Pratinjau DeepSeek V4 Tantang Batas Terdepan AI dengan Konteks Sejuta Token dan Harga Agresif

Penantang Baru Mendekati Batas Terdepan

Laboratorium kecerdasan buatan (AI) asal China, DeepSeek, merilis versi pratinjau dari seri model V4 yang sangat dinantikan, dengan memperkenalkan dua varian yang memadukan skala masif dan efisiensi yang belum pernah ada sebelumnya. Model DeepSeek-V4-Pro dan DeepSeek-V4-Flash, yang diluncurkan pada 24 April 2026, menjadi upaya DeepSeek paling ambisius sejauh ini untuk menantang dominasi raksasa AI Amerika seperti OpenAI, Anthropic, dan Google.

Peluncuran ini berlangsung tepat satu tahun setelah model penalaran R1 dari DeepSeek memicu kejatuhan pasar senilai triliunan dolar dengan menunjukkan bahwa kemampuan AI kelas dunia dapat dibangun dengan biaya yang jauh lebih rendah daripada biaya yang biasanya diperlukan untuk sistem terdepan. Kini, lewat V4, DeepSeek memosisikan diri bukan sekadar sebagai alternatif berbiaya rendah, melainkan sebagai pesaing sejati dalam kemampuan inti, sembari mempertahankan strategi harga radikal yang pertama kali membuat perusahaan rintisan asal Hangzhou itu menjadi sorotan dunia.

Kedua model memiliki jendela konteks 1 juta token, mampu memproses sekitar 15 hingga 20 novel lengkap dalam satu prompt, dan menggunakan arsitektur Mixture-of-Experts yang hanya mengaktifkan sebagian parameter saat inferensi. Yang paling menonjol, perusahaan merilis model-model ini di bawah lisensi MIT yang permisif, sehingga dapat digunakan dan dimodifikasi secara komersial tanpa biaya lisensi, sekaligus melanjutkan komitmennya pada pengembangan AI berbobot terbuka.

Arsitektur Teknis dan Skala

Seri DeepSeek V4 menghadirkan dua konfigurasi berbeda untuk beragam kebutuhan. V4-Pro sebagai model unggulan merupakan salah satu model berbobot terbuka terbesar yang pernah dirilis, dengan total 1,6 triliun parameter dan 49 miliar parameter aktif dalam setiap operasi inferensi. V4-Flash yang lebih ringkas memiliki total 284 miliar parameter dengan 13 miliar parameter aktif, dan dirancang untuk aplikasi yang sensitif terhadap latensi serta penggunaan pada perangkat konsumen.

Efisiensi parameter ini dicapai melalui arsitektur Mixture-of-Experts, yang mengarahkan setiap token input ke sub jaringan khusus alih-alih mengaktifkan seluruh model. Model padat dengan 1,6 triliun parameter akan sangat mahal untuk dijalankan. Namun, dengan menjaga jumlah parameter aktif kurang lebih setara dengan generasi sebelumnya, V3.2, sembari memperluas kumpulan pakar, DeepSeek meningkatkan kapasitas spesialisasi mendalam untuk pemrograman, matematika, dan tugas multibahasa tanpa menaikkan kebutuhan komputasi secara sebanding.

Menembus Batas Konteks Panjang

Inti arsitektur V4 adalah apa yang disebut DeepSeek sebagai Hybrid Attention Architecture, yang memadukan mekanisme Compressed Sparse Attention dan Heavily Compressed Attention. Inovasi ini mengatasi salah satu tantangan yang terus dihadapi model bahasa besar: penurunan kualitas pencarian informasi seiring bertambahnya panjang konteks.

Mekanisme perhatian transformer standar kesulitan menghadapi masalah "jarum di tumpukan jerami", ketika informasi spesifik yang terselip jauh di dalam dokumen panjang semakin sulit ditemukan. DeepSeek mengklaim pendekatannya mencapai akurasi 97% pada tolok ukur pencarian informasi dengan sejuta token, dibandingkan 84,2% untuk mekanisme perhatian standar. Dengan demikian, pendekatan ini secara efektif mengatasi penurunan kualitas pencarian informasi yang selama ini menjadi masalah pada model berkonteks panjang.

