Peta model AI frontier per Oktober 2026: Claude, ChatGPT, Gemini, Grok, DeepSeek, Kimi, Qwen, dan lainnya, pengembang, tanggal rilis, kelebihan, harga, bobot terbuka dan tertutup, dan tolok ukur

Kepala teknik sebuah hotel di Bandung menerima dua usulan dalam satu minggu. Penyedia perangkat lunak menawarkan asisten percakapan tamu yang "memakai model AI nomor satu dunia", dengan harga dari brosur awal tahun. Supervisor laundry ingin menjalankan model bobot terbuka di komputer kantor agar data tamu tidak keluar gedung. Harga brosur itu sudah berubah, model "nomor satu" sudah disusul model baru, peringkatnya berasal dari uji vendor sendiri, dan model yang dibaca supervisor di berita terlalu besar untuk komputer kantor. Bab ini memberi peta untuk membaca usulan seperti itu.

Batas pembahasan

Bab ini memetakan pengembang dan model AI frontier per 18 Oktober 2026: orang di baliknya, tanggal rilis, kelebihan menurut pengembang, harga API, bobot dan lisensi, tolok ukur, serta privasi dan pembatasan pemerintah yang tercatat. Bab ini tidak memberi peringkat model terbaik dan tidak menganjurkan pembelian.

Definisi AI ada di Bab 7, token dan campuran pakar di Bab 8, cara memeriksa jawaban di Bab 9, pemilihan tingkat, paket, harga cache, dan biaya per pekerjaan selesai di Bab 11, agen di Bab 12, prompt di Bab 13, dan data pribadi di Bab 14.

Cara membaca peta ini

Semua fakta berasal dari catatan riset bertanggal 18 Oktober 2026; status tiap butir ada di peta sumber. Halaman Anthropic dan repositori GitHub resmi pengembang dibuka langsung. Halaman OpenAI, Google, dan xAI hanya terbaca lewat cuplikan mesin pencari, sehingga isinya ditulis "menurut pengumuman pengembang" dan wajib diperiksa ulang. Butir dari media atau agregator ditulis "dilaporkan"; butir yang belum terverifikasi tidak ditulis sebagai fakta. Kelebihan model selalu berupa klaim pengembang.

Harga ditulis dalam USD per juta token masukan / keluaran. Daftar ini berubah cepat: sepuluh model di tabel harga muncul dalam 36 hari (Contoh 8), jadi periksa halaman resmi pada hari memilih, berlangganan, atau menyusun anggaran. Arstema tidak masuk peta ini karena bukan model AI; Takar dan bab Academy dipakai untuk memeriksa angka, satuan, dan rumus dari jawaban model mana pun.

Ringkasan pengembang dan model

Tanda "-" berarti catatan riset tidak mencatat nama dengan status yang memadai.

"Tertutup" berarti catatan riset hanya mencatat akses lewat aplikasi, API, dan cloud; laporan Kimi K3 juga menyebut Claude Fable 5 dan GPT-5.6 Sol model proprietary. Llama 4 mendukung Bahasa Indonesia secara resmi, dan laporan Qwen3 memuat tabel skor Bahasa Indonesia. Nous Research dikenal lewat Hermes Agent (Bab 12); rincian model Hermes belum dapat dipastikan dari sumber resmi per 18 Oktober 2026.

Model tertutup dari Anthropic, OpenAI, Google, dan xAI

Anthropic. Anthropic berbentuk Delaware Public Benefit Corporation. Menurut Anthropic, Claude Fable 5.1 (1 September 2026) adalah model paling mampu yang tersedia umum, untuk kerja panjang dan asinkron; Opus 5.5 (22 September 2026) setara Fable 5.1 pada sebagian besar pekerjaan dengan biaya 40 persen lebih rendah dari Opus 5 pada beban tipikal; Sonnet 5.5 (28 September 2026) lebih cepat dan murah; dan Haiku 5.5 (7 Oktober 2026) adalah model kecil termurah dan tercepatnya. Claude Mythos 5.1 adalah model yang sama dengan Fable 5.1 dengan pengaman berbeda, khusus untuk organisasi terverifikasi.

