AI · 20 Oktober 2026
Deepseek Meluncurkan Model V4.1-Flash-1017 dengan Peningkatan Kecepatan dan Efisiensi Biaya
Perusahaan kecerdasan buatan asal Tiongkok bernama Deepseek secara resmi memperkenalkan versi terbaru dari model Flash mereka yang diberi nama V4.1-Flash-1017. Pembaruan ini diklaim menawarkan kinerja yang lebih cepat, hasil yang lebih baik, serta biaya operasional yang lebih rendah dibandingkan dengan model pendahulunya. Peluncuran ini juga menandai pertama kalinya penyedia layanan tersebut membuka akses publik ke mesin pencari internal mereka melalui antarmuka pemrograman aplikasi khusus.
Model baru ini telah tersedia untuk diakses segera melalui situs web resmi, aplikasi seluler, serta antarmuka pemrograman aplikasi milik perusahaan. Selain itu, Deepseek telah merilis bobot model tersebut sebagai sumber terbuka di platform Hugging Face dan ModelScope. Perusahaan menggambarkan pembaruan ini sebagai sebuah peningkatan Pareto dalam rasio antara kinerja dan biaya, yang berarti model ini mampu memberikan hasil tolok ukur yang lebih baik sambil menyelesaikan tugas lebih cepat dan menghasilkan keluaran teks yang lebih pendek. Pendekatan pengembangan perangkat lunak lengkap dari awal mengandalkan teknik pembelajaran penguatan dengan umpan balik mandiri, di mana model menggunakan keyakinan internal atau kritik yang dihasilkan sendiri sebagai sinyal penghargaan tanpa memerlukan penilai manusia.
Dalam pengujian perbandingan yang dipublikasikan oleh Deepseek, model V4.1-Flash-1017 dilaporkan mengungguli tidak hanya versi sebelumnya tetapi juga beberapa model pesaing besar lainnya dalam berbagai disiplin pengembangan perangkat lunak dan agen kecerdasan buatan. Grafik biaya terkait tolok ukur DeepSWE menunjukkan bahwa model baru ini mencapai tingkat keberhasilan puncak sebesar 77,0 persen dengan biaya rata-rata sedikit di bawah 0,20 dolar Amerika Serikat per tugas. Sebaliknya, model pendahulu hanya mencapai tingkat keberhasilan 74,2 persen dengan biaya sekitar 0,50 dolar Amerika Serikat untuk setiap tugas yang diselesaikan.
Model pesaing seperti GPT-6 Astra, Gemini 3.8 Flash, dan Claude Opus 5 tercatat memiliki biaya per tugas yang berkisar antara 2 hingga lebih dari 10 dolar Amerika Serikat dalam representasi data yang sama, namun tanpa mencapai tingkat akurasi yang dimiliki oleh model kecil dari Deepseek. Perlu dicatat bahwa hasil tolok ukur independen untuk memverifikasi klaim-klaim ini masih belum tersedia. Model ini juga dioptimalkan khusus untuk lingkungan pengembangan tertentu termasuk Deepseek Harness, Tencent CodeBuddy, dan WorkBuddy.
Selain model bahasa, perusahaan kini membuka antarmuka untuk layanan pencarian web yang berbasis pada mesin pencari buatan sendiri yang konon menangani ratusan juta permintaan setiap hari di seluruh dunia. Biaya standar untuk setiap titik akhir layanan ini ditetapkan sebesar 0,75 dolar Amerika Serikat per seribu panggilan. Namun, bagi pengguna antarmuka pemrograman aplikasi Deepseek, fungsi-fungsi ini dapat diakses secara gratis melalui alat sisi server hingga tanggal 31 Oktober 2026. Langkah ini diambil di tengah laporan bahwa pemerintah Tiongkok berencana memperketat regulasi atau bahkan melarang publikasi model dengan bobot terbuka, terutama jika sistem tersebut termasuk dalam sepuluh besar model paling kuat.