Dalam praktiknya, model ini dapat memproses seluruh basis kode, kumpulan dokumen hukum yang komprehensif, atau riwayat percakapan bertahun-tahun secara andal tanpa kehilangan detail tertentu. Bagi pengembang yang membangun sistem generasi yang diperkaya dengan pencarian, kemampuan ini dapat mengurangi atau menghilangkan kebutuhan akan strategi pemecahan dokumen yang rumit dan basis data vektor eksternal.

Performa Tolok Ukur: Kemampuan yang Mendekati Model Terdepan

Menurut evaluasi independen dan laporan DeepSeek sendiri, performa V4-Pro menempatkannya dalam jarak yang cukup dekat dengan sistem tertutup paling canggih. Pada tolok ukur SWE-bench Verified, yang menguji kemampuan model menyelesaikan masalah GitHub nyata dari proyek sumber terbuka, V4-Pro dilaporkan meraih skor sekitar 80,6%, nyaris setara dengan Claude Opus 4.6 yang mencetak 80,8% dan melampaui banyak rekor sumber terbuka sebelumnya.

Pada tolok ukur penalaran matematika, V4-Pro menunjukkan keunggulan khusus. Model ini dilaporkan meraih skor 95,2% pada HMMT 2026 dan 89,8% pada IMOAnswerBench. Hasil tersebut menempatkannya di atas Claude Opus 4.6 pada tolok ukur terakhir, meski sedikit di bawah GPT-5.4. Dalam evaluasi pemrograman kompetitif berdasarkan peringkat Codeforces, V4-Pro meraih skor 3206, mengungguli GPT-5.4 (3168) dan Gemini 3.1 Pro (3052).

Meski demikian, DeepSeek tetap berhati-hati dalam menilai posisi modelnya di jajaran terdepan secara keseluruhan. Perusahaan mengakui bahwa dalam tugas pengetahuan umum dan penalaran, V4-Pro tertinggal sekitar 3 hingga 6 bulan pengembangan dari Gemini 3.1 Pro milik Google. Ini menunjukkan bahwa meski kesenjangan telah menyempit, kemampuan model ini belum sepenuhnya setara dengan sistem tertutup tercanggih.

Dengan memperluas penggunaan token penalaran, DeepSeek-V4-Pro-Max menunjukkan performa yang lebih unggul dibandingkan GPT-5.2 dan Gemini-3.0-Pro pada tolok ukur penalaran standar. Meski demikian, performanya sedikit di bawah GPT-5.4 dan Gemini-3.1-Pro. Ini menunjukkan bahwa perkembangannya tertinggal sekitar 3 hingga 6 bulan dari model-model terdepan terkini.

Varian V4-Flash tetap menunjukkan performa yang cukup kompetitif meski ukurannya lebih kecil. Skornya mencapai 86,2% pada MMLU-Pro, dibandingkan 87,5% untuk V4-Pro, serta 91,6% pada LiveCodeBench, dibandingkan 93,5% untuk versi Pro. Efisiensi ini menunjukkan bahwa untuk banyak aplikasi, model Flash mungkin menawarkan kemampuan yang memadai dengan biaya operasional yang jauh lebih rendah.

Harga Radikal dan Guncangan Ekonomi

Aspek paling mengguncang dari peluncuran V4 mungkin adalah strategi harganya, yang meneruskan pola DeepSeek dalam menawarkan harga berkali-kali lipat lebih rendah daripada pesaing Barat. Model V4-Flash dibanderol $0,14 per sejuta token input dan $0,28 per sejuta token output. Harganya bahkan lebih murah daripada GPT-5.4 Nano dari OpenAI ($0,20/$1,25) dan Gemini 3.1 Flash-Lite ($0,25/$1,50).

