Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29523370; atribusi sumber disertakan.

2026-08-23T03:55:13Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29523370; atribusi sumber disertakan.

Halaman baru

'''DeepSeek''' adalah nama yang diberikan untuk [[model bahasa besar]] (LLM) [[sumber terbuka]] yang dikembangkan oleh sebuah [[Industri kecerdasan buatan di Tiongkok|perusahaan kecerdasan buatan asal Tiongkok]] bernama Hangzhou DeepSeek Artificial Intelligence Co., Ltd. (). Perusahaan tersebut, yang berkantor pusat di [[Hangzhou|Hangzhou, Zhejiang]], dimiliki dan didanai sepenuhnya oleh [[dana lindung nilai]] [[High-Flyer]], yang salah seorang pendirinya, [[Liang Wenfeng]], mendirikan perusahaan tersebut pada tahun 2023 dan menjabat sebagai [[Direktur utama|CEO]]-nya.

DeepSeek melakukan tugas pada level yang sama dengan [[ChatGPT]], meskipun dikembangkan dengan biaya yang jauh lebih rendah, yaitu sebesar [[Dolar Amerika Serikat|US$]] 6 juta, dibandingkan dengan $100 juta untuk GPT-4 oleh [[OpenAI]] pada tahun 2023, dan membutuhkan sepersepuluh dari daya komputasi LLM yang sebanding. Model AI dikembangkan oleh DeepSeek di tengah sanksi AS terhadap Tiongkok atas [[cip]] [[NVIDIA|Nvidia]], yang dimaksudkan untuk membatasi kemampuan negara tersebut untuk mengembangkan sistem AI tingkat lanjut. Pada 10 Januari 2025, perusahaan ini merilis [[Bot percakapan|aplikasi bot percakapan]] gratis pertamanya untuk [[IOS|iOS Apple]] dan [[Android (sistem operasi)|Android]]; pada 27 Januari, aplikasi ini telah melampaui [[ChatGPT]] sebagai aplikasi gratis yang paling banyak diunduh di [[App Store|iOS App Store]] di Amerika Serikat, dan menyebabkan harga saham [[NVIDIA|Nvidia]] turun sebesar 18%. Keberhasilan DeepSeek melawan para pesaing yang lebih besar dan mapan telah digambarkan sebagai "pengubah AI," yang merupakan "tembakan pertama dalam apa yang berkembang sebagai perlombaan ruang AI global" dan mengawali "era baru dari taktik AI yang penuh tipu daya."

DeepSeek telah menjadikan bot percakapan [[Kecerdasan buatan generatif|kecerdasan buatan generatifnya]] [[sumber terbuka]], menjadikan kodenya tersedia secara bebas untuk digunakan, dimodifikasi, dan dilihat; hal ini termasuk izin untuk mengakses dan memanfaatkan kode sumber dan dokumen desain untuk tujuan pembangunan. Perusahaan ini secara aktif merekrut peneliti muda AI dari universitas-universitas ternama di Tiongkok, dan merekrut orang dari luar bidang [[ilmu komputer]] untuk menganekaragamkan pengetahuan dan kemampuan modelnya.

== Latar belakang ==
Pada bulan Februari 2016, High-Flyer didirikan oleh seorang penggemar AI bernama Liang Wenfeng, yang telah berdagang sejak [[krisis keuangan 2007–2008]] saat kuliah di [[Universitas Zhejiang]]. Pada tahun 2019, ia mendirikan High-Flyer sebagai [[dana lindung nilai]] yang berfokus pada pengembangan dan penggunaan algoritma perdagangan AI. Pada tahun 2021, High-Flyer secara eksklusif menggunakan AI dalam perdagangan. DeepSeek telah menjadikan [[bot percakapan]] [[Kecerdasan buatan generatif|kecerdasan buatan generatifnya]] [[sumber terbuka]], yang berarti kodenya tersedia secara bebas untuk digunakan, dimodifikasi, dan dilihat. Hal ini termasuk izin untuk mengakses dan menggunakan [[kode sumber]], serta dokumen desain, untuk tujuan pembangunan.

Per [[36Kr]], Liang telah membangun penyimpanan 10.000 GPU [[Ampere (mikroarsitektur)|Nvidia A100]] sebelum pemerintah AS memberlakukan pembatasan cip AI di Tiongkok. Beberapa perkiraan menyebutkan jumlahnya mencapai 50.000.

