Era harga tinggi AI menuju penghujung? Lima alasan struktural mengapa Token pasti akan turun harganya.

Efisiensi peningkatan semakin menurun, biaya model open-source hanya sepersepuluh, chip khusus memotong biaya inferensi, biaya peralihan nol membuat pengguna pindah dalam sekejap, model lokal diprediksi akan mengakhiri sistem berlangganan dalam 4 hingga 5 tahun. Ruang bagi raksasa AI untuk mempertahankan harga tinggi sedang menyempit dengan cepat?
(Ringkasan sebelumnya: Model andalan OpenAI GPT-5.6 Sol secara eksklusif mendarat di Cerebras, "Dewi Saham Berambut Putih" Serenity berseru "Teknologi Terverifikasi" dan masuk untuk membeli di titik terendah)
(Latar belakang tambahan: Citrini Research: Hindari Gelembung AI! Sebutkan "5 Area Buta Keuntungan Tinggi" untuk menyambut rotasi dana)

Daftar Isi

Toggle

• Tekanan Ganda dari Batas Atas Kinerja dan Open-Source
• Revolusi Chip dan Biaya Peralihan Nol
• Model Lokal: Ancaman Akhir bagi Sistem Berlangganan

Insinyur perangkat lunak Aditya Patadia dalam blog pribadinya menunjukkan: Uber menghabiskan seluruh anggaran AI tahunan dalam 4 bulan, Microsoft, Salesforce, dan GitHub juga berturut-turut mengumumkan akan mengendalikan pengeluaran AI karyawan, ini sudah menjadi masalah bersama seluruh industri, bukan masalah disiplin keuangan perusahaan individu. Namun ia memperkirakan, struktur harga mahal dari perusahaan AI terkemuka saat ini akan segera mengalami pembalikan.

Tekanan Ganda dari Batas Atas Kinerja dan Open-Source

Pengamatan pertama Patadia: Peningkatan kinerja model semakin menurun. Setiap iterasi model masih ada kemajuan, namun besarnya semakin kecil, dan masalah data pelatihan bersifat struktural, laboratorium AI besar mungkin telah mencerna hampir semua pengetahuan tertulis yang dapat didigitalkan sepanjang sejarah manusia, sehingga sangat sulit untuk terus meningkatkan set pelatihan.

Ia memberikan contoh harga Claude Opus 4.8 dan Claude Opus 4.7 yang sama sebagai bukti: ketika model tidak lagi dapat menunjukkan lompatan signifikan antar generasi, alasan untuk menaikkan harga menghilang, dan persaingan hanya akan tersisa satu jalan yaitu menurunkan harga.

Tekanan kedua datang dari kubu open-source. Ia mengambil GLM-5.2 sebagai contoh, model open-source ini dalam pengujian tolok ukur kode sudah setara dengan GPT 5.5 dan Claude Opus, namun harganya hanya sepersepuluh dari GPT 5.5, membentuk keunggulan harga yang menghancurkan.

Penilaian Patadia: Selama model open-source terus memperkecil kesenjangan kinerja dengan model flagship tertutup, ruang harga model tertutup akan terus terkompresi.

Revolusi Chip dan Biaya Peralihan Nol

Garis tekanan lain pada harga AI datang dari lapisan perangkat keras. Patadia menunjukkan, chip khusus AI yang dikembangkan oleh perusahaan seperti Cerebras, Groq, Google, sedang menulis ulang batas bawah biaya inferensi. Contohnya Google TPU, biaya inferensinya 30% hingga 70% lebih murah dibandingkan GPU Nvidia H100.

Sederhananya, dengan jumlah komputasi yang sama, menggunakan chip yang tepat dapat menghemat banyak uang, dan perbedaan ini akan langsung menekan batas bawah harga penyedia layanan model. Selain chip, arsitektur model itu sendiri juga menekan biaya: mekanisme cache membuat kueri berulang tidak perlu dihitung ulang, arsitektur MoE (Mixture of Experts), secara sederhana memungkinkan model memanggil sebagian "ahli" sesuai kebutuhan, tanpa harus menggerakkan semua neuron setiap kali, sehingga model secara signifikan mengurangi biaya komputasi sambil mempertahankan akurasi yang setara.

Ada satu hal lagi, Patadia menganggap faktor struktural yang paling diremehkan: biaya peralihan nol.

Perbandingannya sangat langsung, parit pertahanan dari perangkat lunak tradisional seperti Windows, Adobe, Salesforce terletak pada biaya yang sangat tinggi untuk menggantikannya, seringkali membutuhkan proyek migrasi berbulan-bulan; model AI tidak memiliki parit pertahanan ini. Layanan gerbang AI seperti OpenRouter.ai memungkinkan pengembang untuk beralih penyedia model hanya dalam hitungan detik, bahkan dapat memprogram sistem untuk secara otomatis beralih antar penyedia yang berbeda.

Ketika produk pesaing dapat diganti dalam sekejap setiap saat, setiap upaya kenaikan harga dari pabrikan mana pun akan langsung mengusir pengguna.

Model Lokal: Ancaman Akhir bagi Sistem Berlangganan

Salah satu prediksi paling berani dari Patadia mengarah pada model lokal. Perkiraannya dalam 4 hingga 5 tahun: peningkatan kinerja chip yang terus menerus ditambah dengan penurunan harga memori (RAM) yang tak terhindarkan, akan membuat komputer dan ponsel pintar tingkat konsumen mampu menjalankan model bahasa secara lokal. Ia selanjutnya memprediksi, sistem operasi utama akan memiliki antarmuka penerapan model bawaan, sehingga aplikasi lokal dapat langsung memanggil model lokal.

Begitu skenario ini terwujud, apa artinya? Model cloud hanya diperlukan untuk tugas paling kompleks, seperti analisis dokumen hukum, penalaran konteks panjang, integrasi lintas basis data. Tugas sehari-hari seperti pelengkapan kode otomatis, koreksi file, verifikasi fakta dasar akan selesai secara lokal, tidak perlu lagi biaya langganan cloud $20 atau bahkan $200 per bulan.

Tentu saja, Patadia sendiri juga menandai ini sebagai "prediksi" bukan fakta pasti, ia menyatakan ini adalah "taruhan berani" nya, waktu akan memberikan jawaban. Namun lima arah tekanan di atas, yaitu penurunan marjinal kinerja, kebangkitan alternatif open-source, penurunan biaya chip khusus, biaya peralihan nol, dan penggantian model lokal, masing-masing telah didukung oleh contoh nyata, bukan sekadar eksperimen pemikiran murni.

Jika prediksi Patadia benar, maka itu adalah hal baik bagi pengguna; tetapi bagi perusahaan AI yang menerima uang, itu adalah cerita lain.