Apa itu DeepSeek?

Diperbarui Juli 2026

DeepSeek adalah lab riset AI asal China, didirikan pada 2023 oleh manajer hedge fund Liang Wenfeng, yang dikenal membangun large language model open-weight berbiaya rendah. Model reasoning DeepSeek-R1, dirilis pada Januari 2025, menyamai model frontier Barat dalam benchmark matematika dan coding dengan hanya sebagian kecil dari biaya pelatihan yang dilaporkan, memicu evaluasi ulang global terhadap belanja infrastruktur AI.

Kebanyakan orang pertama kali mendengar tentang DeepSeek pada minggu ketika aplikasinya melesat ke puncak Apple App Store dan Nvidia kehilangan nilai pasar lebih besar dalam satu hari dibandingkan hampir semua perusahaan dalam sejarah. Namun DeepSeek lebih dari sekadar peristiwa berita utama: ia adalah pengembang model aktif yang terus merilis versi baru hingga 2026, alternatif open-weight bagi lab tertutup seperti OpenAI dan Anthropic, serta studi kasus nyata untuk pertanyaan privasi data dan geopolitik yang menyertai penggunaan alat AI yang dibangun di China. Artikel ini membahas apa itu DeepSeek, bagaimana ia sampai di titik ini, lini modelnya, kisah efisiensi di baliknya, dan apa yang perlu dipertimbangkan sebelum sebuah bisnis mengadopsinya.

"Momen DeepSeek": Latar Belakang dan Kejutan Januari 2025

DeepSeek didirikan pada 2023 sebagai cabang riset dari High-Flyer, hedge fund kuantitatif yang berbasis di Hangzhou dan didirikan bersama oleh Liang Wenfeng pada 2015. High-Flyer sudah menggunakan AI untuk menggerakkan model trading-nya, dan memberi lab baru ini akses ke cadangan besar GPU Nvidia yang telah dikumpulkannya sebelum kontrol ekspor AS diperketat, sumber daya yang memungkinkan DeepSeek melatih model yang kompetitif tanpa anggaran multi-miliar dolar seperti rival-rivalnya di AS.

Lab ini terus berkembang sepanjang 2024, tetapi momen yang membuatnya menjadi nama yang dikenal luas datang pada 20 Januari 2025, ketika DeepSeek merilis R1, sebuah model reasoning open-weight yang menyamai o1 milik OpenAI pada benchmark matematika, coding, dan sains. Aplikasi DeepSeek, diluncurkan 10 Januari, melesat ke posisi nomor satu di US iOS App Store pada 27 Januari, melampaui ChatGPT. Pada hari yang sama, saham Nvidia turun hampir 17%, menghapus $589 miliar nilai pasar, kerugian satu hari terbesar untuk perusahaan mana pun dalam sejarah pasar saham, saat investor mempertanyakan apakah industri ini benar-benar membutuhkan belanja GPU sebesar yang selama ini diasumsikan.

Kepanikan ini berpusat pada biaya. Laporan teknis DeepSeek sendiri untuk model dasar V3 yang mendasarinya mengklaim biaya pelatihan sekitar $5,6 juta, hanya sebagian kecil dari yang dilaporkan dihabiskan oleh lab AS untuk model frontier yang sebanding. Angka itu hampir seketika menjadi sorotan (lebih lanjut di bawah), tetapi sinyal yang lebih luas tetap berlaku: sebuah lab yang beroperasi di bawah pembatasan chip AS telah menghasilkan model yang kompetitif dengan yang terbaik di dunia, dan ia membagikan weight-nya secara gratis untuk diunduh dan dijalankan oleh siapa pun.

Lini Model DeepSeek: Dari V3 ke R1 ke V4

DeepSeek merilis model dengan kadensi rilis publik yang cepat, alih-alih hanya satu produk flagship tunggal.

DeepSeek-V3 (Desember 2024) adalah foundation model yang memulai kisah ini. Model ini menggunakan arsitektur mixture of experts, yang hanya mengaktifkan sebagian kecil dari total parameternya untuk setiap query, dan inilah alasan utama mengapa model ini dilatih dan dijalankan dengan biaya yang jauh lebih murah dibandingkan model dense dengan ukuran serupa.

