Jurnal Perang Bobot Terbuka Bagian 1: Ketika Bobot Model Jadi Aset Negara

Dalam waktu kurang dari sepekan, tiga peristiwa terpisah menulis ulang status hukum dan politik dari sebuah berkas digital: bobot model AI. Pada 1 Oktober, anggota Kongres AS Ro Khanna mengirim surat kepada para CEO OpenAI, Anthropic, Google, Meta, dan SpaceXAI, meminta data atas seluruh upaya — yang diketahui — oleh Tiongkok atau aktor bermusuhan lain untuk mengakses bobot model mereka secara ilegal, beserta rincian langkah keamanan siber yang dipasang masing-masing lab. Pada 5 Oktober, Reflection AI meluncurkan Beam, model bobot terbuka yang diklaim menandingi penalaran GLM-5.2 dengan komputasi inferensi seperempat hingga sepertiganya. Sehari kemudian, Mistral AI membuka preview Large 4 — model satu triliun parameter — dengan pengumuman yang belum pernah ada presedennya: sebelum bobot dibuka akhir bulan, otoritas negara dan mitra keamanan siber terverifikasi diberi akses ke versi model yang moderasinya dikurangi dan kapabilitas sibernya diperluas.

Untuk memahami mengapa ini penting, perlu dipahami dulu apa itu bobot. Bobot adalah jutaan hingga triliunan angka hasil pelatihan yang membuat sebuah model "bisa" — begitu diunduh, siapa pun dapat menjalankannya, memodifikasinya, dan menghilangkan seluruh pagar pengaman yang dipasang pembuatnya. Tidak seperti API yang bisa dimatikan dari jauh, bobot yang sudah tersebar tidak bisa ditarik kembali. Inilah mengapa Khanna menulis bahwa pencurian satu bobot model mutakhir oleh aktor bermusuhan "bisa mengikis keunggulan AI Amerika hanya dengan satu ketukan keyboard". Bobot adalah satu-satunya artefak digital yang secara simultan merupakan produk komersial, rahasia dagang, dan — menurut bahasa surat itu — potensi risiko bagi seluruh umat manusia.

Namun narasi "lindungi bobot dari pencuri" hanya separuh cerita. Separuh lainnya adalah bahwa bobot terbuka kini menjadi instrumen geopolitik yang disengaja. Mistral melatih Large 4 di pusat datanya sendiri di Eropa dan menegaskan model itu akan tetap tersedia lewat deployment Eropa yang independen dari infrastruktur cloud AS. Aleph Alpha merilis Kolibri-1 di bawah lisensi Apache 2.0 sebagai jawaban "berdaulat" Eropa. Di sisi lain, model-model Tiongkok — GLM-5.3 dari Z.ai dan Kimi K3 dari Moonshot — memimpin benchmark kemampuan mentah di antara model terbuka, sementara Reflection Beam justru menjual efisiensi: skor penalaran setara dengan biaya komputasi jauh lebih rendah. Setiap kubu membuka bobotnya dengan strategi berbeda: Eropa membuka demi kedaulatan, Tiongkok membuka demi adopsi dan pengaruh ekosistem, Amerika — lewat Reflection yang didukung Nvidia — membuka demi efisiensi pasar.

Ada pula sisi gelap dari keterbukaan yang tidak melibatkan pencurian sama sekali: distilasi. OpenAI dan Anthropic melaporkan banyak kasus perusahaan AI Tiongkok melatih model mereka dari output model-model Barat — praktik legal di zona abu-abu yang secara efektif mentransfer kemampuan tanpa pernah menyentuh bobot aslinya. Ditambah lagi kasus Hirundo yang merilis versi Qwen yang "di-westernisasi" — keselarasan aslinya dihapus lewat teknik unlearning hingga penolakan konten sensitif anjlok dari 89,8 persen menjadi 2,8 persen. Bobot terbuka berarti siapa pun bisa menulis ulang "kepribadian" model sesuai agendanya sendiri. Keterbukaan yang sama yang memungkinkan peneliti independen mengaudit model juga memungkinkan aktor mana pun mencabut remnya.

Inilah paradoks yang coba dijawab Mistral dengan prosedur barunya: membuka bobot, tetapi hanya setelah negara ikut menguji versi paling berbahayanya. Secara historis, ini menyerupai rezim kontrol ekspor kriptografi era 1990-an — ketika pemerintah AS mengatur panjang kunci enkripsi yang boleh diekspor — hanya saja kali ini objeknya adalah artefak yang direplikasi sempurna dalam hitungan jam. Red-teaming berlapis tidak menghentikan proliferasi; ia hanya memberi jeda beberapa minggu antara "model selesai" dan "model tersebar", jeda yang dipakai negara untuk menyiapkan pertahanan. Pertanyaannya: apakah jeda beberapa minggu cukup untuk menambal kerentanan yang ditemukan model satu triliun parameter dalam hitungan detik?

Implikasinya bagi lanskap global berbentuk tiga lapis. Lapisan pertama adalah pasar: efisiensi inferensi ala Beam menekan biaya menjalankan model terbuka hingga organisasi menengah pun bisa menghostingnya sendiri, mempercepat desentralisasi komputasi AI. Lapisan kedua adalah regulasi: surat Khanna, memo keamanan siber, dan red-teaming negara menandakan bobot frontier diperlakukan semakin mirip material yang dikontrol ekspor — tanpa ada traktat internasional yang mengaturnya. Lapisan ketiga adalah norma: "buka setelah diuji negara" bisa menjadi standar de facto rilis bobot terbuka, yang berarti masa depan keterbukaan AI ditentukan bukan oleh lisensi, melainkan oleh siapa yang duduk di ruang red-teaming.

Bagi Indonesia, seri ini akan menelusuri satu pertanyaan praktis di bagian-bagian berikutnya: di tengah perang bobot terbuka antar raksasa, di mana posisi negara yang tidak melatih model frontier tetapi ingin berdaulat atas AI-nya? Jawaban sementaranya ada pada tiga tuas: kapasitas menjalankan dan memodifikasi model terbuka secara lokal, kerangka pengujian keamanan nasional sebelum adopsi model asing, dan keberanian menulis aturan main sendiri alih-alih sekadar mengimpor perdebatan Washington-Brussels-Beijing.

Hipotesis redaksi untuk seri ini: dalam tiga tahun ke depan, "bobot terbuka" akan terbelah menjadi dua rezim yang hidup berdampingan — bobot komoditas (model menengah yang dibuka bebas seperti perangkat lunak open source biasa) dan bobot strategis (model frontier yang rilisnya dinegosiasikan dengan negara, diuji berlapis, dan versinya dibedakan antara publik dan otoritas). Pemenang perang ini bukan yang paling terbuka atau paling tertutup, melainkan yang paling piawai mengelola perbedaan antara keduanya. Bagian 2 akan membedah ekonomi di balik keputusan membuka: siapa yang membayar harga keterbukaan, dan apa yang mereka beli sebagai imbalannya.