DeepSeek V4 Pro 0813 Menandai Ambisi Baru: Bukan Sekadar Model AI Murah
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7. Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7.
Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih berstatus pratinjau pengembang dan berpotensi mengalami perubahan ya...
Harga output V4 Pro naik dari US$0,87 menjadi US$1,98 per satu juta token di luar jam sibuk dan US$3,96 pada jam sibuk.
Pendanaan lebih dari 50 miliar yuan atau sekitar US$7,4 miliar, serta rencana pusat data berkapasitas komputasi sekitar satu gigawatt di Mongolia Dalam, memperkuat kesan bahwa DeepSeek sedang membangun platform AI jan...
What does DeepSeek’s move to general availability for its 1.6-trillion-parameter V4 Pro 0813 flagship model—released through the app’s ExperAI-generated editorial illustration of DeepSeek’s move from low-cost model provider toward a full-stack agent platform.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: What does DeepSeek’s move to general availability for its 1.6-trillion-parameter V4 Pro 0813 flagship model—released through the app’s Exper. Article summary: DeepSeek’s GA release appears to be a strategic pivot from a low-cost model vendor toward an integrated agent platform: a stronger flagship model, an open developer runtime, demand-shaping pricing, and capital-intensive . Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
Rilis DeepSeek V4 Pro 0813 untuk penggunaan umum menandai perubahan arah yang cukup jelas. DeepSeek tidak lagi hanya menawarkan model berkemampuan tinggi dengan harga sangat murah, tetapi juga runtime agen open source, sistem harga yang menyesuaikan permintaan, dan rencana infrastruktur yang dirancang untuk menopang ekspansi berkelanjutan.
Angka kemampuan yang paling mencolok masih berasal dari klaim DeepSeek sendiri. Jadi, kesimpulan yang paling hati-hati bukanlah bahwa model ini sudah pasti mengalahkan semua pesaing, melainkan bahwa DeepSeek sedang mencoba bersaing di seluruh lapisan teknologi agen AI.
Lompatan terbesar terlihat pada benchmark agen
DeepSeek melaporkan bahwa V4 Pro 0813 meningkat tajam dibandingkan versi pratinjau April, terutama dalam evaluasi rekayasa perangkat lunak dan agen:
Terminal-Bench 2.1: dari 72,1 menjadi 87,9, naik 15,8 poin
CyberGym: dari 52,7 menjadi 83,3, naik 30,6 poin
DeepSWE: dari 12,8 menjadi 62,7, naik 49,9 poin
Angka-angka tersebut berasal dari tabel perbandingan yang diterbitkan DeepSeek dan dikutip dalam laporan peluncuran. Pada Terminal-Bench 2.1, skor 87,9 yang dilaporkan hanya terpaut 0,1 poin dari skor 88,0 yang dikaitkan dengan Fable 5 milik Anthropic dalam perbandingan yang sama.
Jika hasil itu dapat direplikasi, V4 Pro 0813 akan berada dekat dengan jajaran terdepan untuk tugas-tugas seperti menavigasi repositori kode, menggunakan alat, menjalankan perintah, dan menyelesaikan pekerjaan perangkat lunak dalam beberapa tahap.
Namun, ada catatan penting. Skor tersebut merupakan hasil yang dilaporkan vendor, sementara belum ada bukti yang cukup mengenai replikasi independen menggunakan perangkat evaluasi dan kondisi pengujian yang sama. Kenaikan besar pada DeepSWE memang patut diperhatikan, tetapi tidak otomatis membuktikan bahwa model ini memiliki keandalan yang setara dalam penggunaan produksi sehari-hari.
Harness membuat persaingannya lebih luas
Pengumuman yang secara strategis mungkin lebih penting daripada modelnya adalah DeepSeek Harness, runtime agen open source yang dirilis dengan lisensi MIT. Runtime ini berada di antara model bahasa dan lingkungan kerja pengguna. Tugasnya mengoordinasikan alat, berkas, perintah, sesi, dan alur kerja multi-langkah. Repositori DeepSeek menyebutnya sebagai agent harness open source dan mencantumkan dependensi pihak ketiga yang digunakan.
