Startup AI Klaim Berhasil Atasi Hambatan Matematis yang Mengekang LLM

Startup AI asal Miami bernama Subquadratic baru-baru ini keluar dari mode stealth dengan klaim yang cukup menggemparkan: mereka mengaku telah memecahkan hambatan matematis yang selama hampir satu dekade membatasi kemampuan large language models (LLM). Pengumuman ini langsung menarik perhatian komunitas AI, meski awalnya banyak yang skeptis karena detailnya masih sangat minim. Kini, perusahaan tersebut mulai memperlihatkan bukti-bukti konkret untuk mendukung klaimnya.

Hambatan yang dimaksud bersifat fundamental — berkaitan dengan kompleksitas komputasi dalam arsitektur transformer yang menjadi tulang punggung LLM modern. Secara teknis, mekanisme attention pada transformer bekerja secara "quadratic", artinya biaya komputasinya meledak secara eksponensial seiring panjang konteks yang diproses. Ini yang membuat LLM mahal, lambat, dan terbatas dalam menangani teks yang sangat panjang. Nama "Subquadratic" sendiri sudah menjadi petunjuk: mereka mengklaim mampu melampaui batas ini.

Jika klaim ini terbukti valid, dampaknya bisa sangat besar bagi industri AI. Model bahasa yang lebih efisien secara komputasi berarti biaya inferensi lebih rendah, konteks yang bisa diproses jauh lebih panjang, dan kemungkinan menjalankan model canggih di perangkat dengan sumber daya terbatas. Ini bukan hanya soal kecepatan — ini bisa mengubah cara model AI dibangun dan dideploy secara menyeluruh.

Yang menarik untuk diikuti adalah bagaimana komunitas riset merespons bukti yang mulai dibagikan Subquadratic. Klaim besar di dunia AI sering kali mengundang scrutiny ketat, dan validasi independen akan jadi penentu apakah ini benar-benar terobosan atau sekadar hype. Kalau terbukti nyata, bisa jadi salah satu momen paling signifikan dalam sejarah pengembangan LLM.