DeepSeek V4 dan arti pentingnya bagi masa depan AI China

DeepSeek V4 adalah keluarga model AI berbobot terbuka dari perusahaan rintisan China, DeepSeek. Model ini dirilis sebagai versi pratinjau pada 24 April 2026 dalam dua varian: V4-Pro sebagai model unggulan dan V4-Flash sebagai versi yang lebih ringan, cepat, serta murah.

V4 mungkin tidak akan mengulang kejutan global yang ditimbulkan DeepSeek R1. Setelah R1 membuktikan bahwa laboratorium AI China dapat menghasilkan kemampuan penalaran yang kuat dengan biaya relatif rendah, pasar kini sudah lebih siap menghadapi kemunculan model China yang kompetitif. Namun, arti penting V4 bisa lebih bersifat operasional: model ini menggabungkan kemampuan tingkat tinggi, bobot yang dapat diunduh, konteks sangat panjang, dan jalur menuju infrastruktur AI yang lebih dikuasai China. 1415

Apa yang dirilis DeepSeek?

DeepSeek merilis dua model Mixture of Experts (MoE), yaitu arsitektur yang memiliki banyak “pakar” internal tetapi hanya mengaktifkan sebagian parameter untuk setiap token yang diproses.

• DeepSeek V4-Pro: 1,6 triliun parameter total, dengan 49 miliar parameter aktif per token.
• DeepSeek V4-Flash: 284 miliar parameter total, dengan 13 miliar parameter aktif per token.
• Konteks: hingga 1 juta token untuk kedua model.
• Akses: bobot model tersedia untuk diunduh, sementara pengembang juga dapat menggunakannya melalui API DeepSeek. 1410

Artinya, DeepSeek tidak hanya menawarkan layanan chatbot tertutup. Pengembang dan organisasi dapat mencoba menjalankan model sendiri—bergantung pada kebutuhan komputasi, perangkat keras, lisensi, dan kemampuan teknis mereka—atau mengaksesnya lewat API.

V4-Pro dan V4-Flash menyasar kebutuhan berbeda

V4-Pro ditujukan untuk pekerjaan yang lebih kompleks, seperti penalaran, pemrograman, pembuatan kode, dan agen AI yang dapat menggunakan berbagai alat. DeepSeek mengklaim performanya mendekati model tertutup terdepan di dunia. 1415

Sementara itu, V4-Flash mengaktifkan jauh lebih sedikit parameter pada setiap proses. Desain tersebut ditujukan untuk mengurangi latensi dan biaya, terutama pada layanan yang harus menangani permintaan dalam jumlah besar.

Sejumlah laporan pihak ketiga mencatat harga API pratinjau sekitar 1,74 dolar AS per 1 juta token input dan 3,48 dolar AS per 1 juta token output untuk Pro, sedangkan Flash sekitar 0,14 dolar AS untuk input dan 0,28 dolar AS untuk output. Harga dan ketentuan dapat berubah, sehingga angka tersebut sebaiknya dipahami sebagai harga yang dilaporkan pada masa peluncuran, bukan jaminan harga permanen. 8

Seberapa kuat kemampuan penalarannya?

DeepSeek menonjolkan kemampuan V4 dalam penalaran, pengetahuan umum, matematika, sains, coding, dan tugas-tugas agen. Perusahaan itu juga menyebut V4-Pro mampu menyaingi model tertutup terkemuka, sementara V4 memiliki performa kuat di berbagai tolok ukur pengembangan agen. 1415

Namun, ada batas penting dalam membaca klaim tersebut. V4 masih berstatus pratinjau, dan sebagian besar angka performa berasal dari pengumuman DeepSeek sendiri. Hasil benchmark vendor belum dapat menggantikan pengujian independen yang luas pada pekerjaan nyata—misalnya pemeliharaan perangkat lunak jangka panjang, analisis dokumen, penggunaan alat, atau tugas yang memerlukan konsistensi selama berjam-jam.

Dengan kata lain, V4 tampak menjanjikan, tetapi belum ada dasar yang cukup untuk menyimpulkan bahwa model ini secara konsisten setara dengan semua model tertutup terdepan.

Mengapa konteks 1 juta token penting?

Konteks 1 juta token memungkinkan model memproses materi yang sangat panjang dalam satu alur kerja. Dalam praktiknya, kemampuan ini dapat berguna untuk membaca basis kode besar, kumpulan dokumen riset, arsip percakapan, atau konteks pekerjaan agen yang berlangsung lama. Sebagai gambaran kasar, 1 juta token dapat mencakup ratusan ribu kata, meski jumlah pastinya bergantung pada bahasa dan jenis teks. 415

Tantangannya adalah biaya komputasi dan penggunaan memori. DeepSeek V4 mengatasinya dengan desain perhatian hibrida atau selektif yang menggabungkan Compressed Sparse Attention (CSA) dan Heavily Compressed Attention (HCA). Informasi terbaru diproses lebih rinci, sedangkan informasi lama dikompresi menjadi representasi memori yang lebih kecil. 1016

Menurut laporan DeepSeek dan Hugging Face, pada konteks 1 juta token:

• V4-Pro membutuhkan sekitar 27 persen FLOPs inferensi per token dibandingkan DeepSeek V3.2.
• V4-Pro menggunakan sekitar 10 persen memori key-value cache atau KV cache dibandingkan V3.2.
• V4-Flash dilaporkan hanya membutuhkan sekitar 10 persen FLOPs dan 7 persen KV cache. 16

Jika angka tersebut bertahan dalam penggunaan nyata, model dapat membuat repositori kode besar, korpus riset panjang, dan agen dengan memori berkelanjutan menjadi lebih ekonomis untuk dijalankan.

