Tingkat Kecerdasan Ponsel AI L1-L4: Panduan Uji 2026

Apa itu GB/Z 177-2026 dan cakupannya

GB/Z 177-2026 adalah rangkaian dokumen panduan standardisasi nasional Tiongkok untuk menilai tingkat kecerdasan terminal AI. Untuk pembaca ponsel, bagian terpentingnya adalah bahwa kerangka ini memberi bahasa bersama tentang apa yang dimaksud dengan terminal yang hanya merespons, terminal yang memakai tool, terminal yang membantu tugas, dan terminal yang mulai berkolaborasi dengan pengguna. Ia membantu pasar membahas “ponsel AI” dengan lebih terukur, bukan hanya lewat label pemasaran.

Rangkaian yang diterbitkan pada 2026-04-30 mencakup tiga bagian awal. GB/Z 177.1-2026 mencatat bagian Reference framework, GB/Z 177.2-2026 mencatat bagian General requirements, dan GB/Z 177.3-2026 mencatat bagian Mobile terminal. Ketiganya berstatus current pada catatan resmi SAMR/SAC, dan Part 3 adalah bagian yang paling langsung relevan untuk ponsel.

Kata pentingnya adalah GB/Z. Dalam praktik standardisasi Tiongkok, GB/Z adalah dokumen teknis panduan, bukan klaim bahwa setiap produk otomatis wajib lulus atau sudah tersertifikasi. Karena itu, artikel ini memperlakukan GB/Z 177-2026 sebagai kerangka interpretasi dan rancangan uji lapangan, bukan sebagai daftar produk yang sudah disahkan. Jika sebuah vendor menyebut level tertentu, pembaca perlu bertanya: bagian standar mana yang dipakai, ruang lingkup tesnya apa, bukti tugasnya apa, dan apakah hasilnya repeatable pada perangkat, akun, bahasa, wilayah, izin, dan versi software yang sama.

Untuk pembaca yang baru mengenal istilah ponsel agentic, halaman Apa Itu Ponsel AI Agentic? Arti, Sinyal 2026, dan Peran FoneClaw memberi dasar konsepnya. Artikel ini fokus pada cara membaca level L1-L4 dan mengubahnya menjadi uji ponsel yang bisa diulang.

Arti resmi L1 sampai L4 tanpa klaim berlebihan

Pengumuman MIIT tentang rangkaian grading terminal AI menjelaskan arsitektur 2+N dan menyebut empat tingkat resmi: L1 响应级, L2 工具级, L3 辅助级, dan L4 协同级. Dalam Bahasa Indonesia, pembaca dapat membacanya sebagai tingkat respons, tingkat tool, tingkat bantuan, dan tingkat kolaborasi. MIIT juga menyatakan bahwa kecerdasan meningkat dari level ke level. Itu memberi arah, tetapi tidak berarti kita boleh menciptakan ambang angka sendiri atau menyamakan level ini secara otomatis dengan taksonomi otonomi lain.

L1, tingkat respons, adalah titik ketika terminal dapat memahami masukan dan memberi jawaban yang relevan. Pada ponsel, contoh observasinya adalah menjawab pertanyaan tentang pengaturan, menjelaskan teks di layar, atau memberi ringkasan sederhana. Namun L1 belum cukup untuk menyatakan bahwa ponsel dapat mengelola tugas. Jawaban benar tetap berbeda dari aksi yang aman.

L2, tingkat tool, menambahkan kemampuan memakai alat atau fungsi. Ponsel tidak hanya menjawab “cara mengatur alarm”, tetapi dapat membuka jalur alarm, mengambil screenshot, mencari lokasi, atau memakai fungsi yang didukung. Di sini, bukti yang dicari bukan hanya hasil akhir, melainkan apakah tool yang dipilih sesuai, apakah izin muncul dengan jelas, dan apakah pengguna masih dapat mengontrol efeknya.