Langkah ini mengubah sasaran persaingan. DeepSeek tidak lagi hanya berkompetisi untuk mendapatkan panggilan API melawan penyedia model lain. Melalui Harness, perusahaan juga masuk ke lapisan alur kerja pengembang—wilayah yang ditempati produk seperti Claude Code dan Codex. Di lapisan inilah pengembang menentukan cara agen bekerja, alat apa yang boleh diakses, serta seberapa besar kendali yang mereka miliki atas runtime.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "DeepSeek V4 Pro 0813 Menandai Ambisi Baru: Bukan Sekadar Model AI Murah"?
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7. Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih berstatus pratinjau pengembang dan berpotensi mengalami perubahan ya...
Apa yang harus saya lakukan selanjutnya dalam latihan?
Harga output V4 Pro naik dari US$0,87 menjadi US$1,98 per satu juta token di luar jam sibuk dan US$3,96 pada jam sibuk.
DeepSeek V4 Pro 0813 Menandai Ambisi Baru: Bukan Sekadar Model AI Murah
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7. Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7.
Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih berstatus pratinjau pengembang dan berpotensi mengalami perubahan ya...
Harga output V4 Pro naik dari US$0,87 menjadi US$1,98 per satu juta token di luar jam sibuk dan US$3,96 pada jam sibuk.
Pendanaan lebih dari 50 miliar yuan atau sekitar US$7,4 miliar, serta rencana pusat data berkapasitas komputasi sekitar satu gigawatt di Mongolia Dalam, memperkuat kesan bahwa DeepSeek sedang membangun platform AI jan...
What does DeepSeek’s move to general availability for its 1.6-trillion-parameter V4 Pro 0813 flagship model—released through the app’s ExperAI-generated editorial illustration of DeepSeek’s move from low-cost model provider toward a full-stack agent platform.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: What does DeepSeek’s move to general availability for its 1.6-trillion-parameter V4 Pro 0813 flagship model—released through the app’s Exper. Article summary: DeepSeek’s GA release appears to be a strategic pivot from a low-cost model vendor toward an integrated agent platform: a stronger flagship model, an open developer runtime, demand-shaping pricing, and capital-intensive . Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
Rilis DeepSeek V4 Pro 0813 untuk penggunaan umum menandai perubahan arah yang cukup jelas. DeepSeek tidak lagi hanya menawarkan model berkemampuan tinggi dengan harga sangat murah, tetapi juga runtime agen open source, sistem harga yang menyesuaikan permintaan, dan rencana infrastruktur yang dirancang untuk menopang ekspansi berkelanjutan.
Angka kemampuan yang paling mencolok masih berasal dari klaim DeepSeek sendiri. Jadi, kesimpulan yang paling hati-hati bukanlah bahwa model ini sudah pasti mengalahkan semua pesaing, melainkan bahwa DeepSeek sedang mencoba bersaing di seluruh lapisan teknologi agen AI.
Lompatan terbesar terlihat pada benchmark agen
DeepSeek melaporkan bahwa V4 Pro 0813 meningkat tajam dibandingkan versi pratinjau April, terutama dalam evaluasi rekayasa perangkat lunak dan agen:
Terminal-Bench 2.1: dari 72,1 menjadi 87,9, naik 15,8 poin
CyberGym: dari 52,7 menjadi 83,3, naik 30,6 poin
DeepSWE: dari 12,8 menjadi 62,7, naik 49,9 poin
Angka-angka tersebut berasal dari tabel perbandingan yang diterbitkan DeepSeek dan dikutip dalam laporan peluncuran. Pada Terminal-Bench 2.1, skor 87,9 yang dilaporkan hanya terpaut 0,1 poin dari skor 88,0 yang dikaitkan dengan Fable 5 milik Anthropic dalam perbandingan yang sama.
