HUMAIN-M3 Menunjukkan Arah Baru Perlombaan AI Berdaulat

Arab Saudi melalui HUMAIN-M3 menawarkan contoh penting tentang perubahan strategi AI berdaulat. Alih-alih membangun setiap kemampuan model AI frontier dari nol, HUMAIN memakai lini model M3 milik MiniMax sebagai fondasi, lalu melanjutkan pelatihan dengan data berbahasa Arab asli dan menyediakan model yang berorientasi bahasa Arab itu lewat platform HUMAIN Node. 65

Perbedaannya sangat penting. Bagi pemerintah, kedaulatan AI semakin berarti memiliki kendali nyata atas cara model diadaptasi, dihosting, diamankan, diperbarui, dan dipelihara—bukan harus menciptakan sendiri seluruh komponen model dasarnya.

Apa yang diluncurkan HUMAIN-M3?

HUMAIN, perusahaan yang didukung Public Investment Fund (PIF) Arab Saudi, mengumumkan humain-m3 pada 3 September 2026. Perusahaan tersebut menyatakan bahwa model ini dipesan oleh HUMAIN, dikembangkan oleh MiniMax, dan dirilis sebagai pratinjau riset di HUMAIN Node. Rilis bobot model secara terbuka direncanakan, tetapi bobotnya belum tersedia untuk diunduh dalam tahap pratinjau ini. 63

Model ini dibangun dari lini MiniMax-M3, sebuah arsitektur mixture-of-experts (MoE) dengan 428 miliar parameter total dan sekitar 23 miliar parameter aktif untuk setiap token. HUMAIN menyatakan telah melatihnya lebih lanjut menggunakan lebih dari 1 triliun token konten berbahasa Arab asli. 61

Jadi, ini bukan sekadar lapisan penerjemahan di atas sistem AI serbaguna. Tujuannya adalah mempertahankan kemampuan luas model dasar, sambil meningkatkan pemahaman dan pembuatan teks bahasa Arab melalui data bahasa serta konteks budaya yang lebih relevan. 211

Mengapa fondasi open-weight mengubah hitungan ekonomi AI berdaulat?

Melatih model AI general-purpose tingkat atas dari nol membutuhkan komputasi, data, tenaga rekayasa, dan waktu dalam skala sangat besar. Fondasi open-weight mengubah titik awal itu: operator domestik dapat memusatkan investasi pada pelatihan lanjutan, evaluasi, penerapan, dan tata kelola untuk kebutuhan prioritasnya sendiri.

MiniMax memosisikan M3 sebagai model open-weight untuk pemrograman dan pekerjaan berbasis agen AI, dengan dukungan API untuk konteks hingga 1 juta token. 18 Berangkat dari fondasi seperti ini memungkinkan program AI nasional berfokus pada kebutuhan yang sering kurang terlayani model umum, misalnya dialek Arab, pengetahuan spesifik kawasan, alur kerja lembaga, serta evaluasi yang dilokalkan.

Nilai strategisnya bukan berarti sebuah negara menjadi sepenuhnya mandiri dari teknologi luar negeri. HUMAIN-M3 sendiri bergantung pada lini model asal Tiongkok. Namun, pendekatan ini memberi operator lokal peran lebih besar dalam bagian tumpukan teknologi yang menentukan penggunaan praktis: data yang dipakai untuk spesialisasi, lokasi inferensi dijalankan, cara model diperbarui, dan jenis penerapan yang didukung.

Hasil benchmark menjanjikan, tetapi belum menjadi pembuktian independen

HUMAIN melaporkan skor rata-rata berbobot sama sebesar 89,37% di tujuh benchmark bahasa Arab publik, serta peringkat pertama dalam lima pengujian. HUMAIN juga menyebut nilai rata-rata itu 9,03 poin di atas model referensi MiniMax M3. 12

Angka tersebut mengindikasikan bahwa pelatihan lanjutan dalam bahasa Arab dapat meningkatkan hasil pada benchmark yang dipilih. Namun, hasilnya perlu dibaca hati-hati. Agregat yang dipublikasikan berasal dari proses evaluasi HUMAIN sendiri dan, pada saat pelaporan, belum diajukan ke papan peringkat publik OALL. 3

Artinya, hasil tersebut belum secara independen membuktikan keunggulan dalam keandalan dunia nyata, keamanan, biaya, atau performa pada seluruh jenis tugas berbahasa Arab. Replikasi publik, bukti penerapan, serta evaluasi terhadap dialek regional dan penggunaan berisiko tinggi akan lebih bermakna daripada satu tabel benchmark.

