Penulis: Long Yue
Pasar menganggap Kimi K3 sebagai "DeepSeek Momen 2.0" yang dikhawatirkan, namun kali ini, penilaian Wall Street sangat berbeda.
Pada tanggal 16 Juli dini hari, Moon's Dark Side merilis Kimi K3 di Shanghai. Model sumber terbuka dengan 2,8 triliun parameter ini, pada indeks kecerdasan Artificial Analysis mencetak skor 57, peringkat ketiga hingga keempat global, setara dengan Anthropic Claude Opus 4.8 dan OpenAI GPT-5.5. Yang lebih penting, pada papan peringkat pemrograman Frontend Code Arena yang dibuat oleh Universitas California, Berkeley, K3 meraih 1679 poin menduduki puncak, melampaui Claude Fable 5 dan GPT-5.6 Sol, menjadi model sumber terbuka pertama yang melampaui semua model tertutup luar negeri dalam papan peringkat pemrograman otoritatif.
Pada tanggal 17 Juli, saham sektor semikonduktor di pasar saham AS mengalami penurunan yang signifikan. Refleks kondisional pasar mudah dipahami – awal 2025, rilis DeepSeek R1 memicu penurunan tajam saham komputasi, logikanya: Model China semakin kuat, apakah perusahaan AI AS masih perlu mengeluarkan banyak uang untuk komputasi? Jika model China dapat mendekati kemampuan terdepan dengan biaya lebih rendah, apakah kebutuhan NVIDIA, HBM, server, perangkat jaringan akan dinilai ulang?
Namun, menurut informasi dari platform transaksi, laporan penelitian terbaru dari UBS, Nomura, Bank of America Merrill Lynch, dan Citibank berpendapat: Kimi K3 bukanlah pengakhiri kebutuhan komputasi, melainkan akselerator.
Kimi K3 dan DeepSeek R1 bukanlah dampak yang sama. R1 lebih membuat pasar melihat "efisiensi"; K3 lebih menonjolkan "skala". 2,8 triliun parameter, 1M token konteks, inferensi selalu aktif, multimodal asli, arsitektur MoE, ciri-ciri ini bukanlah cerita aset ringan. Mereka akan meningkatkan tekanan inferensi, memori, jaringan, dan penyimpanan sekaligus.
Seberapa Kuat Kimi K3?
Kimi K3 dirilis oleh Moon's Dark Side pada 16 Juli 2026, bobot model lengkap rencananya akan dibuka pada 27 Juli. Ini adalah model besar berat terbuka dengan 2,8 triliun parameter, yang disebut banyak lembaga sebagai model LLM dengan bobot terbuka terbesar saat ini.
Konfigurasi intinya mencakup tiga poin:
Pertama, jendela konteks 1M token. Model dapat menangani teks yang lebih panjang, basis kode yang lebih panjang, data perusahaan yang lebih kompleks, dan tugas penelitian.
Kedua, inferensi selalu aktif. Bukan hanya tanya jawab sederhana, melainkan untuk tugas inferensi berantai panjang dan tugas Agent.
Ketiga, kemampuan visual asli. K3 tidak hanya menangani teks, tetapi juga tugas multimodal seperti video, gambar, pengembangan game, desain frontend, CAD, dll.
Dalam arsitektur, K3 menggunakan Kimi Delta Attention, Attention Residuals, dan Stable LatentMoE. Bagian MoE terdiri dari 896 pakar, dengan setiap token mengaktifkan 16 pakar. Penjelasan dari Moon's Dark Side adalah, dibandingkan dengan Kimi K2, efisiensi penskalaan keseluruhan meningkat sekitar 2,5 kali.
Ini menjelaskan mengapa K3 bukanlah "K2 yang lebih murah". Data harga yang dikumpulkan oleh Nomura menunjukkan, harga input K3 adalah $3 per juta token, input dengan cache yang terkena adalah $0,30, output adalah $15 per juta token; berdasarkan Artificial Analysis, biaya per tugas K3 sekitar $0,94. Harga ini lebih rendah dari Claude Fable 5 sekitar $2,75 dan Claude Opus 4.8 sekitar $1,80, mendekati GPT-5.6 Sol sebesar $1,04, tetapi jelas lebih tinggi dari GLM-5.2 sebesar $0,32-0,47, dan jauh lebih tinggi dari DeepSeek V4 Pro sebesar $0,04.
Jadi, posisi K3 bukanlah harga termurah, melainkan kemampuan mendekati model terdepan dengan harga lebih rendah.
