Perusahaan kecerdasan buatan (AI) asal China, DeepSeek, telah mengungkapkan biaya yang dikeluarkan untuk melatih model bahasa besar (LLM) andalan mereka, R1. Klaim yang berani ini menunjukkan bahwa biaya pelatihan DeepSeek R1 secara signifikan lebih rendah dibandingkan dengan para pesaingnya, termasuk model LLM terkemuka seperti ChatGPT yang dikembangkan oleh OpenAI. Pengungkapan ini telah memicu perdebatan di kalangan industri AI, dengan beberapa pihak mempertanyakan keakuratan klaim tersebut dan implikasinya terhadap lanskap pengembangan AI global.
Dalam sebuah artikel peer-review yang diterbitkan dalam jurnal akademik Nature, DeepSeek menyatakan bahwa mereka menghabiskan USD 294.000, atau sekitar Rp 4,8 miliar, untuk melatih model R1. Artikel tersebut mencantumkan nama CEO dan pendiri DeepSeek, Liang Wenfeng, sebagai salah satu penulisnya, memberikan legitimasi tambahan pada klaim yang dibuat. Pengungkapan ini mengejutkan banyak orang di industri AI, yang terbiasa dengan biaya pelatihan yang jauh lebih tinggi untuk model LLM canggih.
Artikel tersebut juga mengungkapkan bahwa DeepSeek melatih model R1 menggunakan 512 unit chip Nvidia H800. Informasi ini sebelumnya tidak diungkapkan dalam versi artikel yang diterbitkan pada Januari 2025, yang semakin menambah intrik seputar klaim biaya pelatihan DeepSeek. Penggunaan chip H800, yang dirancang khusus oleh Nvidia untuk pasar China setelah pemerintah AS melarang ekspor GPU AI H100 dan A100 yang lebih bertenaga ke China, juga menimbulkan pertanyaan tentang aksesibilitas dan kemampuan pengembangan AI di China.
Biaya pelatihan untuk model LLM, yang menjadi inti dari chatbot AI dan aplikasi AI lainnya, merujuk pada biaya yang dikeluarkan untuk menjalankan sekumpulan chip canggih selama berbulan-bulan untuk memproses teks dan kode dalam jumlah besar. Proses ini membutuhkan sumber daya komputasi yang sangat besar dan seringkali melibatkan penggunaan ribuan GPU kelas atas. Akibatnya, biaya pelatihan LLM dapat mencapai jutaan atau bahkan ratusan juta dolar.
Sebagai perbandingan, CEO OpenAI, Sam Altman, menyatakan pada tahun 2023 bahwa pelatihan model yang mendasari ChatGPT membutuhkan lebih dari USD 100 juta, atau sekitar Rp 1,6 triliun. Perbedaan yang mencolok antara biaya pelatihan ChatGPT dan DeepSeek R1 telah memicu perdebatan tentang efisiensi dan skalabilitas pendekatan DeepSeek.
Sejumlah pernyataan DeepSeek tentang biaya dan teknologi yang digunakan untuk melatih model AI-nya telah diragukan oleh pejabat dan perusahaan Amerika Serikat. Keraguan ini sebagian berasal dari meningkatnya persaingan antara AS dan China di bidang AI, serta kekhawatiran tentang potensi implikasi keamanan dan ekonomi dari kemajuan AI China.
Chip H800 yang digunakan untuk melatih model R1 dirancang khusus oleh Nvidia untuk pasar China setelah pemerintah AS melarang raksasa chip itu mengekspor GPU AI H100 dan A100 yang lebih bertenaga ke China. Larangan ini merupakan bagian dari upaya yang lebih luas oleh pemerintah AS untuk membatasi akses China ke teknologi canggih yang dapat digunakan untuk tujuan militer atau pengawasan.
Pada bulan Juni lalu, petinggi AS mengatakan DeepSeek memiliki chip H100 dalam jumlah besar yang diperoleh setelah larangan ekspor diberlakukan pada Oktober 2022. Klaim ini menimbulkan pertanyaan tentang bagaimana DeepSeek memperoleh akses ke chip H100, mengingat larangan ekspor yang diberlakukan oleh pemerintah AS. Nvidia saat itu membantah klaim tersebut, dengan menyatakan bahwa DeepSeek menggunakan chip H800 yang didapatkan secara legal, bukan chip H100.
Dalam dokumen pendukung yang menyertai artikel Nature, DeepSek untuk pertama kalinya mengakui memiliki chip A100 yang dipakai untuk tahap persiapan pengembangan model R1. Pengakuan ini memberikan bukti lebih lanjut bahwa DeepSeek memiliki akses ke teknologi canggih meskipun ada pembatasan ekspor. Setelah fase awal ini, model R1 dilatih menggunakan chip H800 selama 80 jam.
"Mengenai penelitian kami terkait DeepSeek-R1, kami menggunakan GPU A100 untuk mempersiapkan eksperimen dengan model yang lebih kecil," tulis peneliti DeepSeek, seperti dikutip dari Reuters, Minggu (21/9/2025). Pengakuan ini menunjukkan bahwa DeepSeek menggunakan chip A100 untuk melakukan eksperimen awal dan pengembangan model, sebelum beralih ke chip H800 untuk pelatihan skala penuh.
