LENTERAMERAH — DeepSeek V4.1 Flash menghadirkan persoalan berbeda dalam perdebatan mengenai perlambatan pengembangan kecerdasan buatan. Model dengan bobot yang disebut berukuran 510 GB itu tersedia untuk diunduh dan, menurut materi analisis yang menjadi basis artikel ini, dirilis dengan lisensi MIT yang memungkinkan penggunaan komersial, modifikasi dan redistribusi.
Model tersebut diluncurkan hanya dua hari sebelum esai Dario Amodei mengenai kebijakan perlambatan AI. Persoalannya bukan semata kemampuan model, melainkan siapa yang masih dapat mengendalikan kecepatannya setelah bobot sudah tersedia secara publik.
DeepSeek V4.1 Flash dan Model Terbuka
Menurut model card yang dikutip dalam materi tersebut, V4.1 Flash mencatat skor lebih tinggi dibanding GPT-5.6 Sol dan Claude Opus 5 pada empat dari lima benchmark agentic yang disebut.
Pada DeepSWE v1.1, skornya 74,2 berbanding 73,0. Pada AutomationBench mencapai 54,8 berbanding 45,8, sementara Agent’s Last Exam berada di 31,8 berbanding 26,7 dan CyberGym 88,1 berbanding 84,5.
Namun, materi tersebut juga memberi batas pada klaim itu. Empat kemenangan benchmark tersebut berasal dari model card DeepSeek dan belum seluruhnya direplikasi menggunakan protokol pengujian bersama.
Pada Terminal-Bench 4.0, misalnya, model terbaru OpenAI dilaporkan mencatat 57,9 sementara angka DeepSeek yang dikutip berada di 31,2. Artinya, keunggulan frontier Amerika masih terlihat pada sebagian pekerjaan paling sulit.
Persoalan Berikutnya Ada pada Harga
Perbedaan yang lebih tajam muncul pada biaya. Materi tersebut membandingkan harga GPT-6 Astra yang disebut diperkenalkan OpenAI pada 3 September dengan harga V4.1 Flash tujuh hari kemudian.
DeepSeek disebut menawarkan harga 15 sen per satu juta token input pada periode tertentu dan 60 sen untuk output, sementara input yang disimpan dalam cache jauh lebih murah. Perbandingan itu ditempatkan berhadapan dengan harga model Amerika yang disebut mencapai 10 dolar untuk input dan 50 dolar untuk output.
Materi tersebut juga membandingkan biaya pencapaian skor tertentu pada ARC-AGI-1. Skor 87,5 persen yang pada Desember 2024 diperkirakan membutuhkan sekitar 4.560 dolar per tugas disebut dapat dicapai dengan biaya sekitar 30 sen 20 bulan kemudian, sementara build Flash sebelumnya dari DeepSeek disebut mencapai 89 persen dengan biaya sekitar 2 sen.
DeepSeek V4.1 Flash disebut memiliki 552 miliar parameter, tetapi hanya mengaktifkan sekitar 8 miliar parameter pada setiap token. Model tersebut dilatih menggunakan 45 triliun token dan bobotnya tersedia untuk publik.
Di titik inilah persoalan regulasi berubah. Pembatasan dapat mengikat perusahaan yang berada di bawah yurisdiksi tertentu, tetapi jauh lebih sulit diterapkan terhadap model yang bobotnya sudah tersedia dan dapat disalin. ***
