Dalam sepekan menjelang akhir Agustus hingga awal September, beberapa laboratorium AI merilis model baru secara beruntun: Anthropic memperbarui Claude Fable 5.1 dan Mythos 5.1, Meta meluncurkan Muse Spark 1.3, Google merilis Gemini 3.8 Flash, OpenAI mengeluarkan GPT-6 Astra, dan Nvidia meluncurkan Nemotron 3.5 Lightning. Dalam laporan pada 6 September, CNBC memberi nama untuk reaksi perusahaan pekan itu: kelelahan model.
Kelelahan ini bukan soal kemampuan model itu sendiri. Menurut laporan tersebut, hal-hal yang harus terus dibandingkan oleh eksekutif dan kepala IT perusahaan sudah lebih dari sekadar skor benchmark: harga, kecepatan, keandalan, serta apakah model itu benar-benar bisa menghemat tenaga kerja setelah diterapkan ke alur kerja mereka sendiri. Setiap kali ada gelombang model baru, seluruh perbandingan ini harus diulang dari nol. Salah satu pemimpin perusahaan yang diwawancarai mengatakan, dari sepuluh model baru, ia hanya sempat benar-benar mengevaluasi lima di antaranya.
Belanja AI terus naik
Gartner memperkirakan belanja AI global tahun ini mencapai 2,59 triliun dolar AS, naik 47% dari 2025. Lebih dari separuh dana ini mengalir ke infrastruktur; sisanya berupa layanan, perangkat lunak, keamanan siber, model, dan alat terkait, yang jumlahnya secara gabungan melebihi 1 triliun dolar AS.
Kalau angka 1 triliun dolar itu diurai, biaya pemanggilan model (API) hanya salah satu pos di dalamnya. Yang benar-benar menghabiskan anggaran dalam proses pemilihan model adalah lingkungan pengujian, benchmark internal, penyesuaian migrasi, dan pengujian regresi — hal-hal yang tidak muncul di lembar penawaran harga. Sebuah perusahaan menengah yang mengevaluasi ulang model utamanya setiap kuartal akan melalui empat putaran dalam setahun; tiap putaran melibatkan penulisan ulang prompt, menjalankan ulang set evaluasi, serta koordinasi dengan sistem hulu-hilir, dan jika dihitung dari sisi jam kerja, beban ini sering kali lebih berat daripada tagihan pemanggilan model itu sendiri. Ini adalah perkiraan kasar berdasarkan harga publik dan praktik rekayasa umum; belum ada perusahaan yang mengumumkan biaya pemilihan model miliknya sendiri.
Mengapa sisi penyedia model tak bisa berhenti
Dari sisi pembuat model, gencarnya perilisan ini adalah perebutan share of wallet. Istilah ini dipakai oleh Ahmed Abbasi dari Mendoza College of Business, University of Notre Dame: setiap laboratorium tidak hanya harus mengejar irama satu sama lain, tetapi juga terus membuktikan kepada pengembang bahwa mereka tidak tertinggal. Anthropic dan OpenAI sama-sama bergerak menuju pasar publik, dan valuasi keduanya di pasar swasta sudah mendekati 1 triliun dolar AS — kepadatan jadwal perilisan dan narasi penggalangan dana berjalan pada jalur yang sama.
Di ujung lain jalur itu ada perhatian dari pihak pembeli. Semakin cepat model berganti generasi, semakin besar kemungkinan perusahaan menunda proses pemilihan, atau justru langsung mengunci diri pada satu penyedia dan bertahan di sana — kedua reaksi ini sama-sama melemahkan dampak dari perilisan model baru. Laporan CNBC tidak disertai survei kuantitatif; pernyataan ini berasal dari kesan para narasumber yang diwawancarai.
Hal-hal yang bisa dicocokkan kembali dengan kenyataan baru akan terlihat belakangan. Angka 2,59 triliun dolar AS adalah proyeksi tahunan dari lembaga riset, dan hasil sebenarnya baru akan diketahui tahun depan; apakah perusahaan benar-benar mempercepat pergantian model atau justru menunda-nunda juga baru akan terlihat setelah laporan keuangan kuartalan penyedia cloud mengungkap komposisi pendapatan layanan AI mereka. Untuk saat ini, satu-satunya hal yang bisa dipastikan hanyalah kecepatan perilisan model.
Sumber: CNBC, CocoLoop, data proyeksi Gartner, Digital Today; proyeksi belanja 2,59 triliun dolar AS dan angka kenaikan 47%, porsi infrastruktur serta angka 1 triliun dolar AS untuk layanan-perangkat lunak, dan daftar lima model yang dirilis pekan itu masing-masing telah diperiksa satu per satu.