Genspark merilis agen pribadi tanpa kode dengan GPT‑4.1 dan API Realtime dari OpenAI

Genspark⁠(terbuka di jendela baru) adalah perusahaan di balik Super Agent, sebuah agen AI tanpa kode yang dapat disesuaikan yang membantu pengguna melakukan otomatisasi tugas-tugas dunia sebenarnya seperti melakukan panggilan telepon, membuat presentasi, atau mengubah resep menjadi sebuah video pendek.

Super Agent menggunakan model multimodal OpenAI dan API Realtime untuk mengaktifkan tugas-tugas teks, gambar, dan suara, yang memungkinkan pengguna untuk melakukan otomatisasi alur kerja kompleks dengan prompt sederhana, tanpa perlu koding. Sistem tersebut melesat: hanya dalam 45 hari, Super Agent mencapai $36M dalam ARR, didorong oleh kebutuhan pengguna yang kuat. 

Genspark awalnya diluncurkan sebagai mesin pencarian AI yang didesain untuk membantu pelanggan dan profesional menyatukan dan menyusun informasi. Pada akhir tahun 2024 perilaku pengguna mulai berubah. Pengguna tidak hanya menginginkan jawaban. Mereka menginginkan hasil. Alih-alih “ringkas pasar ini,” mereka meminta untuk membuat presentasi singkat, skrip video, dan menindaklanjuti email. Pada saat yang bersamaan, kemampuan model berkembang dengan pesat. Jendela konteks yang lebih panjang, penalaran yang lebih kuat, dan API multimodal baru makin memungkinkan otomatisasi seluruh alur kerja, tidak hanya menerima informasi.

Perubahan kebutuhan pengguna tersebut dan kesiapan model mendorong tim untuk melakukan langkat berani: pada April 2025, Genspark beralih jauh dari pencarian dan sepenuhnya menjadi AI agen.

Pada April 2025, Genspark merilis Super Agent: asisten yang sepenuhnya otomatis tanpa kode yang dapat melakukan panggilan telepon, mendesain salindia, membuat video, dan lainnya. Secara internal, platform tersebut melakukan orkestrasi sembilan model bahasa khusus dan lebih dari 80 alat bantu terintegrasi, secara dinamis menetapkan setiap tugas ke komponen yang paling sesuai.

Model OpenAI adalah pusat dari sistem ini. GPT‑4.1 menangani keluaran riset dan terstruktur dengan instruksi yang ditingkatkan serta jendela konteks 1 juta token, yang memungkinkan agen untuk memproses dokumen panjang secara penuh tanpa pemenggalan. Keluaran JSON yang ketat didesain untuk memastikan respons terstruktur yang andal untuk alat bantu hilir, sementara prompt caching otomatis mengurangi biaya latensi dan API yang sangat bernilai dalam alur kerja multilangkah. Untuk pembuatan gambar, platform tersebut menggunakan model GPT‑image‑1 melalui API OpenAI.

Karena sistem tersebut sepenuhnya tanpa kode, pengguna tidak perlu memikirkannya sama sekali. Mereka tersebut mendeskripsikan apa yang mereka inginkan, “hubungi dokter gigi saya,” “ringkas laporan ini,” “buatkan saya presentasi”, dan Super Agent menangani sisanya.

Salah satu fitur Super Agent yang paling banyak diperbincangkan adalah Call For Me, sebuah AI yang melakukan panggilan telepon asli untuk Anda, dan benar-benar melakukan percakapan. Tanpa skrip. Tanpa transfer yang kasar. Baik memesan reservasi atau menjadwalkan ulang pengantaran, agen tersebut menggunakan API Realtime OpenAI dan kemampuan speech-to-speech untuk menangani percakapan secara alami dan dengan kefasihan real-time.

Sistem lapisan ganda mendukung interaksi API Realtime dalam mengelola dialog langsung, sementara model bayangan memantau dan memandu interaksi tersebut melalui antrean pesan. Hasilnya adalah komunikasi dua arah koheren yang cepat saat panggilan tersebut berlangsung, termasuk melakukan respons terhadap musik atau manusia yang ambigu. Di Jepang, satu contoh penggunaan telah viral: pengguna meminta agen untuk menangani panggilan pengunduran diri pada karyawan-karyawannya. Ini adalah salah satu contoh interaksi manusia mendalam yang bagi sebagian besar manusia tidak dapat membayangkan dapat ditangani agen AI. 

Melampaui panggilan telepon, pengguna mengandalkan Super Agent untuk membuat konten yang dipersonalisasi. Minta presentasi singkat bergaya vaporwave, dan agen tersebut akan membuat draf salindia, membuat gambar sampul bergaya dengan GPT‑image‑1, dan menyusun presentasi akhir. Untuk video, agen tersebut dapat menulis skrip adegan demi adegan, membuat gambar, dan menyusun video pendek yang siap untuk Instagram.

Contoh-contoh penggunaan ini mungkin terjadi karena adanya kemampuan multimodal OpenAI, kecepatan eksekusi Genspark, dan kolaborasi erat dengan tim startup OpenAI. Genspark bertemu secara rutin dengan arsitek solusi OpenAI untuk berbagi praktik terbaik, alur kerja yang disempurnakan, dan mengoptimalkan kinerja model. Mereka adalah di antara yang pertama merilis pengalaman suara dengan API Realtime, dan terus berkontribusi terhadap masukan yang membantu mendorong peningkatan model.

“Kami memilih OpenAI tidak hanya untuk kinerja model di seluruh modalitas, tetapi untuk pengalaman pengembang,” kata Zhu. “Desain API OpenAI membantu kami bergerak dengan cepat, merilis, merunut, dan menskalakan tanpa hambatan.”

Hanya dalam satu bulan setelah merilis Super Agent, Genspark telah:

• Mengalami pertumbuhan $36Juta ARR hanya dalam 45 hari
• Merilis delapan fitur agen utama dalam 70 hari

Semua ini dicapai dengan tim 20 orang dan tanpa iklan berbayar. Pertumbuhan tersebut sepenuhnya organik, didorong oleh viralitas produk dan rekomendasi pengguna. Sebagian besar daya tarik Super Agent berasal dari aksesibilitasnya. Pengguna tidak perlu membangun alur kerja atau mengonfigurasi pengaturan. Mereka hanya perlu mengatakan apa yang mereka perlukan dan agen menangani sisanya.

Selanjutnya, Genspark sedang melakukan perluasan ke kategori-kategori baru yang mana agen otonom dapat mendorong nilai yang lebih banyak, seperti browser AI yang bertindak di seluruh konten yang dijelajahi dan dokumen AI untuk membuat dokumen kaya format. API OpenAI tetap menjadi inti dari cara tim membangun dengan cepat dan meluncurkan produk lebih cepat.

“Kami membangun Genspark untuk menjadi lebih dari sebuah antarmuka obrolan, ini adalah workspace AI yang lengkap,” kata Zhu. “Dan dengan API OpenAI, kami mampu mewujudkannya dengan rekor waktu.”