.

Jebakan lisensi: open-weight, bukan open-source

Ini bagian yang paling penting buat pemilik bisnis. Edge0 menyebut rilis ini “open-source”, tapi bobotnya berada di bawah Edge0 Community Model License 1.0 โ€” lisensi komunitas dengan batasan nyata, dan materi dasar Qwen tetap tunduk pada Qwen Community License 1.0. Istilah yang lebih tepat adalah open-weight, bukan open-source.

Yang diizinkan: pemakaian pribadi, riset, modifikasi, berbagi nonkomersial, penggunaan internal, dan pemakaian komersial atas output yang dihasilkan model. Yang butuh lisensi tertulis terpisah dari Edge0: menjual, menyewakan, atau melisensikan bobotnya; mengoperasikan layanan model berbayar untuk pihak ketiga; dan menawarkan produk coding atau perkantoran mandiri berbasis model ini yang dibiayai lewat langganan, iklan, atau sponsor.

Artinya, kalau kamu karyawan atau tim internal yang memakai Edge0-145B untuk mengotomatisasi pekerjaan di laptop sendiri, lisensinya kemungkinan besar tidak jadi masalah. Tapi kalau rencanamu membungkus model ini jadi produk atau layanan yang kamu jual ke pelanggan, baca lisensinya dulu dan hubungi Edge0. Jangan sampai produk yang sudah dibangun harus ditarik karena lisensi.

Syarat hardware dan cara mencoba

Dukungan hari pertama mencakup macOS, Windows, dan Linux, termasuk laptop Apple M-series dan GPU NVIDIA seperti RTX Spark, RTX 4090, dan RTX 5090. Dua build bobot tersedia di Hugging Face: Q3_K sebesar 40,81 GiB dan NVFP4 sebesar 47,79 GiB. Di RTX 5090, menurut kartu model, build Q3_K mencapai decode 121,2 token per detik dan prefill 3.554,9 token per detik untuk input 16K token, sedangkan NVFP4 mencapai 98,3 token per detik.

Mesin inferensinya, edge0-infer v0.2.0, menyediakan perintah serve dan chat, server lokal yang kompatibel dengan API OpenAI, serta aplikasi desktop Edge0 Chat yang bisa dicoba tanpa akun dan tanpa kuota โ€” kemampuan intinya tetap jalan offline. Syarat minimum menurut catatan rilis GitHub: CUDA 13, compute capability 7.5 ke atas, dan VRAM 16 GB ke atas. Bobot 145B tidak ikut dalam paket mesin inferensi; kamu mengunduh checkpoint-nya secara terpisah dari Hugging Face.

Antusiasme awal terlihat nyata: per 14 November, dua build Edge0-145B tercatat 61.192 unduhan gabungan di Hugging Face, dan repositori GitHub-nya sudah mengumpulkan 11.379 bintang. Angka itu belum membuktikan kualitas, tapi menunjukkan banyak pengembang sedang mengujinya sekarang โ€” dan hasil pengujian independen mereka akan segera bermunculan. Sebagai pembanding arah, model AI kecil open-weight LFM3 yang jalan di HP dan laptop menunjukkan ujung spektrum yang ringan, sementara Qwen4-Max-Preview dari Alibaba menunjukkan ujung spektrum cloud yang paling besar. Edge0-145B duduk di tengah: kemampuan mendekati cloud, tapi tetap di perangkatmu.

Apa artinya buat tim di Indonesia?

Rilis ini penting bukan karena nama Edge0-145B, melainkan karena arah yang ditunjukkannya: pekerjaan AI yang kompleks mulai bisa tinggal di perangkat sendiri. Lima langkah praktis yang bisa kamu ambil:

  1. Pisahkan data sensitif dari cloud. Dokumen kontrak, kode sumber, dan data pelanggan yang selama ini tidak berani kamu kirim ke model cloud kini punya kandidat untuk diproses lokal. Mulai dari satu alur kerja yang paling sensitif.
  2. Hitung total biaya kepemilikan. Inferensi lokal memang tanpa biaya token cloud, tapi kamu tetap membayar hardware, listrik, dan waktu setup. Bandingkan dengan tagihan API bulananmu saat ini sebelum memutuskan.
  3. Uji di tugasmu sendiri. Ambil 5โ€“10 tugas nyata โ€” menulis skrip, merapikan spreadsheet, merangkum dokumen โ€” lalu bandingkan hasilnya dengan model cloud yang biasa kamu pakai, bukan dengan benchmark vendor.
  4. Periksa lisensi sebelum membangun produk. Pemakaian internal aman, tapi produk komersial berbasis Edge0-145B butuh lisensi tertulis. Masukkan pengecekan ini ke checklist sebelum timmu membangun apa pun di atas model ini.
  5. Siapkan rencana hybrid. Edge0 sendiri mengakui cloud tetap diperlukan untuk memori jangka panjang lintas perangkat dan pencarian informasi yang sangat baru. Model lokal dan cloud bukan musuh โ€” mereka berbagi tugas. Kalau kamu tertarik dengan model yang mengambil keputusan, model AI pengambil keputusan Drex Max yang jalan lokal adalah contoh lain dari gelombang yang sama, dan semua perkembangan ini bisa kamu ikuti lewat kategori Riset AI di blog ini.