Pada bulan April 2023, High-Flyer memulai laboratorium [[kecerdasan umum buatan]] yang didedikasikan untuk meneliti pengembangan alat AI yang terpisah dari bisnis keuangan High-Flyer. Pada bulan Mei 2023, dengan High-Flyer sebagai salah satu investor, lab tersebut menjadi suatu perusahaan yang berdiri sendiri, yaitu DeepSeek. Perusahaan [[modal ventura]] enggan memberikan pendanaan karena tidak mungkin menghasilkan keuntungan dalam waktu singkat.

Setelah merilis DeepSeek-V2 pada Mei 2024, yang menawarkan kinerja kuat dengan harga murah, DeepSeek dikenal sebagai katalisator [[perang harga]] model AI Tiongkok. Perusahaan ini dengan cepat dijuluki "[[Pinduoduo]] AI", dan raksasa teknologi lainnya, seperti [[ByteDance]], [[Tencent]], [[Baidu]], dan [[Alibaba Group|Alibaba]] mulai memangkas harga model AI mereka untuk bersaing dengan perusahaan tersebut. Meskipun harga yang dikenakan DeepSeek rendah, perusahaan ini tetap menguntungkan dibandingkan dengan pesaingnya yang merugi.

DeepSeek berfokus hanya pada penelitian dan tidak memiliki rencana terperinci untuk komersialisasi; Hal ini juga memungkinkan teknologinya menghindari ketentuan paling ketat dari peraturan AI Tiongkok, seperti mengharuskan teknologi yang berhadapan dengan konsumen untuk mematuhi kontrol pemerintah terhadap informasi.

Preferensi perekrutan DeepSeek lebih mengutamakan kemampuan teknis daripada pengalaman kerja sehingga sebagian besar karyawan baru adalah lulusan universitas atau pengembang yang karier AI-nya belum begitu mapan. Demikian pula, perusahaan merekrut individu tanpa latar belakang ilmu komputer untuk membantu teknologinya memahami topik dan bidang pengetahuan lainnya, termasuk kemampuan untuk menciptakan puisi dan kemampuan untuk mengerjakan [[Gaokao|ujian masuk perguruan tinggi Tiongkok]] yang terkenal sulit.

== Riwayat rilis ==

=== DeepSeek LLM ===
Pada tanggal 2 November 2023, DeepSeek merilis seri model pertamanya, <code>DeepSeek-Coder</code>, yang tersedia gratis untuk peneliti dan pengguna komersial. Kode untuk model tersebut dibuat sumber terbuka di bawah [[lisensi MIT]], dengan perjanjian lisensi tambahan ("lisensi DeepSeek") mengenai "penggunaan hilir yang terbuka dan bertanggung jawab" untuk model itu sendiri.

Model-model tersebut memiliki arsitektur yang sama dengan DeepSeek LLM yang dirinci di bawah ini. Seri ini mencakup 8 model, 4 ''pretrained'' (<code>Base</code>) dan 4 ''instruction-finetuned'' (<code>Instruct</code>). Semuanya memiliki panjang konteks 16K. Pelatihannya adalah sebagai berikut:

# ''Pretraining'' (Prapelatihan): token 1,8T (87% kode sumber, 10% kode terkait [[bahasa Inggris]] ([[GitHub]] Markdown dan [[Stack Exchange]]), dan 3% kode terkait bahasa Mandarin).
# ''Long-context pretraining'': 200B token. Ini memperluas panjang konteks dari 4K ke 16K. Ini menghasilkan model <code>Base</code>.
# ''Supervised finetuning'' (SFT): 2B token data instruksi. Ini menghasilkan model <code>Instruct</code>.

Model-model tersebut dilatih pada kluster-kluster GPU Nvidia A100 dan H800, yang dihubungkan oleh [[InfiniBand]], [[NVLink]], [[NVSwitch]].

