Peta LLM Underrated Tiongkok 2026: Xiaomi MiMo, Hunyuan, hingga StepFun

Peta LLM Underrated Tiongkok 2026: Xiaomi MiMo, Hunyuan, hingga StepFun

Dominasi nama-nama besar seperti Alibaba Qwen, DeepSeek, maupun Zhipu GLM sering kali mengaburkan pandangan lanskap kecerdasan buatan global terhadap ekosistem model bahasa besar (Large Language Models / LLM) Tiongkok secara menyeluruh. Publik dan kalangan teknis global cenderung mengidentifikasi kemajuan pesat AI Tiongkok hanya melalui beberapa pelopor yang mendominasi papan peringkat Hugging Face atau arena LMSYS Chatbot Arena. Padahal, di balik sorotan utama tersebut, terdapat barisan penyedia model lapis kedua dan laboratorium riset independen yang memproduksi fondasi komputasi bahasa dengan efisiensi tinggi, arsitektur mutakhir, dan strategi deployment unik yang sangat kompetitif.

Mulai dari manuver Xiaomi yang secara mengejutkan merilis lini model sumber terbuka kelas wahid bertajuk MiMo, raksasa teknologi Tencent yang mengoptimalkan arsitektur hibrida lewat lini Hunyuan, pionir efisiensi 01.AI bentukan Kai-Fu Lee, spesialis multimodalitas Baichuan AI pimpinan Wang Xiaochuan, hingga pengembang reasoning mandiri StepFun (Jieyue Xingchen)—ekosistem ini menyimpan potensi besar yang kerap diremehkan (underrated).

Artikel ini menyajikan panduan mendalam dan tier list terstruktur untuk lima penyedia LLM asal Tiongkok yang luput dari sorotan luas. Penilaian dan pengelompokan disusun dengan urutan hirarkis ketat: Provider -> Model Terbaru -> Tier dalam Satu Provider, mencakup analisis kompetensi penalaran, arsitektur teknis, konsumsi komputasi, skema lisensi, serta estimasi biaya inferensi.

---

1. Xiaomi (MiMo Series)

Lompatan terbesar dalam radar model bahasa yang tidak banyak diantisipasi analis barat datang dari laboratorium AI milik Xiaomi Corporation. Terkenal sebagai manufaktur gawai dan perangkat pintar terhubung (IoT), divisi large model research Xiaomi meluncurkan arsitektur MiMo secara terbuka (open-weights) di bawah lisensi MIT. Kehadiran MiMo membuktikan bahwa Xiaomi tidak sekadar membenamkan AI di antarmuka HyperOS pada ponsel cerdasnya, melainkan ikut bersaing meracik model fondasi berbobot triliunan parameter.

Model Terbaru: MiMo-V2.6 Series

Lini generasi mutakhir MiMo-V2.6 mengusung arsitektur Sparse Mixture-of-Experts (MoE) skala masif, memanfaatkan teknik Reinforcement Learning from Rule-based and Verifiable Rewards (RLVR) untuk mengasah logika matematika dan pemecahan kode pemrograman complex-SWE.

Tier 1: MiMo-V2.6-Pro-RL (Flagship / Frontier Tier)

• Arsitektur & Spesifikasi: Sparse MoE dengan estimasi total 1,02 triliun parameter, di mana hanya sekitar 42 miliar parameter aktif (active parameters) pada setiap token forward pass. Jendela konteks (context window) mencapai 1.048.576 token (1M token) dengan mekanisme kompresi dynamic RoPE dan KV-cache offloading.
• Kompetensi & Tolok Ukur: Berorientasi pada penalaran tingkat lanjut (deep reasoning), MiMo-V2.6-Pro-RL mencatatkan skor 88,4% pada MATH-500 dan 71,2% pada SWE-bench Verified. Model ini dioptimalkan untuk sintesis kode multiberkas (multi-file repository engineering) serta penalaran logika formal.
• Lisensi & Biaya: Bobot model dipublikasikan secara terbuka (open-weights) di Hugging Face dengan lisensi MIT permissif. Untuk penggunaan inferensi berbasis komputasi lokal, dibutuhkan kluster minimum 8 unit akselerator H800/H20 (versi kuantisasi FP8) atau layanan inferensi awan dengan estimasi biaya token sekitar $0,45 per 1 juta token input dan $1,80 per 1 juta token output.