DeepSeek-R1 (Januari 2025) adalah model reasoning yang dibangun di atas V3. Model ini menggunakan komputasi chain-of-thought yang diperluas, mengerjakan masalah langkah demi langkah sebelum menjawab, kategori teknik yang sama dengan yang mendasari test-time compute. DeepSeek juga merilis serangkaian varian R1 yang lebih kecil dan "distilled", menggunakan knowledge distillation untuk memampatkan kemampuan reasoning R1 ke dalam model yang cukup kecil untuk dijalankan pada satu GPU atau laptop kelas atas.

DeepSeek-V3.2 (Desember 2025) menambahkan tool use langsung ke dalam proses berpikir model, memungkinkannya bernalar melalui suatu masalah sekaligus memanggil alat eksternal dalam satu proses yang sama. DeepSeek melaporkan model ini mencetak hasil setara medali emas pada rangkaian benchmark International Mathematical Olympiad 2025 dan International Olympiad in Informatics.

DeepSeek-V4 (dipratinjau 24 April 2026, dengan rilis stabil menyusul pada Juli 2026) adalah generasi terkini, dirilis dalam dua varian: V4-Pro, model mixture-of-experts berskala besar, dan V4-Flash, varian yang lebih kecil dan lebih cepat. Keduanya mendukung context window 1 juta token dan, seperti setiap rilis DeepSeek hingga saat ini, dirilis di bawah lisensi terbuka.

Kisah Efisiensi dan Biaya

Reputasi DeepSeek bertumpu pada melakukan lebih banyak dengan lebih sedikit, dan angka-angkanya, meski diperdebatkan, cukup nyata untuk diperhitungkan.

Laporan teknis V3 milik DeepSeek sendiri menyebutkan total compute pelatihan sebesar 2,788 juta jam GPU H800, atau sekitar $5,576 juta dengan asumsi kira-kira $2 per jam GPU. Pada September 2025, DeepSeek mempublikasikan paper peer-reviewed di Nature yang mengungkapkan angka terpisah sebesar $294.000 khusus untuk pelatihan reasoning tambahan R1 di atas V3. Analis independen, termasuk peneliti di Epoch AI, berpendapat bahwa biaya all-in yang sebenarnya (dengan memperhitungkan pelatihan dasar V3 yang mendasarinya, hardware, dan overhead R&D yang tidak dimasukkan dalam angka DeepSeek) mendekati 20 kali lipat dari angka utama tersebut. Bahkan dengan estimasi yang lebih tinggi itu, biaya pelatihan DeepSeek tetap jauh di bawah apa yang dilaporkan OpenAI dan Anthropic untuk proses pelatihan frontier yang sebanding.

Keunggulan biaya ini paling jelas terlihat pada tarif yang dikenakan DeepSeek untuk penggunaan modelnya. Per pertengahan 2026, API V4-Flash DeepSeek mematok harga output token sebesar $0,28 per juta, dibandingkan dengan $15 per juta untuk GPT-5.4 milik OpenAI dan Claude Sonnet 4.6 milik Anthropic, selisih sekitar 50x. Bukan hanya angka biaya pelatihan awal, tetapi penetapan harga itulah yang membuat DeepSeek tetap relevan bagi developer yang sadar biaya jauh setelah siklus berita Januari 2025 memudar.

Open Weight dan Lisensi

Berbeda dengan GPT dan Claude, model DeepSeek bersifat open weight: siapa pun dapat mengunduh file model terlatih yang sebenarnya, menjalankannya di infrastruktur mereka sendiri, melakukan fine-tuning terhadapnya, dan membangun produk komersial di atasnya tanpa membayar biaya lisensi kepada DeepSeek.

DeepSeek-R1 dan model-model seri V dirilis di bawah lisensi MIT yang permisif, yang mengizinkan penggunaan komersial, modifikasi, dan distilasi ke model lain, hanya mensyaratkan agar teks lisensi dipertahankan dalam redistribusi. Ini merupakan sikap yang jauh lebih terbuka dibandingkan label "open" yang digunakan secara longgar oleh sebagian kompetitor; DeepSeek benar-benar memungkinkan sebuah perusahaan melakukan self-host model dan tidak pernah mengirim satu pun query ke server DeepSeek sendiri.

