Gelombang AI China: Menantang Hegemoni AS dengan Model Open-Weight yang Lebih Murah dan Efisien

2. Persaingan domestik yang ketat. Selusin lab yang didanai dengan baik — DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance — berlomba meraih prestise, pangsa pikiran pengembang, dan adopsi perusahaan, memadatkan siklus rilis menjadi hitungan minggu.

3. Strategi open-weight sebagai senjata geopolitik. Lab China merilis model di bawah lisensi permisif (MIT, MIT yang dimodifikasi) tanpa batasan regional, kontras langsung dengan strategi tertutup OpenAI dan Anthropic. Ini memenangkan adopsi pengembang global .

Model-Modelnya

DeepSeek V4 Pro (13 Agustus 2026)

Peluncuran flagship yang menjadi puncak gelombang musim panas ini. DeepSeek V4 Pro adalah model Mixture-of-Experts (MoE) dengan 1,6 triliun parameter, 49 miliar parameter aktif per token, jendela konteks 1 juta token, dan hingga 384.000 token keluaran dalam tiga mode penalaran (standar, upaya tinggi, upaya maksimal) . Di Terminal-Bench 2.1, ia mencetak 87,9 — peningkatan 15,8% dari pratinjau April — dan berkinerja setara dengan Claude Fable 5 dengan biaya kira-kira 1/57 dari biayanya . Reuters melaporkan model ini "mendekati — dan dalam beberapa pengujian melampaui — Claude Fable 5" pada tolok ukur agen dan rekayasa perangkat lunak .

Harga: $0,435 per juta token masukan, $0,87 per juta token keluaran pada tarif standar, dengan diskon cache hingga 97% . Dalam mode penalaran upaya maksimal, harganya $1,32/$3,96 per juta token .

Moonshot Kimi K3 (16/27 Juli 2026)

Moonshot AI merilis apa yang disebutnya sebagai "model terbuka pertama di dunia dalam kelas 3 triliun parameter" — model MoE dengan 2,8 triliun parameter yang mengaktifkan 16 dari 896 pakar per token, dengan jendela konteks 1 juta token dan multimodal asli (visi + teks) . Bobot penuh dirilis di Hugging Face pada 27 Juli di bawah lisensi Modified MIT . Model ini aktif di Kimi.com, Kimi Work, Kimi Code, dan Kimi API .

Zhipu AI GLM-5.2 (13/16 Juni 2026)

Model yang memulai gelombang ini. GLM-5.2 adalah MoE 744 miliar parameter dengan sekitar 40 miliar aktif per token, jendela konteks 1 juta token, dan lisensi MIT . Penilaian CAISI dari NIST menilai kemampuan keseluruhannya mirip dengan GPT-5.2 (Desember 2025) dan kemampuan sibernya mirip dengan Claude Opus . Ia mencetak 81,0 di Terminal-Bench 2.1 dan 62,1 di SWE-bench Pro — skor open-weight tertinggi di Artificial Analysis Intelligence Index . Harga API-nya kira-kira 10 kali lebih murah daripada Claude atau GPT-5 .

Meituan LongCat-2.0 (30 Juni 2026)

Model MoE dengan 1,6 triliun parameter (48 miliar aktif per token) dengan jendela konteks 1 juta token, dirilis di bawah lisensi MIT . Perbedaan kritisnya: ini adalah model triliunan parameter pertama yang dilatih dan dijalankan sepenuhnya pada chip dalam negeri China — kluster 50.000 chip Huawei Ascend 910B/C . Menurut pengujian Meituan, model ini sedikit melampaui GPT-5.5 pada tolok ukur rekayasa perangkat lunak . Secara diam-diam, model ini sempat memuncaki papan peringkat OpenLLM dengan nama samaran "Owl Alpha" sebelum rilis resmi . Harga API: $0,75/$2,95 per juta token masukan/keluaran, dengan promosi peluncuran $0,30/$1,20 .

Perbandingan dengan Model Mutakhir AS

Implikasi yang Lebih Luas

Adopsi Perusahaan Global

Perusahaan di luar China kini memiliki alternatif kredibel, berbiaya rendah, dan open-weight terhadap model API AS. Lisensi MIT GLM-5.2 tanpa batasan regional berarti perusahaan mana pun dapat menghostingnya sendiri secara komersial tanpa batasan . Ini mengubah keputusan pengadaan di Asia Tenggara, Timur Tengah, Afrika, dan sebagian Eropa.

Paradoks Kendali Ekspor

Bukti sangat mendukung tesis bahwa kendali ekspor chip AS telah bumerang setidaknya dalam dua cara:

• Mempercepat penguasaan chip dalam negeri: LongCat-2.0 dilatih pada kluster 50.000 chip buatan China (prosesor Huawei Ascend), membuktikan bahwa pelatihan skala mutakhir mungkin dilakukan tanpa perangkat keras AS . Ini telah mengkatalisasi ekosistem chip AI domestik China lebih cepat daripada yang bisa dilakukan oleh kekuatan pasar saja.
• Memaksa efisiensi algoritmik: Terputus dari pasokan GPU berkinerja tinggi yang melimpah, lab China mengoptimalkan arsitektur untuk efisiensi sparsitas MoE, perhatian jarang, dan parameter aktif lebih agresif daripada lab AS. Hasilnya adalah model yang mencapai kemampuan sebanding dengan sebagian kecil dari anggaran komputasi — keunggulan biaya 10x–57x .

Apa yang Masih Belum Dikonfirmasi

Tidak ditemukan sumber yang menguatkan untuk harga per tugas spesifik $0,06 untuk DeepSeek V4 Pro atau $2,34 untuk Claude Opus 5. Tencent Hy3 dan Alibaba Qwen3.8-Max juga tidak memiliki spesifikasi atau tanggal rilis yang terverifikasi dalam bukti yang tersedia. Klaim tentang manifesto open-source terbaru Mark Zuckerberg tidak dapat dikonfirmasi.