Model AI baru Alibaba menekan biaya, tetapi keputusan enterprise tetap ditentukan banyak faktor strategis
Alibaba, raksasa teknologi AI asal Tiongkok, pada Rabu lalu meluncurkan varian baru dari model andalannya, Qwen 3.8 Flash-Next. Langkah ini jelas ditujukan untuk bersaing dari sisi harga dengan para pemain global lain dan menawarkan opsi model AI berbiaya lebih rendah bagi kalangan enterprise. Namun, peluncuran ini sekaligus menjadi pengingat penting: dalam pemilihan model AI untuk perusahaan, harga hanyalah satu variabel di antara banyak faktor strategis lain yang tak kalah krusial.
Qwen merupakan model multimodal yang memberikan pratinjau awal atas arsitektur yang akan digunakan dalam Qwen 4. Model ini dibangun dengan 125 miliar parameter, dengan 6 miliar parameter aktif per token, dan memanfaatkan arsitektur mixture-of-experts (MoE). Sebagai pembanding, Qwen Max beroperasi pada skala parameter hingga triliunan, sementara Qwen standar berada di kisaran 27 miliar parameter. Di sisi lain, pesaing asal Tiongkok, Moonshot, melalui model MoE Kimi K3, juga bermain di kelas triliunan parameter, menandakan eskalasi kompetisi di segmen model besar berperforma tinggi.
Alibaba menekankan bahwa dibandingkan Qwen, versi Flash-Next dirancang dengan biaya pelatihan dan inferensi yang lebih rendah. Vendor mengklaim model ini unggul dalam efisiensi penggunaan komputasi dan mampu berinteraksi dengan API kompleks, kalkulator, serta basis data eksternal kustom, dengan dukungan input visual dan teks. Dengan kata lain, Flash-Next diposisikan sebagai mesin kerja yang mampu menangani spektrum tugas enterprise yang luas, tanpa mengorbankan kemampuan multimodal dan integrasi dengan ekosistem teknologi yang lebih besar.
Peluncuran Qwen Flash-Next juga mencerminkan dinamika yang lebih luas di pasar: para penyedia model berlomba menarik minat perusahaan yang membutuhkan solusi lebih murah dan efisien biaya, di tengah perang harga yang kian intens di antara vendor AI papan atas dan meningkatnya ketegangan antara kubu open source dan proprietary. Alibaba menetapkan harga Flash-Next per satu juta token input dan per satu juta token output, dan yang tak kalah penting, model ini bersifat open weight—berbeda dengan model frontier dari OpenAI dan Anthropic yang lebih tertutup.
Arun Chandrasekaran, analis di Gartner, menilai Alibaba berupaya menjaga agar Flash-Next sangat kompetitif dari perspektif harga. Menurutnya, efisiensi inferensi menjadi kunci: meski jumlah parameter besar, hanya sebagian kecil yang aktif pada satu waktu, sehingga biaya inferensi dapat ditekan. Chandrasekaran menyebut model ini diposisikan sebagai “workhorse” untuk kategori beban kerja enterprise yang luas, dengan optimasi khusus untuk skenario agentic seperti pemanggilan tool dan aplikasi pengkodean. Alibaba, kata dia, mencoba mengarahkan model ke arah yang tepat: ramping dari sisi efisiensi dan biaya inferensi, multimodal, mendukung lebih banyak use case agentic, dan ditawarkan dengan harga agresif.
Namun, di balik narasi efisiensi dan harga kompetitif, terdapat lapisan pertimbangan lain yang tidak bisa diabaikan oleh perusahaan. Karena Flash-Next bersifat open weight, organisasi perlu menilai apakah masuk akal untuk melakukan self-hosting alih-alih mengonsumsi model melalui API. Self-hosting membawa implikasi pada kebutuhan infrastruktur, kompetensi teknis internal, serta tanggung jawab penuh atas keamanan dan kepatuhan.
Chandrasekaran juga menyoroti isu residensi data dan keamanan, terutama terkait kedekatan vendor AI Tiongkok dengan pemerintah Tiongkok dan potensi implikasi regulasi maupun geopolitik yang menyertainya. Perusahaan, ujarnya, ingin memastikan bahwa mereka menggunakan model yang efisien biaya, tetapi tidak dengan mengorbankan keamanan, residensi data, dan inovasi berkelanjutan. Harga rendah semata tidak boleh menjadi satu-satunya penentu. Model yang dipilih harus mampu mendukung beragam use case, sekaligus memenuhi standar keselamatan (safety), memberikan kepastian ganti rugi hukum (legal indemnification), dan selaras dengan kerangka tata kelola internal maupun eksternal.
Di luar aspek teknis dan ekonomis, Alibaba menghadapi tantangan struktural lain: penetrasi pasar di Barat. Meski memiliki pangsa pasar besar di berbagai wilayah Asia dan pasar berkembang lainnya, perusahaan ini masih berjuang membangun pijakan kuat di Amerika Serikat dan Eropa Barat, yang merupakan arena utama bagi pemain seperti OpenAI, Anthropic, dan Google. Di saat yang sama, Alibaba harus bersaing ketat dengan sesama penyedia AI asal Tiongkok seperti Moonshot dan DeepSeek, yang juga agresif memposisikan diri di segmen model besar dan solusi enterprise.
Menurut Chandrasekaran, Alibaba kini berupaya memposisikan diri bukan semata sebagai perusahaan model, melainkan sebagai pemain yang lebih tervertikalisasi: penyedia aplikasi dan solusi agentic end-to-end. Strategi ini mencerminkan pergeseran lanskap AI, di mana nilai tambah tidak lagi hanya diukur dari kecanggihan model, tetapi dari kemampuan mengemas model tersebut menjadi solusi konkret yang dapat diadopsi dan dioperasionalkan oleh perusahaan dengan cepat dan aman.
Qwen 3.8 Flash-Next, dengan harga agresif dan arsitektur efisien, mungkin menjadi opsi menarik bagi banyak organisasi. Namun, bagi kalangan enterprise yang semakin matang dalam mengadopsi AI, keputusan memilih model tidak lagi berhenti pada tabel harga. Keputusan tersebut merambah ke wilayah yang lebih kompleks: keamanan, tata kelola, residensi data, ekosistem, dan kemampuan vendor untuk terus berinovasi. Dalam konteks itu, Flash-Next adalah bagian dari cerita yang lebih besar tentang bagaimana perusahaan menavigasi kompromi antara biaya, risiko, dan ambisi transformasi digital mereka.
