Debut Publik Zhipu Menandai Pergeseran Besar: Penjelajahan Mendalam ke GLM-5 dan Perlombaan untuk Mengubah Fondasi AI

Zhipu secara resmi go public pada 8 Januari, menandai momen penting bagi sektor model bahasa besar China. Dengan tonggak ini, Profesor Tang Jie—ketua ilmu komputer di Tsinghua dan Kepala Ilmuwan Pendiri perusahaan—merilis sebuah memo strategis internal yang secara mendasar mengubah arah perusahaan untuk tahun 2026. Alih-alih mengejar keuntungan komersial jangka pendek, Zhipu memperkuat fokus pada penelitian model dasar, menandakan respons tegas terhadap efek riak yang dihasilkan oleh terobosan DeepSeek.

Medan Tempur Sejati: Arsitektur Model dan Paradigma Pembelajaran

Memo Tang Jie membuat satu hal menjadi sangat jelas: lanskap kompetitif di masa depan tidak akan ditentukan oleh aplikasi mencolok atau peluncuran produk secara inkremental. Sebaliknya, ini bergantung pada dua pilar penting—inovasi arsitektur model dan paradigma pembelajaran yang benar-benar baru. Perubahan strategi ini mencerminkan pemahaman yang matang tentang apa yang benar-benar mempengaruhi kemajuan dalam pengembangan AGI.

Komitmen perusahaan terhadap terobosan arsitektur sangat mencolok. Model Transformer, yang telah mendominasi selama hampir satu dekade, mulai menunjukkan keretakan di bawah tekanan dunia nyata. Masalah terkait overhead komputasi untuk konteks ultra-panjang, mekanisme memori, dan protokol pembaruan model menuntut pemikiran arsitektur yang baru. Peta jalan Zhipu secara eksplisit menargetkan untuk melampaui probe von Neumann dari sistem yang ada, dan malah mengeksplorasi paradigma desain dan pendekatan skala yang benar-benar baru. Ini termasuk strategi co-desain chip-algoritma yang bertujuan secara fundamental meningkatkan efisiensi komputasi.

GLM-5 Segera Hadir: Apa Perubahan Saat Muncul

Pengumuman utama adalah rilis GLM-5 yang akan segera datang. Meskipun detailnya masih terbatas, perkembangan model sebelumnya dari Zhipu memberi tahu kita apa yang diharapkan. GLM-4.7, yang dirilis Desember lalu, sudah mencapai sesuatu yang signifikan: menduduki peringkat pertama di antara model domestik dan berbagi posisi keenam secara global dengan Claude 4.5 Sonnet di benchmark Artificial Analysis. Lebih mencolok lagi, umpan balik pengembang dunia nyata tentang pengalaman pengkodean dan agen secara konsisten kuat.

Angka-angka yang mendukung performa ini sangat mencengangkan. Dalam waktu hanya 10 bulan, platform MaaS Zhipu meledak dari 20 juta menjadi 500 juta dalam pendapatan tahunan—sebuah ekspansi 25 kali lipat. Pengembang dari 184 negara, dengan total lebih dari 150.000, mengadopsi suite pengkodean GLM. Pendapatan luar negeri saja melampaui 200 juta, menunjukkan bahwa perusahaan telah menembus pasar internasional dengan cara yang belum dilakukan banyak perusahaan AI China.

Titik Infleksi Pembelajaran Penguatan (Reinforcement Learning)

Pendekatan RL utama saat ini, meskipun memiliki keunggulan matematis dan pengkodean, mulai menemui batas. Mereka terlalu bergantung pada lingkungan verifikasi yang dibuat secara artifisial, membatasi kemampuan mereka untuk generalisasi. Peta jalan Zhipu tahun 2026 secara eksplisit menargetkan paradigma RL yang lebih umum—yang mampu menangani rangkaian tugas berdurasi beberapa jam atau hari yang membutuhkan pemahaman nyata daripada sekadar pencocokan pola terhadap kriteria yang didefinisikan manusia.

Perubahan ini penting karena di sinilah AI bertransisi dari menjadi toolkit yang canggih menjadi sesuatu yang lebih dekat dengan penalaran otonom.