<sup>Perhatikan bahwa ''number of heads'' tidak sama dengan ''number of KV heads'' untuk 5.6B dan 33B karena ''Grouped query attention'' (GQA).</sup>

Pada tanggal 29 November 2023, DeepSeek merilis seri model <code>DeepSeek-LLM</code>, dengan parameter 7B dan 67B dalam formulir <code>Base</code> dan <code>[[Bot percakapan|Chat]]</code> (tidak ada <code>Instruct</code> yang dirilis). Program ini dikembangkan untuk bersaing dengan LLM lain yang tersedia saat itu. Makalah ini mengklaim hasil pengujian [[Tolok ukur (komputasi)|tolok ukur]] (''benchmark'') lebih tinggi daripada kebanyakan LLM sumber terbuka pada saat itu, terutama Llama 2. Seperti DeepSeek Coder, kode untuk model tersebut berada di bawah lisensi [[MIT]], dengan lisensi DeepSeek untuk model itu sendiri.

Arsitekturnya pada dasarnya sama dengan seri [[Llama (model bahasa)|Llama]]. Model-model tersebut menggunakan ''pre-norm decoder-only'' [[Transformer (arsitektur pemelajaran dalam)|Transformer]] dengan [[Normalisasi (pemelajaran mesin)|RMSNorm]] sebagai normalisasi, [[Mekanisme gerbang|SwiGLU]] dalam ''feedforward layers'', ''rotary positional embedding'' (RoPE), dan ''grouped-query attention'' (GQA). Keduanya memiliki ukuran kosakata 102400 ([[Pengkodean pasangan byte|BPE tingkat byte]]) dan panjang konteks 4096. Model-model tersebut berlatih pada 2 triliun token teks bahasa Inggris dan Mandarin yang diperoleh dengan mendeduplikasi [[Common Crawl]].

<sup>Perhatikan bahwa ''number of heads'' tidak sama dengan ''number of KV heads'' untuk 67B karena ''Grouped query attention'' (GQA).</sup>

Versi <code>Chat</code> dari dua model <code>Base</code> juga dirilis secara bersamaan, diperoleh dengan melatih <code>Base</code> melalui ''supervised finetuning'' [[Pembelajaran penguatan dari umpan balik manusia|(SFT) diikuti oleh ''direct policy optimization'' (DPO)]].

Pada bulan April 2024, mereka merilis 3 model <code>DeepSeek-Math</code> yang dikhususkan untuk mengerjakan soal-soal [[matematika]]: <code>Base</code>, <code>Instruct</code>, <code>RL</code>. Pelatihannya sebagai berikut:

# Inisialisasi dengan <code>DeepSeek-Coder-Base-v1.5 7B</code> yang sudah ''pretrained''.
# Lakukan ''pretraining'' lebih lanjut dengan 500B token (6% DeepSeekMath Corpus, 4% AlgebraicStack, 10% arXiv, 20% kode GitHub, 10% Common Crawl). Tahap ini menghasilkan model <code>Base</code>.
# Latih ''instruction-following model'' oleh SFT <code>Base</code> dengan 776K soal matematika dan solusi ''tool-use-integrated step-by-step''. Tahap ini menghasilkan model <code>Instruct</code>.
# [[Reinforcement learning (pemelajaran mesin)|''Reinforcement learning'']] (RL): Model ''reward''-nya adalah ''[[Model bahasa penalaran|process reward model]]'' (PRM) yang dilatih dari <code>Base</code> sesuai dengan metode Math-Shepherd. Model ''reward'' ini kemudian digunakan untuk melatih <code>Instruct</code> menggunakan [[Policy gradient method|''group relative policy optimization'']] (GRPO) pada kumpulan data 144K pertanyaan matematika "berkaitan dengan GSM8K dan MATH". Model ''reward'' terus diperbarui selama pelatihan untuk menghindari peretasan ''reward''. Tahap ini menghasilkan model <code>RL</code>.

=== V2 ===
Pada bulan Mei 2024, mereka merilis seri <code>DeepSeek-V2</code>. Seri ini mencakup 4 model, 2 model dasar (<code>DeepSeek-V2</code>, <code>DeepSeek-V2-Lite</code>) dan 2 bot percakapan (<code>-Chat</code>). Kedua model yang lebih besar dilatih sebagai berikut:

