Memory ChatGPT kini memperbarui dirinya sendiri di sela sesi

OpenAI mengumumkan pembaruan memory ChatGPT yang mereka sebut dreaming, sebuah proses background yang menyaring konteks dari percakapan lama agar sesi berikutnya dimulai dengan gambaran tentang pengguna yang lebih segar dan relevan. Versi pertama dreaming dirilis setahun sebelumnya; versi ini adalah ide yang sama dengan kemampuan lebih besar dan jangkauan rollout lebih luas. Secara konkret, OpenAI bilang memory sekarang ikut direvisi seiring waktu, bukan ditulis sekali lalu dibekukan. Catatan seperti "kamu akan ke Singapura bulan Juli" akan berubah menjadi "kamu sudah ke Singapura pada Juli 2026" begitu perjalanannya berakhir. Ada juga halaman ringkasan memory yang membuat pengguna bisa meninjau, menambah, atau mengoreksi apa saja yang menurut ChatGPT ia ketahui tentang mereka. Ini pertama kalinya fitur memory tampil dengan permukaan inspeksi yang serius, bukan tersembunyi di pengaturan.

Pola rollout-nya juga layak dicatat. Pembaruan ini lebih dulu sampai ke pengguna Plus dan Pro di Amerika Serikat, lalu menyusul ke negara lain dan pengguna Free dalam beberapa pekan ke depan. OpenAI mengaitkan perpindahan ke tier gratis dengan penurunan kebutuhan compute untuk menjalankan dreaming sekitar lima kali lipat, yang sekaligus memungkinkan mereka memperbesar kapasitas memory untuk pengguna berbayar. Rasio inilah yang menjadi inti di balik judul. Fitur memory baru sepadan secara ekonomi kalau biaya inference proses background-nya tetap di bawah nilai yang ia tambahkan ke sesi berikutnya, dan OpenAI sekarang mengklaim sudah melewati ambang itu, bukan hanya untuk pelanggan berbayar.

Kenapa ini penting

Bagi pengguna yang memakai ChatGPT untuk pekerjaan berkelanjutan, perubahan praktisnya: memory mestinya tidak gampang lagi out of date, dan kamu akhirnya punya tempat untuk mengaudit serta mengoreksinya alih-alih menebak apa yang tersimpan. Bagi yang membangun di atas API, sinyal yang lebih penting ada di angka penurunan compute 5x: itu menetapkan batas bawah untuk biaya layer personalisasi yang selalu aktif, sekaligus menaikkan standar bagi asisten pesaing yang masih memperlakukan memory sebagai daftar datar.