DeepSeek, perusahaan rintisan kecerdasan buatan asal Tiongkok, kini menghadapi tantangan baru seiring dengan kenaikan tarif API untuk model V4 Flash dan V4 Pro. Meski sebelumnya dipuja oleh komunitas pengembang global sebagai model dengan rasio harga-performa yang 'monster', pengujian terbaru menunjukkan bahwa performa model ini tidak selalu konsisten saat menghadapi tugas agen yang kompleks di dunia nyata.
Dalam serangkaian pengujian yang dilakukan oleh Composio, DeepSeek V4 Flash hanya mampu menyelesaikan sekitar 53,8 persen dari total tugas agen yang diberikan. Sebanyak 240 kali percobaan dilakukan melalui berbagai platform penghubung (harness) seperti Claude Code dan Codex. Hasilnya, hanya enam dari 30 alur kerja yang berhasil diselesaikan dengan sempurna oleh seluruh platform yang diuji. Fakta ini menegaskan bahwa efektivitas sebuah model AI tidak hanya bergantung pada kemampuan komputasi mentah, tetapi juga pada bagaimana model tersebut diatur dalam ekosistem alat yang lebih luas.
Kenaikan harga yang diterapkan DeepSeek tergolong masif, mencapai 1.100 persen untuk kategori tertentu. Model Flash kini dibanderol dengan harga 22 sen hingga 1,32 dolar per juta token tergantung pada jam penggunaan. Strategi ini memperkenalkan konsep 'arsitektur harga berbasis waktu', di mana beban kerja yang tidak mendesak dapat dijadwalkan pada jam-jam dengan tarif lebih murah. DeepSeek mencoba mendorong efisiensi beban kerja dengan memberikan potongan harga hingga 50 persen di luar jam sibuk.
Bagi para pengembang di Indonesia, fenomena ini menjadi pengingat penting bahwa ketergantungan pada model AI murah bukan tanpa risiko. Selama ini, banyak startup lokal yang memanfaatkan model AI dengan biaya rendah untuk menekan pengeluaran operasional. Dengan adanya perubahan kebijakan harga dari DeepSeek, perusahaan teknologi di tanah air harus mulai menghitung ulang efisiensi penggunaan model AI dalam tumpukan teknologi (tech stack) mereka.
Analis teknologi Carmi Levy menilai bahwa langkah DeepSeek ini adalah upaya untuk menyeimbangkan neraca keuangan di tengah persaingan ketat dengan pemain besar seperti OpenAI dan Google. Meskipun harganya naik, DeepSeek tetap menawarkan keunggulan biaya yang signifikan dibandingkan kompetitor dari Amerika Serikat. Namun, perusahaan kini harus lebih fokus pada aspek keandalan, keamanan, dan tata kelola data jika ingin benar-benar diadopsi oleh korporasi besar.
Penerapan AI di level perusahaan memerlukan standarisasi yang ketat. Penggunaan model seperti DeepSeek ke depan mungkin lebih cocok untuk tugas-tugas batch yang repetitif, seperti pemrosesan data masal atau pembuatan data sintetis, alih-alih digunakan sebagai sistem inti yang menangani operasional sensitif. Kegagalan dalam pengujian agen menunjukkan bahwa model ini masih membutuhkan pengawasan ketat dan sistem cadangan (fallback) agar tidak mengganggu alur bisnis utama.
Di sisi lain, kebijakan harga yang fluktuatif ini menciptakan ketidakpastian bagi bisnis yang mengandalkan stabilitas biaya. Perusahaan di Indonesia yang sedang melakukan transformasi digital harus mempertimbangkan diversifikasi model AI. Mengandalkan satu vendor saja kini menjadi strategi yang berisiko, terutama ketika vendor tersebut mengubah model bisnisnya secara drastis dalam waktu singkat.
Kritik dari kalangan pengembang mengenai kenaikan harga ini cukup vokal. Banyak yang merasa bahwa daya tarik utama DeepSeek selama ini adalah keterjangkauannya yang ekstrem. Meski demikian, transisi dari 'model murah' menjadi 'model performa tinggi' adalah fase yang harus dilalui oleh setiap startup AI yang ingin bertahan dalam jangka panjang di pasar global.
Ke depan, kita akan melihat pergeseran di mana perusahaan tidak lagi memilih AI hanya berdasarkan seberapa murah tokennya. Faktor seperti latensi, kemudahan integrasi dengan alat produktivitas seperti Gmail atau Slack, serta kemampuan pemecahan masalah multi-langkah akan menjadi penentu utama. DeepSeek tampaknya sedang bertaruh bahwa keunggulan teknisnya cukup kuat untuk mempertahankan pelanggan meski harga tidak lagi serendah dulu.
Bagi ekosistem teknologi Indonesia, ini adalah momen untuk mengevaluasi kembali strategi penggunaan AI. Pengembang lokal perlu lebih kritis dalam melakukan pengujian internal sebelum mengintegrasikan model pihak ketiga ke dalam produk yang melayani pengguna akhir. Kualitas dan keandalan sistem harus menjadi prioritas di atas sekadar efisiensi biaya, terutama jika bisnis tersebut bergerak di sektor yang membutuhkan tingkat akurasi tinggi seperti finansial atau kesehatan.