DeepSeek R1 mengubah biaya kecerdasan, dan studio-studio Tiongkok sudah memanfaatkannya untuk game
DeepSeek merilis R1 pada 20 Januari 2025, dan yang mengejutkan bukanlah skor benchmark-nya. Melainkan harganya. R1 menyamai model-model penalaran terdepan dengan biaya sekitar $0,07 per satu juta token input, kira-kira 27 kali lebih murah daripada model sebanding milik OpenAI, dan DeepSeek mengatakan bahwa mereka melatih model tersebut dengan biaya sekitar $5,6 juta menggunakan 2.000 GPU selama 55 hari. NVIDIA kehilangan kapitalisasi pasar sebesar $589 miliar dalam satu hari ketika pasar menilai ulang harga komputasi.
Bagian yang penting bagi game
Sebagian besar pemberitaan membahas pasar dan geopolitik. Bagian yang penting bagi siapa pun yang membuat game adalah apa yang kemudian terjadi di dalam studio-studio Tiongkok. Dalam hitungan minggu, CEO NetEase Ding Lei mengatakan bahwa model sekelas DeepSeek telah meningkatkan efisiensi Litbang game perusahaan sekitar 30 persen: pembuatan skrip misi yang sebelumnya membutuhkan dua minggu kini selesai dalam tiga hari, sementara biaya tenaga kerja terkait turun sekitar 40 persen.
Baca sekali lagi. Ini bukan hasil laboratorium atau demo. Ini adalah pimpinan salah satu penerbit game terbesar di dunia yang memberikan angka konkret tentang seberapa jauh produksi menjadi lebih murah dan cepat, hampir seketika, karena biaya model yang mumpuni turun drastis.
Artinya bagi para kreator
Selama dua tahun, perbincangan tentang AI dalam game berfokus pada kemampuan: model siapa yang menulis dialog lebih baik, siapa yang menghasilkan kode lebih rapi, dan siapa yang membuat karya visual yang dapat digunakan. Persaingan itu pada dasarnya berakhir seri di posisi teratas. R1 memindahkan batas persaingan ke sumbu yang sama sekali berbeda, sumbu yang juga akan dieksplorasi dunia video AI sepanjang 2026: biaya.
Ketika kecerdasan menjadi lebih dari 20 kali lebih murah, hitung-hitungan ekonomi setiap fitur AI dalam pipeline game berbalik total. Hal-hal yang sebelumnya terlalu mahal untuk dijalankan pada setiap aset, setiap rangkaian misi, dan setiap interaksi pemain kini menjadi sesuatu yang dijalankan secara otomatis. Pertanyaannya bukan lagi "mampukah kita menempatkan model dalam alur ini", melainkan "mengapa belum ada model di setiap alur". Penerbit besar merasakan manfaatnya sebagai peningkatan efisiensi sebesar 30 persen di organisasi beranggotakan seribu orang. Kreator solo merasakannya sebagai pembeda antara ide yang bisa diwujudkan dan yang tidak.
Versi kedua itulah inti tesis Cinevva. Kami mengorkestrasi model-model terdepan agar seorang kreator dapat membuat game yang sebelumnya membutuhkan satu tim, dan setiap kali biaya dasar kecerdasan turun, batas minimum dari apa yang dapat dibuat oleh satu orang ikut naik. DeepSeek bukan sekadar mempermalukan beberapa laboratorium AS. DeepSeek mengubah harga bahan baku yang menjadi fondasi pembuatan game secara solo, dan pihak yang berada dalam posisi terbaik untuk memanfaatkan keuntungan tak terduga itu bukanlah mereka yang memiliki anggaran terbesar. Melainkan mereka yang sejak awal sama sekali tidak memiliki anggaran.