Nilai praktis bobot model yang dapat diunduh

Bobot terbuka bernilai strategis karena dapat mengurangi ketergantungan pada satu penyedia model jarak jauh. CNAS mencatat bahwa semakin banyak negara memandang model open-weight sebagai cara praktis untuk menghindari ketergantungan pada satu vendor: model dapat diunduh, dihosting sendiri, disesuaikan, dan dalam beberapa kondisi diterapkan dengan biaya lebih rendah. 38

Bagi pemerintah atau operator domestik, pendekatan tersebut dapat mendukung beberapa bentuk kendali berikut:

• Pengelolaan data: beban kerja sensitif dapat dirancang untuk berjalan di infrastruktur lokal atau infrastruktur yang berada dalam kendali operator, alih-alih melalui API asing.
• Adaptasi bahasa: tim lokal dapat melanjutkan pelatihan dan menguji performa untuk variasi bahasa Arab serta kosakata kelembagaan setempat.
• Pilihan teknis: operator dapat menentukan sendiri tumpukan inferensi, konfigurasi perangkat keras, dan arsitektur penerapannya.
• Keberlanjutan layanan: titik pemeriksaan model (checkpoint) yang dapat digunakan memberi ketahanan lebih besar daripada ketergantungan penuh pada API eksternal yang dapat mengubah syarat, harga, ketersediaan, atau akses.

Keunggulan itu bersifat operasional, bukan jaminan otomatis. Model open-weight tetap memerlukan kapasitas komputasi, praktik keamanan siber, keahlian evaluasi model, peninjauan lisensi, serta rencana pemeliharaan jangka panjang.

Pasar AI berdaulat global terus membesar

HUMAIN-M3 merupakan bagian dari dorongan global yang lebih luas. CNAS menghitung 184 proyek AI berdaulat yang didukung pemerintah di 67 negara hingga pertengahan 2026, setelah melacak 41 proyek baru pada paruh pertama tahun tersebut. Indeks langsung CNAS yang diperbarui kemudian mencantumkan 185 proyek. 3433

CNAS mendefinisikan proyek AI berdaulat secara luas: inisiatif AI yang didukung pemerintah, terkait dengan kepentingan strategis nasional, dan ditopang investasi publik yang material pada ekosistem komputasi, model, atau data domestik. 33 Definisi ini penting karena menempatkan model sebagai salah satu lapisan, berdampingan dengan infrastruktur dan data. Memiliki atau mengadaptasi model hanyalah satu bagian dari tumpukan AI berdaulat.

Pengembang dari Tiongkok menjadi pemasok penting di pasar ini, antara lain karena model yang mumpuni tersedia dalam bentuk open-weight sekaligus API. CNAS melaporkan setidaknya tujuh pengembang Tiongkok menawarkan sistem open-weight dengan kemampuan kuat dalam pemrograman, penalaran, multimodal, dan tugas berbasis agen. 36

MiniMax M3 juga memiliki opsi layanan di luar layanan MiniMax sendiri. Artificial Analysis mencatat model tersebut tersedia melalui berbagai penyedia API, termasuk Nebius dan SambaNova. Ini menunjukkan bahwa sebuah model terbuka dapat dijalankan melalui penyedia infrastruktur alternatif. 22

Sinyal utama dari HUMAIN-M3

Pelajaran terpentingnya bukan bahwa satu benchmark sudah menetapkan pemimpin model yang mutlak. Yang berubah justru unit persaingannya.

Negara-negara kini menjadi pelanggan aset AI yang dapat digunakan kembali: checkpoint model yang dapat diadaptasi untuk kebutuhan bahasa lokal, dioperasikan di infrastruktur pilihan, dievaluasi berdasarkan persyaratan domestik, dan dipelihara dalam jangka panjang. Model dasar yang kuat tetap penting, tetapi ketersediaan open-weight, dukungan adaptasi perangkat keras, opsi inferensi yang andal, tata kelola data, dan jalur pembaruan yang kredibel bisa sama menentukan.

Karena itu, HUMAIN-M3 memberi isyarat bahwa persaingan tidak lagi sekadar duel laboratorium model antara Amerika Serikat dan Tiongkok. Persaingan yang muncul juga berkaitan dengan siapa yang dapat memasok tumpukan AI paling adaptif, mudah ditata kelola, dan tahan dipakai secara operasional bagi negara-negara yang menginginkan kendali lebih besar atas masa depan AI mereka.