Empat Bank Investasi Menetapkan Nada Padat: Ini Bukan Pelemahan Permintaan
Untuk kekhawatiran pasar akan dampak "Momen DeepSeek", Duan Bing, analis tim teknologi Asia-Pasifik Nomura Securities, menulis dalam laporannya: "Kami percaya persaingan dan inovasi di pasar model besar global tidak akan berhenti, semakin kita mendekati Kecerdasan Umum Buatan (AGI), penerapan AI generatif di sisi konsumen dan perusahaan akan terus berkembang. Lab AI terdepan dan perusahaan platform cloud skala besar semuanya mungkin terus berinvestasi pada tahap ini untuk mempertahankan posisi kompetitif – dengan melanjutkan hukum skala, kami menafsirkan persaingan ini sebagai hal yang menguntungkan bagi rantai nilai infrastruktur AI."
Analis semikonduktor Citibank, Peter Lee, dalam laporannya tanggal 19 Juli, langsung memberi judul "Paradoks Jevons Lainnya". Apa arti paradoks Jevons? Singkatnya: peningkatan efisiensi mesin uap batu bara, justru membuat konsumsi batu bara lebih besar, karena lebih banyak orang mampu menggunakannya, lebih banyak skenario yang dapat digunakan. Model AI juga sama – ketika model berkualitas menjadi lebih murah, pengembang dan perusahaan akan menerapkan lebih banyak aplikasi, memproses lebih banyak token, konsumsi komputasi akhirnya justru meningkat.
Peter Lee berpendapat, bahkan jika K3 digunakan secara luas, permintaan memori umum seperti server DDR5 dan eSSD akan tetap meningkat. Alasannya adalah efisiensi inferensi K3 setara dengan model terdepan lainnya, tetapi penggunaan cache KV akan meningkat seiring pertumbuhan konteks, tekanan pada memori tidak turun malah naik.
Analis semikonduktor Bank of America Securities, Vivek Arya, dalam laporannya tanggal 17 Juli, lebih langsung dalam pernyataannya. Dia berpendapat, respons lab AI terdepan AS "bukan komputasi lebih sedikit, melainkan lebih banyak". Jika model sumber terbuka China terus mendekati, OpenAI, Anthropic, dan Google harus mempertahankan diferensiasi melalui pelatihan skala lebih besar, inferensi lebih berat, dan iterasi lebih cepat. Arya juga menyebutkan latar belakang yang mudah diabaikan: media melaporkan bahwa Gemini 3.5 Pro Google telah tertunda berbulan-bulan dari rencana, kinerja pemrograman tidak mencapai target internal, posisi kepemimpinan terdepan "semakin sulit dipertahankan".
Tim analis UBS, Timo Arcuri, dalam laporannya tanggal 20 Juli, menunjukkan bahwa kesamaan antara K3 dan DeepSeek R1 memang ada, tetapi K3 lebih tentang skala – ini adalah model sumber terbuka terbesar di dunia, memiliki 2,8 triliun parameter dan jendela konteks 1 juta token. Analis menekankan, model sumber terbuka biasanya lebih banyak memakan memori daripada model tertutup terdepan, karena jendela konteks lebih panjang, kebutuhan cache KV bahkan setelah kuantifikasi terus tumbuh dalam jumlah absolut, membuat penerapan model sumber terbuka lebih bergantung pada HBM dan penyimpanan.
Penyimpanan: Sektor penerima manfaat paling langsung. Perhitungan UBS menunjukkan, arus kas bebas (FCF) kumulatif sektor penyimpanan dan memori hingga 2028 diperkirakan mencapai sekitar 30% dari kapitalisasi pasar – tertinggi di antara semua subsektor – Micron (MU) sendiri mencapai 47%. Citibank dan Nomura sama-sama mempertahankan peringkat beli untuk Samsung Electronics, dengan alasan pasar memori global sedang dalam kondisi pasokan yang sangat ketat. Analis Citibank Peter Lee menunjukkan, kebutuhan memori sisi inferensi Kimi K3 tidak kalah dari model terdepan lainnya, pembengkakan volume cache KV akan langsung mendorong permintaan server DDR5 dan solid-state drive (eSSD) tingkat perusahaan. Dia terutama mencatat: penerapan skala besar Kimi K3 memerlukan konfigurasi kluster "super-node" dengan lebih dari 64 GPU.
