Hari ini (24 April), DeepSeek merilis V4.
Judul Bloomberg adalah "Mengguncang Silicon Valley Lagi Setahun Kemudian." Entah itu berlebihan atau tidak, kali ini memang ada dua hal yang dirilis bersamaan:
- V4-Pro: 1,6 triliun total parameter, 49B aktif, mendukung konteks 1 juta token
- V4-Flash: 284 miliar total parameter, 13B aktif, juga mendukung konteks 1 juta token
Keduanya open source dengan lisensi MIT, bobot langsung diunggah ke HuggingFace.
Lihat Benchmark-nya Dulu
Pada peringkat Codeforces pemrograman kompetitif, V4-Pro mencetak 3206. GPT-5.4 mencetak 3168 — flagship closed-source yang baru saja digantikan oleh GPT-5.5 kemarin.
Model open source telah mengejar ketertinggalan dalam pemrograman kompetitif.
Angka lainnya:
| Benchmark | Skor V4-Pro |
|---|---|
| LiveCodeBench | 93,5% |
| Kompetisi Matematika HMMT 2026 | 95,2% |
| IMOAnswerBench | 89,8% |
| MMLU-Pro | 87,5% |
Tapi ada satu yang tidak dimenangkan: SWE-bench Pro (tugas rekayasa perangkat lunak nyata) adalah 55,4%, sementara Kimi K2.6 adalah 58,6%. Pemrograman kompetitif menang, tetapi praktik rekayasa kalah 3 poin persentase.
Pernyataan resmi DeepSeek: "DeepSeek-V4-Pro-Max mencapai terobosan signifikan dalam kemampuan pengetahuan di antara model open source, dengan kokoh menetapkan posisinya sebagai model open source terkuat saat ini."
Harga: Perbedaan Orde Magnitudo
Inilah yang benar-benar menarik perhatian.
| Versi | Input Standar | Input Cache Hit | Output |
|---|---|---|---|
| V4-Flash | $0,14/M | $0,028/M | $0,28/M |
| V4-Pro | $1,74/M | $0,145/M | $3,48/M |
Kemarin GPT-5.5 dirilis, output standar $30/M, Pro $180/M. Output Claude Opus 4.7 adalah $75/M.
Output V4-Pro adalah $3,48/M.
8,6 kali lebih murah dari GPT-5.5 standar dan 21 kali lebih murah dari Claude Opus 4.7.
Ini bukan diskon — ini adalah kesenjangan orde magnitudo. Bagi tim dengan volume panggilan tinggi, perbedaan ini dapat menentukan apakah suatu produk bisa menguntungkan.
Bisa Semurah Ini karena Arsitektur
V4 memperkenalkan mekanisme attention hibrida (CSA + HCA): Compressed Sparse Attention menangani dependensi global, Heavily Compressed Attention menangani informasi lokal, digunakan secara kombinasi.
Dalam skenario konteks panjang 1 juta token, V4-Pro hanya membutuhkan 27% daya komputasi inferensi dan 10% cache KV dibandingkan V3.2.
Tiga peningkatan juga diterapkan:
- Pelatihan presisi campuran FP4 + FP8, lapisan ahli menggunakan FP4, parameter lain menggunakan FP8
- Hyperkoneksi Manifold-Constrained untuk memperkuat propagasi sinyal residual
- Optimizer Muon untuk meningkatkan kecepatan konvergensi dan stabilitas pelatihan
Data pra-pelatihan melebihi 32T token.
Efisiensi ini bukan dari penyesuaian parameter — ini adalah kompresi komputasi melalui desain arsitektur, yang kemudian mengalir ke harga.
Waktunya Menarik
GPT-5.5 dirilis kemarin; DeepSeek V4 dirilis hari ini.
Kedua peristiwa ini bersamaan memaksa pelanggan perusahaan untuk menghitung ulang. Kesenjangan kinerja masih ada, tetapi kesenjangan harga telah tumbuh cukup besar untuk memerlukan perhatian serius. Terutama:
- Bagi tim dengan volume panggilan tinggi: biaya output $3,48 vs $30 adalah angka yang dapat menentukan pemilihan arsitektur
- Bagi yang membutuhkan open source: lisensi MIT, bobot publik, tidak ada hambatan untuk deployment privat
- Bagi pengguna perusahaan China: DeepSeek memiliki lebih sedikit kekhawatiran terkait kepatuhan dan kedaulatan data
Bulan lalu ada laporan bahwa Tencent dan Alibaba sedang dalam pembicaraan untuk berinvestasi di DeepSeek, dengan valuasi melebihi $20 miliar. Sebuah perusahaan yang menolak VC selama tiga tahun kini mulai berbicara tentang uang — rilis V4 kemungkinan bukan hanya tonggak produk tetapi juga langkah pembuktian kemampuan menjelang penggalangan dana.
Apakah keunggulan harga ini dapat dikonversi menjadi skala akan terjawab dalam enam bulan.
Sumber referensi: DeepSeek-V4-Pro Model Card (HuggingFace, deepseek-ai, 24 April 2026); DeepSeek V4 Released: Open-Source 1.6T MoE, 1M Context (ofox.ai, 24 April 2026); CocoLoop; DeepSeek Unveils Newest Flagship AI Model a Year after Upending Silicon Valley (Bloomberg, 24 April 2026)