ByteDance sedang melatih model AI dengan hingga 10 triliun parameter, menurut laporan Financial Times. Ukuran ini akan mendekati sistem paling canggih milik Anthropic. Siapa pun yang mengikuti perlombaan AI global perlu memperhatikan hal ini, karena menunjukkan seberapa cepat laboratorium-laboratorium Tiongkok mengejar ketertinggalan dari para pemimpin AI asal AS.
Apa yang Sebenarnya Terjadi
Model ini tiga kali lebih besar dibanding Kimi K3 milik Moonshot, model Tiongkok terbesar yang pernah dirilis, menurut tiga sumber yang mengetahui masalah ini, dilaporkan Ars Technica. Fase pre-training biasanya berlangsung tiga hingga enam bulan, dan ukuran akhirnya baru akan ditentukan kemudian. Anthropic tidak mengungkapkan jumlah parameter modelnya, namun estimasi industri memperkirakan Mythos 5 memiliki sekitar 8 triliun parameter dan Fable 5 sekitar 5 triliun. Mythos 5 sendiri hanya bisa diakses oleh organisasi yang telah disetujui sejak larangan keamanan pada Juni lalu. Aplikasi konsumen ByteDance, Doubao, memiliki 324 juta pengguna aktif bulanan, jumlah tertinggi di Tiongkok. Tim riset Seed milik perusahaan, yang dipimpin oleh mantan ilmuwan Google DeepMind, Wu Yonghui, beranggotakan sekitar 2.000 orang. Pendiri ByteDance, Zhang Yiming, dalam pertemuan internal dua minggu lalu meminta tim Seed untuk mengejar "kemampuan model kelas dunia" tanpa perlu khawatir soal kendala jangka pendek.
Bagaimana Kita Sampai di Sini
Laboratorium-laboratorium Tiongkok telah mempersempit jarak dengan cepat tahun ini. Model-model dari Moonshot dan Alibaba telah mencatat skor benchmark yang hanya tertinggal dari Fable 5 milik Anthropic di beberapa area. ByteDance sendiri mempertahankan profil publik yang lebih rendah dibanding para pesaingnya, menutup sebagian besar modelnya sambil terus mengalirkan sumber daya ke unit cloud Volcano Engine dan rencana chip AI buatan sendiri. Berbeda dari sejumlah kompetitor, tim Seed ByteDance telah menghindari praktik distilasi pengetahuan dari model laboratorium lain selama lebih dari setahun, jalur yang lebih lambat namun lebih mandiri. Pendekatan ini menimbulkan perdebatan internal soal apakah langkah tersebut justru membuat ByteDance kehilangan waktu dalam perlombaan menyamai laboratorium frontier Barat.
Mengapa Ini Penting untuk Anda
Bagi para developer, model ByteDance yang lebih besar bisa berarti persaingan yang lebih sengit antara platform AI Tiongkok dan AS. Bagi pengguna, model Tiongkok yang lebih mumpuni bisa menekan biaya akses ke AI canggih, terutama jika dirilis secara terbuka. Bagi penyedia infrastruktur AI dan produsen chip, langkah ByteDance menambah satu lagi pembeli yang memburu komputasi dan chip khusus. Soal akses juga jadi perhatian, Mythos 5 masih dibatasi hanya untuk organisasi yang disetujui, sehingga sebagian besar teknologi frontier tetap tertutup. Jika model ByteDance terbukti unggul, siklus iterasi yang lebih cepat di seluruh industri bisa terjadi, dan tekanan pada Anthropic serta pesaingnya untuk mengejar skala pelatihan, bukan sekadar efisiensi, akan makin besar.
Pertanyaan yang Lebih Besar
Jika model ByteDance menyamai skala Anthropic, apakah jumlah parameter mentah masih menentukan sistem AI mana yang memimpin dunia, atau justru kualitas data dan metode pelatihan yang menjadi faktor lebih penting? Laporan tersebut mencatat bahwa keduanya sama-sama berperan, namun perusahaan-perusahaan tetap berlomba mengejar ukuran. Seiring semakin banyak laboratorium mendekati 10 triliun parameter, industri mungkin perlu jawaban yang lebih jelas soal apa yang sebenarnya membedakan model yang benar-benar unggul dari model yang sekadar besar.
Yang Perlu Diperhatikan
Fase pre-training ByteDance biasanya berlangsung tiga hingga enam bulan, artinya bentuk final model yang sudah di-fine-tune dan perilisannya, jika benar-benar terjadi, bisa muncul pada akhir 2026 atau awal 2027. Perhatikan konfirmasi jumlah parameter final, perbandingan benchmark dengan Mythos 5 dan Fable 5 milik Anthropic, serta apakah ByteDance akan membuka model ini atau tetap menutupnya. Bonuz akan terus memantau bagaimana perkembangan ini memengaruhi hardware dan chip yang menggerakkan perangkat AI generasi berikutnya, termasuk perangkat wearable.
