Seperti pergulatan dalam olahraga, kecepatan bukan satu-satunya ukuran. Di tengah revolusi kecerdasan buatan (AI) yang berlangsung cepat, pergeseran yang lebih dalam justru terjadi di belakang layar: para pengembang model mulai membuka bobot model mereka.
Gelombang model open-weight kini beroperasi bukan sekadar sebagai proyek riset, melainkan sebagai infrastruktur korporat. Perusahaan tidak lagi harus mengirim data sensitif ke API pihak ketiga untuk memakai model kelas atas.
Bermula dari Kebutuhan Praktis
Revolusi ini lahir dari kepentingan praktis. Model yang mengandalkan API membuat setiap permintaan harus dialirkan ke penyedia ketiga, dan data tetap berada di luar kendali klien. Cara itu mulai dianggap tidak cocok bagi organisasi yang bekerja dengan material sensitif.
Penyedia layanan punya alasan untuk memisahkan data klien dari modelnya, dan klien punya alasan untuk mengendalikan keduanya. Solusinya, para produsen model kini mengemas bobot dalam format terbuka, sehingga perusahaan dapat menjalankan model di infrastruktur milik sendiri, di lingkungan yang teroptimasi, atau di kawasan yang mereka pilih.
21 Model dalam Dua Bulan
Angka-angka di balik fenomena ini cukup mencolok. Menurut GPUwerk, sekitar 21 model bahasa open-weight yang terverifikasi di Hugging Face dirilis antara 1 September dan 7 November 2026. 🔗 GPUwerk
Di antara yang terdepan adalah Kimi K3.1 Pro dari Moonshot AI, dengan 2,8 triliun parameter dalam arsitektur mixture-of-experts yang hanya mengaktifkan sekitar 104 miliar per token, serta konteks sepanjang 1 juta token. Bobotnya dirilis di Hugging Face pada 4 November 2026. 🔗 i10x
Z.ai mengeluarkan GLM-5.3-Flash berlisensi MIT dengan konteks sepanjang 1 juta token. Model multimodal ini berukuran 320 miliar parameter total dengan 18 miliar aktif per token, dan dirilis pada 26 Agustus 2026. 🔗 Benchgen
DeepSeek merilis DeepSeek-V4.1-Flash berlisensi MIT pada 10 September 2026, dengan backbone 552 miliar parameter, sekitar 8 miliar aktif saat prefill dan 16 miliar saat decode, serta konteks 1 juta token. Harga resmi API-nya US$0,30 per juta token input pada jam sibuk dan US$0,15 di luar jam sibuk. 🔗 LLM Rumors
Meituan mengumumkan LongCat-2.5, model multimodal 1,6 triliun parameter dengan sekitar 48 miliar aktif per token, yang dirilis di bawah lisensi MIT dan dioptimalkan untuk pengembangan kode, proyek lengkap, dan tugas kantor profesional. 🔗 TeamoRouter
Fakta Kunci
- 21 model bahasa open-weight dirilis antara 1 September–7 November 2026 (GPUwerk).
- Kimi K3.1 Pro (Moonshot): 2,8 triliun parameter, 104 miliar aktif per token, konteks 1 juta token, bobot dirilis 4 November 2026.
- GLM-5.3-Flash (Z.ai): lisensi MIT, konteks 1 juta token, MoE 320 miliar parameter total dengan 18 miliar aktif.
- DeepSeek-V4.1-Flash: lisensi MIT, backbone 552 miliar parameter, harga resmi US$0,30 (peak) / US$0,15 (off-peak) per juta token input.
- LongCat-2.5 (Meituan): 1,6 triliun parameter MoE, lisensi MIT, multimodal untuk pengembangan kode dan tugas agen jangka panjang.
- Ripple-65B (Ricursive): Apache 2.0, model dense 65 miliar parameter, konteks 1 juta token, dirilis 4 November 2026.
- Model Vault (Cohere): infrastruktur terenkripsi, residensi data, dan kontrol bagi model open-weight, diumumkan 3 November 2026.