Jika hasil itu dapat direplikasi, V4 Pro 0813 akan berada dekat dengan jajaran terdepan untuk tugas-tugas seperti menavigasi repositori kode, menggunakan alat, menjalankan perintah, dan menyelesaikan pekerjaan perangkat lunak dalam beberapa tahap.
Namun, ada catatan penting. Skor tersebut merupakan hasil yang dilaporkan vendor, sementara belum ada bukti yang cukup mengenai replikasi independen menggunakan perangkat evaluasi dan kondisi pengujian yang sama. Kenaikan besar pada DeepSWE memang patut diperhatikan, tetapi tidak otomatis membuktikan bahwa model ini memiliki keandalan yang setara dalam penggunaan produksi sehari-hari.
Harness membuat persaingannya lebih luas
Pengumuman yang secara strategis mungkin lebih penting daripada modelnya adalah DeepSeek Harness, runtime agen open source yang dirilis dengan lisensi MIT. Runtime ini berada di antara model bahasa dan lingkungan kerja pengguna. Tugasnya mengoordinasikan alat, berkas, perintah, sesi, dan alur kerja multi-langkah. Repositori DeepSeek menyebutnya sebagai agent harness open source dan mencantumkan dependensi pihak ketiga yang digunakan.
Langkah ini mengubah sasaran persaingan. DeepSeek tidak lagi hanya berkompetisi untuk mendapatkan panggilan API melawan penyedia model lain. Melalui Harness, perusahaan juga masuk ke lapisan alur kerja pengembang—wilayah yang ditempati produk seperti Claude Code dan Codex. Di lapisan inilah pengembang menentukan cara agen bekerja, alat apa yang boleh diakses, serta seberapa besar kendali yang mereka miliki atas runtime.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "DeepSeek V4 Pro 0813 Menandai Ambisi Baru: Bukan Sekadar Model AI Murah"?
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek melaporkan kenaikan besar pada benchmark agen: Terminal Bench 2.1 dari 72,1 menjadi 87,9, CyberGym dari 52,7 menjadi 83,3, dan DeepSWE dari 12,8 menjadi 62,7. Peluncuran Harness open source memperluas persaingan DeepSeek dari penyedia model API ke lapisan runtime dan alur kerja agen, meski proyek ini masih berstatus pratinjau pengembang dan berpotensi mengalami perubahan ya...
Apa yang harus saya lakukan selanjutnya dalam latihan?
Harga output V4 Pro naik dari US$0,87 menjadi US$1,98 per satu juta token di luar jam sibuk dan US$3,96 pada jam sibuk.
Proyek ini mendapat perhatian sangat cepat. Pelacakan pihak ketiga melaporkan lebih dari 20.000 bintang GitHub sekitar satu jam setelah peluncuran dan lebih dari 141.000 bintang pada 17 Agustus. Angka tersebut menunjukkan rasa ingin tahu yang besar dari komunitas pengembang, tetapi bintang GitHub bukanlah ukuran yang sama dengan penggunaan produksi, pengguna yang bertahan, atau integrasi yang aman.
Harness v0.1 masih merupakan pratinjau pengembang, dan perubahan yang dapat merusak kompatibilitas diperkirakan akan terjadi. Arsitektur yang mengutamakan plugin memang memudahkan kustomisasi, tetapi juga dapat menambah beban operasional. Setiap plugin atau alat tambahan membawa pertanyaan tentang izin akses, pemeliharaan, penanganan kegagalan, dan keamanan data.
Orkestrasi multi-langkah serta deskripsi alat yang panjang juga dapat meningkatkan konsumsi token. Akibatnya, harga model yang terlihat murah belum tentu mencerminkan biaya sebenarnya untuk menyelesaikan satu alur kerja otonom secara utuh.
