Apa Itu LLM 27 Miliar Parameter GoTo dan Mengapa Penting
Model AI multilingual 27 miliar parameter GoTo adalah model bahasa besar yang dirancang untuk memahami dan menghasilkan teks dalam beberapa bahasa, termasuk bahasa nasional dan bahasa daerah Indonesia, sehingga dapat menjadi fondasi berbagai aplikasi kecerdasan buatan yang lebih relevan secara budaya, linguistik, dan kontekstual bagi pengguna lokal.
Peluncuran LLM 27 miliar parameter ini bukan sekadar kabar teknologi baru; ini adalah pernyataan sikap bahwa bahasa daerah Indonesia layak menjadi warga kelas satu di ekosistem digital. GoTo merilis model kecerdasan buatan baru dengan 27 miliar parameter yang mampu memahami bahasa Indonesia serta sejumlah bahasa daerah, termasuk Jawa, Sunda, Bali, dan Batak. Model bahasa besar ini diumumkan di ajang Bali Tech Week di Sanur pada 19 Oktober 2026, setelah dikembangkan oleh talenta AI internal sebagai kelanjutan inisiatif model terbuka sejak 2024. Dengan kata lain, ini bukan eksperimen sesaat, melainkan kelanjutan strategi jangka panjang membangun inovasi AI lokal.
Secara teknis, kapasitas 27 miliar parameter menempatkan model ini di kelas menengah: cukup besar untuk tugas bahasa yang rumit, tetapi masih mungkin dijalankan di server mandiri tanpa pusat data raksasa. Kapasitas konteks hingga 128.000 token membuatnya mampu merangkum dokumen panjang, menerjemahkan, dan menjawab pertanyaan dengan mempertimbangkan banyak informasi sekaligus. Di balik angka-angka ini ada pesan politis yang jelas: kemampuan bahasa daerah tidak lagi menunggu belas kasih model global, tetapi dibangun dari data dan kepentingan lokal sendiri.
Bahasa Daerah Indonesia Masuk Inti Model AI Multilingual
Selama ini, bahasa daerah Indonesia sering hanya menjadi catatan kaki dalam riset AI global. LLM 27 miliar parameter GoTo membalik posisi itu dengan menjadikan bahasa Jawa, Sunda, Bali, dan Batak sebagai bahasa inti, bukan pelengkap. Berdasarkan dokumentasi di Hugging Face, model ini mendukung enam bahasa: Inggris, Indonesia, Jawa, Sunda, Bali, dan Batak Toba. Artinya, model AI multilingual ini sejak awal dirancang untuk hidup di tengah percakapan dwibahasa dan multibahasa yang lazim di ruang digital lokal.
Keputusan melatih model dengan data teks dari media nasional, situs sektor publik, dan korpus bahasa daerah membuatnya lebih peka terhadap konteks sehari-hari. Untuk bahasa Batak, GoTo menggandeng Universitas Sumatera Utara (USU) guna mengumpulkan data yang mencerminkan penggunaan bahasa tersebut saat ini. Ini penting: tanpa data yang hidup, AI hanya akan mengabadikan bahasa sebagai museum, bukan sebagai bahasa yang dipakai di pasar, grup keluarga, dan layanan publik.
Dari hasil pengujian tolok ukur di kelas open-source, LLM ini mencatat skor tertinggi pada pengujian bahasa-bahasa daerah, menunjukkan keunggulan dalam memahami konteks kebahasaan lokal. Di sinilah letak nilai strategisnya: ketika model global sering gagal membaca singkatan, campur kode, atau humor lokal, model ini justru dilatih untuk menganggapnya sebagai norma. Jika dimanfaatkan serius, ia bisa menjadi standar baru bagaimana bahasa daerah Indonesia hadir di aplikasi, bukan sekadar opsi tambahan di menu pengaturan.