OpenAI. Menurut pengumuman OpenAI, OpenAI berdiri Desember 2015 sebagai lembaga riset nirlaba; sejak Oktober 2025 OpenAI Foundation mengendalikan OpenAI Group PBC. GPT-6 Astra (3 September 2026) disebut model paling cerdasnya, unggul di penggunaan komputer, rekayasa perangkat lunak, dan keamanan siber. GPT-6 Sol dan Luna dilaporkan dirilis 22 September 2026 sebagai model tengah dan model murah, dan GPT-6.1 Sol (29 September 2026) disebut hampir menyamai Astra pada koding agentik dan kerja profesional dengan seperlima harga token standar Astra. Menurut pengumuman 7 Oktober 2026, tab Chat ChatGPT memakai GPT-6 Sol untuk Plus, Pro, Business, dan Enterprise, dan GPT-6 Luna untuk Free dan Go.

Google DeepMind. Menurut pengumuman Google, Google DeepMind dibentuk 20 April 2023. Memo Sundar Pichai sekitar 5 Agustus 2026 menyebut Demis Hassabis menjadi Chair Google DeepMind dan Chief Scientist Alphabet, dan Koray Kavukcuoglu menjadi SVP yang membawahi pengembangan Gemini; sumber tidak menyebut CEO baru. Gemini 4 Argon diumumkan 30 September 2026 untuk koding, kerja pengetahuan, dan pertahanan siber, lalu tersedia umum 13 Oktober 2026 di API dan bagi pelanggan Pro dan Ultra aplikasi Gemini. Gemini 3.8 Flash (2 September 2026) disebut model Flash paling cerdas.

xAI. Menurut pengumuman xAI dan SpaceX, SpaceX mengakuisisi xAI pada 2 Februari 2026; Elon Musk memimpin xAI sebagai CEO sampai saat itu. Media melaporkan penggantian nama menjadi SpaceXAI lalu SpaceXSI, dan dokumen resmi memakai ketiga nama itu. Grok 4.7 (21 September 2026) disebut model card-nya model paling mampu sampai saat ini; kelebihan yang diklaim xAI adalah data dan pencarian waktu nyata. Status Grok 5 belum dapat dipastikan dari sumber resmi per 18 Oktober 2026.

Harga API per Oktober 2026 dalam USD per juta token masukan / keluaran; harga Claude dari halaman yang dibuka langsung, sisanya dari cuplikan pencarian:

Pengembang Tiongkok: DeepSeek, Moonshot AI, dan Alibaba

DeepSeek (Hangzhou). DeepSeek dilaporkan didirikan pada 2023 oleh Liang Wenfeng, salah satu pendiri dana kuantitatif High-Flyer. Menurut README-nya, DeepSeek-V3 (dilaporkan dirilis Desember 2024) memiliki 671 miliar parameter total, 37 miliar aktif per token, dan dilatih dengan 2,788 juta jam GPU H800. DeepSeek-R1 (2025) berlisensi MIT untuk kode dan bobot dan diklaim setara OpenAI o1 pada matematika, kode, dan penalaran. DeepSeek-V4 dilaporkan dirilis sebagai pratinjau 24 April 2026 dalam ukuran Pro dan Flash, berkonteks 1 juta token dan berbobot MIT; harga dan rilis lanjutannya dilaporkan berubah berkali-kali (Contoh 4).

Moonshot AI (Beijing). Moonshot AI dilaporkan didirikan Maret 2023 oleh Yang Zhilin bersama dua rekan. Kimi K3 dilaporkan diluncurkan sekitar 16 Juli 2026, dan repo bobotnya dibuat 27 Juli 2026. README-nya mencatat 2,8 triliun parameter total, 104 miliar aktif (16 dari 896 pakar), konteks 1.048.576 token, dan bobot MXFP4, dan Moonshot menyebutnya model terbuka kelas 3 triliun pertama. Laporan teknisnya mengakui K3 masih di bawah Claude Fable 5 dan GPT-5.6 Sol. Harga API K3 dilaporkan USD 3 / 15 per juta token masukan / keluaran dan sering berubah.

