Telset.id – Biaya kecerdasan buatan atau AI terus merosot jauh lebih cepat dibandingkan teknologi transformatif lain dalam satu abad terakhir. Laporan terbaru dari firma riset AI Epoch AI menyebut harga AI turun hampir 50 persen setiap kuartal, setara 13 kali lebih murah per tahun. Penurunan ini disebut lebih cepat dari lithium baterai, DNA sequencing, bahkan komputasi yang menikmati kemajuan Hukum Moore selama puluhan tahun.
Temuan tersebut menjadi sorotan karena implikasinya terhadap strategi bisnis para pengembang model frontier seperti OpenAI dan Anthropic. Keduanya berlomba mengejar kemampuan AI yang semakin tinggi, namun keunggulan kompetitif yang mereka bangun berpotensi hanya bertahan singkat sebelum pesaing menawarkan layanan serupa dengan harga lebih murah.
Epoch AI memproyeksikan biaya “artificial thought” atau pemikiran artifisial turun hingga ratusan ribu kali lipat hanya dalam lima tahun. Sebagai perbandingan, harga lithium baterai antara 1991 dan 2024 hanya turun sekitar 100 kali selama hampir 25 tahun. Adapun komputasi mengalami penurunan terbesar sepanjang masa pakainya, yakni ratusan miliar kali selama 60 tahun sejak 1940.
Tren Penurunan Biaya AI Melampaui DNA Sequencing
Metrik yang paling mendekati laju penurunan biaya AI adalah DNA sequencing, yang sering dijadikan contoh teknologi dengan biaya menurun tajam. Biaya relatif DNA sequencing turun lebih besar dari AI, tetapi membutuhkan waktu lebih dari 20 tahun. Epoch AI menunjukkan AI mencapai capaian serupa hanya dalam setengah dekade.
Angka tersebut setara dengan penurunan hampir 50 persen setiap kuartal dan 13 kali lebih murah per tahun. Laju ini empat kali lebih cepat dari DNA sequencing dan 18 kali lebih cepat dari lithium baterai. Penurunan biaya ini berpotensi mempercepat adopsi, namun juga memunculkan pertanyaan sulit soal perlunya tetap terikat pada pengembangan AI frontier.
Laporan Epoch AI juga mencatat sejumlah catatan penting. Data komputasi hanya mencakup periode hingga 2001 tanpa angka biaya relatif setelahnya, sementara listrik hanya dilacak hingga 1973 sehingga melewatkan ledakan energi surya dalam beberapa tahun terakhir. Data biaya AI juga hanya dilacak sejak 2023, dengan data sebelumnya diekstrapolasi dari tren yang lebih pendek dan riset eksternal.
Epoch AI tidak mendasarkan hasil ini pada model tertentu, melainkan pada model yang mencapai hasil 81,25 persen atau lebih pada benchmark Graduate-Level Google-Proof Q&A (GPQA) Diamond. Mereka melacak biaya model menjawab satu pertanyaan pilihan ganda pada tes tersebut. Metode ini mengukur kemampuan AI lintas disiplin pengetahuan, meski tidak mencakup seluruh rentang kemampuan AI.
Baca Juga:
Sebagai ilustrasi konkret, Epoch AI mengutip model OpenAI GPT o3 yang dirilis Januari 2025. Model ini mencapai skor 75 persen pada tes GPQA Diamond dengan harga $0,30 per pertanyaan. Sekitar satu setengah tahun kemudian, OpenAI merilis GPT-5.6 Luna yang mampu mencetak skor setara pada tes yang sama, tetapi hanya berbiaya $0,0004 per pertanyaan.
Namun, penurunan biaya secepat itu tidak merata di semua disiplin ilmu maupun linier dalam perkembangannya. Ketika memperluas riset ke benchmark teka-teki catur dan matematika, Epoch AI menemukan laju peningkatan efisiensi biaya yang sangat berbeda. Benchmark GPQA Diamond menunjukkan periode penurunan biaya cepat yang diselingi stagnasi dan dataran tinggi, sedangkan AIME OTIS Mock test memperlihatkan progres lebih teratur di setiap titik data.
Teka-teki catur, meski tidak dilacak hingga persentase keberhasilan yang sama, juga menunjukkan peningkatan yang lebih teratur dan konsisten. Adapun perkembangan Frontier Math nyaris tidak membaik antara 2025 dan 2026, lalu biayanya jatuh drastis pada pertengahan tahun.
Epoch AI juga menyoroti bahwa laju penurunan biaya AI sedang menurun, dan hal ini tampak pada sebagian besar metrik yang diukur untuk tingkat performa tertentu. Dari lima benchmark yang dilacak, penurunan biaya awalnya mencapai 66 persen per kuartal, tetapi dua tahun kemudian turun menjadi 32 persen per kuartal. Kondisi ini bisa mengindikasikan progres AI melambat atau semakin sulit menekan biaya penggunaan AI, terutama pada 2026 ketika harga energi dan perangkat keras komputasi melonjak.