Fokus pada coding dan agen AI

DeepSeek memosisikan V4 sebagai model untuk coding dan agen yang dapat berinteraksi dengan berbagai perangkat atau layanan. Model ini juga disebut dapat diintegrasikan ke lingkungan pengembangan agen seperti Claude Code, OpenClaw, dan CodeBuddy. 14

Kompatibilitas tersebut tidak otomatis berarti V4 memiliki kemampuan yang sama dengan Claude atau model tertutup lain. Artinya, pengembang memiliki alternatif yang lebih murah dan dapat digunakan melalui API atau, dalam kondisi tertentu, di-self-host dengan bobot model yang tersedia.

Bagi pengembang, nilai praktis V4 bukan hanya skor benchmark. Kemampuan menjalankan model pada alur kerja coding, mempertahankan konteks panjang, dan memanggil alat secara berulang dapat menentukan apakah model benar-benar berguna untuk proyek sehari-hari.

Mengapa Huawei Ascend menjadi bagian penting dari cerita V4?

Salah satu perubahan strategis terbesar pada V4 adalah adaptasinya terhadap perangkat keras Huawei Ascend. Reuters melaporkan bahwa V4 dirancang untuk berjalan pada chip Huawei, sebuah langkah yang berbeda dari ketergantungan utama model-model DeepSeek sebelumnya terhadap GPU Nvidia. Huawei juga menyatakan bahwa chipnya digunakan dalam sebagian proses pelatihan V4.

Langkah ini penting di tengah pembatasan ekspor Amerika Serikat terhadap chip komputasi canggih. China sedang berupaya membangun ekosistem AI yang lebih mandiri, bukan hanya dengan membuat model, tetapi juga dengan mengembangkan chip, perangkat lunak, pustaka, jaringan antarkomputer, dan layanan komputasi yang saling kompatibel.

V4 membantu menguji apakah model AI tingkat tinggi dapat dioptimalkan untuk jalur domestik tersebut. Jika berhasil, China tidak harus sepenuhnya bergantung pada kombinasi Nvidia–CUDA–cloud global untuk mengembangkan dan menjalankan model canggih.

Tetapi Nvidia belum tergantikan

Model yang dapat berjalan pada chip Huawei tidak sama dengan berhasil menggantikan Nvidia. Keunggulan Nvidia mencakup perangkat keras GPU yang matang, koneksi antarkomputer berkecepatan tinggi, ekosistem pemrograman CUDA, pustaka yang telah dioptimalkan, basis pengembang yang luas, serta dukungan penyedia cloud di berbagai negara.

Selain itu, informasi publik yang tersedia belum menunjukkan seberapa besar bagian dari keseluruhan proses pelatihan V4 yang benar-benar menggunakan chip domestik, berbeda dari optimasi atau dukungan inferensi. Karena itu, klaim bahwa seluruh proses pelatihan V4 dilakukan pada perangkat keras China sebaiknya dianggap belum terverifikasi. 23

Potensi Ascend 950 dan infrastruktur AI paralel China

Reuters melaporkan bahwa permintaan terhadap chip AI Huawei Ascend 950 meningkat setelah peluncuran V4. Perusahaan internet besar di China disebut berupaya mengamankan pasokan chip tersebut. 1

Jika sistem Huawei dalam skala supernode mampu menawarkan performa yang dapat digunakan, perangkat lunak yang memadai, pasokan stabil, dan total biaya yang lebih rendah, infrastruktur tersebut dapat memperkuat efisiensi seperti yang ditawarkan V4. Dalam jangka panjang, hal itu berpotensi membentuk infrastruktur AI China yang berjalan paralel dengan tumpukan teknologi global berbasis Nvidia.

Namun, itu masih merupakan arah strategis yang masuk akal, bukan bukti bahwa Huawei telah menciptakan pengganti langsung bagi ekosistem Nvidia.

Kesimpulan

DeepSeek R1 mengubah persepsi dunia dengan menunjukkan bahwa laboratorium AI China dapat menghasilkan kemampuan penalaran kuat dengan biaya rendah. V4 membawa cerita itu ke tahap berikutnya.

Dampak terbesarnya mungkin bukan ledakan kejutan di pasar, melainkan perubahan cara AI dikembangkan dan digunakan: model berbobot terbuka, konteks 1 juta token dengan biaya inferensi yang lebih rendah, dukungan untuk coding dan agen, serta upaya serius agar kemampuan tersebut dapat berjalan pada infrastruktur chip dan perangkat lunak domestik China.

Jika ekosistem itu terus matang, DeepSeek V4 tidak perlu mengulangi fenomena R1 untuk menjadi penting. Cukup dengan membuat model canggih lebih mudah diakses dan membantu membuktikan bahwa China dapat membangun jalur AI alternatif dari model hingga perangkat keras.