Tier 2: MiMo-V2.6-Flash-RL (Cost-Efficiency & Balanced Tier)

• Arsitektur & Spesifikasi: Arsitektur MoE menengah dengan total bobot 309 miliar parameter dan 21 miliar parameter aktif per token. Mendukung panjang konteks hingga 256.000 token.
• Kompetensi & Tolok Ukur: Ditala untuk skenario inferensi berkecepatan tinggi dengan latensi awal token (time-to-first-token) di bawah 180 milidetik. Mengamankan skor MMLU-Pro 74,6% dan HumanEval 82,1%, sangat memadai untuk agen otomasi alur kerja korporat dan analisis dokumen panjang.
• Lisensi & Biaya: Open-weights (MIT). Dapat dijalankan pada rig komputasi yang lebih ramping (2x H20 FP8 atau 4x RTX 4090 versi Q4_K_M). Biaya layanan terkelola di kisaran $0,10 per 1 juta token input dan $0,35 per 1 juta token output.

Tier 3: MiMo-V2.6-Distill-9B (Edge & On-Device SFT Tier)

• Arsitektur & Spesifikasi: Model padat (dense model) 9,2 miliar parameter hasil distilasi pengetahuan (knowledge distillation) langsung dari MiMo-V2.6-Pro. Jendela konteks bawaan 128.000 token.
• Kompetensi & Tolok Ukur: Menargetkan inferensi edge di ekosistem laptop AI dan ponsel pintar kelas atas. Skor GSM8K menyentuh 83,5% dan IFEval mencapai 79,2%, menjadikannya salah satu model distilasi sub-10B paling kapabel untuk mengeksekusi instruksi terstruktur (JSON output) dan pemanggilan fungsi (function calling).
• Lisensi & Biaya: Bebas royalti dan dapat diunduh gratis untuk implementasi komersial maupun privat. Konsumsi memori video hanya membutuhkan ~6 GB VRAM dalam format kuantisasi 4-bit (GGUF/AWQ).

---

2. Tencent (Hunyuan Series)

Sebagai salah satu konglomerat internet paling dominan di dunia melalui WeChat dan divisi gimnya, Tencent kerap dianggap lambat merilis model fondasi jika dibandingkan dengan manuver publikasi Alibaba. Namun, divisi riset Tencent secara konsisten menyempurnakan lini Tencent Hunyuan melalui infrastruktur awan Tencent Cloud TokenHub. Kekuatan utama Hunyuan bertumpu pada ketahanan arsitektur hibrida dan kemampuan pengolahan bahasa Mandarin-Inggris dengan koherensi tinggi.

Model Terbaru: Hunyuan-T1 & Hunyuan-TurboS

Pembaruan terkini arsitektur Hunyuan memadukan blok state-space model (SSM/Mamba) dengan lapisan attention Transformer konvensional, menghasilkan kecepatan generasi token yang stabil saat menangani dokumen korporat berukuran masif.

Tier 1: Hunyuan-T1 (Frontier Reasoning Tier)

• Arsitektur & Spesifikasi: Model MoE berorientasi pemikiran mendalam (reasoning specialist) dengan ukuran laten skala triliun parameter. Mendukung jendela konteks 262.144 token serta native test-time compute scaling mirip dengan paradigma o-series OpenAI.
• Kompetensi & Tolok Ukur: Meraih peringkat papan atas dalam benchmark sains dan logika Cina maupun internasional; mencetak 86,9% pada AIME 2024 dan 76,4% pada GPQA Diamond. Sangat unggul dalam penyusunan laporan keuangan lintas korporasi dan sintesis penalaran regulasi hukum yang rumit.
• Aksesibilitas & Biaya: Tersedia via Tencent Cloud API. Dipatok pada tarif $1,20 per 1 juta token input dan $4,00 per 1 juta token output (memperhitungkan penulisan rantai pemikiran / thinking tokens).

Tier 2: Hunyuan-Large (Enterprise Foundation Tier)

• Arsitektur & Spesifikasi: Arsitektur MoE berbasis bobot terbuka terbatas (commercial research weight). Memiliki 389 miliar total parameter dengan 52 miliar parameter aktif per token, dilengkapi konteks 256.000 token.
• Kompetensi & Tolok Ukur: Merupakan model fondasi multibahasa serbaguna dengan skor MMLU 84,2% dan Arena-Hard 79,8%. Dikenal memiliki stabilitas faktual tinggi (low hallucination rate) untuk teks bahasa Asia dan dokumen teknis.
• Aksesibilitas & Biaya: Lisensi mengizinkan penggunaan komersial dengan pendaftaran institusi resmi. Pada Tencent Cloud API, biayanya adalah $0,35 per 1 juta token input dan $0,90 per 1 juta token output.