Hal ini penting secara praktis dalam dua hal. Pertama, tim yang sensitif terhadap biaya dapat menjalankan varian R1 yang distilled secara lokal alih-alih membayar biaya API per token sama sekali. Kedua, self-hosting menghindari sebagian besar masalah penanganan data yang dibahas berikutnya, karena tidak ada data yang keluar dari infrastruktur perusahaan sendiri. Trade-off-nya adalah self-hosting memerlukan kapasitas GPU dan keahlian MLOps untuk menjalankan model secara andal, yaitu justru jenis pekerjaan infrastruktur yang dihindari sebagian besar tim bisnis dengan membayar OpenAI atau Anthropic.

Menggunakan DeepSeek untuk Bisnis: Yang Perlu Diketahui Lebih Dulu

Biaya rendah dan lisensi terbuka DeepSeek membuatnya menarik bagi tim engineering, tetapi ini datang dengan catatan yang tidak dimiliki oleh vendor model tertutup pada umumnya.

Aplikasi dan API DeepSeek yang di-hosting merutekan data melalui server yang berbasis di China, yang tunduk pada hukum data dan keamanan nasional China, bukan pada kerangka kerja seperti GDPR atau CCPA yang mengatur vendor AS dan UE. Otoritas perlindungan data Italia memerintahkan pemblokiran segera atas pemrosesan data pengguna Italia oleh DeepSeek pada Januari 2025, salah satu tindakan regulasi formal pertama terhadap perusahaan ini, dan sejak itu pemerintah serta perusahaan lain telah membatasi DeepSeek pada perangkat resmi karena kekhawatiran yang sama. Tidak ada satu pun dari ini yang unik bagi DeepSeek di antara vendor AI China, tetapi ini merupakan profil risiko yang secara signifikan berbeda dibandingkan penyedia berbasis AS, dan hal ini perlu masuk dalam AI vendor evaluation apa pun sebelum sebuah tim mengadopsinya untuk apa pun yang menyentuh data pelanggan atau karyawan.

Melakukan self-host model open-weight ini, baik melalui penyedia cloud domestik maupun hardware on-premises, sebagian besar menyelesaikan masalah perutean data karena query tidak pernah mencapai infrastruktur DeepSeek sama sekali. Itulah opsi yang dipilih sebagian besar tim keamanan enterprise ketika mereka menginginkan biaya dan kualitas reasoning DeepSeek tanpa eksposur dari layanan hosted-nya. Pertanyaan yang lebih luas tentang apakah akan mempercayai model yang dibangun dan dilatih di bawah yurisdiksi pemerintah asing merupakan bagian dari perdebatan yang lebih besar yang tercakup dalam sovereign AI, dan ini layak dibaca sebelum menstandarkan workflow apa pun pada DeepSeek.

DeepSeek vs OpenAI vs Claude

Berikut perbandingan DeepSeek dengan dua lab yang paling sering menjadi pilihan default dalam keputusan pembelian AI enterprise.

Kesimpulan praktisnya: DeepSeek unggul dalam harga murni per token dan dalam memberi Anda opsi untuk self-host, sesuatu yang sama sekali tidak ditawarkan OpenAI dan Claude. OpenAI dan Anthropic unggul dalam data governance, dukungan enterprise, dan jaminan beroperasi di bawah yurisdiksi AS, yang sering kali menjadi faktor penentu bagi industri yang teregulasi terlepas dari skor benchmark.

Keterbatasan DeepSeek

Ada beberapa keterbatasan lain yang penting di luar pertanyaan privasi data di atas. Model DeepSeek, seperti kebanyakan sistem yang dilatih di China, menerapkan pembatasan konten pada topik yang sensitif secara politik terkait pemerintah China, dan peneliti telah mendokumentasikan aplikasi chat hosted-nya menolak atau mengalihkan pertanyaan tertentu yang justru dijawab langsung oleh model Barat yang closed. DeepSeek juga belum memiliki infrastruktur dukungan enterprise yang telah dibangun OpenAI dan Anthropic, termasuk SLA formal, tim akun khusus, dan sertifikasi compliance yang matang, yang lebih penting bagi organisasi besar dibandingkan developer individu. Dan angka biaya pelatihan awal yang membuat DeepSeek terkenal tetap benar-benar diperdebatkan; perlakukan angka "$5,6 juta" dan "$294.000" sebagai angka yang diungkapkan sendiri oleh DeepSeek, bukan total yang diaudit secara independen.