Frontier yang Tidak Dibicarakan: Pembelajaran Berkelanjutan

Mungkin elemen paling berani dari rencana Zhipu 2026 adalah eksplorasi pembelajaran berkelanjutan dan evolusi model otonom. Sistem AI saat ini dibekukan setelah diterapkan. Mereka mengakumulasi pengetahuan melalui proses pelatihan satu kali yang mahal dan secara bertahap melemah seiring perubahan dunia. Sebaliknya, otak manusia terus belajar dan beradaptasi melalui interaksi dunia nyata.

Membangun kemampuan ini merupakan frontier yang nyata. Ini membutuhkan pemikiran ulang dari segala hal mulai dari protokol pembelajaran daring hingga integrasi pengetahuan berkelanjutan tanpa lupa secara katastrofik. Keberhasilan di sini akan mewakili perubahan fundamental dalam cara sistem AI beroperasi.

Bagaimana Zhipu Kehilangan Arah (dan Bagaimana DeepSeek Membantu Mengoreksinya)

Momen paling jujur dalam memo terjadi saat Tang Jie mengakui kesalahan masa lalu. Antara 2023 dan 2024, selama ledakan model besar global dan “perang seratus model” di China, Zhipu melakukan kesalahan taktis—baik secara teknis maupun komersial. Perusahaan terganggu oleh momentum jangka pendek, kehilangan fokus pada dasar-dasar AGI.

Kemunculan DeepSeek berfungsi sebagai panggilan bangun. Alih-alih memandangnya sebagai tekanan kompetitif semata, Tang Jie memandangnya sebagai sinyal reset. Perusahaan secara sistematis merestrukturisasi, memotong operasi To C, memangkas tim pengembangan produk, dan mempersempit fokus. Yang penting, Zhipu mengidentifikasi pengkodean sebagai vektor terobosan—keputusan yang terbukti benar ketika GLM-4.5 dan kemudian GLM-4.7 menunjukkan parity kompetitif yang nyata dengan tolok ukur internasional.

AI Berdaulat dan Strategi Ekspansi Global

Pengembangan sekunder namun penting: inisiatif “AI Berdaulat” Zhipu semakin mendapatkan perhatian internasional. Malaysia membangun platform MaaS nasionalnya menggunakan model sumber terbuka GLM, secara efektif menjadikan teknologi Zhipu sebagai bagian dari infrastruktur negara. Ini sejalan dengan dorongan strategis agar teknologi AI China mencapai adopsi global—namun juga menunjukkan kecocokan produk-pasar yang nyata di luar batas domestik.

2026: Tahun AI Menggantikan Kategori Pekerjaan

Di balik semua diskusi teknis, terdapat klaim yang lebih berani: tahun 2026 akan menjadi tahun peluncuran AI yang benar-benar menggantikan kategori profesional tertentu dan domain tugas. Ini bukan hype—ini didasarkan pada perluasan praktis kemampuan model dan tingkat adopsi pengembang yang sudah terlihat dalam data 2025.

Inisiatif X-Lab perusahaan yang baru—sebuah inkubator inovasi internal yang dirancang untuk mengumpulkan talenta muda dan mengejar eksplorasi mutakhir termasuk arsitektur baru dan paradigma kognitif—menunjukkan bahwa manajemen percaya mereka berada di titik infleksi di mana taruhan berani menjadi keharusan. Ini mengingatkan pada momen-momen sebelumnya saat Zhipu membuat keputusan berisiko tinggi: melatih GLM-130B saat model kecil mendominasi, atau bertaruh pada pengkodean sebagai vektor terobosan.

Apa Artinya Ini bagi Industri

Debut publik Zhipu dan reset strategisnya penting karena menandai recalibrasi dalam cara sektor AI China memandang kompetisi. Alih-alih berlomba menuju aplikasi paling luas atau mengejar skala demi skala, perusahaan mundur ke dasar-dasar—dan membingkai mundurnya itu sebagai langkah kemenangan. Apakah strategi ini akan berhasil akan menjadi jelas melalui penerimaan GLM-5 dan kemajuan praktis dalam RL serta pembelajaran berkelanjutan hingga 2026.