Alibaba (Qwen). Semua model bobot terbuka Qwen3 (29 April 2025) berlisensi Apache 2.0. Qwen3.5 (16 Februari 2026) mendukung 201 bahasa dan dialek, dan Qwen3.8 (12 dan 14 Agustus 2026) untuk pertama kalinya membawa model kelas Qwen-Max ke rilis terbuka. Ukuran 2.4T-A95B dilaporkan berlisensi khusus dan 27B dilaporkan Apache 2.0; README meminta lisensi diperiksa di halaman bobot masing-masing. Ukurannya berkisar dari di bawah 1 miliar sampai 2,4 triliun parameter, dengan dukungan resmi untuk llama.cpp, MLX, Ollama, dan LM Studio.

Bobot terbuka, bobot tertutup, dan lisensi

Bobot terbuka berarti berkas parameter model boleh diunduh dan dijalankan sendiri; data latih dan kode pelatihan lengkap umumnya tidak ikut dirilis, dan lisensinya dapat membatasi pemakaian. Lisensi yang tercatat:

• MIT: DeepSeek-R1, GLM-4.5, MiniMax-M2. Lisensi R1 tegas mengizinkan distilasi untuk melatih model lain.
• Apache 2.0: Qwen3, Gemma 4, gpt-oss, Seed-OSS-36B.
• Modified MIT: Kimi K2 dan K2.5; lisensi K2.5 mewajibkan produk di atas 100 juta pengguna aktif bulanan atau USD 20 juta pendapatan per bulan menampilkan nama model.
• Lisensi khusus: Kimi K3 License (penyedia layanan model berpendapatan lebih dari USD 20 juta per 12 bulan wajib membuat perjanjian terpisah; penggunaan internal dikecualikan) dan Llama 4 Community License (di atas 700 juta pengguna aktif bulanan wajib meminta lisensi dari Meta).
• Nonkomersial: Mistral Large 2 dan Codestral.

Penalaran editorial: bobot terbuka menjaga data di mesin sendiri dan dapat berjalan tanpa internet, tetapi model besar menuntut perangkat keras mahal, keamanan diurus sendiri, dan lisensi tetap mengikat. Model tertutup tidak membutuhkan server sendiri dan, menurut pengakuan Moonshot, yang terkuat masih di atas K3, tetapi data dikirim ke vendor dan harga dapat berubah sepihak.

Memori untuk menjalankan bobot dihitung dari parameter total kali bita per parameter, ditambah ruang untuk konteks. Pada campuran pakar, parameter total menentukan memori dan parameter aktif menentukan komputasi per token. Ukuran yang tercatat:

Privasi, keamanan, dan pembatasan pemerintah

Pembatasan yang tercatat menyangkut layanan resmi pengembang, dan sebagian besar statusnya sekunder:

• DeepSeek. Dilaporkan: otoritas perlindungan data Italia memerintahkan pemblokiran chatbot DeepSeek karena kebijakan privasi; Australia (Februari 2025), Taiwan, NASA, Angkatan Laut AS, dan sejumlah negara bagian AS melarangnya di perangkat atau instansi pemerintah; Korea Selatan menghentikan unduhan baru sekitar 16 Februari 2025 sebelum aplikasi tersedia lagi; Jerman meminta Apple dan Google menghapus aplikasinya (Juni 2025). Kekhawatiran ini menyangkut aplikasi dan API resmi; bobot yang dijalankan di mesin sendiri tidak mengirim data ke DeepSeek (penalaran editorial).
• Anthropic. Akses Claude Fable 5 terganggu sejak 12 Juni dan pulih 1 Juli 2026 setelah persetujuan pemerintah AS terkait kontrol ekspor. Mythos 5.1 saat ini hanya untuk sejumlah organisasi AS yang terverifikasi.
• OpenAI dan Google. Menurut pengembangnya, GPT-6 Astra adalah model OpenAI pertama yang dinilai "Critical" untuk kemampuan siber, dan Gemini 4 Argon mula-mula hanya untuk pembela siber tepercaya.
• xAI. Dilaporkan: pada Juli 2025 akun @grok di X memuat unggahan antisemit; xAI menyalahkan pembaruan kode di hulu bot yang aktif 16 jam, dan Uni Eropa memanggil perwakilan xAI.
• Meta. Lisensi Llama 4 tidak memberi hak atas model multimodalnya kepada individu dan perusahaan berdomisili di Uni Eropa, kecuali pengguna akhir produk.