Lebih dari 2.000 usulan plugin menunjukkan minat terhadap ekosistem tersebut, bukan bukti bahwa pasar pluginnya sudah matang atau tepercaya. Pengembang yang ingin mencoba Harness sebaiknya menguji plugin di lingkungan terisolasi, memeriksa izin akses, dan menghitung total biaya tugas—bukan hanya menilai proyek dari jumlah aktivitas di repositorinya.
Harga baru menjadikan kapasitas bagian dari produk
Perubahan harga API DeepSeek penting karena perusahaan meninggalkan posisi harga tetap dan beralih ke penagihan yang bergantung pada waktu penggunaan. Struktur yang diumumkan menyebutkan periode sibuk berdasarkan waktu Beijing, sementara pelacak harga berikutnya mencantumkan padanan waktu UTC. Karena jadwal tersebut belum dijelaskan secara konsisten dalam berbagai laporan, pengembang sebaiknya memeriksa waktu yang berlaku langsung di dokumentasi harga DeepSeek sebelum menjadwalkan beban kerja.
Arah perubahan harganya lebih jelas daripada rincian jadwalnya. Harga token keluaran V4 Pro naik dari US$0,87 per satu juta token menjadi US$1,98 di luar jam sibuk dan US$3,96 pada jam sibuk, menurut laporan mengenai tarif baru tersebut. Untuk sejumlah kategori token di seluruh keluarga V4, kenaikannya bahkan dilaporkan melampaui 1.100 persen, bergantung pada model, jenis token, dan periode penagihan.
Bagi pengembang, dampak praktisnya antara lain:
Pekerjaan batch dan evaluasi yang tidak mendesak mungkin lebih murah jika dijalankan di luar jam sibuk.
Loop otonom dapat menjadi jauh lebih mahal karena setiap langkah tambahan menghasilkan lebih banyak token keluaran.
Aplikasi dengan konteks panjang perlu memisahkan perhitungan biaya cache hit, cache miss, input, dan output.
Model yang murah per token belum tentu murah per tugas jika membutuhkan banyak pemanggilan alat atau percobaan ulang.
Dengan demikian, perubahan ini bukan sekadar keputusan monetisasi. Harga jam sibuk juga dapat berfungsi sebagai alat pengelolaan kapasitas, dengan mendorong pekerjaan yang fleksibel keluar dari periode ketika permintaan paling tinggi. Ini menunjukkan bahwa DeepSeek mulai memperlakukan kapasitas inferensi sebagai sumber daya infrastruktur yang terbatas, bukan sekadar menjadikan harga murah sebagai mesin pertumbuhan utama.
Masih murah, tetapi tidak lagi sedisruptif dulu
Bahkan dengan harga US$3,96 per satu juta token keluaran pada jam sibuk, V4 Pro tetap jauh lebih murah dibandingkan harga perbandingan US$50 per satu juta token keluaran untuk Fable 5 yang dikutip dalam laporan peluncuran. Keunggulan ini masih berarti bagi beban kerja coding dan agen dalam volume besar.
Namun, ekonominya tidak lagi bisa disederhanakan menjadi “hampir gratis”. Kenaikan 355 persen pada jam sibuk dibandingkan tarif lama US$0,87 mengubah perhitungan bagi sistem produksi yang menghasilkan output dalam jumlah besar. Tim pengembang sebaiknya membandingkan biaya untuk menyelesaikan satu tugas—termasuk percobaan ulang, pemanggilan alat, konteks, dan latensi—bukan hanya melihat tarif per satu juta token.
Posisi DeepSeek kini lebih menyerupai proposisi nilai yang umum di pasar: rasio harga terhadap kemampuan mungkin masih kuat, tetapi pelanggan semakin diminta membayar kemampuan premium sekaligus menyesuaikan beban kerja dengan keterbatasan kapasitas perusahaan.
