Deep Cogito Mengumpulkan $43 Juta Seri A untuk Membangun Mesin Pasca‑Pelatihan bagi AI yang Belajar Sendiri

Deep Cogito telah mengumpulkan $43 juta Seri A saat laboratorium AI di San Francisco ini berupaya memperluas bagian yang semakin penting dari tumpukan kecerdasan buatan: apa yang terjadi setelah model fondasi sudah dipra‑latih.

Putaran pendanaan dipimpin oleh TQ Ventures, dengan partisipasi dari Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons, dan perusahaan keamanan cloud Zscaler, yang merupakan pelanggan sekaligus investor strategis. Pendanaan ini meningkatkan total pendanaan Deep Cogito menjadi lebih dari $56 juta.

Didirikan oleh Drishan Arora dan Dhruv Malrana, yang sebelumnya bekerja pada produk AI Search Google termasuk AI Mode dan AI Overviews, Deep Cogito bertaruh bahwa peningkatan kecerdasan AI di masa depan akan semakin berasal dari algoritma pembelajaran yang lebih baik dan pasca‑pelatihan, bukan sekadar memperbesar proses pra‑pelatihan.

Hal ini menempatkan perusahaan pada bagian yang berbeda dalam perlombaan AI dibandingkan laboratorium yang terutama berfokus pada membangun model fondasi yang semakin besar dari awal.

Mengapa Deep Cogito Bertaruh pada Pasca‑Pelatihan

Pre-training bertanggung jawab memberikan model bahasa besar basis pengetahuan yang luas dengan mengeksposnya pada sejumlah besar data. Pasca‑pelatihan kemudian membentuk cara model tersebut berperilaku, bernalar, mengikuti instruksi, menggunakan alat, dan melakukan tugas‑tugas spesifik.

Hipotesis Deep Cogito adalah bahwa tahap kedua ini memiliki ruang untuk berkembang secara signifikan.

Penelitian perusahaan berfokus pada pembelajaran penguatan berskala besar dan metode yang memungkinkan model secara bertahap meningkatkan kemampuan mereka sendiri. Alih‑alih memperlakukan model yang telah dipra‑latih sebagai produk yang hampir selesai dan hanya membutuhkan penyesuaian tambahan, Deep Cogito melihatnya sebagai titik awal yang kemampuan dasarnya dapat terus dikembangkan.

Arora merangkum perbedaan tersebut saat mengumumkan putaran pendanaan: “Pra‑pelatihan memberi model sejumlah besar pengetahuan dan kemampuan. Pasca‑pelatihan menentukan apa yang sebenarnya dapat dicapai model tersebut.”

Hal ini terutama relevan karena ekonomi memperbesar pra‑pelatihan menjadi semakin menuntut. Melatih model fondasi frontier memerlukan dataset yang sangat besar, klaster GPU, infrastruktur listrik, dan modal. Sistem pasca‑pelatihan yang cukup efektif berpotensi mengekstrak intelijen yang jauh lebih banyak dari model yang ada tanpa mengulangi seluruh proses tersebut.

Mengubah Penalaran Mahal menjadi Intuisi yang Lebih Baik

Di pusat penelitian Deep Cogito adalah Iterated Distillation and Amplification (IDA), sebuah pendekatan yang perusahaan perkenalkan secara publik dengan keluarga model Cogito pertama.

Konsepnya relatif sederhana meskipun penerapannya pada skala besar tidak.

Selama tahap amplifikasi, model diberikan komputasi tambahan dan teknik yang memungkinkannya mencapai jawaban yang lebih kuat daripada yang dapat dihasilkannya secara langsung. Peningkatan yang dihasilkan kemudian didistilasi kembali ke dalam parameter model. Model yang ditingkatkan tersebut menjadi titik awal untuk iterasi berikutnya.

Alih‑alih mengharuskan model melakukan proses penalaran yang semakin panjang setiap kali menghadapi pertanyaan sulit, tujuanannya adalah secara bertahap menginternalisasi sebagian apa yang dipelajarinya selama langkah penalaran yang lebih mahal secara komputasi tersebut.

Deep Cogito menggambarkan ini sebagai meningkatkan “intuisi” model.

Pembedaan ini dapat menjadi penting bagi ekonomi inferensi. Rantai penalaran yang panjang dapat meningkatkan akurasi, tetapi juga meningkatkan konsumsi token, latensi, dan biaya. Model yang telah menginternalisasi trajektori penalaran yang lebih baik mungkin dapat mencapai kesimpulan serupa dengan komputasi waktu inferensi yang lebih sedikit.

Model Cogito Menyediakan Uji Publik untuk Pendekatan Ini

Deep Cogito telah menggunakan keluarga model open‑weight Cogito sebagai tempat uji coba teknik‑teknik ini.

Rilis awalnya berkisar antara 3 miliar hingga 70 miliar parameter, sebelum perusahaan memperluas keluarga tersebut dengan model 70B, 109B mixture‑of‑experts (MoE), 405B, dan 671B MoE.

Dengan Cogito v2, perusahaan melaporkan bahwa model 671B‑nya menghasilkan rantai penalaran sekitar 60% lebih pendek dibandingkan DeepSeek R1 0528 sekaligus tetap kompetitif dalam beberapa evaluasi. Deep Cogito juga menyatakan bahwa mereka menghabiskan kurang dari $3,5 juta total untuk melatih delapan model Cogito mulai dari 3B hingga 671B, meskipun kinerja benchmark dan perbandingan biaya pelatihan tidak selalu langsung diterjemahkan ke dalam ekonomi produksi.