Catatan riset tidak memuat keputusan pemerintah Indonesia tentang model-model ini yang dapat dipastikan dari sumber resmi per 18 Oktober 2026. Aturan data pribadi tamu ada di Bab 14.

Tolok ukur dan batasnya

Tolok ukur adalah kumpulan soal dengan cara penilaian tetap. Tiga yang sering dikutip:

• LMArena (dulu Chatbot Arena, sejak Mei 2023): pengguna memilih yang lebih baik dari dua jawaban anonim, lalu suara diolah menjadi peringkat bergaya Elo. Yang diukur adalah preferensi, bukan kebenaran fakta (penalaran editorial).
• SWE-bench Verified (13 Agustus 2024): 500 issue GitHub nyata yang dipastikan dapat diselesaikan insinyur; patch model harus lolos tes. Skornya bergantung pada harness agen.
• Humanity's Last Exam: 2.500 soal akademik dari pakar, disusun Center for AI Safety dan Scale AI, terbit di Nature 2026. Soalnya tertutup, dan skor dengan dan tanpa alat sangat berbeda.

Angka tolok ukur di pengumuman model adalah klaim vendor: vendor menjalankan evaluasinya sendiri dengan harness yang dapat berbeda per model, sehingga angka dua vendor tidak dibandingkan langsung (Contoh 9). Peringkat lintas vendor per Oktober 2026 belum dapat dipastikan karena situs papan peringkat tidak dapat dibuka saat riset. Yang dapat dipegang adalah pengakuan vendor sendiri, seperti laporan Kimi K3 di atas; kedua model pembandingnya kini sudah punya penerus. Tidak ada tolok ukur di atas yang menguji pengering atau mesin cuci; model dibandingkan pada tugas sendiri (Bab 11), dan sebaran skornya dibaca seperti di Bab 2 · Data & Pengukuran.

Contoh kerja

Contoh 1. Biaya satu pekerjaan di empat model unggulan. Merangkum manual servis pengering menjadi daftar periksa memakai 80.000 token masukan dan 4.000 token keluaran (angka latihan), yaitu 0,08 dan 0,004 juta token. Biaya $C=N_m \, p_m+N_k \, p_k$, dengan $N$ dalam juta token dan $p$ harga per Oktober 2026. Claude Fable 5.1 dan GPT-6 Astra: $0{,}08\times 10+0{,}004\times 50=0{,}80+0{,}20=1{,}00$ USD. Gemini 4 Argon dengan harga perkenalan: $0{,}08\times 2+0{,}004\times 10=0{,}20$ USD. Grok 4.7: $0{,}08\times 2+0{,}004\times 6=0{,}184$ USD. Untuk 1.000 pekerjaan sebulan, biayanya 1.000 USD lawan sekitar 184 USD, belum termasuk perbedaan jumlah token antarmodel (Bab 11).

Contoh 2. Memeriksa klaim "seperlima harga". OpenAI menyebut GPT-6.1 Sol hampir menyamai Astra dengan seperlima harga token Astra. Bagian harga dapat diperiksa: $2/10=10/50=0{,}2$, sehingga pekerjaan Contoh 1 berbiaya $0{,}08\times 2+0{,}004\times 10=0{,}20$ USD, seperlima dari 1,00 USD. Dengan cara yang sama, harga Claude Fable 5.1 adalah $10/4=50/20=2{,}5$ kali Opus 5.5. Bagian "hampir menyamai" tidak dapat diperiksa dengan hitungan; itu klaim pengembang.