Lisensi: Terbuka, tapi Ada Syaratnya
Bagian yang menarik bukan sekadar ukuran parameter. Banyak model "terbuka" ini beroperasi dalam ruang lisensi yang tidak seragam. MIT dan Apache 2.0 masih dominan, tetapi tidak semua model memakai lisensi permisif standar.
Kimi K3.1 Pro memakai lisensi khusus. Operator model-as-a-service dengan pendapatan agregat di atas US$20 juta selama 12 bulan berturut-turut harus mengambil kesepakatan terpisah dengan Moonshot sebelum memakai model secara komersial. Produk komersial dengan lebih dari 100 juta pengguna aktif bulanan, atau pendapatan bulanan di atas US$20 juta, wajib menampilkan nama "Kimi K3.1-Pro" secara mencolok. Penggunaan internal dikecualikan dari kedua syarat itu. 🔗 x9m8
Pesan intinya: open-weight bukan berarti tanpa syarat. Perusahaan yang ingin mengadopsi model terbuka tetap harus membaca lisensinya, bukan sekadar mengunduh bobotnya.
Model Vault: Jalan Tengah untuk Perusahaan
Mengapa perusahaan justru menyerahkan kebutuhan komputasi mereka kepada sumber daya yang bisa diandalkan? Alasannya, kebebasan yang lebih dalam. Ketika model dijalankan di dalam gedung sendiri atau lingkungan yang telah disetujui, perusahaan dapat menjaga konsistensi dengan kebijakan data, memverifikasi kepatuhan, dan menyesuaikan model tanpa negosiasi tiap bulan.
Inilah yang terjadi di platform seperti Model Vault milik Cohere. Pada 3 November 2026, Cohere menambahkan model terbuka pihak ketiga — termasuk DeepSeek-V4.1-Flash, GLM-5.3-Flash, Gemma 4, GPT-OSS, dan Phi — ke dalam platform inferensi single-tenant miliknya, dengan zero data retention sebagai bawaan. Varian Model Vault Encrypted bahkan menjaga data tetap terenkripsi selama diproses, lewat confidential computing. 🔗 Cohere
Singkatnya, perusahaan kini memiliki pilihan: mengambil model besar melalui API eksternal, atau menjalankan model yang lebih sesuai dalam lingkungan yang mereka kendalikan sendiri.
Yang Perlu Diingat
Sebelum perusahaan memutuskan berganti, ada beberapa hal yang perlu diluruskan. Pertama, "open-weight" bukan "open-source penuh": bobot terbuka, tetapi data pelatihan tidak selalu dipublikasikan. Kedua, lisensi yang berbeda memberikan hak yang berbeda; beberapa membatasi penggunaan komersial atau mensyaratkan kesepakatan terpisah.
Ketiga, model open-weight masih bergantung pada infrastruktur yang memadai — model sebesar 2,8 triliun parameter seperti Kimi K3.1 Pro membutuhkan klaster GPU multi-node, bukan laptop. Dan keempat, angka benchmark yang dirilis vendor adalah klaim vendor sendiri, yang sebaiknya dibaca sebagai klaim sampai ada pengujian independen.
Sumber
- GPUwerk, "New open-weight LLMs, autumn 2026: 21 releases checked" (7 November 2026) — gpuwerk.com
- i10x, "Kimi K3.1 Pro Open Weights: Moonshot's 2.8T MoE Explained" — i10x.ai
- x9m8, "Kimi K3.1 Pro Weights Released: License Terms Explained" — x9m8.com
- Benchgen, "GLM-5.3-Flash: Benchmarks, Pricing & Context Window" — benchgen.com
- LLM Rumors, "DeepSeek V4.1 Flash Pricing, Agent Memory and 1M Context" — llmrumors.com
- TeamoRouter, "LongCat-2.5 API: Price, Specs and How to Call Meituan's New Model (2026)" — teamorouter.com
- Cohere, "Leading Open-Weight Models Now Available in Model Vault" (3 November 2026) — cohere.com
Tidak ada komentar:
Posting Komentar