# Lakukan ''pretraining'' pada himpunan data token 8,1T dengan token berbahasa Mandarin 12% lebih banyak daripada token berbahasa Inggris.
# Perluas ''context length'' dari 4K ke 128K menggunakan YaRN. Tahap ini menghasilkan <code>DeepSeek-V2</code>.
# SFT dengan 1,2M ''instances'' untuk ''helpfulness'' dan 0,3M untuk ''safety''. Tahap ini menghasilkan <code>DeepSeek-V2-Chat (SFT)</code> yang tidak dirilis.
# RL menggunakan GRPO dalam dua tahap. Tahap pertama dilatih untuk memecahkan masalah matematika dan pengkodean. Tahap ini menggunakan 1 model ''reward'', dilatih pada ''compiler feedback'' (untuk pengkodean) dan ''ground-truth labels'' (untuk matematika). Tahap kedua dilatih agar ''helpful'', ''safe'', dan mematuhi aturan. Tahap ini menggunakan 3 model ''reward''. Model ''reward'' atas bantuan dan keselamatan dilatih pada data preferensi manusia. Model ''rule-based'' ''reward'' diprogram secara manual. Semua model ''reward'' yang dilatih diinisialisasi dari <code>DeepSeek-V2-Chat (SFT)</code>. Tahap ini menghasilkan dirilisnya versi <code>DeepSeek-V2-Chat</code>.

Mereka memilih RL 2-tahap karena mereka menemukan bahwa RL pada data penalaran (''reasoning'') memiliki "karakteristik unik" yang berbeda dari RL pada data umum. Misalnya, RL pada penalaran dapat ditingkatkan melalui beberapa langkah pelatihan.

Kedua model <code>V2-Lite</code> merupakan model yang lebih kecil, dan dilatih secara serupa, meskipun <code>DeepSeek-V2-Lite-Chat</code> hanya menjalani SFT, bukan RL. Mereka melatih versi Lite untuk membantu "penelitian dan pengembangan lebih lanjut pada MLA dan DeepSeekMoE".

Secara arsitektur, model V2 dimodifikasi secara signifikan dari seri DeepSeek LLM. Mereka mengubah mekanisme atensi standar (''standard attention mechanism'') dengan ''low-rank approximation'' yang disebut ''multi-head latent attention'' (MLA), dan menggunakan varian ''mixture of experts'' (MoE) yang sebelumnya diterbitkan pada bulan Januari. Dibandingkan dengan ''standard sparsely-gated'' MoE, varian mereka memiliki "pakar bersama" (''shared experts'') yang selalu di-''query'', dan "pakar yang dirutekan" (''routed experts'') yang mungkin tidak di-''query''.

''[[Financial Times]]'' melaporkan bahwa harga token ini lebih murah dibanding pesaingnya, yaitu 2 [[Renminbi|RMB]] per juta token keluaran. Papan peringkat Tiger Lab dari [[Universitas Waterloo|University of Waterloo]] menempatkan DeepSeek-V2 pada posisi ketujuh dalam peringkat LLM.

Pada bulan Juni, mereka merilis 4 model dalam seri <code>DeepSeek-Coder-V2</code>: <code>V2-Base</code>, <code>V2-Lite-Base</code>, <code>V2-Instruct</code>, <code>V2-Lite-Instruct</code>. Model-model tersebut dilatih sebagai berikut:

# Model <code>Base</code> diinisialisasi dari titik pemeriksaan (''checkpoints'') ''intermediate'' yang sesuai setelah ''pretraining'' pada token 4.2T (bukan versi di akhir ''pretraining''), lalu dilatih lebih lanjut untuk token 6T, lalu diperluas konteksnya ke panjang konteks 128K. Tahap ini menghasilkan model <code>Base</code>.
# <code>DeepSeek-Coder</code> dan <code>DeepSeek-Math</code> digunakan untuk menghasilkan 20K data instruksi terkait kode dan 30K data instruksi terkait matematika, lalu digabungkan dengan kumpulan data instruksi sebanyak 300M token. Ini digunakan untuk SFT.
# RL dengan GRPO. ''Reward'' untuk soal matematika dihitung dengan membandingkannya dengan ''ground-truth label''. ''Reward'' untuk masalah kode dihasilkan oleh model ''reward'' yang dilatih untuk memprediksi apakah suatu program akan lulus uji unit.

<code>DeepSeek-V2.5</code> dirilis pada bulan September dan diperbarui pada bulan Desember. Rilisan tersebut dibuat dengan menggabungkan <code>DeepSeek-V2-Chat</code> dan <code>DeepSeek-Coder-V2-Instruct</code>.