Pendanaan dan infrastruktur mendukung strategi full-stack
Arah tersebut sejalan dengan laporan mengenai pendanaan dan rencana infrastruktur DeepSeek. Reuters melaporkan bahwa perusahaan mengumpulkan lebih dari 50 miliar yuan, atau sekitar US$7,4 miliar, dalam putaran pendanaan pertamanya. Bloomberg secara terpisah melaporkan rencana proyek pusat data di Ulanqab, Mongolia Dalam, yang ditujukan untuk menambah sekitar satu gigawatt kapasitas komputasi.
Laporan tersebut tidak membuktikan bahwa seluruh strategi DeepSeek pasti berhasil atau bahwa fasilitas yang direncanakan akan selesai sesuai jadwal. Namun, keduanya menunjukkan pergeseran menuju model operasi yang lebih padat modal.
Gabungan antara peningkatan model, runtime open source, harga yang dibedakan berdasarkan waktu, pendanaan eksternal, dan rencana kapasitas komputasi menunjukkan empat tujuan yang saling terkait:
Menarik beban kerja yang menuntut kemampuan tinggi melalui peningkatan performa coding dan agen.
Mempertahankan pengembang dalam ekosistem lewat runtime yang terbuka dan mudah dikustomisasi.
Mengelola kapasitas inferensi yang terbatas melalui harga jam sibuk dan di luar jam sibuk.
Memperbesar pasokan komputasi dalam jangka panjang melalui investasi pusat data.
Ini merupakan sikap yang berbeda dari strategi bersaing terutama dengan menjadi penyedia model AI mumpuni termurah.
Hal yang perlu diuji pengembang sebelum berkomitmen
DeepSeek V4 Pro 0813 layak diuji, khususnya untuk coding, otomatisasi repositori, dan alur kerja yang menggunakan berbagai alat. Namun, organisasi sebaiknya memvalidasi beberapa hal secara independen:
Perpindahan performa benchmark: Apakah peningkatan yang dilaporkan juga terlihat pada tugas dan perangkat evaluasi milik organisasi sendiri?
Total biaya: Berapa biaya untuk menyelesaikan satu tugas setelah memperhitungkan pemanggilan alat, percobaan ulang, konteks, dan harga jam sibuk?
Kematangan runtime: Apakah integrasi Harness tetap stabil ketika status pratinjau pengembang mengalami perubahan?
Keamanan dan tata kelola: Apakah plugin dapat ditinjau, diisolasi, diberi izin secara terbatas, dan dihapus dengan bersih?
Pembacaan paling kuat terhadap rilis ini bersifat strategis, bukan sekadar numerik. DeepSeek sedang berusaha berevolusi dari vendor model berbiaya rendah menjadi platform agen yang terintegrasi. V4 Pro 0813 menyediakan klaim kemampuan, Harness menyediakan antarmuka bagi pengembang, harga jam sibuk membantu mengendalikan permintaan, sementara pendanaan dan rencana kapasitas komputasi menopang ambisi infrastrukturnya.
Apakah strategi ini akan menjadi keunggulan yang bertahan lama masih bergantung pada hasil benchmark independen, kestabilan perangkat lunak, keamanan plugin, dan kemampuan DeepSeek mempertahankan nilai bagi pengembang setelah kenaikan harga.
bloomberg.comDeepSeek Is Developing Massive AI Data Center in Inner ...
Proyek ini mendapat perhatian sangat cepat. Pelacakan pihak ketiga melaporkan lebih dari 20.000 bintang GitHub sekitar satu jam setelah peluncuran dan lebih dari 141.000 bintang pada 17 Agustus. Angka tersebut menunjukkan rasa ingin tahu yang besar dari komunitas pengembang, tetapi bintang GitHub bukanlah ukuran yang sama dengan penggunaan produksi, pengguna yang bertahan, atau integrasi yang aman.
