SID AI merilis SID-2, model pencarian agentic generasi kedua, bersama SID-2 Swarm. Model ini tidak menjawab pertanyaan seperti chatbot biasa, tapi mencari ke data pengguna, membaca hasilnya, lalu mengembalikan daftar ID dokumen yang sudah diperingkat. Pendekatannya menggantikan pipeline RAG yang urutannya tetap dengan model yang memutuskan sendiri apa yang harus dicari berikutnya.
Apa bedanya SID-2 dengan RAG biasa?
Pipeline statis menjalankan rewrite, embed, search, dan rerank dalam urutan yang sudah ditentukan. SID-2 memutar siklus berbeda: mencari, membaca hasil, menyesuaikan, lalu mencari lagi. Pengembang memasang sendiri tool pencariannya ke backend mereka, dengan text_search untuk pencarian kata kunci dan search untuk pencarian vektor. Sesi diakhiri saat model memanggil report_helpful_ids berisi daftar dokumen berperingkat.
Karena model hanya melihat apa yang dikembalikan tool, tidak ada reindexing atau pemindahan data. Ini yang bikin SID-2 relatif ringan untuk dipasang di sistem yang sudah jalan.
Bagaimana SID-2 Swarm bekerja?
Swarm menjalankan beberapa agen yang saling berkirim pesan dan memecah konteksnya ke agen baru. Tiap agen menjelajah bagian korpus yang berbeda. Logika di baliknya sederhana: SID berargumen pencarian lebih untung dari membaca lebih banyak dokumen ketimbang berpikir lebih keras soal satu dokumen.
Hasilnya kelihatan di benchmark. Swarm 12 agen mencatat 0.720 NDCG, skor tertinggi di tabel SID, di atas GPT-6 Astra yang dapat 0.704. Versi 6 agen dapat 0.701 NDCG dalam 17,7 detik, sementara Astra butuh 135 detik untuk skor 0.704. Swarm memimpin di 11 dari 19 korpora yang diuji.
Berapa skor dan harga SID-2?
Semua angka berasal dari laporan SID sendiri, bukan evaluasi independen. SID-2 Medium mencatat 0.585 NDCG dalam 3,11 detik, sementara Claude Opus 5.5 versi medium dapat 0.577 dalam 25,1 detik. Di sisi bawah, SID-2 Low hanya 0.556 NDCG, terpaut 0.148 dari Astra. Astra masih unggul di korpora hukum California, filing SEC, dan FiQA.
Sebagai pembanding, BM25 cuma 0.260 dan vector search plus reranker 0.287. Soal biaya, SID-2 dipatok 0,25 dolar per juta token input dan 1,00 dolar per juta token output. Swarm dua kali lipatnya, 0,50 dan 2,00 dolar. Input yang di-cache dihargai 10 persen dari harga input normal.
Di mana SID-2 bisa dipakai?
Model tersedia lewat API di platform.sid.ai, plus jalur referensi Baseten dan SageMaker. SDK tersedia untuk Python (sid-sdk), TypeScript (@sid-ai/sid-sdk), dan Go. Implementasi referensinya memakai format klien OpenAI, jadi tim yang sudah pakai OpenAI client tidak perlu belajar banyak hal baru.
Konteks yang dilaporkan 262k token di laporan, sementara halaman model menyebut 256k. Angka latensi SID diasumsikan jalan di 1 GPU B200 dengan 8 kueri bersamaan, dan waktu backend retrieval tidak dihitung.
Yang perlu dicatat: ukuran model, bobot, dan evaluasi independen belum diungkap. SID-2 juga bukan model chat umum, jadi jangan harap bisa dipakai ngobrol santai. Ini spesialis pencarian, dan latihannya pakai reinforcement learning dua tahap plus proposer-solver self-play untuk menghasilkan kueri sulit. SID mengklaim latihan 6x lebih cepat dari setup default SLIME.
Orang Juga Bertanya
Apa itu SID-2?
SID-2 adalah model pencarian agentic dari SID AI yang mencari data, membaca hasil, dan mengembalikan ID dokumen berperingkat. Model ini menggantikan pipeline RAG dengan urutan tetap.
Berapa skor NDCG SID-2 Swarm?
SID-2 Swarm dengan 12 agen mencatat 0.720 NDCG, skor tertinggi di benchmark SID. Versi 6 agen dapat 0.701 NDCG.
Berapa harga SID-2?
SID-2 dipatok 0,25 dolar per juta token input dan 1,00 dolar per juta token output. Untuk Swarm, harganya 0,50 dan 2,00 dolar per juta token.
Apakah SID-2 bisa dipakai gratis?
Belum ada informasi versi gratis. SID-2 diakses lewat API berbayar di platform.sid.ai, Baseten, dan SageMaker.
Apakah hasil benchmark SID-2 sudah diverifikasi independen?
Belum. Semua angka berasal dari laporan SID sendiri, dan ukuran model serta bobotnya belum diungkap.