Tier 3: Hunyuan-TurboS (High-Throughput Hybrid Tier)

• Arsitektur & Spesifikasi: Arsitektur hibrida Transformer-Mamba MoE yang dirancang khusus untuk meminimalkan beban KV-cache memory foot-print. Jendela konteks standar 128.000 token dengan kecepatan generasi mencapai lebih dari 120 token per detik.
• Kompetensi & Tolok Ukur: Skor IFEval 81,0% dan HumanEval 75,4%. Unggul untuk tugas layanan pelanggan mandiri (customer support), klasifikasi data terstruktur skala masif, dan bot percakapan interaktif berkecepatan tinggi.
• Aksesibilitas & Biaya: Sangat terjangkau; dipatok sekitar $0,08 per 1 juta token input dan $0,20 per 1 juta token output.

---

3. 01.AI (Yi Series)

Didirikan oleh pakar kecerdasan buatan kenamaan Dr. Kai-Fu Lee, 01.AI merupakan salah satu startup AI "Little Dragons" Tiongkok yang menonjol berkat efisiensi pemodelan dan rasio parameter-terhadap-performa yang luar biasa. Jika pada akhir 2023 seri Yi-34B mengejutkan industri karena mengalahkan Llama-2-70B, generasi mutakhir mereka kini bertransformasi menjadi tulang punggung komputasi penalaran berkecepatan kilat.

Model Terbaru: Yi-Lightning & Yi-1.5 MoE

Dengan strategi komputasi presisi, 01.AI memprioritaskan pembersihan korpus data sebelum pra-pelatihan (pre-training data filtering), memungkinkan bobot model mereka menyerap bobot informasi jauh lebih padat tanpa memerlukan ekspansi parameter berlebih.

Tier 1: Yi-Lightning (Frontier Champion Tier)

• Arsitektur & Spesifikasi: Sparse MoE terdesentralisasi dengan bobot total ~340 miliar parameter. Membawa dukungan jendela konteks dinamis hingga 128.000 token dengan optimasi parallel tensor decoding.
• Kompetensi & Tolok Ukur: Model ini sempat menembus jajaran 10 besar global di LMSYS Chatbot Arena (mengungguli beberapa iterasi GPT-4o terdahulu). Membukukan skor MMLU-Pro 78,9% dan MATH-500 84,1%. Model ini sangat tangguh dalam pemecahan algoritma matematika dan penulisan teks kreatif berkepanjangan.
• Aksesibilitas & Biaya: Akses API publik melalui platform 01.AI dengan harga $0,14 per 1 juta token input dan $0,40 per 1 juta token output, menjadikannya salah satu model performa tingkat tinggi paling murah di kelasnya.

Tier 2: Yi-1.5-34B / Yi-1.5-34B-Chat (Open-Weights Workhorse Tier)

• Arsitektur & Spesifikasi: Dense model 34 miliar parameter dengan jendela konteks 200.000 token. Sepenuhnya dapat dijalankan secara mandiri (self-hosted).
• Kompetensi & Tolok Ukur: Memiliki akurasi pengambilan fakta jarum dalam tumpukan jerami (needle-in-a-haystack) 99,8% di sepanjang 200k konteks. Skor HumanEval 74,5% dan GSM8K 82,3%. Menjadi pilihan favorit pengembang global untuk penalaan halus privat (private fine-tuning) di lingkungan server internal perusahaan.
• Lisensi & Biaya: Lisensi Apache 2.0 penuh tanpa batasan komersial ketat. Konsumsi komputasi berkisar pada 1 unit GPU Nvidia A100/H100 atau 2 unit GPU RTX 3090/4090 dengan kuantisasi AWQ 4-bit.

Tier 3: Yi-1.5-9B / Yi-1.5-6B (Lightweight Developer Tier)

• Arsitektur & Spesifikasi: Dense model berbobot 8,8 miliar parameter yang sangat ringkas, mendukung jendela konteks 32.000 token.
• Kompetensi & Tolok Ukur: Mengungguli varian Llama-3-8B di sejumlah tolok ukur sintaksis non-Inggris dan komputasi sains dasar. MMLU mencapai 71,0% dengan konsumsi VRAM minimal.
• Lisensi & Biaya: Lisensi Apache 2.0. Ideal untuk pengembang independen, prototipe lokal, atau aplikasi berbasis Raspberry Pi / perangkat edge AI berdaya rendah.

