OpenAI kemungkinan meluncurkan 1–2 model baru tahun ini; keselamatan dan keterpantauan menjadi fokus model unggulan

OpenAI kemungkinan besar akan meluncurkan 1–2 model baru tahun ini, menurut keterangan seorang karyawan perusahaan tersebut. Namun, belum dipastikan apakah model unggulan yang sedang dikembangkan termasuk di antaranya. Model unggulan itu masih perlu melalui penyesuaian agar berperilaku sesuai harapan peneliti dan pelanggan, serta penyempurnaan infrastruktur pengujiannya. Kabar ini dilaporkan pada 14 Oktober 2026.

Jarak antara model yang dirilis tahun ini dan model unggulan

Hal penting yang perlu dicatat dari kabar ini adalah bahwa “model baru akan dirilis” dan “model unggulan akan dirilis” merupakan dua hal yang berbeda. Menurut perkiraan karyawan perusahaan, kemungkinan besar 1–2 model akan dirilis sebelum akhir tahun. Namun, masih belum pasti apakah versi peningkatan besar yang sedang dikembangkan akan termasuk di dalamnya.

Masih ada dua pekerjaan besar yang harus dituntaskan untuk model unggulan. Pertama adalah alignment, yakni menyelaraskan arah yang dituju AI dengan harapan para pengembang dan perusahaan pengguna. Kedua adalah memperkuat lingkungan pengujian untuk memeriksa model. Keduanya tidak tercermin dalam skor persaingan performa, tetapi merupakan tahap yang menentukan apakah model dapat diluncurkan.

Bahkan setelah jajaran pimpinan merasa puas dengan evaluasi keselamatan internal, masih ada tahapan lain. Di bawah kerangka evaluasi AI canggih yang didasarkan pada perintah eksekutif Presiden Trump, OpenAI disebut telah sepakat untuk memberikan akses kepada pemerintah AS hingga 30 hari sebelum menyerahkan model baru kepada mitra eksternal. Sebelum tersedia untuk umum, kemungkinan diperlukan waktu yang lebih lama. Era “langsung diluncurkan begitu selesai” sudah berlalu.

Mekanisme yang mengulang proses yang sama untuk menyempurnakan jawaban

Kunci model unggulan adalah “transformer berulang” (looped transformer). Model biasa memproses token—unit terkecil dalam bahasa—satu kali melalui lapisan-lapisan komputasi yang bertumpuk, lalu menghasilkan kata berikutnya. Transformer berulang memprosesnya melalui lapisan yang sama berkali-kali sebelum menghasilkan kata berikutnya. OpenAI disebut sudah menggunakannya dalam operasi dengan nama “Recurrent Depth” dan menjadikannya inti model teratasnya saat ini, Astra.

Tujuannya adalah meningkatkan hasil di bidang matematika dan pengodean, sekaligus menekan biaya. Bahkan model kecil bisa menghasilkan performa yang melampaui kapasitasnya melalui proses berpikir berulang. Ibaratnya seperti membaca buku referensi yang sama berkali-kali untuk memperdalam pemahaman.

Semakin tinggi performa, semakin sulit melihat isi di baliknya

Namun, pendekatan ini ada konsekuensinya. Sebagian “pemikiran” model berlangsung bukan dalam bentuk teks yang bisa dibaca manusia, melainkan dalam representasi numerik internal. Selama ini, peneliti keselamatan menelusuri teks penalaran model sampai mencapai jawaban untuk menemukan perilaku yang mencurigakan. Inilah yang disebut pemantauan “rantai pemikiran”. Semakin banyak pengulangan, semakin sulit pemantauan ini menjangkau proses tersebut.

OpenAI disebut membatasi jumlah pengulangan pada Astra agar penalarannya tetap dapat dibaca. Dengan demikian, model itu dirilis dengan sengaja menyisakan ruang untuk peningkatan performa. Teknologi yang sama disebut akan digunakan pada model unggulan, sehingga pertanyaan berikutnya adalah di mana batasnya akan ditetapkan.

Penghapusan dokumen Microsoft menunjukkan sifat rahasia teknologi ini

Dokumen teknis Microsoft menjadi pemicu yang membuat wujud mekanisme ini terungkap ke publik. Microsoft, yang memiliki akses ke kekayaan intelektual OpenAI, menerbitkan penjelasan mengenai “GPT-6.1 Sol”, versi lebih murah dari Astra yang diluncurkan OpenAI bulan ini. Dokumen itu menyebut “penalaran berulang” dan menjelaskan bahwa model memproses masalah yang sama melalui beberapa “lintasan” sebelum menghasilkan jawaban.

Menurut penjelasan tersebut, GPT-6.1 Sol menggunakan bobot model dasar yang sama dengan GPT-6 Sol, tetapi mengurangi jumlah lintasan penalaran dari tiga menjadi dua. Bagian ini kemudian dihapus. Seseorang yang mengetahui masalah tersebut mengonfirmasi bahwa penjelasan itu sesuai dengan informasi yang disampaikan OpenAI secara tertutup. Hal ini menunjukkan bahwa transformer berulang merupakan bidang teknologi yang ditangani OpenAI dengan sangat hati-hati, baik saat pelatihan maupun inferensi.

Gagasan untuk menciptakan produk dengan kisaran harga dan performa berbeda berdasarkan jumlah lintasan masuk akal untuk menghasilkan beberapa produk dari fondasi yang sama. Namun, semakin banyak lintasan, semakin sulit melihat isi di baliknya. Artinya, desain produk dan desain keselamatan terhubung pada tombol pengaturan yang sama.

Angka 10 persen dari sumber daya komputasi

Besaran investasi untuk keselamatan juga dilaporkan secara terperinci. Setelah insiden terkait Hugging Face, OpenAI disebut mengalokasikan sekitar 10 persen dari total sumber daya komputasinya untuk alignment dan keselamatan. Jika dihitung berdasarkan skala daya listrik pusat data, jumlahnya setara dengan beberapa ratus megawatt; menyewanya dengan harga pasar akan menelan biaya beberapa miliar dolar per tahun.

Peneliti Noam Brown juga mengatakan dalam sebuah podcast pada pertengahan September bahwa sekitar 10 persen timnya menangani keamanan dan keselamatan. Angka 10 persen mulai menjadi salah satu tolok ukur untuk menggambarkan skala organisasi.

Bisakah penalaran yang dapat dibaca tetap dipertahankan?

Kepala ilmuwan Jakub Pachocki mengakui bahwa pemantauan rantai pemikiran semakin “rentan” dan “sayangnya bergerak ke arah yang buruk”. Ia juga telah memperingatkan persaingan yang mendorong seluruh industri menuju model tanpa penalaran yang dapat dibaca.

Peningkatan kinerja dan penurunan biaya memang menarik dari sisi bisnis. Justru karena daya tariknya begitu besar, yang menjadi pertanyaan adalah sejauh mana pengembangan bisa dilakukan tanpa mengorbankan kemampuan pemantauan. Satu atau dua model yang dirilis tahun ini akan menunjukkan tahapan menuju jawaban tersebut. Bagi saya, kondisi saat model unggulan itu dirilis lebih penting daripada kapan peluncurannya.