Menurut kalian, pendekatan swarm banyak agen kayak SID-2 ini bakal jadi standar baru pencarian AI, atau cuma ramai di benchmark doang? Tulis pendapat kalian di kolom balasan ya
Diolah redaksi N3 dari laporan MarkTechPost.
Apa bedanya SID-2 dengan RAG biasa?
Pipeline statis menjalankan rewrite, embed, search, dan rerank dalam urutan yang sudah ditentukan. SID-2 memutar siklus berbeda: mencari, membaca hasil, menyesuaikan, lalu mencari lagi. Pengembang memasang sendiri tool pencariannya ke backend mereka, dengan text_search untuk pencarian kata kunci dan search untuk pencarian vektor. Sesi diakhiri saat model memanggil report_helpful_ids berisi daftar dokumen berperingkat.
Karena model hanya melihat apa yang dikembalikan tool, tidak ada reindexing atau pemindahan data. Ini yang bikin SID-2 relatif ringan untuk dipasang di sistem yang sudah jalan.
Bagaimana SID-2 Swarm bekerja?
Swarm menjalankan beberapa agen yang saling berkirim pesan dan memecah konteksnya ke agen baru. Tiap agen menjelajah bagian korpus yang berbeda. Logika di baliknya sederhana: SID berargumen pencarian lebih untung dari membaca lebih banyak dokumen ketimbang berpikir lebih keras soal satu dokumen.
Hasilnya kelihatan di benchmark. Swarm 12 agen mencatat 0.720 NDCG, skor tertinggi di tabel SID, di atas GPT-6 Astra yang dapat 0.704. Versi 6 agen dapat 0.701 NDCG dalam 17,7 detik, sementara Astra butuh 135 detik untuk skor 0.704. Swarm memimpin di 11 dari 19 korpora yang diuji.
Berapa skor dan harga SID-2?
Semua angka berasal dari laporan SID sendiri, bukan evaluasi independen. SID-2 Medium mencatat 0.585 NDCG dalam 3,11 detik, sementara Claude Opus 5.5 versi medium dapat 0.577 dalam 25,1 detik. Di sisi bawah, SID-2 Low hanya 0.556 NDCG, terpaut 0.148 dari Astra. Astra masih unggul di korpora hukum California, filing SEC, dan FiQA.
Sebagai pembanding, BM25 cuma 0.260 dan vector search plus reranker 0.287. Soal biaya, SID-2 dipatok 0,25 dolar per juta token input dan 1,00 dolar per juta token output. Swarm dua kali lipatnya, 0,50 dan 2,00 dolar. Input yang di-cache dihargai 10 persen dari harga input normal.
Di mana SID-2 bisa dipakai?
Model tersedia lewat API di platform.sid.ai, plus jalur referensi Baseten dan SageMaker. SDK tersedia untuk Python (sid-sdk), TypeScript (@sid-ai/sid-sdk), dan Go. Implementasi referensinya memakai format klien OpenAI, jadi tim yang sudah pakai OpenAI client tidak perlu belajar banyak hal baru.
Konteks yang dilaporkan 262k token di laporan, sementara halaman model menyebut 256k. Angka latensi SID diasumsikan jalan di 1 GPU B200 dengan 8 kueri bersamaan, dan waktu backend retrieval tidak dihitung.
Yang perlu dicatat: ukuran model, bobot, dan evaluasi independen belum diungkap. SID-2 juga bukan model chat umum, jadi jangan harap bisa dipakai ngobrol santai. Ini spesialis pencarian, dan latihannya pakai reinforcement learning dua tahap plus proposer-solver self-play untuk menghasilkan kueri sulit. SID mengklaim latihan 6x lebih cepat dari setup default SLIME.
Orang Juga Bertanya
Apa itu SID-2?
SID-2 adalah model pencarian agentic dari SID AI yang mencari data, membaca hasil, dan mengembalikan ID dokumen berperingkat. Model ini menggantikan pipeline RAG dengan urutan tetap.
Berapa skor NDCG SID-2 Swarm?
SID-2 Swarm dengan 12 agen mencatat 0.720 NDCG, skor tertinggi di benchmark SID. Versi 6 agen dapat 0.701 NDCG.
Berapa harga SID-2?
SID-2 dipatok 0,25 dolar per juta token input dan 1,00 dolar per juta token output. Untuk Swarm, harganya 0,50 dan 2,00 dolar per juta token.
Apakah SID-2 bisa dipakai gratis?
Belum ada informasi versi gratis. SID-2 diakses lewat API berbayar di platform.sid.ai, Baseten, dan SageMaker.
Apakah hasil benchmark SID-2 sudah diverifikasi independen?
Belum. Semua angka berasal dari laporan SID sendiri, dan ukuran model serta bobotnya belum diungkap.
Menurut kalian, pendekatan swarm banyak agen kayak SID-2 ini bakal jadi standar baru pencarian AI, atau cuma ramai di benchmark doang? Tulis pendapat kalian di kolom balasan ya
Diolah redaksi N3 dari laporan MarkTechPost.