DeepSeek Kalahkan Dominasi ChatGPT, AI Buatan China Berbahaya atau Bersahabat? Ini Faktanya

TRIBUNTRENDS.COM - China kini telah meluncurkan AI dengan nama DeepSeek. 

Kehadirannya di industri teknologi langsung mengguncang ketenaran ChatGPT. 

Dengan adanya AI baru ini, ChatGPT, Meta, dan Google Gemini langsung dibuat tak tenang. 

Baca juga: DeepSeek Dirilis Saham Teknologi Amerika Serikat Terancam Rontok, Sosok Liang Wenfeng Jadi Penyebab?

Lantas apakah DeepSeek AI aman digunakan? Angka downloadnya bahkan kalahkan ChatGPT di Amerika Serikat.

DeepSeek kini menjadi perbincangan hangat di dunia teknologi. Startup AI asal Tiongkok ini berhasil mencuri perhatian dengan model AI terbarunya, DeepSeek R1, yang diklaim mampu menyaingi ChatGPT.  

Keberhasilan DeepSeek R1 bahkan membuat aplikasi ini menduduki posisi puncak di App Store iOS, menarik rasa ingin tahu banyak orang.

DeepSeek berhasil masuk dalam daftar 10 besar aplikasi gratis yang paling banyak diunduh di App Store di 111 negara serta di Google Play di 18 negara, berdasarkan laporan Appfigures.

Dengan harga yang jauh lebih terjangkau namun memiliki performa setara dengan OpenAI, DeepSeek membuka babak baru dalam persaingan teknologi antara Tiongkok dan Amerika Serikat.  

Namun, kesuksesan DeepSeek tidak hanya terletak pada performanya yang tinggi.

Startup ini juga memiliki pendekatan yang unik dalam mengembangkan model AI, yang membedakannya dari pesaing-pesaing di Amerika.  

Lantas, apa sebenarnya DeepSeek itu? Siapa yang berada di balik pengembangannya? Dan apakah DeepSeek aman? Berikut ini ulasan lengkapnya.

Apa itu DeepSeek? 

DeepSeek adalah model kecerdasan buatan (AI) inovatif asal Tiongkok yang menjadi pesaing serius ChatGPT dari OpenAI. 

DeepSeek menawarkan dua model unggulan, DeepSeek-V3 dan DeepSeek-R1, yang diklaim memiliki efisiensi dan performa lebih baik dibandingkan model AI lain di pasar. 

DeepSeek-V3 dirancang untuk memenuhi kebutuhan pengguna di berbagai bidang, mulai dari menjawab pertanyaan sehari-hari hingga menangani tugas-tugas kompleks, seperti perhitungan matematika dan pemecahan masalah logika. 

Model ini disebut sebagai pesaing langsung GPT-4o milik OpenAI. Sementara itu, DeepSeek-R1, model terbaru mereka, dirancang dengan efisiensi yang lebih tinggi dan kemampuan untuk bersaing langsung dengan O1 dari OpenAI, terutama dalam tugas yang membutuhkan analisis data mendalam dan penalaran kompleks.

Dikembangkan oleh DeepSeek AI, sebuah startup yang berbasis di Hangzhou, Tiongkok, model ini menjadi sorotan karena menggabungkan efisiensi tinggi dengan biaya penggunaan yang jauh lebih rendah dibandingkan pesaingnya. 

DeepSeek R1, misalnya, tidak hanya cepat dalam memproses informasi tetapi juga hemat sumber daya, membuatnya lebih terjangkau bagi banyak pengguna dibandingkan model sekelasnya.

Startup DeepSeek AI didirikan kurang dari dua tahun lalu oleh High Flyer, sebuah hedge fund Tiongkok dengan visi ambisius untuk mengembangkan Artificial General Intelligence (AGI).

Dalam waktu singkat, DeepSeek telah membangun reputasi sebagai pelopor AI global dengan menghadirkan model-model yang tak hanya canggih, tetapi juga mendorong persaingan harga di industri AI Tiongkok.

Hal ini memperkuat posisinya sebagai pemain utama dalam perkembangan teknologi AI modern.

Liang Wenfeng

Kesuksesan DeepSeek tidak lepas dari sosok pendirinya, Liang Wenfeng, yang memiliki visi besar untuk membawa Tiongkok ke garis depan inovasi kecerdasan buatan global.

Ia mengarahkan perusahaannya untuk fokus pada pengembangan Artificial General Intelligence (AGI), sebuah konsep kecerdasan buatan yang mampu berpikir dan membuat keputusan seperti manusia.