---

4. Baichuan Inc. (Baichuan Series)

Dipimpin oleh mantan CEO Sogou, Wang Xiaochuan, Baichuan Inc. mengambil diferensiasi tajam dengan memosisikan diri sebagai penyedia model dengan kecerdasan multimodal end-to-end serta spesialisasi vertikal pada sektor medis dan kesehatan (healthcare intelligence). Baichuan tidak semata mengejar metrik penalaran umum, melainkan akurasi taksonomi pengetahuan dan pengenalan audio-visual langsung.

Model Terbaru: Baichuan-Omni-1.5 & Baichuan-4

Inovasi Baichuan terpusat pada integrasi pemrosesan teks, audio mentah, dan citra medis secara serentak tanpa bergantung pada modul transkripsi eksternal yang terpisah.

Tier 1: Baichuan-Omni-1.5 (Multimodal & Healthcare Specialist Tier)

• Arsitektur & Spesifikasi: Arsitektur omnimodal berbasis MoE dengan kapasitas pemrosesan masukan multimodal terpadu (native cross-attention multimodal embeddings). Jendela konteks teks dan multimodal sebesar 128.000 token.
• Kompetensi & Tolok Ukur: Meraih akurasi 91,2% pada ujian lisensi medis nasional Tiongkok dan skor MedQA 83,4%. Mampu menganalisis rekam medis, terminologi biokimia, serta interaksi obat dengan tingkat akurasi diagnostik pendukung yang luar biasa presisi.
• Aksesibilitas & Biaya: Tersedia bagi mitra industri dan portal API enterprise Baichuan dengan biaya inferensi $0,40 per 1 juta token input teks dan $1,20 per 1 juta token output.

Tier 2: Baichuan-4 / Baichuan-4-Turbo (Enterprise Generalist Tier)

• Arsitektur & Spesifikasi: Model bahasa fondasi teks umum dengan parameter skala menengah-tinggi (~150B-class MoE). Mendukung konteks 128.000 token.
• Kompetensi & Tolok Ukur: Meraih skor MMLU 79,5% dan C-Eval 88,1%. Ditala khusus untuk kepatuhan tata kelola data korporat dan sintesis dokumen bisnis berbahasa ganda.
• Aksesibilitas & Biaya: Akses API komersial seharga $0,15 per 1 juta token input dan $0,45 per 1 juta token output.

Tier 3: Baichuan2-13B / Baichuan2-7B (Academic Open-Access Tier)

• Arsitektur & Spesifikasi: Model padat sumber terbuka generasi kedua yang telah menjadi standar riset akademik di Asia. Konteks 4.096 hingga 32.000 token.
• Kompetensi & Tolok Ukur: Skor MMLU 59,2% dan C-Eval 66,3%. Banyak dimanfaatkan oleh kalangan universitas untuk riset interpretasi model dan modifikasi lapisan atensi.
• Lisensi & Biaya: Terbuka untuk riset akademik dan komersial gratis dengan izin tertulis jika basis pengguna melebihi batas regulasi tertentu.

---

5. StepFun / Jieyue Xingchen (Step Series)

StepFun (dikenal di Tiongkok sebagai Jieyue Xingchen) didirikan oleh mantan eksekutif riset Microsoft, Jiang Daxin. Laboratorium AI ini merupakan salah satu entitas paling ambisius dalam mengejar skala parameter triliunan tanpa bergantung pada konglomerat besar. StepFun secara khusus mendedikasikan arsitektur mereka untuk penalaran otonom bertahap (agentic planning) dan penelusuran fakta mendalam (deep research).

Model Terbaru: Step-5-Preview & Step-DeepResearch

Fokus arsitektur StepFun bertumpu pada system-2 thinking, yaitu proses berpikir iteratif di mana model dapat memeriksa kembali hipotesis logikanya sebelum memberikan jawaban akhir ke pengguna.

Tier 1: Step-5-Preview / Step-DeepResearch (Autonomous Agent & Trillion MoE Tier)

• Arsitektur & Spesifikasi: Arsitektur MoE skala raksasa dengan estimasi parameter total melampaui 1,2 triliun parameter. Mendukung jendela konteks masif hingga 1.000.000 token (1M context) dengan latensi pemrosesan dokumen panjang yang teroptimasi.
• Kompetensi & Tolok Ukur: Didesain khusus untuk penelusuran web otonom, validasi silang data multi-sumber, dan penulisan laporan teknis setebal ratusan halaman. Mencapai skor GAIA (General AI Assistants) 64,8% dan SWE-bench Verified 68,5%.
• Aksesibilitas & Biaya: Tersedia secara terbatas via StepFun Developer Platform dengan skema berlangganan enterprise atau API terkuota pada $1,50 per 1 juta token input dan $4,50 per 1 juta token output.