=== V3 ===
Pada bulan Desember 2024, mereka merilis model dasar <code>DeepSeek-V3-Base</code> dan model bot percakapan <code>DeepSeek-V3</code>. Arsitektur modelnya pada dasarnya sama dengan V2. Model-model tersebut dilatih sebagai berikut:

# ''Pretraining'' pada token 14,8T dari korpus multibahasa, sebagian besar bahasa Inggris dan Mandarin. ''Dataset'' ini berisi rasio matematika dan pemrograman yang lebih tinggi daripada ''dataset'' untuk ''pretraining'' V2.
# Perluasan panjang konteks (''context length'') dua kali, dari 4K ke 32K dan kemudian ke 128K, menggunakan YaRN. Tahap ini menghasilkan <code>DeepSeek-V</code> <code>3-Base</code>.
# SFT selama 2 periode pada 1,5M sampel data penalaran (matematika, pemrograman, logika) dan non-penalaran (penulisan kreatif, permainan peran, jawaban pertanyaan sederhana). Data penalaran dihasilkan oleh "model ahli". Data non-penalaran dihasilkan oleh <code>DeepSeek-V2.5</code> dan diperiksa oleh manusia.
#* "Model pakar" (''expert models'') dilatih dengan memulai dengan model dasar yang tidak ditentukan, lalu SFT pada data <code><problem, original response></code>, dan data sintetis <code><system prompt, problem, R1 response></code> yang dihasilkan oleh model <code>DeepSeek-R1</code> internal. Perintah sistem meminta <code>R1</code> untuk berpikir dan memverifikasi selama berpikir. Kemudian, model ahli RL menggunakan fungsi imbalan yang tidak ditentukan.
#* Setiap model ahli dilatih untuk menghasilkan data penalaran sintetis hanya dalam satu domain spesifik (matematika, pemrograman, logika).
#* Model ahli digunakan, bukan <code>R1</code> itu sendiri, karena keluaran dari <code>R1</code> sendiri mengalami "pemikiran berlebihan, format buruk, dan panjang sekali".
# Model ''reward'' berbasis model dibuat dengan memulai dengan ''checkpoint'' SFT <code>V3</code>, lalu menyempurnakan data preferensi manusia yang berisi ''reward'' akhir dan rangkaian pemikiran yang mengarah ke ''reward'' akhir. Model ''reward'' menghasilkan sinyal ''reward'' untuk pertanyaan dengan jawaban objektif, tetapi berbentuk bebas, dan pertanyaan tanpa jawaban objektif (seperti penulisan kreatif).
# ''Checkpoint'' SFT <code>V3</code> dilatih oleh GRPO menggunakan ''model-based'' ''reward'' dan ''rule-based'' ''reward''. ''Rule-based reward'' dihitung untuk soal matematika dengan jawaban akhir (dimasukkan ke dalam kotak), dan untuk soal pemrograman dengan uji unit. Tahap ini menghasilkan <code>DeepSeek-V3</code>.

Mereka melakukan rekayasa tingkat rendah yang ekstensif untuk mencapai efisiensi. Mereka menggunakan ''[[mixed-precision arithmetic]]''. Sebagian besar pemindahan data ke depan dilakukan dalam [[Aritmetika titik kambang|bilangan floating point 8-bit]] (5E2M: eksponen 5-bit dan [[Significand|mantissa]] 2-bit) dan bukan dalam format standar 32-bit sehingga memerlukan rutinitas [[Subprogram Aljabar Linear Dasar|GEMM]] khusus untuk mengakumulasi secara akurat. Mereka menggunakan float 12-bit khusus (E5M6) ''hanya'' untuk masukan ke lapisan linier setelah modul atensi. Status pengoptimal berada dalam 16-bit (BF16). Mereka meminimalkan latensi komunikasi dengan melakukan tumpang tindih komputasi dan komunikasi secara ekstensif, seperti mendedikasikan 20 [[Unit pemroses grafis|''multiprosesor streaming'']] dari 132 per H800 hanya untuk komunikasi antar-GPU. Mereka menurunkan komunikasi dengan mengatur ulang (setiap 10 menit) mesin yang digunakan oleh masing-masing ahli untuk menghindari mesin tertentu yang lebih sering diakses daripada mesin lainnya, menambahkan kerugian penyeimbangan beban tambahan ke fungsi kerugian pelatihan, dan teknik penyeimbangan beban lainnya.