Harness v0.1 masih merupakan pratinjau pengembang, dan perubahan yang dapat merusak kompatibilitas diperkirakan akan terjadi. Arsitektur yang mengutamakan plugin memang memudahkan kustomisasi, tetapi juga dapat menambah beban operasional. Setiap plugin atau alat tambahan membawa pertanyaan tentang izin akses, pemeliharaan, penanganan kegagalan, dan keamanan data.
Orkestrasi multi-langkah serta deskripsi alat yang panjang juga dapat meningkatkan konsumsi token. Akibatnya, harga model yang terlihat murah belum tentu mencerminkan biaya sebenarnya untuk menyelesaikan satu alur kerja otonom secara utuh.
Lebih dari 2.000 usulan plugin menunjukkan minat terhadap ekosistem tersebut, bukan bukti bahwa pasar pluginnya sudah matang atau tepercaya. Pengembang yang ingin mencoba Harness sebaiknya menguji plugin di lingkungan terisolasi, memeriksa izin akses, dan menghitung total biaya tugas—bukan hanya menilai proyek dari jumlah aktivitas di repositorinya.
Harga baru menjadikan kapasitas bagian dari produk
Perubahan harga API DeepSeek penting karena perusahaan meninggalkan posisi harga tetap dan beralih ke penagihan yang bergantung pada waktu penggunaan. Struktur yang diumumkan menyebutkan periode sibuk berdasarkan waktu Beijing, sementara pelacak harga berikutnya mencantumkan padanan waktu UTC. Karena jadwal tersebut belum dijelaskan secara konsisten dalam berbagai laporan, pengembang sebaiknya memeriksa waktu yang berlaku langsung di dokumentasi harga DeepSeek sebelum menjadwalkan beban kerja.
Arah perubahan harganya lebih jelas daripada rincian jadwalnya. Harga token keluaran V4 Pro naik dari US$0,87 per satu juta token menjadi US$1,98 di luar jam sibuk dan US$3,96 pada jam sibuk, menurut laporan mengenai tarif baru tersebut. Untuk sejumlah kategori token di seluruh keluarga V4, kenaikannya bahkan dilaporkan melampaui 1.100 persen, bergantung pada model, jenis token, dan periode penagihan.
Bagi pengembang, dampak praktisnya antara lain:
Pekerjaan batch dan evaluasi yang tidak mendesak mungkin lebih murah jika dijalankan di luar jam sibuk.
Loop otonom dapat menjadi jauh lebih mahal karena setiap langkah tambahan menghasilkan lebih banyak token keluaran.
Aplikasi dengan konteks panjang perlu memisahkan perhitungan biaya cache hit, cache miss, input, dan output.
Model yang murah per token belum tentu murah per tugas jika membutuhkan banyak pemanggilan alat atau percobaan ulang.
Dengan demikian, perubahan ini bukan sekadar keputusan monetisasi. Harga jam sibuk juga dapat berfungsi sebagai alat pengelolaan kapasitas, dengan mendorong pekerjaan yang fleksibel keluar dari periode ketika permintaan paling tinggi. Ini menunjukkan bahwa DeepSeek mulai memperlakukan kapasitas inferensi sebagai sumber daya infrastruktur yang terbatas, bukan sekadar menjadikan harga murah sebagai mesin pertumbuhan utama.
Masih murah, tetapi tidak lagi sedisruptif dulu
Bahkan dengan harga US$3,96 per satu juta token keluaran pada jam sibuk, V4 Pro tetap jauh lebih murah dibandingkan harga perbandingan US$50 per satu juta token keluaran untuk Fable 5 yang dikutip dalam laporan peluncuran. Keunggulan ini masih berarti bagi beban kerja coding dan agen dalam volume besar.
Namun, ekonominya tidak lagi bisa disederhanakan menjadi “hampir gratis”. Kenaikan 355 persen pada jam sibuk dibandingkan tarif lama US$0,87 mengubah perhitungan bagi sistem produksi yang menghasilkan output dalam jumlah besar. Tim pengembang sebaiknya membandingkan biaya untuk menyelesaikan satu tugas—termasuk percobaan ulang, pemanggilan alat, konteks, dan latensi—bukan hanya melihat tarif per satu juta token.
