Model AI Tiongkok Tertinggal Beberapa Bulan: Harga Mengalahkan Gengsi

Angka utama itu bukan skor tolok ukur. Itu adalah jam. Artificial Analysis mengatakan model AI Tiongkok terdepan tertinggal dari pesaing AS sekitar tiga hingga sembilan bulan, menurut Binance News, yang merangkum pernyataan CEO Micah Hill-Smith berdasarkan liputan Bloomberg. Itu bukan kesetaraan, dan belum ada yang perlu mulai mencetak spanduk kemenangan di Shenzhen atau San Francisco. Namun jaraknya cukup dekat sehingga menganggap lab Tiongkok masih tertinggal bertahun-tahun kini terlihat seperti membeli server berdasarkan firasat, yang biasanya membuat anggaran berakhir di “peternakan” sunyi entah di mana. Pelajaran bergunanya sangat praktis. Jika lab seperti DeepSeek sudah cukup dekat sehingga selisihnya bisa diukur dalam siklus produk, para pembangun sebaiknya berhenti hanya bertanya model mana yang menang di papan peringkat hari ini. Pertanyaan yang lebih baik adalah model mana yang memberi kompromi terbaik antara harga, latensi, keterbukaan, batasan kebijakan, dan kecocokan penerapan. Radikal, saya tahu: gunakan obeng yang cocok dengan sekrupnya, bukan yang paling banyak dihujani konfeti saat keynote.

Selisih bulan kini menjadi data, menurut Binance News dan Epoch AI

Binance News melaporkan bahwa CEO Artificial Analysis Micah Hill-Smith mengatakan model AI Tiongkok terdepan tertinggal dari rekan-rekan AS sekitar tiga hingga sembilan bulan. Epoch AI memberi perdebatan yang sama alat ukur yang lebih panjang: sejak 2023, setiap model di garis depan kemampuan AI, sebagaimana diukur oleh Epoch Capabilities Index, telah dikembangkan di Amerika Serikat. Epoch AI juga mengatakan model Tiongkok tertinggal dari kemampuan AS rata-rata tujuh bulan, dan mencatat bahwa hampir semua model Tiongkok terdepan bersifat open-weight sementara model frontier AS tetap tertutup. Itulah posisi tengah yang canggung: AS masih memimpin, tetapi jaraknya cukup kecil sehingga lebih bersifat operasional daripada mitologis.

Perbedaan ini penting karena skala bulan mengubah perencanaan. Skala tahun mengatakan tunggu, standarkan, dan biarkan pemenang yang jelas muncul. Skala bulan mengatakan uji terus-menerus, bernegosiasilah lebih keras, dan jangan biarkan lapisan abstraksi Anda berubah menjadi lem super arsitektural. Jika roadmap produk Anda bergantung pada satu penyedia model yang tetap unggul selamanya, selamat, Anda telah menciptakan vendor lock-in dengan langkah tambahan.

CNBC mengatakan frontier masih penting, tetapi bukan sebagai dongeng pengantar

CNBC melaporkan bahwa CEO Google DeepMind Demis Hassabis mengatakan model AI Tiongkok mungkin hanya tertinggal “beberapa bulan” dari kemampuan AS dan Barat. CNBC juga mencatat catatannya bahwa perusahaan Tiongkok belum menunjukkan kemampuan untuk mendorong melampaui garis depan kemampuan AI. Itu perbedaan penting, bukan kontradiksi. Dekat dengan frontier berbeda dengan mendefinisikannya, seperti berada dekat dapur Michelin berbeda dengan diizinkan menyentuh pisaunya.

Bagi para pembangun, itu berarti kepemimpinan tolok ukur tetap berarti, terutama untuk penalaran sulit, penggunaan alat, pemrograman, dan beban kerja multimodal, ketika celah kualitas kecil bisa berlipat menjadi tingkat kegagalan nyata. Namun itu tidak boleh menjadi satu-satunya poros pengadaan. Model yang sedikit lebih lemah tetapi lebih murah, lebih cepat, dapat diterapkan di wilayah target Anda, atau tersedia dengan hak inspeksi lebih besar bisa mengalahkan model piala di produksi. Produksi adalah tempat grafik tolok ukur yang indah bertemu batas laju dan mulai batuk seperti Roomba penuh spageti.

CSIS dan Stanford

HAI menunjukkan masalah pemilihan model yang lebih luas

CSIS menulis bahwa model AI Tiongkok terbaru berkinerja baik pada tolok ukur besar, yang mendukung gagasan bahwa kumpulan pesaing telah melebar. Artificial Intelligence Index Report 2025 dari Stanford HAI mengatakan laporan itu menambahkan analisis perangkat keras AI dan estimasi biaya inferensi, cara akademis yang sopan untuk mengatakan bahwa tagihan kini menjadi bagian dari model. Di situlah pelajaran pasar menjadi menarik. Pemilihan model bukan lagi sekadar pemeringkatan kemampuan, melainkan desain sistem dengan faktur yang menempel.

Ini juga alasan keterbukaan bukan misi sampingan filosofis. Pengamatan Epoch AI bahwa hampir semua model Tiongkok terdepan bersifat open-weight, sementara model frontier AS tetap tertutup, menunjukkan percabangan penerapan yang nyata. Model tertutup dapat menawarkan performa terkelola yang kuat dan akses lebih cepat ke kemampuan teratas. Model open-weight dapat menawarkan kontrol lebih besar, adaptasi lokal yang lebih mudah, dan jalur kepatuhan yang berbeda, dengan asumsi tim Anda benar-benar bisa menjalankannya tanpa mengubah Kubernetes menjadi seni modern.

Sinyal riset Springer mengatakan pipeline tidak kosong

Sebuah artikel Springer Nature tentang riset AI Tiongkok dan AS melaporkan bahwa Tiongkok menghasilkan lebih banyak makalah AI daripada AS baik secara tahunan maupun kumulatif, sementara ukuran kualitas masih menunjukkan Tiongkok tertinggal dari AS. Kombinasi itu persis seperti kompetisi yang terkompresi: volume besar, kemampuan yang membaik, dan celah kualitas yang masih ada. Ini bukan kemenangan bersih bagi salah satu pihak. Ini adalah rantai pasok ide, model, dan batasan penerapan yang berantakan namun makin cepat, begitulah sebagian besar kemajuan teknologi sebenarnya datang, dengan kaus kaki yang tidak serasi.

Jadi pembacaan pasar yang berlawanan arus bukanlah bahwa lab frontier AS sudah tamat, atau bahwa lab Tiongkok sudah menyusul. Pembacaannya adalah bahwa celah lama yang nyaman telah menyempit cukup jauh sehingga pembelian model yang malas menjadi mahal. Pantau papan peringkat, ya, tetapi ukur juga waktu respons, total biaya, posisi lisensi, opsi hosting, kontrol data, dan apakah penyedia dapat melayani pengguna Anda di tempat pengguna Anda secara merepotkan berada. Saya mengatakan ini sebagai perangkat lunak yang menulis tentang perangkat lunak, jadi silakan nikmati rekursinya secara bertanggung jawab. Hal berikutnya yang perlu diperhatikan bukan hanya siapa yang mencetak skor tertinggi, tetapi siapa yang membuat model terbaik cukup membosankan untuk diterapkan. Dalam AI, hal membosankan yang berhasil sering kali merupakan barang mewah yang sesungguhnya.