Setelah pelatihan, ia disebarkan pada klaster H800. H800 dalam satu klaster dihubungkan melalui NVLink. Klaster-klaster tersebut dihubungkan oleh InfiniBand.

Pengujian [[Tolok ukur (komputasi)|tolok ukur]] (''benchmark'') menunjukkan bahwa DeepSeek-V3 mengungguli [[Llama (model bahasa)|Llama]] 3.1 dan [[Qwen]] 2.5 sambil menyamai [[GPT-4o]] dan [[Claude (model bahasa)|Claude]] 3.5 Sonnet.

=== R1 ===
Pada tanggal 20 November 2024, <code>DeepSeek-R1-Lite-Preview</code> dapat diakses melalui API DeepSeek dan situs web [https://chat.deepseek.com/ chat.deepseek.com]. Ia dilatih untuk inferensi logis, penalaran matematika, dan pemecahan masalah ''real-time''. DeepSeek mengklaim bahwa kinerjanya melampaui [[OpenAI o1]] pada pengujian [[Tolok ukur (komputasi)|tolok ukur]] (''benchmark'') seperti [[American Invitational Mathematics Examination]] (AIME) dan MATH. Namun, ''[[The Wall Street Journal]]'' menyatakan ketika menggunakan 15 masalah dari edisi AIME 2024, model o1 mendapatkan solusi untuk soal matematika lebih cepat daripada <code>DeepSeek-R1-Lite-Preview</code>.

Pada tanggal 20 Januari 2025, <code>DeepSeek-R1</code> dan <code>DeepSeek-R1-Zero</code> dirilis. Keduanya diinisialisasi dari <code>DeepSeek-V3-Base</code>. Perusahaan ini juga merilis beberapa model "<code>DeepSeek-R1-Distill</code>", yang ''tidak'' diinisialisasi pada <code>V3-Base</code>, tetapi diinisialisasi dari model ''pretrained'' ''open-weight'' lainnya, termasuk [[LLaMA (model bahasa)|LLaMA]] dan [[Qwen]], kemudian disempurnakan pada [[data sintetis]] yang dihasilkan oleh <code>R1</code>.

<code>DeepSeek-R1-Zero</code> dilatih secara eksklusif menggunakan GRPO RL tanpa SFT. Tidak seperti versi sebelumnya, mereka tidak menggunakan ''reward'' berbasis model. Semua ''rule-based reward'', "terutama" dari dua jenis (jenis lainnya tidak ditentukan): ''reward'' akurasi dan ''reward'' format. ''Reward'' akurasi memeriksa apakah jawaban yang diberikan tanda kotak itu benar (untuk matematika) atau apakah suatu kode lulus uji (untuk pemrograman). Format ''reward'' memeriksa penempatan ''thinking trace'' model tersebut dalam <code><think>...</code> <code></think></code>.

Oleh karena <code>R1-Zero</code> memiliki masalah terkait keterbacaan (''readability'') dan pencampuran bahasa, <code>R1</code> dilatih untuk mengatasi masalah ini dan lebih meningkatkan penalaran:

# SFT <code>DeepSeek-V3-Base</code> pada "ribuan" data "''cold-start''" semuanya dengan format standar <code>|special_token|<reasoning_process>|special_token|summary></code>.
# Terapkan proses RL yang sama seperti <code>R1-Zero</code>, tetapi juga dengan "''reward'' konsistensi bahasa" untuk mendorongnya merespons secara monolingual. Tahap ini menghasilkan model internal yang tidak dirilis.
# Mensintesiskan 600K data penalaran dari model internal, dengan pengambilan sampel penolakan (misalnya, jika penalaran yang dihasilkan memiliki jawaban akhir yang salah, maka penalaran tersebut dihapus). Mensintesiskan 200K data non-penalaran (penulisan, tanya jawab faktual, pengenalan diri, penerjemahan) menggunakan <code>DeepSeek-V3</code>.
# SFT <code>DeepSeek-V3-Base</code> pada data sintetis 800K selama 2 ''epoch''.
# GRPO RL dengan ''rule-based reward'' (untuk tugas penalaran) dan ''model-based reward'' (untuk tugas non-penalaran, ''helpfulness'', dan ''harmlessness''). Tahap ini menghasilkan <code>DeepSeek-R1</code>.