Perusahaan melanjutkan penyempurnaan sistem dengan Cogito v2.1 671B, yang menggunakan model dasar DeepSeek berlisensi terbuka yang kemudian dipasca‑latih secara internal oleh Deep Cogito. Rilis penelitian v2.1 menyatakan bahwa model tersebut menggunakan supervisi proses selama penalaran, dengan pelatihan yang dirancang untuk meningkatkan kemampuan model mengidentifikasi jalur penalaran yang produktif, bukan sekadar mendorongnya untuk menalar lebih lama.

Perkembangan ini penting bagi argumen lebih luas Deep Cogito. Perusahaan tidak perlu membuktikan bahwa mereka dapat memra‑latih model fondasi yang lebih baik daripada laboratorium AI terbesar. Mereka perlu menunjukkan bahwa proses pasca‑pelatihan mereka dapat secara konsisten mengubah model yang kuat menjadi lebih mampu.

Zscaler Menunjukkan Peluang di Perusahaan

Sisi lain dari bisnis ini adalah menerapkan teknik pasca‑pelatihan tersebut di luar model Cogito yang dirilis secara publik dan mengaplikasikannya pada AI perusahaan.

Alih‑alih bergantung secara eksklusif pada model frontier serbaguna, perusahaan dapat melatih model khusus yang berpusat pada data proprietari, alur kerja, kriteria evaluasi, dan hasil yang diinginkan.

Hal ini dapat melampaui retrieval‑augmented generation (RAG) secara signifikan, yang biasanya memberi model umum akses ke informasi perusahaan eksternal pada saat inferensi. Pendekatan Deep Cogito bertujuan mengubah model itu sendiri dengan melatih kemampuan spesifik domain ke dalam bobotnya.

Zscaler memberikan contoh awal. Perusahaan keamanan siber ini memulai sebagai pelanggan Deep Cogito sebelum berpartisipasi dalam Seri A. Kedua perusahaan juga bekerja sama dalam intelijen keamanan khusus, dengan Deep Cogito berargumen bahwa aplikasi keamanan dapat memperoleh manfaat dari model yang dipasca‑latih pada data dan hasil keamanan organisasi itu sendiri.

Proposisi perusahaan yang lebih luas mencakup baik spesialisasi maupun kontrol. Laporan Wall Street Journal tentang pendanaan mencatat bahwa Deep Cogito menempatkan teknologinya di sekitar model yang dapat dilatih dan dimiliki bisnis menggunakan data proprietari, alih‑alih tetap sepenuhnya bergantung pada sistem frontier tertutup.

Apa yang Akan Dibiayai oleh Seri A $43 Juta

Deep Cogito berencana menggunakan Seri A untuk memperluas organisasi riset dan tekniknya, meningkatkan infrastruktur komputasi yang tersedia untuk pelatihan berskala besar, mengembangkan model Cogito masa depan, serta bekerja dengan lebih banyak perusahaan yang mencari model khusus.

Infrastruktur kemungkinan akan menjadi bagian yang sangat penting dari ekspansi tersebut. Materi perekrutan Deep Cogito sendiri menggambarkan peneliti yang bekerja pada algoritma pembelajaran penguatan baru, pipeline data, evaluasi, dan infrastruktur terdistribusi sambil melatih model dengan lebih dari 400 miliar parameter.

Dengan demikian, pendanaan ini memberikan perusahaan kapasitas yang jauh lebih besar untuk menguji apakah perbaikan yang ditunjukkan melalui model awalnya akan berlanjut ketika mereka menerapkan lebih banyak komputasi dan menjalankan lebih banyak iterasi proses pasca‑pelatihan.

Implikasi Lebih Besar: AI yang Belajar dari Penalarannya Sendiri

Signifikansi yang lebih besar dari pekerjaan Deep Cogito adalah kemungkinan bahwa pengembangan AI dapat beralih dari sistem yang sebagian besar dilatih pada data yang dihasilkan manusia menuju model yang semakin menghasilkan, mengevaluasi, dan menginternalisasi perbaikan mereka sendiri.

Pendekatan seperti Iterated Distillation and Amplification bertujuan mengubah penalaran mahal menjadi kemampuan yang bertahan. Model dapat menggunakan komputasi tambahan untuk menyelesaikan masalah yang lebih sulit, kemudian mendistilasi keuntungan tersebut kembali ke dalam bobotnya, menciptakan titik awal yang lebih kuat untuk siklus pelatihan berikutnya.

Seiring waktu, hal ini dapat menghasilkan siklus pengembangan berupa menalar, mengevaluasi, belajar, dan meningkatkan.

Masih ada kesenjangan besar antara pasca‑pelatihan iteratif dan perbaikan diri rekursif yang sesungguhnya. Model memerlukan evaluasi yang dapat diandalkan, tujuan yang dirancang dengan cermat, dan perlindungan terhadap penguatan kesalahan. Namun, bahkan versi terbatas dari pendekatan ini dapat mengurangi ketergantungan pada pra‑pelatihan yang semakin besar dan membuat AI khusus yang dilatih pada data proprietari perusahaan menjadi lebih praktis.

Jika tren ini berlanjut, keunggulan kompetitif dalam AI mungkin akan bergantung kurang pada siapa yang memiliki klaster komputasi terbesar dan lebih pada siapa modelnya paling mampu belajar dari pengalaman mereka sendiri.