L3, tingkat bantuan, lebih dekat dengan ponsel AI yang dibayangkan banyak orang: memahami tujuan, memecah tugas, memakai konteks, menjalankan beberapa langkah yang didukung, lalu membantu pengguna sampai hasil terlihat. Contoh interpretatifnya adalah mengubah pesan menjadi pengingat, menyiapkan balasan dari konteks layar, atau memandu perubahan pengaturan dengan konfirmasi. Klaim ponsel AI L3 perlu dibuktikan dengan tugas berulang, bukan satu demo yang sudah disiapkan.

L4, tingkat kolaborasi, mengarah pada kerja bersama yang lebih dalam antara pengguna dan terminal. Ponsel tidak hanya menjalankan permintaan, tetapi ikut menjaga konteks, menyesuaikan langkah, meminta klarifikasi, dan melanjutkan alur saat kondisi berubah. Karena MIIT menyatakan L4 akan diperjelas dan disempurnakan lagi seiring perkembangan industri, pembaca sebaiknya memperlakukan L4 sebagai arah evaluasi yang matang secara bertahap, bukan label final yang mudah ditempel.

Membedakan bantuan berguna dan kolaborasi

Batas antara ponsel AI L3 dan ponsel AI L4 tidak bisa dibaca dari satu kalimat promosi. Bantuan berguna dimulai ketika ponsel dapat memahami niat pengguna, melihat konteks yang relevan, memecah tugas, dan memakai kemampuan yang tepat. Kolaborasi membutuhkan sesuatu yang lebih kuat: ponsel harus dapat menjaga alur saat informasi berubah, mengajukan pertanyaan saat risiko naik, menolak langkah yang tidak cukup jelas, serta mempertahankan jejak tindakan yang bisa ditinjau.

Contoh sederhana: pengguna membuka pesan dari rekan kerja dan meminta ponsel membuat pengingat. Jika asisten mengenali pesan, menyiapkan pengingat, menampilkan waktu dan isi, lalu meminta persetujuan, itu sudah menunjukkan bantuan yang jauh lebih berguna daripada respons teks. Namun jika rapat di kalender berubah, notifikasi baru masuk, atau aplikasi meminta izin tambahan, tingkat kolaborasi baru terlihat saat sistem mampu menyesuaikan rencana tanpa menghilangkan kontrol pengguna.

Karena itu, uji ponsel AI L3 sebaiknya menilai lebih dari “apakah tugas selesai?”. Pecah hasil menjadi beberapa bukti: apakah konteks dipahami, apakah rencana masuk akal, apakah tindakan didukung, apakah persetujuan diminta pada langkah berdampak, apakah status akhir diverifikasi, dan apakah kegagalan dipulihkan. Jika sebuah ponsel hanya berhasil ketika semua izin sudah siap dan layar tidak berubah, klaimnya perlu ditahan.

L4 membutuhkan kehati-hatian tambahan. MIIT sendiri menyebut bahwa L4 akan terus diklarifikasi dan disempurnakan seiring perkembangan industri. Ini penting untuk pembeli dan pembangun produk. Kita bisa menguji sinyal kolaborasi, tetapi sebaiknya tidak membuat daftar final seolah definisinya sudah selesai untuk semua terminal, semua aplikasi, dan semua wilayah. Level language harus selalu diikat pada ruang lingkup tes.

Untuk kedalaman arsitektur OS agent, pembaca dapat melanjutkan ke Fondasi OS Agent 2026: Tiga Lapisan yang Dibutuhkan Phone AI Agent. Di sini, fokusnya tetap pada bukti perilaku yang dapat dilihat di ponsel.

Cara menjalankan uji kecerdasan smartphone

Uji kecerdasan smartphone yang praktis harus bisa diulang. Gunakan perangkat yang sama, akun yang sama, bahasa yang sama, wilayah yang sama, izin yang sama, dan kondisi jaringan yang dicatat. Jangan bandingkan satu ponsel dengan semua izin terbuka melawan ponsel lain yang izinnya belum siap. Jangan pula menyatukan tugas offline, cloud, dan aplikasi pihak ketiga tanpa mencatat batasnya.