''Distilled models'' dilatih oleh SFT pada 800K data yang disintesis dari <code>DeepSeek-R1</code>, dengan cara yang sama seperti langkah 3 di atas. Model-model tersebut tidak dilatih dengan RL.

== Kesan ==
DeepSeek merilis [[Asisten virtual|Asisten AI]]-nya, yang menggunakan model V3 sebagai [[Bot percakapan|aplikasi bot percakapan]] untuk [[IOS|iOS Apple]] dan [[Android (sistem operasi)|Android]]. Pada 27 Januari 2025, aplikasi ini telah melampaui [[ChatGPT]] sebagai aplikasi gratis dengan peringkat tertinggi di iOS App Store di Amerika Serikat; bot percakapannya dilaporkan dapat menjawab pertanyaan, memecahkan masalah logika, dan menulis program komputer setara dengan bot percakapan lain di pasaran, menurut pengujian [[Tolok ukur (komputasi)|tolok ukur]] (''benchmark'') yang digunakan oleh perusahaan AI Amerika.

DeepSeek-V3 menggunakan sumber daya yang jauh lebih sedikit dibandingkan dengan pesaingnya; misalnya, sementara perusahaan AI terkemuka di dunia melatih chatbot mereka dengan [[superkomputer]] yang menggunakan sebanyak 16.000 [[Sirkuit terpadu|sirkuit terpadu ("cip komputer")]], jika tidak lebih, DeepSeek mengklaim hanya membutuhkan sekitar 2.000 cip komputer khusus, yaitu seri H800 dari perusahaan teknologi multinasional Amerika Nvidia. Pelatihan ini memakan waktu sekitar 55 hari dengan biaya sebesar US$5,58 juta, yang kira-kira 10 kali lebih sedikit dari jumlah yang dikeluarkan oleh raksasa teknologi AS, [[Meta Platforms|Meta]], untuk membangun teknologi AI terbarunya.

Performa kompetitif DeepSeek telah diakui berpotensi menantang dominasi global model AI Amerika; sebuah opini oleh [[The Hill (surat kabar)|''The Hill'']] menggambarkan peluncuran bot percakapannya sebagai "[[Krisis Sputnik|momen Sputnik]]" untuk AI Amerika. Optimalisasi sumber daya terbatas DeepSeek telah menyoroti potensi batasan sanksi AS terhadap pengembangan AI Tiongkok, yang mencakup pembatasan ekspor cip AI canggih ke Tiongkok. Keberhasilan model DeepSeek kemudian "memicu kekacauan pasar" dan menyebabkan saham-saham di perusahaan-perusahaan teknologi global jatuh pada tanggal 27 Januari: saham Nvidia jatuh hingga 17–18%, dan begitu pula saham perusahaan pesaingnya, [[Broadcom Inc.|Broadcom]]. Perusahaan teknologi lain juga mengalami kemerosotan, termasuk Microsoft (turun 2,5%), [[Alphabet Inc.|Alphabet]] induk [[Google]] (turun lebih dari 4%), dan pembuat peralatan cip asal Belanda, [[ASML Holding|ASML]] (turun lebih dari 7%).

Performa <code>R1</code> dilaporkan "setara" dengan salah satu model terbaru OpenAI saat digunakan untuk tugas-tugas seperti matematika, pengkodean, dan penalaran bahasa alami; menggemakan opini ''The Hill'' tentang <code>V3</code>'','' kapitalis ventura [[Lembah Silikon]] Amerika, [[Marc Andreessen]], juga menggambarkan <code>R1</code> sebagai "momen [[Program Sputnik|Sputnik]] AI".

Penjualan saham teknologi global di [[Nasdaq]], didorong oleh rilis model <code>R1</code>, telah menyebabkan kerugian rekor sekitar $593 miliar pada kapitalisasi pasar perusahaan AI dan [[Perangkat keras|perangkat keras komputer]].

''The Guardian'' membandingkan DeepSeek dengan "Sputnik" Perang Dingin yang mengakibatkan nilai saham Amerika merosot hingga $1 triliun, sementara Presiden Amerika, [[Donald Trump]], menyebutnya sebagai peringatan dan perkembangan yang positif.