V4-Pro sebagai model unggulan dibanderol $1,74 per sejuta token input dan $3,48 per sejuta token output. Meski lebih mahal daripada varian Flash, harganya tetap jauh di bawah model terdepan sekelasnya. Claude Opus 4.6 berharga $5 per sejuta token input dan $25 per sejuta token output, sementara GPT-5.4 dibanderol $2,50 untuk input dan $15 untuk output per sejuta token. Dengan demikian, model unggulan DeepSeek menawarkan performa tolok ukur yang sebanding dengan biaya sekitar 50% hingga 80% lebih rendah.

Harga agresif ini dimungkinkan oleh peningkatan efisiensi yang signifikan dalam arsitektur model. DeepSeek melaporkan bahwa dalam skenario konteks sejuta token, V4-Pro hanya menggunakan 27% operasi titik-mengambang yang dibutuhkan pendahulunya, V3.2, dan hanya 10% dari ukuran cache key-value. V4-Flash meningkatkan efisiensi ini lebih jauh, dengan hanya menggunakan 10% FLOP dan 7% ukuran cache KV dibandingkan V3.2.

Analis industri menilai tekanan harga ini dapat memaksa penyesuaian yang lebih luas di pasar. Ketika model R1 dari DeepSeek diluncurkan dengan biaya API sekitar 90% lebih rendah daripada produk sebanding OpenAI, para pesaing merespons dengan membuka akses ke model canggih bagi pengguna paket gratis dan menyesuaikan struktur harga mereka. Dinamika serupa dapat terjadi seiring V4 menetapkan standar biaya baru untuk inferensi AI berperforma tinggi maupun berbiaya rendah.

Kemandirian Perangkat Keras dan Infrastruktur Pelatihan

Salah satu aspek penting dari peluncuran V4, baik dari segi geopolitik maupun teknis, adalah infrastruktur pelatihannya. Berbeda dengan kebanyakan model AI terdepan yang terutama dibangun menggunakan GPU Nvidia tercanggih, DeepSeek dilaporkan melatih V4 dengan kombinasi akselerator AI Huawei Ascend 910B dan chip Cambricon MLU. Verifikasi diselesaikan pada platform NPU Ascend milik Huawei.

Perkembangan ini membawa implikasi besar bagi pasar perangkat keras AI global. Akibat pembatasan ekspor Amerika Serikat yang membatasi akses China terhadap chip Nvidia berperforma tertinggi, DeepSeek menunjukkan bahwa pengembangan AI berskala terdepan dapat dilakukan dengan cip buatan dalam negeri China. Jika klaim performa tolok ukur model ini terbukti melalui pemeriksaan independen, hal itu akan mengukuhkan Huawei dan Cambricon sebagai alternatif Nvidia yang layak untuk pelatihan AI berskala besar, sekaligus berpotensi mempercepat diversifikasi rantai pasok perangkat keras AI.

Wei Sun, analis AI utama di Counterpoint Research, mengatakan bahwa kemampuan V4 untuk berjalan secara langsung pada chip lokal China dapat berdampak besar terhadap upaya Beijing mewujudkan kedaulatan AI.

Pada akhirnya, hal ini juga akan mempercepat perkembangan AI global.

Penerapan pada Perangkat Konsumen

Meski jumlah parameternya sangat besar, DeepSeek menekankan bahwa versi V4 yang telah dikuantisasi dapat dijalankan pada perangkat konsumen. Perusahaan menyebut V4-Flash dapat beroperasi pada satu Nvidia RTX 5090 dengan VRAM 32GB menggunakan kuantisasi INT4, atau pada dua RTX 4090 dengan total VRAM 48GB menggunakan presisi INT8. Model Pro, dengan bobot penuh berukuran 865GB, ditujukan untuk inferensi presisi penuh pada klaster GPU multi-node, tetapi mungkin juga mendukung strategi penerapan streaming.

Aksesibilitas ini sangat berbeda dengan model-model tertutup terdepan, yang memerlukan akses API dan infrastruktur pusat data. Bagi pengembang yang memperhatikan privasi data, latensi, atau kepastian biaya operasional, kemampuan menjalankan sendiri model sekelas satu triliun parameter pada perangkat keras yang tersedia untuk dibeli merupakan perubahan besar dalam keekonomian praktis penerapan AI.