Posisi DeepSeek kini lebih menyerupai proposisi nilai yang umum di pasar: rasio harga terhadap kemampuan mungkin masih kuat, tetapi pelanggan semakin diminta membayar kemampuan premium sekaligus menyesuaikan beban kerja dengan keterbatasan kapasitas perusahaan.
Pendanaan dan infrastruktur mendukung strategi full-stack
Arah tersebut sejalan dengan laporan mengenai pendanaan dan rencana infrastruktur DeepSeek. Reuters melaporkan bahwa perusahaan mengumpulkan lebih dari 50 miliar yuan, atau sekitar US$7,4 miliar, dalam putaran pendanaan pertamanya. Bloomberg secara terpisah melaporkan rencana proyek pusat data di Ulanqab, Mongolia Dalam, yang ditujukan untuk menambah sekitar satu gigawatt kapasitas komputasi.
Laporan tersebut tidak membuktikan bahwa seluruh strategi DeepSeek pasti berhasil atau bahwa fasilitas yang direncanakan akan selesai sesuai jadwal. Namun, keduanya menunjukkan pergeseran menuju model operasi yang lebih padat modal.
Gabungan antara peningkatan model, runtime open source, harga yang dibedakan berdasarkan waktu, pendanaan eksternal, dan rencana kapasitas komputasi menunjukkan empat tujuan yang saling terkait:
Menarik beban kerja yang menuntut kemampuan tinggi melalui peningkatan performa coding dan agen.
Mempertahankan pengembang dalam ekosistem lewat runtime yang terbuka dan mudah dikustomisasi.
Mengelola kapasitas inferensi yang terbatas melalui harga jam sibuk dan di luar jam sibuk.
Memperbesar pasokan komputasi dalam jangka panjang melalui investasi pusat data.
Ini merupakan sikap yang berbeda dari strategi bersaing terutama dengan menjadi penyedia model AI mumpuni termurah.
Hal yang perlu diuji pengembang sebelum berkomitmen
DeepSeek V4 Pro 0813 layak diuji, khususnya untuk coding, otomatisasi repositori, dan alur kerja yang menggunakan berbagai alat. Namun, organisasi sebaiknya memvalidasi beberapa hal secara independen:
Perpindahan performa benchmark: Apakah peningkatan yang dilaporkan juga terlihat pada tugas dan perangkat evaluasi milik organisasi sendiri?
Total biaya: Berapa biaya untuk menyelesaikan satu tugas setelah memperhitungkan pemanggilan alat, percobaan ulang, konteks, dan harga jam sibuk?
Kematangan runtime: Apakah integrasi Harness tetap stabil ketika status pratinjau pengembang mengalami perubahan?
Keamanan dan tata kelola: Apakah plugin dapat ditinjau, diisolasi, diberi izin secara terbatas, dan dihapus dengan bersih?
Pembacaan paling kuat terhadap rilis ini bersifat strategis, bukan sekadar numerik. DeepSeek sedang berusaha berevolusi dari vendor model berbiaya rendah menjadi platform agen yang terintegrasi. V4 Pro 0813 menyediakan klaim kemampuan, Harness menyediakan antarmuka bagi pengembang, harga jam sibuk membantu mengendalikan permintaan, sementara pendanaan dan rencana kapasitas komputasi menopang ambisi infrastrukturnya.
Apakah strategi ini akan menjadi keunggulan yang bertahan lama masih bergantung pada hasil benchmark independen, kestabilan perangkat lunak, keamanan plugin, dan kemampuan DeepSeek mempertahankan nilai bagi pengembang setelah kenaikan harga.
bloomberg.comDeepSeek Is Developing Massive AI Data Center in Inner ...