Klaim DeepSeek tentang biaya pelatihan yang rendah untuk model R1 memiliki implikasi yang signifikan untuk lanskap pengembangan AI global. Jika klaim tersebut akurat, itu berarti bahwa perusahaan dengan sumber daya yang lebih sedikit dapat mengembangkan model LLM canggih, yang berpotensi mendemokratisasi akses ke teknologi AI. Hal ini dapat menyebabkan inovasi yang lebih besar dan persaingan yang lebih ketat di pasar AI.
Namun, ada juga kekhawatiran tentang potensi dampak negatif dari biaya pelatihan yang lebih rendah. Jika perusahaan dapat mengembangkan model LLM canggih dengan biaya yang relatif rendah, hal itu dapat menyebabkan penyebaran model yang lebih berbahaya atau bias, karena perusahaan mungkin kurang berinvestasi dalam keamanan dan etika AI.
Selain itu, ada pertanyaan tentang keberlanjutan pendekatan DeepSeek. Apakah perusahaan dapat mempertahankan biaya pelatihan yang rendah dalam jangka panjang, atau apakah mereka akan perlu meningkatkan pengeluaran mereka saat mereka mengembangkan model yang lebih besar dan lebih kompleks? Hanya waktu yang akan menjawab pertanyaan-pertanyaan ini.
Pada akhirnya, klaim DeepSeek tentang biaya pelatihan yang rendah untuk model R1 merupakan perkembangan yang signifikan di bidang AI. Apakah klaim tersebut akurat atau tidak, mereka telah memicu perdebatan penting tentang biaya, aksesibilitas, dan implikasi etis dari pengembangan AI. Seiring dengan kemajuan teknologi AI, penting bagi kita untuk mempertimbangkan implikasi yang lebih luas dari kemajuan ini dan untuk memastikan bahwa AI dikembangkan dan digunakan secara bertanggung jawab.
Pengungkapan biaya pelatihan DeepSeek R1 yang rendah telah memicu berbagai reaksi di kalangan industri AI. Beberapa ahli memuji DeepSeek atas inovasi dan efisiensi mereka, sementara yang lain tetap skeptis dan mempertanyakan keakuratan klaim tersebut. Terlepas dari kebenarannya, pengungkapan ini telah menyoroti pentingnya biaya dalam pengembangan AI dan mendorong diskusi tentang cara membuat AI lebih mudah diakses dan terjangkau.
Salah satu alasan mengapa klaim DeepSeek tentang biaya pelatihan yang rendah begitu mengejutkan adalah karena biaya pelatihan LLM telah meningkat secara eksponensial dalam beberapa tahun terakhir. Seiring dengan semakin kompleksnya model AI, mereka membutuhkan lebih banyak data dan daya komputasi untuk dilatih, yang menyebabkan peningkatan biaya yang signifikan.
Misalnya, pelatihan GPT-3, model LLM yang dikembangkan oleh OpenAI, diperkirakan menelan biaya lebih dari USD 4,6 juta. Pelatihan model LLM yang lebih baru, seperti GPT-4, diperkirakan menelan biaya lebih dari USD 100 juta. Biaya yang tinggi ini telah menjadi penghalang yang signifikan bagi banyak organisasi yang ingin mengembangkan model AI mereka sendiri.
Klaim DeepSeek bahwa mereka dapat melatih model LLM canggih dengan biaya kurang dari USD 300.000 telah menimbulkan harapan bahwa biaya pelatihan AI dapat dikurangi secara signifikan. Jika DeepSeek benar-benar telah menemukan cara untuk mengurangi biaya pelatihan AI, hal itu dapat membuka peluang baru bagi organisasi dari semua ukuran untuk mengembangkan dan menggunakan AI.
Namun, ada juga beberapa kekhawatiran tentang klaim DeepSeek. Beberapa ahli telah menunjukkan bahwa DeepSeek mungkin telah mengorbankan kualitas atau kinerja model mereka untuk mengurangi biaya pelatihan. Yang lain telah mempertanyakan apakah DeepSeek dapat mempertahankan biaya pelatihan yang rendah dalam jangka panjang.
Terlepas dari kekhawatiran ini, klaim DeepSeek tentang biaya pelatihan yang rendah telah memicu diskusi yang penting tentang cara membuat AI lebih mudah diakses dan terjangkau. Seiring dengan kemajuan teknologi AI, penting bagi kita untuk terus mencari cara untuk mengurangi biaya pengembangan AI sehingga lebih banyak organisasi dapat memanfaatkan teknologi transformatif ini.
Pada akhirnya, klaim DeepSeek tentang biaya pelatihan yang rendah merupakan perkembangan yang menjanjikan di bidang AI. Apakah klaim tersebut akurat atau tidak, mereka telah menyoroti pentingnya biaya dalam pengembangan AI dan mendorong diskusi tentang cara membuat AI lebih mudah diakses dan terjangkau. Seiring dengan kemajuan teknologi AI, penting bagi kita untuk terus mencari cara untuk mengurangi biaya pengembangan AI sehingga lebih banyak organisasi dapat memanfaatkan teknologi transformatif ini.