Regulasi
Anysphere Mempertimbangkan untuk Mengalihkan Cursor dari Model dengan Bobot Terbuka asal Tiongkok

Poin utamaFase penghentian eksploratif Anysphere menandakan risiko geopolitik kini membentuk…
Lihat selengkapnya
- Fase penghentian eksploratif Anysphere menandakan risiko geopolitik kini membentuk keputusan pasokan platform pengodean AI.
- Composer 2 dibangun di atas basis Moonshot AI yang diidentifikasi secara publik hanya oleh seorang pengembang independen.
- Menghapus model open-weight Tiongkok sebelum alternatif tepercaya tersedia dapat menaikkan biaya dan memusatkan pasar.
Anysphere, pengembang platform pengodean AI Cursor, memberi tahu para penyelidik DPR AS bahwa perusahaan itu berencana menjajaki penghentian bertahap penggunaan model AI berbobot terbuka yang dikembangkan di Tiongkok karena risiko geopolitik, menurut laporan bersama Kongres yang dirilis pada 20 November 2026.
Pengungkapan tersebut merupakan rencana penjajakan, bukan penghentian bertahap yang telah rampung, dan komite-komite itu tidak menyebutkan keputusan final atau jadwalnya. Komite Keamanan Dalam Negeri DPR AS dan Komite Pilihan DPR AS untuk Tiongkok menerbitkan temuan tersebut setelah penyelidikan yang dimulai pada April 2026 dan diperluas, dari Airbnb dan Anysphere, hingga mencakup DoorDash pada 31 Juli 2026.
Model berbobot terbuka memiliki parameter terlatih yang dapat diunduh, dijalankan, dan dimodifikasi secara independen dari pengembang aslinya, sehingga model turunan dapat menyebar tanpa hubungan komersial yang berkelanjutan. Komite-komite itu mengatakan Composer 2, model eksklusif andalan Cursor, dibangun di atas model dasar dari Moonshot AI, yang identitasnya baru diketahui publik setelah seorang pengembang independen mengidentifikasinya.
Laporan teknis Cursor menyebutkan bahwa model dasarnya adalah Kimi K2.5. Composer 2 menjalani prapelatihan lanjutan dengan campuran data yang didominasi kode, kemudian dilatih menggunakan pembelajaran penguatan skala besar dalam sesi Cursor yang realistis, dengan alat dan kerangka kerja yang sama seperti model yang diterapkan.
Mengapa Model Tiongkok Banyak Digunakan
Airbnb melaporkan bahwa versi khusus model Qwen milik Alibaba mendukung asisten AI yang menangani sekitar 80.000 interaksi tamu dan tuan rumah setiap hari. Selain itu, sebuah model yang disetel dengan baik merangkum sekitar 250.000 kasus dan panggilan dukungan setiap hari. Keduanya berjalan pada infrastruktur penyedia layanan yang berbasis di AS.
DoorDash melaporkan bahwa 25 keluarga model Tiongkok telah mendapat izin dan diterapkan dalam skala yang berarti, yang didefinisikan sebagai menimbulkan biaya komputasi dan penyajian layanan sedikitnya $5.000. Perusahaan itu memperkirakan bahwa penggantian satu model yang dikembangkan di Tiongkok dan tertanam dalam sistem yang lebih besar dapat memakan waktu hingga enam bulan, meskipun sebagian besar penggunaan lainnya dapat dialihkan hampir seketika.
Komite-komite itu mengidentifikasi biaya, penyesuaian, dan kinerja yang mendekati model terdepan sebagai pendorong adopsi. Mereka juga mendapati bahwa AS tidak memiliki alternatif berbobot terbuka yang kompetitif dengan harga dan kinerja sesuai tuntutan pasar.
Laporan tersebut membandingkan harga API yang dipublikasikan untuk satu juta token masukan dan satu juta token keluaran (potongan kecil kata dan karakter yang digunakan untuk mengukur penggunaan model):
| Model | Pengembang | Perkiraan Biaya |
|---|---|---|
| Qwen3-235B-A22B-Instruct | Alibaba | $1.15 |
| DeepSeek-R1 | DeepSeek | $2.74 |
| Kimi K2.6 | Moonshot AI | $4.95 |
| Claude Opus 4.8 | Anthropic | $30 |
| GPT-5.5 | OpenAI | $35 |
Angka-angka tersebut tidak memperhitungkan perbedaan kemampuan, penggunaan tembolok, diskon pembelian massal, promosi, ataupun biaya hosting mandiri. Angka itu menggambarkan tekanan harga yang mendorong adopsi. Bobot terbuka juga memungkinkan perusahaan menyetel model menggunakan data mereka sendiri dan menerapkannya pada infrastruktur yang mereka kendalikan.
Kekhawatiran keamanan berbeda dari persoalan lokasi hosting. Menjalankan model pada infrastruktur di AS mengurangi paparan data secara langsung, tetapi menurut laporan tersebut, hal itu tidak mengubah cara model yang mendasarinya dilatih atau perilakunya dalam kondisi yang luput dari evaluasi biasa.
Usulan Pembatasan dan Risiko Penggantian
Ke-12 rekomendasi dalam laporan itu tidak dengan sendirinya memberlakukan pembatasan. Rekomendasi tersebut akan melanjutkan kebijakan dari perintah Departemen Keamanan Dalam Negeri yang mengecualikan produk dan layanan DeepSeek dari pengadaan sipil federal serta mewajibkan penghapusannya dari sistem lembaga, termasuk produk pihak ketiga yang dibangun di atas DeepSeek. Para ketua komite merekomendasikan agar pembatasan itu diperluas ke model lain yang dikembangkan di Tiongkok beserta model turunannya di seluruh sistem informasi federal dan pekerjaan berdasarkan kontrak federal, dengan pengecualian terbatas untuk penelitian, pengujian, dan keamanan defensif. Mereka juga merekomendasikan pelarangan model-model tersebut beserta turunannya dalam fungsi infrastruktur kritis berisiko tinggi yang didefinisikan secara sempit, dengan jadwal penghapusan yang disesuaikan dengan ketersediaan alternatif tepercaya dan pengecualian sementara jika belum ada pengganti tepercaya.
Agar aturan tersebut dapat ditegakkan, standar asal-usul model yang dipimpin oleh National Institute of Standards and Technology serta daftar komponen AI yang dapat dibaca mesin akan mendokumentasikan model dasar, penyetelan lanjutan yang signifikan, dan sumber distilasi. Persyaratan ini akan berlaku bagi kontraktor federal dan AI yang digunakan dalam fungsi infrastruktur kritis berisiko tinggi, serta bersifat sukarela di bidang lain. Inisiatif AI berbobot terbuka nasional Amerika akan menggabungkan sumber daya komputasi publik, infrastruktur evaluasi bersama, lisensi sukarela atas keluaran model terdepan Amerika kepada pengembang model berbobot terbuka yang memenuhi syarat untuk pelatihan, serta permintaan awal dari pemerintah federal.
Komite-komite tersebut memperingatkan bahwa menyingkirkan model Tiongkok sebelum tersedia alternatif berbobot terbuka yang tepercaya dapat meningkatkan biaya dan memusatkan pasar pada penyedia model tertutup eksklusif. Karena itu, rencana penjajakan Anysphere menggambarkan tantangan penerapan yang lebih luas: pembatasan memerlukan catatan asal-usul yang andal untuk menemukan model yang tertanam, serta pengganti yang dapat dipercaya agar bobot terbuka dari Tiongkok tidak ditukar dengan biaya yang lebih tinggi atau ketergantungan pada model tertutup.