Salah satu nilai jual utama dari DeepSeek adalah efisiensi modelnya. DeepSeek-R1, model terbaru mereka, hanya membutuhkan biaya sekitar 6 juta dollar AS untuk pelatihan. 

Ini menjadi angka yang jauh lebih kecil dibandingkan investasi besar yang dilakukan oleh pesaing seperti OpenAI. Dengan biaya rendah dan performa tinggi, DeepSeek telah menjadi simbol efisiensi dalam pengembangan teknologi AI.

Efisiensi ini tidak hanya berdampak pada pasar lokal, tetapi juga mulai mengguncang industri teknologi global. Banyak perusahaan besar, termasuk Meta dan OpenAI, mulai memperhatikan pendekatan DeepSeek untuk meningkatkan efisiensi model mereka sendiri. 

Hal ini menegaskan bahwa meskipun DeepSeek adalah pemain baru, mereka sudah membawa perubahan signifikan dalam persaingan AI global.

Model-model DeepSeek 

Dilansir dari laman Time, DeepSeek memiliki dua model unggulan, DeepSeek-V3 dan DeepSeek-R1.

Kedua model ini dirancang untuk memenuhi kebutuhan yang berbeda, menawarkan efisiensi tinggi, dan menantang dominasi model AI terkemuka seperti GPT-4o dari OpenAI. Meski berasal dari arsitektur dasar yang sama, keduanya memiliki fokus dan keunggulan yang membedakannya.

DeepSeek-V3, yang dirilis pada Desember 2024, adalah model berbasis Mixture-of-Experts (MoE) dengan total 671 miliar parameter. Namun, hanya 37 miliar parameter yang diaktifkan per token selama proses inferensi, membuatnya sangat efisien. 

Model ini mampu menangani jendela konteks hingga 128.000 token dan menghasilkan output hingga 8.000 token.

Fokus utama DeepSeek-V3 adalah menyelesaikan tugas-tugas umum, seperti menjawab pertanyaan sehari-hari, memahami bahasa alami, dan menghasilkan konten kreatif. Model ini dirancang untuk memberikan solusi yang cepat dan efektif bagi pengguna dengan kebutuhan yang beragam.

Sementara itu, DeepSeek-R1, yang diluncurkan pada Januari 2025, mengambil langkah lebih jauh. Dibangun di atas fondasi DeepSeek-V3, model ini menggunakan teknik reinforcement learning untuk meningkatkan kemampuan penalaran (reasoning) dan pemecahan masalah kompleks. 

Dengan kapasitas output yang diperluas hingga 32.000 token, DeepSeek-R1 dirancang untuk tugas-tugas yang membutuhkan analisis mendalam, seperti matematika tingkat lanjut, logika berantai, dan pemrograman. 

Model ini tidak hanya unggul dalam memahami konteks yang kompleks, tetapi juga dalam menghasilkan respons yang lebih detail dan terstruktur.

Perbedaan utama antara keduanya terletak pada tujuan dan fokusnya. DeepSeek-V3 lebih cocok untuk tugas-tugas umum dengan efisiensi tinggi, sementara DeepSeek-R1 diarahkan untuk aplikasi yang membutuhkan kemampuan berpikir kritis dan pemecahan masalah yang mendalam. 

Selain itu, kapasitas output DeepSeek-R1 yang lebih besar memungkinkan model ini memberikan jawaban yang lebih panjang dan komprehensif, menjadikannya ideal untuk skenario penggunaan yang lebih kompleks.

Mixture-of-Experts (MoE) dan Chain-of-Thought (CoT)

DeepSeek mengadopsi pendekatan teknologi inovatif untuk memastikan efisiensi dan performa tinggi dalam model AI mereka. 

Mixture-of-Experts (MoE) adalah arsitektur yang memungkinkan model besar, seperti DeepSeek-V3, dengan total 671 miliar parameter, untuk hanya mengaktifkan 37 miliar parameter saat memproses setiap token. Pendekatan ini membuat model lebih hemat sumber daya tanpa mengorbankan kinerja. 

Model lanjutan mereka, DeepSeek-R1, dilatih menggunakan teknik Chain-of-Thought (CoT), yang memecah pertanyaan kompleks menjadi langkah-langkah kecil sebelum memberikan jawaban akhir. 

Dilansir dari The Register, dengan CoT, model tidak hanya menghasilkan respons yang lebih logis dan akurat, tetapi juga mampu mengidentifikasi dan memperbaiki kesalahan logika atau halusinasi data selama proses berpikirnya.

