Dua Model AI Baru Meluncur Bersamaan, Satu Raksasa Satu Termurah

INTARTA.com - Dua perusahaan teknologi besar meluncurkan model kecerdasan buatan baru dalam pekan yang sama, dengan strategi yang berlawanan. Satu pihak mengandalkan skala raksasa, pihak lain mengandalkan harga semurah mungkin.

Alibaba memperkenalkan Qwen3.8-Max pada Senin, 3 Agustus 2026. Model ini memiliki 2,4 triliun parameter, menjadikannya model terbesar kedua dari negara asalnya, di bawah Kimi K3 milik Moonshot AI yang mencapai 2,8 triliun parameter.

Pasar menyambut kabar itu dengan positif. Saham Alibaba naik 7 persen di bursa Hong Kong dan ikut menguat di perdagangan pra-pembukaan New York, reaksi yang lazim muncul ketika investor menilai sebuah peluncuran produk punya nilai strategis.

Meski total parameternya raksasa, Qwen3.8-Max tidak mengaktifkan semuanya sekaligus. Alibaba memakai arsitektur mixture-of-experts, semacam pembagian kerja yang hanya menyalakan bagian model yang relevan untuk tugas tertentu, sehingga hanya sekitar 95 miliar parameter yang benar-benar dipakai dalam satu kali pemrosesan.

Model ini mampu mencerna teks, gambar, dan video sekaligus dengan kapasitas hingga satu juta token dalam satu waktu, setara ratusan halaman dokumen hukum atau satu basis kode perangkat lunak yang cukup besar. Di platform pembanding Arena.AI, model ini langsung menjadi model berperingkat tertinggi dari negara asalnya untuk kategori teks, meski masih berada di bawah Claude Fable 5 dan sejumlah varian Opus milik Anthropic.

Perlu dicatat, angka benchmark yang dipublikasikan Alibaba berasal dari pengujian internal perusahaan, sehingga independensinya masih perlu diuji pihak ketiga secara lebih luas. Model ini sudah bisa diakses lewat Alibaba Cloud Model Studio, dan bobot terbukanya dijanjikan menyusul pekan berikutnya.

Di sisi lain, DeepSeek merilis V4-Flash pada Jumat, 31 Juli 2026. Firma riset independen Artificial Analysis menobatkannya sebagai model AI ternama dengan biaya operasional termurah di dunia saat ini.

Tarif resminya adalah 0,14 dolar AS per juta token input dan 0,28 dolar AS per juta token output. Namun dengan metode biaya rata-rata per rangkaian uji benchmark, V4-Flash hanya menghabiskan sekitar 0,03 dolar AS per pengujian, dibandingkan 0,86 dolar AS untuk Kimi K3, 1,86 dolar AS untuk GPT-5.6 Sol milik OpenAI, dan 3,15 dolar AS untuk Claude Fable 5.

Metode itu dipakai karena harga per token saja bisa menyesatkan: model bertarif murah yang butuh lebih banyak langkah untuk sampai ke jawaban benar pada akhirnya bisa tetap mahal. Soal kemampuan murni, V4-Flash meraih skor 50 dari 100 pada Intelligence Index milik Artificial Analysis, setara Gemini 3.6 Flash milik Google, tapi di bawah Kimi K3 yang meraih 57 maupun model-model kelas atas lain yang unggul sembilan poin atau lebih.

Dengan kata lain, V4-Flash tidak dirancang untuk mengalahkan model terbaik di kelasnya, melainkan untuk melayani kebutuhan yang cukup dengan biaya seminimal mungkin. DeepSeek sendiri bukan pemain baru soal banting harga: model R1 dan V3 yang mereka rilis awal 2025 sempat memicu aksi jual saham teknologi secara global.

Baik Qwen3.8-Max maupun V4-Flash sama-sama mengusung pendekatan open-weight, di mana bobot parameter utama bisa diunduh dan disesuaikan sendiri oleh pengembang. Pendekatan ini berbeda dari model tertutup yang selama ini jadi andalan OpenAI, Anthropic, dan Google.

Kepala Analis Omdia, Lian Jye Su, menilai perusahaan-perusahaan AI dari negara itu sudah menemukan ceruk pasar yang tepat. Menurutnya, kebanyakan pelaku usaha sebenarnya tidak butuh model paling pintar di dunia, melainkan model yang cukup baik, harganya masuk akal, prosesnya transparan, dan mudah diakses.

Peluncuran ganda ini menambah panjang daftar model besar yang dirilis dalam beberapa bulan terakhir, menyusul Kimi K3 pertengahan Juli lalu. Pola yang muncul cukup jelas: alih-alih head-to-head mengejar performa mentah tertinggi, perusahaan-perusahaan itu tampak memilih dua jalur sekaligus, membangun model raksasa yang kompetitif dari sisi kemampuan sekaligus menggempur dari sisi harga.

Bagi pelaku bisnis maupun pengembang, persaingan ini pada akhirnya menguntungkan karena pilihan model semakin beragam dan tekanan harga turut mendorong ekosistem kecerdasan buatan menjadi lebih kompetitif. Meski begitu, klaim performa masing-masing perusahaan sejauh ini masih banyak bersumber dari pengujian internal atau firma riset pihak ketiga dengan metodologi masing-masing, sehingga hasil di dunia nyata bisa bervariasi tergantung jenis pekerjaan yang dijalankan.