Mulailah dengan enam tugas. Pertama, tugas respons: minta ponsel menjelaskan layar pengaturan atau merangkum teks pendek. Kedua, tugas tool: minta ponsel mengambil screenshot, membuka aplikasi, atau mengecek status perangkat. Ketiga, tugas bantuan: minta ponsel membuat pengingat dari konteks pesan yang Anda pilih. Keempat, tugas multi-langkah: minta ponsel menyiapkan perubahan yang menyentuh aplikasi lain tetapi masih bisa dibatalkan. Kelima, tugas interupsi: ubah layar atau cabut izin di tengah alur. Keenam, tugas ulang: jalankan tugas yang sama lagi pada kondisi yang sama untuk melihat repeatability.

Catat lima jenis bukti secara terpisah. Penyelesaian tugas menjawab apakah hasil akhir terjadi. Kontrol menjawab apakah izin dan persetujuan jelas. Verifikasi menjawab apakah status akhir diperiksa, bukan diasumsikan. Pemulihan menjawab apa yang terjadi saat izin hilang, aplikasi berubah, atau input tidak cukup. Repeatability menjawab apakah hasilnya konsisten pada pengulangan yang wajar.

Uji lapangan seperti ini tidak sama dengan conformity assessment resmi. Ia membantu pembeli, reviewer, dan pembangun produk mengubah standar ponsel AI menjadi pertanyaan yang bisa dijawab. Untuk desain benchmark yang lebih teknis pada Android, kami menaruh panduan terpisah di Benchmark Phone Agent Android: Cara Mengevaluasi AI Agent Mobile 2026.

Menilai izin, persetujuan, interupsi, pemulihan, dan jejak

Kualitas aksi ponsel tidak hanya berarti tugas selesai. Ponsel AI yang baik juga harus gagal dengan terkendali. Jika izin belum tersedia, sistem perlu membawa pengguna ke titik pemulihan yang jelas. Jika tindakan menyentuh pesan, panggilan, kalender, pengaturan, kamera, lokasi, atau file pribadi, persetujuan harus muncul sebelum efek yang berdampak. Jika layar berubah, sistem perlu membaca ulang keadaan atau meminta klarifikasi.

Dalam uji standar ponsel AI, pisahkan permission boundary dari approval. Izin menjawab apakah sistem boleh mengakses fungsi tertentu. Approval menjawab apakah pengguna menyetujui tindakan tertentu pada momen tertentu. Keduanya berbeda. Izin kamera tidak berarti pengguna menyetujui setiap pemakaian kamera. Izin kalender tidak berarti asisten boleh membuat semua event tanpa pratinjau. Perbedaan ini penting saat ponsel bergerak dari L2 menuju L3.

Interupsi juga perlu diuji. Tekan stop saat alur berjalan. Ubah orientasi layar. Tutup aplikasi target. Putus jaringan. Cabut izin. Ponsel yang matang tidak hanya melanjutkan secara buta; ia harus menampilkan status, meminta ulang konteks, atau berhenti pada titik aman. Recovery path sama pentingnya dengan happy path.

Traceability membantu pembaca menilai apakah tindakan bisa diaudit. Catatan minimal yang berguna mencakup tugas yang diminta, konteks yang dipakai, tool atau kemampuan yang dipilih, persetujuan yang diberikan, hasil akhir, dan kegagalan yang terjadi. Untuk pengalaman pengguna, traceability tidak harus terasa seperti log teknis. Yang penting pengguna bisa memahami apa yang dilakukan ponsel dan mengapa.

Jika bagian yang paling Anda evaluasi adalah momen persetujuan, artikel UX Persetujuan Agen AI di Ponsel: Keyakinan, Alasan, dan Kontrol Pengguna membahas cara membuat approval terasa informatif, bukan sekadar tombol “ya” yang dilewati cepat.

Menggunakan FoneClaw sebagai rute uji Android terkelola

Di FoneClaw, kami membaca kerangka L1-L4 sebagai dorongan untuk membuat bukti perilaku lebih konkret. Kami tidak memakai artikel ini untuk memberi FoneClaw level resmi. Yang kami berikan adalah rute Android yang bisa diuji: model yang dikonfigurasi membantu menalar, sementara FoneClaw menjalankan tindakan Android yang didukung melalui kontrol yang terlihat.