Contoh 3. Harga perkenalan yang berakhir. Beban bulanan 10 juta token masukan dan 1 juta token keluaran (angka latihan). Gemini 4 Argon sampai 30 November 2026: $10\times 2+1\times 10=30$ USD; sesudahnya $10\times 4+1\times 20=60$ USD. Gemini 3.8 Flash sampai 31 Desember 2026: $10\times 0{,}75+1\times 3{,}75=11{,}25$ USD; mulai 1 Januari 2027: $10\times 1{,}50+1\times 7{,}50=22{,}50$ USD. Keduanya menjadi dua kali lipat, sehingga anggaran 2027 yang disusun dengan harga Oktober 2026 kurang separuh (Bab 4 · Satuan & Matematika).

Contoh 4. Harga yang dilaporkan bertentangan. Untuk DeepSeek-V4-Pro, sumber sekunder melaporkan harga peluncuran USD 1,74 / 3,48 dan harga turun USD 0,435 / 0,87 per juta token masukan / keluaran. Pekerjaan Contoh 1 menjadi $0{,}08\times 1{,}74+0{,}004\times 3{,}48=0{,}153$ USD atau $0{,}08\times 0{,}435+0{,}004\times 0{,}87=0{,}038$ USD, berbeda tepat 4 kali karena $1{,}74/0{,}435=3{,}48/0{,}87=4$. Harga untuk anggaran diambil dari halaman resmi pada hari pemesanan, bukan dari agregator.

Contoh 5. Porsi aktif campuran pakar. Porsi aktif $=P_\text{aktif}/P_\text{total}$: DeepSeek-V4-Pro $49/1600=3{,}1\%$, DeepSeek-V4-Flash $13/284=4{,}6\%$, Kimi K3 $104/2800=3{,}7\%$, dan gpt-oss-120b $5{,}1/117=4{,}4\%$. Kimi K3 memakai 16 dari 896 pakar, $16/896=1{,}8\%$, lebih kecil dari porsi parameter aktifnya karena sebagian lapisan, misalnya atensi, bekerja untuk setiap token (pengetahuan umum; mekanismenya di Bab 8). Komputasi per token K3 setara model padat sekitar 104 miliar parameter, tetapi memorinya harus menampung 2,8 triliun.

Contoh 6. Memori model padat di komputer kantor. Memori bobot $\approx P\times b$, dengan $b$ bita per parameter: 2 untuk 16-bit, 1 untuk 8-bit, sekitar 0,5 untuk 4-bit (Bab 3). Gemma 4 31B Dense: $31\times 2=62$ GB, $31\times 1=31$ GB, atau $31\times 0{,}5=15{,}5$ GB. Pada kartu grafis 24 GB (angka latihan), hanya versi 4-bit yang masuk, dengan sisa $24-15{,}5=8{,}5$ GB untuk konteks dan program. Aturan ini cocok dengan README FastChat: Vicuna-7B butuh sekitar 14 GB memori GPU, $7\times 2=14$.

Contoh 7. Memori model campuran pakar raksasa. Kimi K3 berbobot MXFP4, sekitar 0,5 bita per parameter: $2800\times 0{,}5=1400$ GB, sekitar 1,4 TB. Dengan kartu 80 GB (angka latihan), dibutuhkan paling sedikit $1400/80=17{,}5$, jadi 18 kartu, hanya untuk bobot. Sebagai pemeriksaan, kartu model Llama 4 menyatakan Scout (109 miliar total) muat di satu GPU H100 dengan kuantisasi int4: $109\times 0{,}5=54{,}5$ GB, di bawah 80 GB memori H100 (pengetahuan umum).

Contoh 8. Selisih tanggal dan umur informasi. GPT-6 Astra dirilis 3 September dan GPT-6.1 Sol 29 September 2026, selisih 26 hari; Gemini 4 Argon diumumkan 30 September dan tersedia umum 13 Oktober 2026, selisih 13 hari. Sepuluh model di tabel harga dirilis atau diumumkan antara 1 September (Fable 5.1) dan 7 Oktober 2026 (Haiku 5.5), rentang 36 hari, rata-rata satu model setiap $36/10=3{,}6$ hari. Artikel bertanggal 1 Agustus 2026 berumur 78 hari pada tanggal riset dan tidak memuat satu pun model itu.

