DeepSeek, pengembang kecerdasan buatan (AI) asal Tiongkok, telah meluncurkan model AI eksperimental terbarunya, DeepSeek-V3.2-Exp, pada 29 September 2025. Peluncuran ini bersamaan dengan pemangkasan harga Application Programming Interface (API) mereka hingga lebih dari 50%. Langkah strategis ini bertujuan untuk memperkuat posisi pasar DeepSeek dan mendorong inovasi yang lebih luas di kalangan pengembang. Model DeepSeek-V3.2-Exp dibangun di atas arsitektur V3.1-Terminus dengan inovasi utama berupa DeepSeek Sparse Attention (DSA). Mekanisme perhatian yang jarang ini dirancang untuk meningkatkan efisiensi secara signifikan dalam pelatihan dan pemrosesan urutan teks yang panjang, yang merupakan tantangan umum dalam model bahasa besar (LLM) saat ini. Pengenalan DSA merupakan langkah penting dalam eksplorasi arsitektur transformer yang lebih efisien, yang berpotensi mengurangi biaya komputasi dan penggunaan memori tanpa mengorbankan kualitas output. DeepSeek menyatakan bahwa model eksperimental ini adalah "langkah perantara menuju arsitektur generasi berikutnya", yang menunjukkan komitmen berkelanjutan terhadap penelitian dan pengembangan di bidang AI.
Peluncuran ini disambut baik oleh komunitas pengembang, terutama dengan pengumuman penurunan harga API yang drastis. Pemangkasan harga lebih dari 50% ini menjadikan solusi AI DeepSeek lebih terjangkau, membuka pintu bagi startup, peneliti, dan bisnis skala kecil untuk mengakses teknologi canggih. Dengan harga input yang dikabarkan turun hingga $0.07 per juta token untuk skenario cache hit, DeepSeek secara agresif berupaya mendemokratisasi akses ke model AI mutakhir. Penurunan harga ini tidak hanya menurunkan hambatan finansial tetapi juga dapat mempercepat adopsi solusi AI DeepSeek di berbagai sektor, mulai dari keuangan hingga perawatan kesehatan, di mana pemrosesan data real-time sangat penting.
DeepSeek-V3.2-Exp telah dirilis secara open-source di platform pengembang populer seperti Hugging Face dan ModelScope. Ketersediaan kode inferensi yang lengkap, kernel CUDA, dan solusi penerapan multi-platform semakin memudahkan integrasi model ini ke dalam alur kerja yang ada. Keberhasilan DeepSeek dalam menghadirkan model yang efisien dan terjangkau mencerminkan tren yang berkembang di industri AI, di mana inovasi dalam efisiensi dan aksesibilitas menjadi kunci persaingan. Ke depan, langkah ini diharapkan dapat memicu gelombang baru inovasi dan aplikasi AI yang lebih luas, memberdayakan lebih banyak pengembang untuk mewujudkan ide-ide kreatif mereka.
Meskipun DeepSeek-V3.2-Exp adalah model eksperimental, kinerjanya di berbagai set evaluasi publik sebanding dengan V3.1-Terminus. DeepSeek secara sengaja menyelaraskan konfigurasi pelatihan V3.2-Exp dengan V3.1-Terminus untuk evaluasi yang ketat. Model ini menawarkan peningkatan efisiensi yang signifikan dalam pelatihan dan inferensi teks panjang, dengan dampak minimal pada kualitas output.