Akses Gratis di Hugging Face: Bahan Bakar Inovasi AI Lokal
Model AI ini tidak dikunci di balik paywall atau antarmuka tertutup. GoTo membuka akses LLM 27 miliar parameter ini secara gratis bagi startup, perusahaan, universitas, peneliti, hingga institusi publik. Model AI terbaru GoTo dapat diakses melalui platform Hugging Face, sehingga pengembang dapat menggunakannya, mempelajarinya, dan mengadaptasinya untuk membangun berbagai aplikasi tanpa harus mengembangkan teknologi dari awal. Ini adalah langkah berani: alih-alih menjual model sebagai produk eksklusif, ia diposisikan sebagai infrastruktur bersama untuk inovasi AI lokal.
Secara praktis, LLM berfungsi sebagai fondasi kecerdasan buatan untuk merangkum dokumen, menerjemahkan bahasa, hingga menjawab pertanyaan. Dengan kapasitas konteks 128.000 token dan kemampuan menjalankan model di server milik universitas atau institusi publik, pengembang bisa membangun chatbot layanan publik, sistem tanya jawab dokumen, hingga asisten belajar yang paham bahasa daerah tanpa bergantung pada pusat data skala besar. Memang, kebutuhan GPU sekitar 54–60 GB memori untuk presisi FP16/BF16 berarti tidak semua pihak bisa menjalankannya di laptop biasa, tetapi untuk ekosistem riset dan startup, ini masih dalam jangkauan.
Di sisi lain, penggunaan lisensi Gemma membuat model ini disebut open source namun tetap dengan batasan tertentu, sehingga pengembang harus memperhatikan ketentuan penggunaan dan distribusi. Di sinilah komunitas teknis perlu kritis: akses gratis bukan berarti bebas tanpa syarat. Namun dibanding menunggu model global yang belum tentu memprioritaskan bahasa daerah Indonesia, memiliki model AI multilingual lokal yang bisa diunduh hari ini adalah keuntungan strategis yang sulit diabaikan.
Dari Konsumen ke Produsen: Pergeseran Arah Kedaulatan Digital
Peluncuran LLM 27 miliar parameter ini terjadi di momen ketika wacana kedaulatan digital teknologi mulai diterjemahkan ke kebijakan konkret. Langkah GoTo membagikan akses model kecerdasan buatan ini selaras dengan agenda Visi Digital 2045 yang mendorong agar ekosistem lokal tidak hanya menjadi konsumen, tetapi juga pembuat teknologi AI. CEO Grup GoTo, Hans Patuwo, menegaskan bahwa Indonesia telah memanfaatkan teknologi AI global dengan baik, tetapi juga harus membangun AI sendiri untuk menyelesaikan persoalan yang khas bagi masyarakat lokal.
Pernyataan Hans menyoroti kelemahan model global: AI yang dirancang untuk pasar dunia sering tidak maksimal memahami gaya bahasa harian, singkatan lokal, maupun nuansa kultural. Dengan melatih model pada data media nasional, situs publik, dan bahasa daerah, GoTo mencoba menjawab celah ini. Lebih jauh, pelibatan mahasiswa magang dari tujuh perguruan tinggi dalam penyiapan data, pelatihan model, hingga pengembangan teknologi pemrosesan suara menunjukkan bahwa proyek ini juga menjadi sekolah besar bagi talenta AI lokal.
Konsekuensinya, perdebatan tentang kedaulatan digital teknologi tidak lagi bisa berhenti di isu regulasi dan infrastruktur; ia harus menyentuh lapisan model AI yang memahami bahasa dan data lokal. Selama model bahasa dikuasai pihak luar, pengalaman digital akan selalu mengikuti logika dan bias mereka. Dengan LLM 27 miliar parameter yang paham bahasa daerah Indonesia dan tersedia gratis, bola kini berada di tangan ekosistem lokal: apakah akan memakainya untuk membangun layanan yang lebih adil dan relevan, atau membiarkannya menjadi sekadar proyek percontohan yang mengesankan di atas kertas.