Tier 2: Step-3.7-Flash (High-Efficiency Reasoning Tier)

• Arsitektur & Spesifikasi: Arsitektur MoE padat dengan 280 miliar total parameter dan 24 miliar parameter aktif. Jendela konteks sebesar 256.000 token.
• Kompetensi & Tolok Ukur: Membawa kecepatan generasi di atas 90 token/detik dengan performa logika seimbang; MMLU-Pro 76,2% dan HumanEval 79,0%. Menjadi model andalan untuk tugas analisis percakapan real-time dan ekstraksi metadata berkas PDF panjang.
• Aksesibilitas & Biaya: API terkelola dengan tarif terjangkau sebesar $0,12 per 1 juta token input dan $0,30 per 1 juta token output.

Tier 3: Step-2 (Foundational Open-Architecture Tier)

• Arsitektur & Spesifikasi: Model fondasi generasi sebelumnya berbasis 100B-class MoE yang menjadi basis penalaan instruksi (instruction fine-tuning) bagi mitra industri manufaktur dan finansial lokal.
• Kompetensi & Tolok Ukur: MMLU 73,8%, stabil dalam pengenalan entitas bernama (named entity recognition) dan peringkasan narasi bahasa Mandarin kompleks.
• Aksesibilitas & Biaya: Biaya API sebesar $0,08 per 1 juta token input dan $0,18 per 1 juta token output.

---

Perbandingan Silang & Tabel Sintesis

Untuk mempermudah pemilihan arsitektur sesuai kebutuhan pengembangan perangkat lunak maupun riset, tabel berikut merangkum posisi flagship tier dari masing-masing penyedia model underrated tersebut:

Provider	Model Andalan (Flagship)	Arsitektur & Parameter	Jendela Konteks	Kekuatan Spesifik	Skema Distribusi
Xiaomi	MiMo-V2.6-Pro-RL	MoE (~1,02T / 42B aktif)	1.048.576 token	Coding SWE-bench, RL logika, arsitektur terbuka	Open-Weights (MIT)
Tencent	Hunyuan-T1	MoE Reasoning Trillion	262.144 token	Penalaran mendalam, regulasi korporat, stabilitas teks	Cloud API Proprietary
01.AI	Yi-Lightning	Sparse MoE (~340B)	128.000 token	Rasio harga-performa, benchmark matematika, inferensi cepat	Cloud API & Open 34B
Baichuan	Baichuan-Omni-1.5	Multimodal MoE	128.000 token	Kedokteran, bioinformatika, pemrosesan audio-visual	Enterprise API
StepFun	Step-5-Preview	Trillion MoE Agentic	1.000.000 token	Otonomi agen (GAIA), deep research, dokumen masif	Developer Cloud API

---

Analisis Implikasi bagi Pengembang Global

Kehadiran lima penyedia model ini membawa sejumlah implikasi penting bagi industri komputasi AI global:

1. Demokratisasi Bobot Skala Triliun (Open-Weights): Langkah Xiaomi merilis seri MiMo di bawah lisensi MIT memberikan preseden penting bahwa model MoE berukuran triliunan parameter kini tidak lagi menjadi monopoli korporasi Amerika Serikat atau Alibaba semata. Komunitas riset dapat mengaudit bobot model dan melakukan penalaan halus khusus tanpa terikat lisensi komersial restriktif.
2. Efisiensi Biaya Inferensi: Model seperti Yi-Lightning dan Hunyuan-TurboS menekan margin harga komputasi token ke level yang sangat agresif. Dengan biaya di bawah $0,50 per satu juta token, pengembang dapat menjalankan pipa pemrosesan agen (agentic loops) yang membutuhkan ribuan pemanggilan API tanpa khawatir lonjakan tagihan awan yang eksorbitan.
3. Diversifikasi Vertikal: Keberadaan spesialis seperti Baichuan di sektor medis dan StepFun di arena agen otonom membuktikan bahwa peta kompetisi LLM di Tiongkok telah bergeser dari sekadar "perlombaan skor benchmark umum" menuju utilitas fungsional di dunia nyata.

Dengan menengok ke luar nama-nama besar yang lazim diperbincangkan, pengembang dan pelaku industri teknologi kini memiliki portofolio alternatif yang tidak kalah bertenaga untuk membangun generasi aplikasi kecerdasan buatan berikutnya.