Dampak Pasar dan Posisi Strategis

Peluncuran V4 memperketat persaingan, bukan hanya antara pengembang AI China dan Amerika, tetapi juga di pasar domestik China. Sejak terobosan R1 dari DeepSeek, para pesaing dalam negeri, termasuk Qwen milik Alibaba, ByteDance, dan Moonshot AI, mempercepat peluncuran model mereka. Pengumuman terbaru DeepSeek langsung memengaruhi harga saham para pesaing. Saham MiniMax dan Zhipu masing-masing turun sekitar 8% dalam perdagangan di Hong Kong setelah pengumuman V4.

Bersamaan dengan peluncuran model ini, DeepSeek dilaporkan mencari pendanaan eksternal untuk pertama kalinya. Perusahaan menargetkan dana sedikitnya $300 juta dengan valuasi lebih dari $10 miliar. Sejumlah laporan menyebut pembicaraan dengan Tencent dan Alibaba dapat mendorong valuasi hingga mendekati $20 miliar. Ini menandai pergeseran strategi dari ketergantungan sebelumnya pada perusahaan induk berupa dana lindung nilainya, High-Flyer Capital Management.

Namun, perusahaan menghadapi kendala infrastruktur dalam waktu dekat. DeepSeek memperingatkan bahwa kapasitas layanan untuk tingkat Pro saat ini terbatas akibat kelangkaan komputasi kelas atas. Harga diperkirakan baru akan turun signifikan setelah supernode Huawei Ascend 950 diterapkan secara luas pada paruh kedua 2026.

Peluncuran ini juga berlangsung di tengah meningkatnya ketegangan geopolitik terkait pengembangan AI. Gedung Putih baru-baru ini menuduh China melakukan pencurian kekayaan intelektual di bidang AI secara industrial. Kementerian Luar Negeri Beijing secara tegas menolak tuduhan tersebut sebagai serangan tanpa dasar terhadap kemajuan teknologi China. Komitmen DeepSeek untuk terus merilis model sumber terbuka di bawah lisensi Apache 2.0 dan MIT berlawanan dengan strategi yang semakin tertutup dari banyak laboratorium AI terdepan di Barat, sehingga menempatkan perusahaan ini sebagai pelopor pengembangan AI berbobot terbuka.

Intinya

• DeepSeek merilis versi pratinjau V4-Pro (1,6 triliun parameter, 49 miliar aktif) dan V4-Flash (284 miliar parameter, 13 miliar aktif) dengan jendela konteks 1 juta token
• Kedua model dirilis di bawah lisensi sumber terbuka (MIT/Apache 2.0), sehingga dapat digunakan dan dimodifikasi secara komersial tanpa biaya
• V4-Pro meraih hasil tolok ukur yang kompetitif dengan Claude Opus 4.6 dan GPT-5.4 dalam tugas pemrograman, dengan biaya 50% hingga 80% lebih rendah
• V4-Flash dibanderol $0,28 per sejuta token output, menjadikannya pilihan termurah di antara model kecil yang mumpuni, bahkan lebih murah daripada GPT-5.4 Nano milik OpenAI
• Model-model ini dilatih menggunakan perangkat keras non-Nvidia (chip Huawei Ascend dan Cambricon), yang menunjukkan adanya alternatif layak untuk cip AI Amerika
• Inovasi arsitektur, termasuk Hybrid Attention Architecture, mengurangi kebutuhan komputasi hingga 90% dibandingkan model generasi sebelumnya
• Versi yang dikuantisasi dapat dijalankan pada perangkat keras konsumen, termasuk konfigurasi satu RTX 5090 atau dua RTX 4090
• DeepSeek mengakui model-model ini tertinggal sekitar 3 hingga 6 bulan dari sistem terdepan mutakhir dalam tugas pengetahuan umum
• Peluncuran ini meningkatkan tekanan harga di industri AI dan mempercepat persaingan di sektor AI domestik China