Benchmaxxing dan Dilema Loyalitas Pelanggan
Masalah potensial terbesar dari data ini, seperti disorot Epoch AI, adalah peluang terjadinya “Benchmaxxing”. Praktik ini melibatkan pengembang AI yang secara khusus melatih model mereka agar unggul pada benchmark yang sejatinya dirancang menguji kemampuan generalis. Mengelabui benchmark bukan hal baru di industri perangkat lunak. Nvidia dan ATI pernah tertangkap melakukannya dengan 3DMark pada 2003, dan ribuan hasil tes Intel dibatalkan pada 2024 karena melakukan hal serupa dengan benchmark lain.
Benchmarking Epoch AI menggunakan elemen acak untuk mencegah model mengenali bahwa mereka sedang diuji atau dikembangkan khusus agar efektif pada tes pihak ketiga. Namun, tidak semua tes menerapkan hal itu, dan tes tanpa elemen acak menunjukkan laju penurunan lebih besar. Hal ini mengindikasikan adanya sejumlah optimalisasi benchmark dalam data. Temuan tersebut tidak membatalkan hasil riset, tetapi memang perlu disikapi dengan sedikit skeptisisme.
Kekhawatiran utama para pengembang AI, terutama yang mengembangkan model frontier sambil membelanjakan ratusan miliar dolar untuk infrastruktur, adalah hasil riset ini menunjukkan sedikit alasan untuk membayar segala bentuk privilese. Meski model seperti Fable, Mythos, dan model OpenAI terbaru masih mahal untuk dijalankan dibandingkan pesaingnya, biaya token terus turun seiring para pengembang unggulan bersaing di Pareto frontier, titik pertemuan antara biaya efisien dan kecerdasan tinggi.
Jika model lain mampu mencapai 90 persen kecerdasan yang sama dengan biaya sebagian kecil, dan biaya itu cenderung turun dalam hitungan minggu atau bulan, apakah masih ada kebutuhan membayar fitur dan kemampuan terbaru? Terlebih jika model lain tersebut bersifat open-weight, sehingga pihak ketiga dapat bersaing menawarkan versi paling efisien dan terjangkau dari model itu.
Namun, seperti halnya langganan lain, keputusan tidak hanya soal harga, kecerdasan, atau kemampuan. Faktor familiaritas dengan antarmuka, alur kerja, dan ekosistem organisasi turut berperan. Kepercayaan juga krusial dalam komitmen jangka panjang, terutama yang bersifat finansial. Beralih ke model baru berarti memverifikasi kebenaran benchmark baru, mempercayai bahwa harga tidak akan berubah drastis di masa depan, serta memastikan sistem lama tidak akan mengejar ketertinggalan dalam sepekan dan sistem baru bebas dari bug atau masalah privasi.
Mengganti perangkat AI tidak sesederhana mengejar biaya atau kecerdasan semata. Meski harga turun drastis, model langganan AI bukan berarti mustahil, hanya lebih sulit dibenarkan. Situasi ini menempatkan lab seperti OpenAI dan Anthropic pada dilema: menemukan keuntungan besar dengan model canggih yang mengalahkan kompetisi sulit dibayangkan ketika keunggulannya hanya bersifat sementara.
Pertanyaan mendasar yang muncul adalah insentif untuk mengadopsi layanan AI saat ini jika dalam beberapa minggu atau bulan layanan yang diminati akan lebih mumpuni dan lebih murah. Jika layanan pesaing menawarkan sesuatu yang lebih baik dan lebih murah, mengapa harus bertahan dengan penyedia saat ini? Hal ini menjadi teka-teki sulit bagi para lab yang berlomba menuju kemampuan AI yang semakin tinggi.
Bagi pengguna maupun bisnis, dinamika ini menghadirkan pertimbangan tersendiri. Di satu sisi, biaya AI yang terus turun membuka peluang adopsi lebih luas. Di sisi lain, keputusan berpindah penyedia menuntut kehati-hatian karena menyangkut verifikasi kualitas, keamanan, dan keberlanjutan biaya. Sejumlah layanan pembanding harga dan fitur, seperti yang dihadirkan PriceMice dari NordVPN, menunjukkan bagaimana pasar bergerak ke arah transparansi biaya yang lebih besar.
Penerapan strategi harga juga menjadi perhatian pelaku industri lain, misalnya langkah Single Retail Price yang diterapkan HiCore dalam ekspansi penjualannya. Pola serupa terlihat di sektor AI, di mana efisiensi biaya menjadi faktor penentu daya saing. Sementara itu, pengalaman pengguna perangkat seperti pada review Samsung Galaxy A73 5G mengingatkan bahwa harga bukan satu-satunya pertimbangan, melainkan keseimbangan antara fitur, daya tahan, dan nilai yang dirasakan.
Laporan Epoch AI menegaskan bahwa penurunan biaya AI berlangsung pada laju yang belum pernah terjadi sebelumnya. Namun, laju yang melambat dan tantangan Benchmaxxing menunjukkan gambaran yang lebih kompleks. Bagi pengguna, penurunan biaya berarti lebih banyak pilihan dengan harga lebih murah. Bagi pengembang frontier, tekanan untuk membuktikan nilai di tengah keunggulan yang cepat usang menjadi ujian tersendiri.
Komentar
Belum ada komentar.