DeepSeek, GPT, Gemini Claude, Siapa yang Paling Efisien dalam Perlombaan AI?

JAKARTA, TRENASIA.ID - Melatih dan mengembangkan model AI besar (Large Language Models/LLMs) seperti GPT-4o, Claude, hingga DeepSeek bukanlah pekerjaan murah.

Biayanya bisa berkisar dari ratusan ribu dolar hingga miliaran dolar Amerika Serikat. Jika dikonversi dengan kurs per 23 September 2025 sebesar Rp16.600/US$, angkanya bisa mencapai triliunan rupiah.

Perbedaan biaya ini sangat dipengaruhi oleh skala model, metode pelatihan, sumber daya komputasi, serta strategi efisiensi yang digunakan oleh masing-masing perusahaan.

OpenAI melalui GPT-4o diketahui menanggung biaya pelatihan sebesar lebih dari US$100 juta atau setara Rp1,66 triliun. Angka ini selevel dengan pendahulunya, GPT-4, yang dilaporkan memiliki biaya serupa.

Anthropic dengan model Claude memiliki kisaran biaya pelatihan jauh lebih besar, yakni antara US$100 juta hingga US$1 miliar atau Rp1,66 triliun hingga Rp16,6 triliun.

CEO Anthropic bahkan memproyeksikan biaya bisa mencapai US$10 miliar atau Rp166 triliun pada 2025–2027. Di sisi lain, DeepSeek dengan model V3 dan R1 berhasil menekan biaya hingga sekitar US$6 juta atau Rp99,6 miliar.

Lebih ekstrem lagi, biaya pelatihan khusus untuk model DeepSeek R1 hanya sebesar US$294 ribu atau Rp4,88 miliar, menjadikannya hampir 300 kali lebih murah dibanding GPT-4.

Kelebihan dan Strategi Tiap Model

GPT-4o memiliki keunggulan dalam kapabilitas multimodal yang memungkinkan pemrosesan teks, suara, dan gambar sekaligus. Model ini didukung oleh infrastruktur superkomputer berbasis chip Nvidia H100 dengan kualitas respons yang konsisten dan presisi tinggi.

Besarnya biaya pelatihan Rp1,66 triliun mencerminkan skala data, tenaga riset, serta infrastruktur komputasi yang digunakan. Claude dari Anthropic unggul dalam aspek keamanan dan reputasi sebagai “AI yang bisa dipercaya.”

Claude 3.5 dikenal mampu membaca dokumen panjang dengan konteks mendalam, didukung investasi besar dari Amazon dan Google. Namun, biaya pelatihannya jauh lebih tinggi, mulai Rp1,66 triliun hingga Rp16,6 triliun, bahkan berpotensi mencapai Rp166 triliun untuk generasi berikutnya.

Sementara itu, DeepSeek V3 dan R1 membawa gebrakan dengan efisiensi biaya luar biasa. Hanya dengan Rp99,6 miliar, dua model besar dapat dikembangkan menggunakan chip Nvidia H800 yang lebih murah dibanding H100.

Mereka juga memanfaatkan teknik reinforcement learning dan distillation untuk memangkas ketergantungan pada anotasi manusia yang mahal.

DeepSeek R1 bahkan lebih mengejutkan, dengan biaya hanya Rp4,88 miliar. Model ini memang lebih terbatas dari sisi skala dan daya tanggap, tetapi membuktikan bahwa performa kompetitif bisa dicapai dengan sumber daya minimal.

Mengapa Bisa Berbeda Jauh?

Perbedaan biaya yang sangat signifikan ditentukan oleh sejumlah faktor. Skala model memegang peranan penting, di mana semakin besar jumlah parameter, semakin mahal pula biaya pelatihannya.

Metode pelatihan yang digunakan juga memengaruhi, misalnya teknik efisiensi seperti reinforcement learning mampu memangkas biaya secara drastis. Selain itu, jenis chip AI yang digunakan menjadi faktor utama.

GPU supercanggih seperti Nvidia H100 dapat menelan biaya ribuan dolar per unit per hari, sementara alternatif seperti H800 membuat biaya lebih terkendali.

Infrastruktur cloud dari penyedia besar seperti AWS, Azure, atau Google Cloud juga menjadi komponen terbesar dalam struktur biaya pelatihan AI.

Pendiri Anthropic memprediksi biaya pelatihan LLM generasi terbaru bisa meroket hingga US$10–100 miliar atau Rp166 triliun hingga Rp1.660 triliun pada 2027.

Namun, di sisi lain, inovasi yang ditunjukkan DeepSeek membuka peluang bahwa biaya justru bisa ditekan drastis. Dengan dua jalur berbeda, yakni pendekatan superkomputer miliaran dolar di satu sisi dan efisiensi ekstrem di sisi lain, peta industri AI akan terus bergerak dinamis, membuka peluang bagi raksasa teknologi maupun pendatang baru.