Contoh 9. Membaca angka tolok ukur vendor. README Kimi K3 memberi skor Terminal-Bench 2.1: Kimi K3 88,3, Claude Fable 5 88,0, GPT-5.6 Sol 88,8, dan Claude Opus 4.8 84,6, dengan catatan bahwa harness berbeda per model. Selisih K3 terhadap dua model pertama hanya $88{,}3-88{,}0=0{,}3$ dan $88{,}8-88{,}3=0{,}5$ poin. README GLM-5, dalam tabel GLM-5.2, mencatat Opus 4.8 85,0 pada tolok ukur yang sama, berbeda $85{,}0-84{,}6=0{,}4$ poin untuk model yang sama. Selisih di bawah satu poin antar-tabel vendor tidak menunjukkan model mana yang lebih baik. Kimi K2.5 mencatat 31,5 tanpa alat dan 51,8 dengan alat di Humanity's Last Exam, selisih 20,3 poin, sehingga skor dengan alat tidak dibandingkan dengan skor tanpa alat.

Kondisi berhenti

Berhenti memakai peta ini sebagai dasar keputusan, dan periksa sumber resmi atau tanyakan ke orang berwenang, bila:

1. Harga, model, atau tanggal untuk anggaran atau kontrak belum diperiksa di halaman resmi pada hari itu.
2. Sumbernya hanya brosur, media, atau agregator, atau angka antar-sumber bertentangan (Contoh 4).
3. Lisensi bobot belum dibaca dari halaman bobot itu sendiri, atau syarat pendapatan, pengguna, atau wilayahnya belum jelas; tanyakan ke bagian hukum.
4. Data tamu, data karyawan, atau rahasia perusahaan akan dikirim ke layanan yang kebijakan datanya belum diperiksa (Bab 14).
5. Pilihan model hanya bersandar pada satu angka tolok ukur vendor.
6. Memori lokal belum dihitung bersama ruang konteks, atau bobot tidak diunduh dari rilis resmi.
7. Angka teknik dari jawaban model mana pun belum diperiksa di Takar, bab Academy, dan manual pabrik.

Salah tafsir yang sering terjadi

"Model nomor satu bulan lalu masih nomor satu." Sepuluh model di tabel harga muncul dalam 36 hari (Contoh 8).

"Bobot terbuka berarti bebas dipakai untuk apa saja." Lisensinya berkisar dari MIT sampai lisensi khusus berambang pendapatan, pengguna, atau wilayah, bahkan nonkomersial.

"Model campuran pakar hanya butuh memori untuk parameter aktifnya." Parameter aktif menentukan komputasi; memori harus menampung parameter total (Contoh 5 dan 7).

"Skor tolok ukur dua vendor dapat langsung dibandingkan." Vendor menguji sendiri dengan harness berbeda, sehingga satu model dapat tercatat berbeda di dua tabel (Contoh 9).

"DeepSeek-V3 dibuat dengan total biaya USD 5,6 juta." Angka itu dilaporkan sebagai estimasi sewa GPU, USD 2 per jam GPU H800 kali 2,788 juta jam, yaitu USD 5,576 juta, dan tidak mencakup seluruh belanja.

Hubungan dengan bab lain

Bab 7 sampai Bab 9 memberi dasar: definisi AI, parameter dan campuran pakar, dan alasan jawaban model unggulan pun tetap diperiksa. Bab 11 melanjutkan peta ini ke pemilihan tingkat, Bab 12 ke agen, Bab 13 ke prompt, dan Bab 14 ke pekerjaan teknik. Bab 4 · Satuan & Matematika dipakai untuk memeriksa kewajaran biaya dan memori, Bab 2 · Data & Pengukuran untuk sebaran skor, dan Bab 3 untuk bit dan bita di balik kuantisasi.

Latihan dan pembahasan

Pakai harga dan ukuran per Oktober 2026 dari bab ini. Angka dalam soal adalah angka latihan kecuali disebut berasal dari sumber.