Infrastruktur Komputasi: TSMC dan NVIDIA adalah penerima manfaat utama. Baik hukum skala di sisi pelatihan yang masih efektif, atau pertumbuhan kebutuhan token di sisi inferensi, akhirnya mengarah pada lebih banyak kebutuhan chip proses canggih. Nomura menegaskan kembali peringkat beli untuk TSMC, ASE, MediaTek, dll. NVIDIA pernah menyatakan secara terbuka, inferensi model MoE (arsitektur pakar campuran) modern, pada GB300 NVL72, rasio kinerja terhadap konsumsi daya meningkat hingga 25 kali lipat dibandingkan dengan arsitektur Hopper generasi sebelumnya. Model seperti K3 secara alami adalah penerima manfaat perangkat keras terbaru NVIDIA.
Jaringan: Tren super-node menciptakan peluang struktural. Kimi K3 memerlukan kluster super-node, komputasi lokal China terbatas oleh kontrol ekspor chip kelas atas, lebih bergantung pada arsitektur super-node untuk menutupi kesenjangan kinerja per kartu, ini mendorong permintaan pemasok lapisan jaringan seperti modul optik, chip optik. Nomura optimis dengan Zhongji Innolight dan Suzhou Innolight.
Platform Cloud: Diuntungkan oleh efek pengelompokan ekosistem. Platform cloud yang mengelola berbagai model sumber terbuka terdepan memiliki daya tawar yang lebih kuat, tidak bergantung pada pemasok model tertutup tunggal. Nomura optimis dengan Alibaba (BABA) sebagai inti ekosistem AI cloud China, serta operator pusat data seperti GDS, 21Vianet (VNET).
Ini mungkin titik data yang paling mudah diremehkan dalam seluruh narasi ini.
Menurut statistik gateway API terbuka OpenRouter, proporsi penggunaan token model AI China terhadap lalu lintas pengembang global, setahun yang lalu kurang dari 2%, saat ini telah melebihi 45%. Data Bank of America Merrill Lynch mengkonfirmasi percepatan penetrasi AI secara keseluruhan: saat ini sekitar 55% perusahaan AS telah berlangganan model AI, platform, atau alat, tingkat adopsi perusahaan Anthropic mencapai 42%, OpenAI 40%. Konsumen AI puncak (1% pengguna perusahaan teratas) pengeluaran AI per karyawan per bulan telah mencapai $4833.
Pasar sedang terdiferensiasi. Di satu sisi, model sumber terbuka China yang diwakili oleh DeepSeek, Kimi K3, mencakup pasar ekonomis dan nilai harga menengah-tinggi; di sisi lain, model terdepan AS tingkat atas berfokus pada beban kerja yang lebih kompleks (seperti komputasi ilmiah) untuk mempertahankan premi teknologi dan harga. Penilaian Nomura adalah: pemain model besar terkemuka di kedua sisi China dan AS akan mendapat manfaat – dengan syarat masing-masing dapat terus berdiri di garis depan kurva teknologi.
Setelah rilis K3, reaksi pertama pasar masih membandingkannya dengan DeepSeek R1. Perbandingan ini berguna, tetapi tidak boleh berhenti pada lapisan "apakah perangkat keras AI akan dihantam lagi".
DeepSeek membuat pasar menghitung ulang efisiensi pelatihan. K3 membuat pasar melihat hal lain: model sumber terbuka juga dapat mendorong skala, konteks panjang, Agent, dan multimodal ke dalam interval terdepan.
Ini akan memaksa lab terdepan AS untuk terus berinvestasi, dan juga akan membuat model China terus berkembang dalam ekosistem pengembang global. Model tertutup teratas mempertahankan premi teknologi dan harga, model sumber terbuka mencakup lebih banyak pita harga dan skenario penerapan, vendor cloud menyediakan distribusi model dan penerapan perusahaan, rantai perangkat keras menanggung tekanan pelatihan dan inferensi.
Dalam jangka pendek, transaksi akan berfluktuasi karena "ingatan DeepSeek". Dalam jangka menengah, selama penggunaan token terus tumbuh, konteks panjang dan Agent terus menyebar, komputasi, HBM, penyimpanan, jaringan, dan IDC masih merupakan item biaya yang tidak dapat dihindari.
Ini juga alasan mengapa banyak lembaga memberikan kesimpulan serupa setelah K3: model sumber terbuka yang lebih kuat bukanlah akhir dari permintaan infrastruktur AI, melainkan mungkin pintu masuk untuk difusi permintaan berikutnya.
Namun, Bank of America Merrill Lynch juga dengan jelas meninggalkan satu risiko ekor: "Jika kecepatan peningkatan efisiensi melampaui pertumbuhan beban kerja, kita mungkin melihat semacam penurunan dalam pembangunan infrastruktur." Dengan kata lain, jika model semakin murah, tetapi penggunaan tidak berkembang pesat secara bersamaan, logika pertumbuhan permintaan komputasi akan terdiskonto.