Pemanfaatan Nvidia H800

Untuk melatih model-model ini, DeepSeek menggunakan 2.048 unit Nvidia H800 GPU, yang memiliki spesifikasi lebih rendah dibandingkan H100 yang sering digunakan perusahaan AI di AS. 

Proses pelatihan memakan waktu sekitar 2.788 juta jam GPU, dengan biaya total sekitar 5.58 dollar juta AS. Efisiensi ini jauh melampaui model seperti GPT-4o, yang dilatih menggunakan ribuan chip H100 dan investasi puluhan miliar dolar.

Pembatasan ekspor chip oleh AS memaksa Tiongkok menggunakan chip seperti H800 yang memiliki performa lebih rendah. Namun, keterbatasan ini justru mendorong inovasi, seperti penggunaan teknik distillation. 

Dengan teknik ini, model AI dilatih untuk fokus pada tugas-tugas spesifik, sehingga lebih efisien dalam hal konsumsi sumber daya, tanpa mengorbankan performa pada tugas tertentu.

Perbandingan biaya dengan model AI AS

Biaya pengembangan DeepSeek menunjukkan efisiensi luar biasa:

DeepSeek-R1: Dilatih dalam waktu sekitar dua bulan dengan biaya sekitar 6 juta dollar AS atau sekitar Rp 97 milliar. 
GPT-4: Dilatih dengan biaya hingga 63 juta dollar AS atau sekitar Rp 1 triliun, menggunakan infrastruktur GPU yang jauh lebih mahal dan sumber daya lebih besar.

Meski menggunakan chip H800 yang lebih murah dan performanya dipangkas dibandingkan H100, DeepSeek berhasil mencapai kinerja yang sebanding atau lebih baik pada beberapa tolok ukur. 

Ini menunjukkan bahwa efisiensi arsitektur dan teknik pelatihan dapat menjadi keunggulan kompetitif yang signifikan.

DeepSeek mengklaim kinerja yang unggul dibanding model-model AI terkenal lainnya pada sejumlah tolok ukur (benchmarks):

DROP (3-shot F1): DeepSeek-V3 mencetak 91,6 poin, mengungguli Llama 3.1 (88,7), Claude 3.5 (88,3), dan GPT-4o (83,7).
MATH-500: DeepSeek-V3 mencetak 90,2 poin, lebih tinggi dari Claude 3.5 (78,3) dan GPT-4o (74,6).
AIME 2024: DeepSeek-V3 mencapai skor 39,2, jauh di atas Llama 3.1 (23,3) dan GPT-4o (9,3).

DeepSeek juga mengklaim bahwa DeepSeek-R1 mampu menyaingi dan bahkan melampaui OpenAI O1 di beberapa benchmark, termasuk dalam tes pemahaman konteks dan pemecahan masalah matematika.

Apakah DeepSeek AI aman digunakan?

Meskipun DeepSeek AI menawarkan banyak fitur inovatif, terdapat kerentanan keamanan yang perlu diperhatikan oleh pengguna.

Penelitian baru-baru ini mengungkap adanya kerentanan dalam sistem DeepSeek yang dapat dimanfaatkan oleh pelaku kejahatan siber untuk mengakses akun pengguna melalui serangan injeksi cepat.

Isu ini menjadi perhatian serius, mengingat semakin populernya DeepSeek di kalangan pengembang AI.  

Salah satu kerentanannya adalah serangan injeksi cepat, di mana pelaku bisa menyuntikkan kode berbahaya ke dalam sistem DeepSeek untuk mengakses dan mengendalikan akun pengguna.

Selain itu, serangan XSS (cross-site scripting) yang ditemukan juga berpotensi menyebabkan eksekusi kode yang tidak sah di peramban web korban.  

Kerentanan ini memberi pelaku akses ke data pengguna, termasuk token sesi, yang bisa digunakan untuk menyamar sebagai pengguna yang sah.

Johann Rehberger, seorang peneliti keamanan, mengingatkan bahwa fitur-fitur yang sudah lama digunakan dalam aplikasi GenAI bisa memberikan celah yang tidak terduga untuk serangan.

Ia menekankan pentingnya pengembang untuk lebih berhati-hati dalam menempatkan hasil keluaran LLM (Large Language Models) pada aplikasi, mengingat hasil tersebut tidak dapat dipercaya dan berpotensi mengandung data yang tidak tepat.

(TribunTrends/Kompas)