1. Satu pekerjaan memakai 50.000 token masukan dan 2.000 token keluaran. Hitung biayanya di Claude Sonnet 5.5, GPT-6 Luna, dan Grok 4.7. Apakah yang termurah otomatis terbaik?
2. Supervisor laundry ingin menjalankan Qwen3.8-27B di PC dengan kartu grafis 16 GB. Hitung memori bobot pada 8-bit dan 4-bit. Apa yang diperiksa selain memori?
3. gpt-oss-20b memiliki 21 miliar parameter total dan 3,6 miliar aktif. Hitung porsi aktifnya dan bandingkan dengan Kimi K3. Angka mana yang menentukan memori dan mana yang menentukan komputasi?
4. Penyedia layanan model berbasis Kimi K3 berpendapatan USD 1,5 juta per bulan. Perlukah perjanjian terpisah dengan Moonshot? Bagaimana pada USD 1,8 juta per bulan, dan bagaimana hotel yang memakai K3 hanya untuk internal?
5. Brosur vendor menulis "model kami peringkat 1 di SWE-bench, 2 poin di atas pesaing". Pertanyaan apa yang diajukan sebelum angka itu dipercaya?
6. Staf front office ingin menempelkan keluhan tamu berisi nama dan nomor kamar ke aplikasi chatbot resmi DeepSeek. Apa yang tercatat tentang pembatasannya, dan apa tindakan yang benar?

Kunci jawaban beralasan

1. Sonnet 5.5: $0{,}05\times 2+0{,}002\times 10=0{,}12$ USD. GPT-6 Luna: $0{,}05\times 0{,}10+0{,}002\times 0{,}50=0{,}006$ USD. Grok 4.7: $0{,}05\times 2+0{,}002\times 6=0{,}112$ USD. Luna 20 kali lebih murah dari Sonnet 5.5, tetapi harga per token tidak mengukur mutu; pemilihan per pekerjaan selesai ada di Bab 11.
2. Pada 8-bit, $27\times 1=27$ GB, tidak muat di 16 GB. Pada 4-bit, $27\times 0{,}5=13{,}5$ GB, muat dengan sisa hanya 2,5 GB untuk konteks dan program, sehingga konteks panjang tidak realistis. Lisensinya dibaca di halaman bobotnya, karena README Qwen meminta itu dan Apache 2.0 untuk ukuran 27B baru dilaporkan sumber sekunder.
3. Porsi aktif $3{,}6/21=17{,}1\%$, jauh di atas 3,7 persen pada Kimi K3. Memori ditentukan parameter total, 21 miliar atau sekitar 10,5 GB pada 4-bit, sedangkan komputasi per token ditentukan parameter aktif, 3,6 miliar. Karena itu K3 ringan dihitung per token, tetapi tetap butuh sekitar 1,4 TB memori.
4. Pendapatan $1{,}5\times 12=18$ juta USD per 12 bulan, di bawah ambang 20 juta, sehingga perjanjian terpisah belum disyaratkan; $1{,}8\times 12=21{,}6$ juta melewati ambang, sehingga perjanjian wajib dibuat sebelum pemakaian komersial. Hotel yang memakai K3 untuk internal masuk pengecualian penggunaan internal. Keputusan akhir diambil setelah teks lisensi lengkap dibaca bersama bagian hukum.
5. Tanyakan varian SWE-bench, siapa yang menjalankan uji, harness agen tiap model, tanggal uji, dan apakah pesaing diuji dengan harness yang sama. Contoh 9 menunjukkan dua vendor mencatat Opus 4.8 berbeda 0,4 poin pada tolok ukur yang sama, sehingga selisih 2 poin dari tabel vendor belum cukup sebagai bukti. SWE-bench mengukur perbaikan kode, bukan tugas hotel, jadi minta uji coba pada tugas sendiri.
6. Yang tercatat, berstatus dilaporkan, adalah larangan di perangkat pemerintah beberapa negara, perintah pemblokiran di Italia karena kebijakan privasi, dan penghentian sementara unduhan di Korea Selatan; keputusan pemerintah Indonesia tidak tercatat. Untuk layanan mana pun, data pribadi tamu tidak ditempel sebelum kebijakan datanya diperiksa dan data disamarkan (Bab 14). Bobot terbuka di mesin hotel sendiri tidak mengirim data ke pengembang, tetapi tetap butuh persetujuan bagian TI.

Referensi