Fakta Penting tentang DeepSeek

• Model dasar V3 milik DeepSeek diperkirakan menghabiskan biaya $5,576 juta untuk dilatih, menggunakan 2,788 juta jam GPU H800 dengan sekitar $2 per jam GPU, menurut laporan teknis DeepSeek sendiri. Sumber
• DeepSeek secara terpisah mengungkapkan biaya pelatihan $294.000 untuk R1 dalam paper peer-reviewed yang dipublikasikan di Nature pada September 2025, meskipun estimasi independen menempatkan biaya compute all-in yang sebenarnya mendekati 20 kali lipat angka tersebut setelah pelatihan dasar V3 diperhitungkan. Sumber
• Nvidia kehilangan $589 miliar nilai pasar pada 27 Januari 2025, kerugian satu hari terbesar untuk perusahaan mana pun dalam sejarah pasar saham, setelah rilis DeepSeek memunculkan keraguan tentang belanja infrastruktur AI. Sumber
• Aplikasi DeepSeek menjadi aplikasi gratis #1 di US iOS App Store pada 27 Januari 2025, melampaui ChatGPT hanya dalam beberapa minggu setelah peluncurannya pada 10 Januari. Sumber
• Otoritas perlindungan data Italia memerintahkan pemblokiran segera atas pemrosesan data pengguna Italia oleh DeepSeek pada 30 Januari 2025, salah satu tindakan pemerintah formal pertama yang diambil terhadap perusahaan ini terkait penanganan data. Sumber
• DeepSeek-R1 dirilis di bawah lisensi MIT pada 20 Januari 2025, mengizinkan penggunaan komersial, modifikasi, dan distilasi ke model lain tanpa royalti. Sumber
• DeepSeek-V4 diluncurkan dalam preview pada 24 April 2026, dengan varian V4-Pro dan V4-Flash sama-sama mendukung context window 1 juta token di bawah lisensi terbuka yang sama. Sumber
• API V4-Flash DeepSeek mematok harga output token sebesar $0,28 per juta, dibandingkan $15 per juta untuk GPT-5.4 milik OpenAI, selisih sekitar 50x yang menjadi dasar reputasi DeepSeek sebagai opsi berbiaya rendah. Sumber

Pelajari Lebih Lanjut

• Large Language Models - Teknologi dasar di balik seri V DeepSeek dan setiap chat assistant besar lainnya
• Reasoning Models - Kategori teknis tempat R1 berada, dan perbandingannya dengan o1 milik OpenAI
• Apa itu Test-Time Compute? - Teknik extended-thinking di balik kemampuan reasoning R1
• Mixture of Experts - Arsitektur di balik efisiensi DeepSeek-V3 dan V4
• Knowledge Distillation - Bagaimana DeepSeek memampatkan R1 menjadi model yang lebih kecil dan dapat dijalankan secara lokal
• Apa itu OpenAI? - Lab di balik ChatGPT dan GPT, titik perbandingan paling langsung bagi DeepSeek
• Apa Itu Claude AI? - Keluarga model Anthropic dan alternatif yang berfokus pada enterprise
• AI Vendor Evaluation - Kerangka kerja untuk menimbang biaya terhadap risiko data governance sebelum mengadopsi model seperti DeepSeek
• Apa itu Sovereign AI? - Perdebatan yang lebih luas tentang model AI yang dibangun dan diatur di bawah yurisdiksi nasional yang berbeda

Sumber Eksternal

• DeepSeek-V3 Technical Report (arXiv) - Pengungkapan DeepSeek sendiri tentang compute dan biaya pelatihan V3
• CNN: DeepSeek Reveals Training Cost of Its AI Model - Liputan tentang paper biaya pelatihan R1 sebesar $294.000 yang dipublikasikan di Nature
• CNBC: Nvidia Sheds Almost $600 Billion in Market Cap - Pemberitaan tentang aksi jual saham pada 27 Januari 2025
• Bird & Bird: Italy's Garante Blocks DeepSeek Data Processing - Ringkasan hukum atas perintah Italia pada Januari 2025
• Hugging Face: DeepSeek-R1 Model Card - Weight model resmi dan ketentuan lisensi MIT
• DeepSeek API Docs: V4 Preview Release - Pengumuman resmi DeepSeek-V4-Pro dan V4-Flash
• DeepSeek API Docs: Pricing - Harga per-token terkini untuk model hosted DeepSeek

Bagian dari Koleksi Istilah AI. Terakhir diperbarui: 2026-07-20