Berdasarkan informasi produk terbaru saat artikel ini diperbarui, FoneClaw menyediakan akses mengambang dari aplikasi lain, attachment layar saat ini yang dipicu pengguna, task continuity antara Home dan panel mengambang, approval, stopping, permission recovery, serta routing kemampuan. Pembaca yang ingin mencoba build saat ini dapat memulai dari halaman Download FoneClaw. Floating entry berguna untuk uji ponsel AI karena tugas sering muncul saat pengguna sedang berada di aplikasi pesan, kalender, browser, atau pengaturan.

Attachment layar saat ini memberi konteks yang dipilih pengguna. Itu berbeda dari asumsi bahwa runtime selalu membaca semua layar. Setelah konteks dilampirkan, FoneClaw tetap harus memilih kemampuan yang relevan, menampilkan langkah, meminta persetujuan pada tindakan berdampak, dan memeriksa hasil. Jika izin belum tersedia atau layar berubah, alur recovery memberi bagian penting dari bukti evaluasi.

Permukaan kemampuan FoneClaw dijelaskan melalui 100+ built-in tools untuk tindakan Android yang didukung. Dalam uji, jangan mulai dari tugas sensitif. Mulai dari perubahan yang mudah dibatalkan: cek status perangkat, buka aplikasi tertentu, siapkan pengingat uji, atau tampilkan rencana perubahan pengaturan tanpa langsung menerapkannya. Nilai apakah konteks dipakai dengan benar, apakah kemampuan yang dipilih masuk akal, apakah approval muncul, apakah stop bekerja, dan apakah pemulihan izin membawa pengguna kembali ke alur yang jelas.

Pelajaran produk kami sederhana: kemampuan AI baru terasa dipercaya ketika pengguna bisa melihat jalan kerjanya. Jawaban model membantu, tetapi ponsel juga harus menjaga status, tindakan, izin, dan pemulihan. Itulah peran FoneClaw dalam artikel ini: contoh rute uji Android yang terkelola, bukan klaim sertifikasi L1-L4.

Memilih atau membangun ponsel AI dengan bukti

Jika Anda pembeli, jangan berhenti pada label “AI phone”, “agentic”, “L3”, atau “L4”. Minta bukti yang terikat pada ruang lingkup: bagian standar mana yang dirujuk, kategori terminal apa, perangkat dan software apa, bahasa dan wilayah apa, izin apa yang aktif, dan tugas apa yang diuji. Marketing label membantu menemukan produk, tetapi keputusan perlu memakai bukti tugas.

Jika Anda pembangun produk, gunakan kerangka ini sebagai daftar pertanyaan desain. Apakah sistem bisa menjawab dengan benar pada L1? Apakah tool dipilih dan dibatasi pada L2? Apakah bantuan multi-langkah pada L3 memiliki rencana, approval, verifikasi, dan recovery? Apakah sinyal kolaborasi menuju L4 diuji tanpa menghapus kontrol pengguna? Setiap jawaban perlu dilampirkan ke hasil yang bisa diulang.

• Nyatakan ruang lingkup: bagian GB/Z 177 yang dirujuk, kategori terminal, perangkat, akun, bahasa, wilayah, dan software.
• Gunakan tugas nyata: respons, tool, bantuan multi-langkah, interupsi, recovery, dan uji ulang.
• Pisahkan metrik: penyelesaian, kontrol, verifikasi, pemulihan, dan repeatability.
• Catat batas: fitur yang bergantung pada cloud, izin, aplikasi pihak ketiga, bahasa, atau region.
• Uji lagi setelah pembaruan: perilaku AI terminal dapat berubah setelah update model, sistem, atau aplikasi.

Kerangka L1-L4 berguna karena memaksa industri bergerak dari klaim umum menuju bukti. Namun pembaca tetap perlu disiplin: panduan bukan sertifikasi otomatis, level bukan pengganti uji, dan satu demo bukan bukti repeatable. Pilih ponsel AI, atau bangun phone agent, dengan cara yang sama: lihat apa yang dilakukan perangkat, bagaimana ia meminta kontrol, dan bagaimana ia pulih saat dunia nyata tidak sesuai skenario demo.