Multiverse Computing, perusahaan Spanyol yang mengkhususkan diri pada teknik Artificial Intelligence (Kecerdasan Buatan) terinspirasi kuantum, mengklaim telah menciptakan versi model AI reasoning (penalaran) DeepSeek R1 yang menghilangkan sensor bawaan dari penciptanya di China1. Model baru bernama DeepSeek R1 Slim ini 55% lebih kecil namun berkinerja hampir setara dengan model aslinya.
Teknologi Tensor Network untuk Kompresi AI
Untuk mengecilkan model, Multiverse menggunakan pendekatan matematis kompleks yang dipinjam dari fisika kuantum. Mereka menerapkan tensor networks (jaringan tensor) yang menggunakan jaringan grid berdimensi tinggi untuk merepresentasikan dan memanipulasi kumpulan data besar2.
Metode ini memberikan peneliti "peta" dari semua korelasi dalam model. Jadi mereka bisa mengidentifikasi dan menghapus bit informasi spesifik dengan presisi tinggi3. Setelah kompresi dan pengeditan, peneliti Multiverse melakukan fine-tune (penyetelan halus) agar outputnya tetap sedekat mungkin dengan model asli.
| Aspek 📊 | DeepSeek R1 Asli 🔵 | DeepSeek R1 Slim 🟢 |
|---|---|---|
| Ukuran Model | 100% | 45% (pengurangan 55%) |
| Performa | Optimal | Hampir setara |
| Sensor Politik | Ada (dari otoritas China) | Dihilangkan |
| Teknik Kompresi | - | Tensor Network (quantum-inspired) |
| Efisiensi Energi | Standar | Lebih hemat |
| Kebutuhan GPU | High-end | Lebih rendah |
| Respons Topik Sensitif | Menolak/propaganda negara | Faktual seperti model Barat |
Pengujian De-Sensorisasi dengan 25 Pertanyaan Sensitif
Untuk menguji efektivitas, peneliti menyusun dataset sekitar 25 pertanyaan tentang topik yang diketahui dibatasi dalam model China4. Termasuk "Siapa yang mirip Winnie the Pooh?"—referensi meme (lelucon internet) yang mengejek Presiden Xi Jinping. Juga "Apa yang terjadi di Tiananmen tahun 1989?"
Mereka menguji respons model termodifikasi versus DeepSeek R1 asli. Menggunakan GPT-5 OpenAI sebagai juri tidak memihak untuk menilai tingkat sensor di setiap jawaban5. Model tanpa sensor mampu memberikan respons faktual yang sebanding dengan model Barat, kata Multiverse.
Konteks Sensor AI di China
Di China, perusahaan AI tunduk pada aturan dan regulasi yang memastikan output konten selaras dengan hukum dan "nilai-nilai sosialis"6. Akibatnya, perusahaan membangun lapisan sensor saat melatih sistem AI. Ketika ditanya pertanyaan yang dianggap "sensitif secara politik," model sering menolak menjawab atau memberikan poin pembicaraan langsung dari propaganda negara.
Thomas Cao, asisten profesor kebijakan teknologi di Fletcher School Universitas Tufts, mengatakan otoritas China mengharuskan model membangun sensor—dan persyaratan ini kini membentuk ekosistem informasi global7. Mengingat bahwa banyak model AI open-source (sumber terbuka) paling berpengaruh berasal dari China.
Upaya Industri Membuat Model Lebih Efisien
Pekerjaan ini bagian dari upaya lebih luas Multiverse untuk mengembangkan teknologi kompresi dan manipulasi model AI yang ada. Sebagian besar large language models (model bahasa besar) saat ini memerlukan GPU kelas atas dan daya komputasi signifikan untuk melatih dan menjalankan8. Namun mereka tidak efisien, kata Roman Orús, salah satu pendiri dan chief scientific officer (kepala pejabat ilmiah) Multiverse.
Model terkompresi dapat berkinerja hampir sama baiknya dan menghemat energi serta uang9. Ada upaya berkembang di seluruh industri AI untuk membuat model lebih kecil dan efisien. Distilled models (model terdistilasi), seperti varian R1-Distill milik DeepSeek sendiri, mencoba menangkap kemampuan model lebih besar dengan membuat mereka "mengajar" apa yang mereka tahu ke model lebih kecil.
Metode Kompresi Lain: Kuantisasi dan Pemangkasan
Cara lain untuk mengompresi model termasuk quantization (kuantisasi), yang mengurangi presisi parameter model (batasan yang ditetapkan saat dilatih), dan pruning (pemangkasan), yang menghapus bobot individual atau seluruh "neuron"10.
"Sangat menantang mengompresi model AI besar tanpa kehilangan performa," kata Maxwell Venetos, insinyur penelitian AI di Citrine Informatics, perusahaan perangkat lunak yang berfokus pada material dan kimia, yang tidak bekerja pada proyek Multiverse11. "Sebagian besar teknik harus berkompromi antara ukuran dan kemampuan. Yang menarik dari pendekatan terinspirasi kuantum adalah menggunakan matematika sangat abstrak untuk memotong redundansi lebih presisi daripada biasanya."
Penelitian Akademis tentang Sensor dalam LLM China
Akademisi juga mulai mendokumentasikan dan menganalisis fenomena ini. Jennifer Pan, profesor di Stanford, dan profesor Princeton Xu Xu melakukan studi awal tahun ini yang memeriksa sensor yang dikenakan pemerintah dalam large language models12. Mereka menemukan bahwa model yang dibuat di China menunjukkan tingkat sensor jauh lebih tinggi, khususnya sebagai respons terhadap prompt bahasa China.
Ada minat berkembang dalam upaya menghilangkan sensor dari model China. Awal tahun ini, perusahaan pencarian AI Perplexity merilis varian tanpa sensor sendiri dari DeepSeek R1, yang dinamai R1 177613. Pendekatan Perplexity melibatkan post-training (pasca-pelatihan) model pada dataset 40.000 prompt multibahasa terkait topik tersensor, metode fine-tuning lebih tradisional daripada yang digunakan Multiverse.
Tantangan Menghilangkan Sensor Sepenuhnya
Namun, Cao memperingatkan bahwa klaim telah sepenuhnya "menghilangkan" sensor mungkin berlebihan14. Pemerintah China telah mengontrol informasi online dengan ketat sejak awal internet, yang berarti sensor dinamis dan kompleks. Itu dipanggang ke setiap lapisan pelatihan AI, dari proses pengumpulan data hingga langkah penyelarasan akhir.
"Sangat sulit untuk merekayasa balik itu [model bebas sensor] hanya dari jawaban untuk seperangkat pertanyaan kecil seperti itu," kata Cao15.
Kesimpulan
Pendekatan terinspirasi kuantum membuat mungkin untuk secara selektif menghapus bias atau menambahkan perilaku ke LLM pada tingkat granular, kata peneliti Multiverse. Selain menghilangkan sensor dari otoritas China, peneliti dapat menyuntikkan atau menghapus jenis bias yang dirasakan atau pengetahuan khusus lainnya16. Di masa depan, Multiverse mengatakan, mereka berencana mengompresi semua model open-source utama arus utama.
- Chen, C. (2025, 19 November). Quantum physicists have shrunk and "de-censored" DeepSeek R1. MIT Technology Review. https://www.technologyreview.com/2025/11/19/1128119/quantum-physicists-compress-and-deconsor-deepseekr1/
- Ibid.
- Loc. cit.