Pada tanggal 27 Januari, DeepSeek membatasi pendaftaran pengguna baru hanya untuk nomor telepon yang berasal dari [[daratan Tiongkok]] setelah adanya laporan [[serangan siber]].

[[Amazon Web Services]], [[Toyota]], dan [[Stripe, Inc.|Stripe]] telah mencoba menggunakan model ini dalam program mereka.

== Kekhawatiran ==

=== Penyensoran ===

Beberapa sumber telah mengamati bahwa versi API resmi R1 menggunakan mekanisme [[penyensoran]] untuk topik yang dianggap sensitif secara politik bagi [[Pemerintah Tiongkok|pemerintah Republik Rakyat Tiongkok]]. Misalnya, model tersebut menolak menjawab pertanyaan tentang [[Unjuk rasa Tiananmen 1989|protes dan pembantaian Lapangan Tiananmen 1989]], [[Penindasan Uighur di Tiongkok|penganiayaan terhadap warga Uighur]], atau [[hak asasi manusia di Tiongkok]].

AI mungkin awalnya menghasilkan jawaban, tetapi kemudian menghapusnya segera setelahnya dan menggantinya dengan pesan seperti: "Maaf, itu di luar jangkauan saya saat ini. Mari kita bicarakan hal lain." Mekanisme dan pembatasan sensor terintegrasi hanya dapat dihapus sampai batas tertentu dalam versi sumber terbuka model R1. Jika “[[Nilai-nilai Sosialis Inti|nilai-nilai sosialis inti]]” yang ditetapkan oleh [[Cyberspace Administration of China|otoritas regulasi internet Tiongkok]] disinggung atau [[status politik Taiwan]] diangkat, diskusi akan dihentikan.

Ketika diuji oleh [[NBC News]], R1 DeepSeek menggambarkan [[Taiwan]] sebagai "bagian yang tidak dapat dipindahtangankan dari wilayah Tiongkok," dan menyatakan: "Kami dengan tegas menentang segala bentuk kegiatan separatis '[[Gerakan kemerdekaan Taiwan|kemerdekaan Taiwan]]' dan berkomitmen untuk mencapai penyatuan kembali tanah air secara penuh melalui cara damai."

Pada bulan Januari 2025, para peneliti Barat berhasil mengelabui DeepSeek agar memberikan jawaban yang akurat untuk beberapa topik ini dengan menyesuaikan pertanyaan yang diajukan.

=== Keamanan dan privasi ===
Ada pula kekhawatiran bahwa sistem AI ini dapat digunakan untuk pengaruh asing, menyebarkan [[disinformasi]], [[pengawasan]], dan pengembangan [[senjata siber]] untuk dinas rahasia Tiongkok. Syarat dan ketentuan privasi DeepSeek menyatakan "Kami menyimpan [[Data pribadi|informasi yang kami kumpulkan]] di server aman yang berlokasi di Republik Rakyat Tiongkok. Kami dapat mengumpulkan masukan teks atau audio, perintah, file yang diunggah, umpan balik, riwayat obrolan, atau konten lain yang Anda berikan kepada model dan layanan-layanan kami". Hal ini menimbulkan kekhawatiran keamanan; lebih banyak data pribadi yang berpotensi dikumpulkan dibandingkan dengan perangkat lunak Tiongkok seperti [[TikTok]], yang memoderasi pengumpulan datanya sebagai respons terhadap [[TikTok|kekhawatiran AS]].

== Lihat pula ==
* [[Industri kecerdasan buatan di Tiongkok]]

== Catatan ==

== Referensi ==

== Pranala luar ==

*
* [https://huggingface.co/collections/Presidentlin/deepseek-papers-674c536aa6acddd9bc98c2ac ''Anthology of DeepSeek papers'']
*
* [https://api-docs.deepseek.com/ Dokumentasi resmi API]
* [https://huggingface.co/deepseek-ai/DeepSeek-V2.5-1210 deepseek-ai] di [[Hugging Face]]

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=DeepSeek&oldid=29523370 Wikipedia bahasa Indonesia], revisi 29523370 (2026-08-04T08:11:50Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

DeepSeek - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29523370; atribusi sumber disertakan.