Subquadratic Klaim Dobrak Batas Matematika AI dengan Efisiensi 1.000 Kali Lipat

Startup Subquadratic mengklaim telah menemukan arsitektur AI baru yang mampu memproses data 1.000 kali lebih efisien daripada model milik OpenAI dan Google. Terobosan arsitektur linear ini menjanjikan pemangkasan biaya komputasi secara drastis sekaligus menantang dominasi teknologi Transformer yang selama ini membatasi kemampuan model bahasa besar. Namun, komunitas peneliti internasional mulai mempertanyakan validitas data tersebut dan memperingatkan potensi "vaporware".

Startup asal Miami, Subquadratic, baru saja keluar dari mode senyap dengan klaim yang mengguncang industri kecerdasan buatan. Mereka memperkenalkan SubQ 1M-Preview, model bahasa besar (LLM) yang diklaim sebagai sistem pertama yang sepenuhnya lepas dari batasan matematis "quadratic scaling". Jika terbukti benar, teknologi ini akan menjadi titik balik fundamental dalam cara sistem AI berkembang.

Mengakhiri Era Pemborosan Komputasi pada Arsitektur Transformer

Sejak tahun 2017, hampir semua model AI ternama seperti GPT-4o milik OpenAI atau Claude dari Anthropic bergantung pada operasi yang disebut "attention". Masalah utamanya adalah skalabilitas kuadratik: jika input data digandakan, kebutuhan komputasi tidak sekadar naik dua kali lipat, melainkan empat kali lipat. Batasan inilah yang membuat biaya pemrosesan dokumen panjang menjadi sangat mahal bagi perusahaan.

Subquadratic mencoba memecahkan masalah ini melalui metode Subquadratic Sparse Attention (SSA). Alih-alih membandingkan setiap token kata dengan semua token lainnya, model SSA hanya mengidentifikasi hubungan yang dianggap penting berdasarkan konteks. Pendekatan ini memungkinkan komputasi tumbuh secara linear, bukan kuadratik.

Pada konteks 12 juta token, perusahaan mengklaim arsitektur mereka mampu mengurangi beban komputasi hingga hampir 1.000 kali lipat dibandingkan model frontier lainnya. CTO Subquadratic, Alexander Whedon, menyebut bahwa sistem ini mengeliminasi kebutuhan strategi rumit seperti RAG (Retrieval-Augmented Generation) yang selama ini digunakan pengembang untuk mengakali keterbatasan memori AI.

Antara Terobosan Besar atau Sekadar "AI Theranos"

Reaksi komunitas riset AI terbelah tajam antara kekaguman dan skeptisisme yang mendalam. Analis AI, Dan McAteer, bahkan memberikan pilihan ekstrem: Subquadratic akan menjadi terobosan terbesar sejak penemuan Transformer, atau mereka akan berakhir sebagai "AI Theranos"—merujuk pada skandal penipuan alat tes darah yang fenomenal di Silicon Valley.

Beberapa poin yang memicu keraguan para ahli meliputi:

• Asal-usul Model: Whedon mengakui bahwa mereka menggunakan bobot (weights) dari model sumber terbuka seperti DeepSeek atau Kimi sebagai titik awal, bukan melatih model dari nol.
• Anomali Benchmark: Pada pengujian MRCR v2, terdapat celah 17 poin yang tidak dijelaskan antara hasil riset laboratorium (skor 83) dengan model produksi yang diverifikasi pihak ketiga (skor 65,9).
• Klaim Biaya: Perusahaan mengklaim akurasi 95% pada benchmark RULER 128K hanya memakan biaya 8 dolar AS (sekitar Rp 128.000), jauh di bawah Claude Opus yang disebut memerlukan biaya 2.600 dolar AS (sekitar Rp 41,6 juta).

Insinyur AI terkemuka, Will Depue, secara terbuka mengkritik komunikasi perusahaan yang dianggap tidak konsisten. Ia menilai angka kecepatan yang dipublikasikan tidak selaras dengan klaim penskalaan linear yang mereka dengungkan.

Valuasi Fantastis di Tengah Bayang-bayang Magic.dev

Meski menuai kontroversi, Subquadratic berhasil mengantongi pendanaan awal (seed funding) sebesar 29 juta dolar AS atau sekitar Rp 464 miliar. Investor yang terlibat mencakup pendiri Tinder, Justin Mateen, hingga mantan mitra SoftBank Vision Fund. Putaran pendanaan ini mendongkrak valuasi perusahaan hingga menyentuh angka 500 juta dolar AS (sekitar Rp 8 triliun).

Sejarah industri AI mencatat klaim serupa pernah dilontarkan oleh Magic.dev pada tahun 2024. Kala itu, mereka menjanjikan efisiensi 1.000 kali lipat dan mengumpulkan dana 500 juta dolar AS, namun hingga awal 2026, belum ada bukti publik yang menunjukkan model tersebut berfungsi sesuai janji. Subquadratic kini memikul beban pembuktian yang sama beratnya.

Tim di balik Subquadratic sendiri terdiri dari 11 peneliti bergelar PhD dengan latar belakang dari raksasa teknologi seperti Meta, Google, dan ByteDance. Meskipun memiliki kredibilitas individu yang kuat, perusahaan belum merilis makalah penelitian yang ditinjau oleh rekan sejawat (peer-reviewed paper), yang biasanya menjadi standar emas di dunia sains data.

Ujian sesungguhnya bagi Subquadratic bukan terletak pada angka di atas kertas, melainkan saat model mereka dibuka untuk pengujian independen secara luas. Jika matematika mereka bertahan dari audit teknis, ekonomi industri AI akan berubah total. Namun jika gagal, Subquadratic hanya akan menambah daftar panjang startup yang menjanjikan revolusi namun berakhir sebagai catatan kaki di sejarah teknologi.