Komunitech: Karyawan AI yang Terukur

Model seperti Edge0-145B membuka peluang baru, tapi peluang tanpa penerapan yang terukur hanya jadi demo. Di Workshop Karyawan AI Komunitech, kamu belajar membangun AI agent yang bekerja di alur nyata bisnismu โ€” lengkap dengan cara mengukur hasilnya, bukan sekadar mencoba model terbaru. Dan lewat newsletter Komunitech, kamu mendapat ringkasan perkembangan AI seperti ini setiap hari, supaya keputusan teknologimu selalu berbasis kabar yang sudah diverifikasi.

Pertanyaan yang Sering Ditanya

Apakah Edge0-145B benar-benar gratis?

Bobot modelnya bisa diunduh gratis dari Hugging Face, dan pemakaian pribadi, riset, serta penggunaan internal diizinkan di bawah Edge0 Community Model License 1.0. Tapi gratis di sini bukan tanpa syarat: menjual bobot, menjalankan layanan model berbayar, atau menjual produk coding dan perkantoran mandiri berbasis model ini membutuhkan lisensi tertulis terpisah dari Edge0.

Laptop seperti apa yang bisa menjalankan Edge0-145B?

Menurut Edge0, laptop yang kompatibel dengan memori puncak 29 GB di sisi GPU, misalnya MacBook Pro atau laptop dengan GPU NVIDIA RTX 4090 atau 5090. Tapi kartu model mencatat total sekitar 61 GiB untuk build NVFP4 (VRAM ditambah RAM host), jadi pastikan RAM sistemmu jauh lebih besar dari angka headline. Syarat minimum menurut GitHub: CUDA 13, compute capability 7.5 ke atas, dan VRAM 16 GB ke atas.

Apakah Edge0-145B lebih bagus dari Claude atau GPT?

Dalam evaluasi internal Edge0, model ini mengalahkan Claude Opus 4.6 (Max) di Terminal-Bench 2.1 (86,52 vs 78,2), tapi sedikit tertinggal di GPQA-Diamond (90,4 vs 91,3). Semua angka itu berasal dari pengujian internal Edge0 dan belum diverifikasi independen, jadi jawaban jujurnya: belum bisa dipastikan. Uji sendiri di tugasmu sebelum mengganti model cloud yang sudah kamu pakai.

Apakah dataku aman kalau memakai Edge0-145B?

Ya, sejauh inferensi berjalan lokal, kode dan dokumenmu tidak perlu dikirim ke server pihak ketiga, dan kemampuan inti model tetap bekerja offline. Tapi fitur yang butuh informasi online tetap memerlukan koneksi, dan keamanan datamu tetap bergantung pada keamanan laptop dan jaringanmu sendiri.

Di mana saya bisa mengunduh Edge0-145B?

Bobot model tersedia di Hugging Face dengan nama Edge0/Edge0-145B-q3k dan Edge0/Edge0-145B-NVFP4, sedangkan mesin inferensi edge0-infer dan aplikasi desktop Edge0 Chat tersedia di repositori GitHub Edge0-AI/Edge0. Bobot tidak ikut dalam paket mesin inferensi, jadi unduh keduanya secara terpisah.

Kesimpulan

Edge0-145B adalah langkah nyata menuju AI kelas berat yang tinggal di laptop sendiri: 145 miliar parameter, klaim kecepatan di atas 80 token per detik, dan skor benchmark yang menantang model cloud โ€” semuanya tanpa biaya token dan tanpa mengirim data ke server orang lain. Tapi dua catatan kakinya sama pentingnya dengan headline-nya: angka 29 GB hanya sisi GPU, dan lisensinya open-weight dengan batasan komersial, bukan open-source bebas. Langkah pertamamu: unduh build Q3_K, jalankan lima tugas nyata dari pekerjaanmu, dan bandingkan hasilnya dengan model yang kamu pakai hari ini sebelum memutuskan apa pun.

Referensi

  • Edge0, “Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer”, 12 November 2026, https://edge0.ai/blog/introducing-edge0-145b-frontier-ai-capabilities-on-your-own-computer
  • Edge0 AI, “Edge0 AI open-sources Edge0-145B”, DEV Community, 14 November 2026, https://dev.to/delimitter/edge0-ai-open-sources-edge0-145b-a-145-billion-parameter-latent-moe-model-that-runs-ai-on-your-own-1i4f
  • ExplainX, “Edge0-145B: 145B Open Weights on One GPU”, https://explainx.ai/blog/edge0-145b-open-on-device-laptop-agent-model-november-2026
  • Ground Truth, “Edge0-145B’s ’29 GB’ laptop headline holds only for GPU memory”, 13 November 2026, https://groundtruth.day/news/edge0-145b-headline-says-29-gb-the-model-card-measures-about-61-gib.html
  • Inoryva, “Edge0-145B Puts a 145-Billion-Parameter Model on One GPU โ€” Open-Weight, Not Open-Source”, http://inoryva.blogspot.com/2026/11/edge0-145b-puts-145-billion-parameter.html

Disclaimer: Artikel ini disusun pada 15 November 2026 berdasarkan sumber-sumber di atas. Angka benchmark, harga, dan syarat hardware berasal dari klaim vendor dan dapat berubah; periksa sumber resmi sebelum mengambil keputusan. Artikel ini bersifat edukatif dan bukan rekomendasi pembelian.

Avatar Ardansyah Falah

Workshop ยท Batch 12

2 jam bikin AI Agent pertamamu

Minggu, 18 Okt 2026 ยท 20.00 WIB

Rp399.000 Rp1.800.000

Modul Gratis

Modul intro Karyawan AI

Tiga bab video + worksheet + grup Telegram. Gratis.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *