Citi: Laporan Mingguan AI Citi: Gemini kembali memuncaki peringkat model, pasokan memori yang terikat kontrak menaikkan biaya komputasi

Gemini kembali ke puncak, mengapa dampak komersialnya terbatas?

Gemini 4 Carbon yang baru diluncurkan Google meraih skor 59 dalam Indeks Kecerdasan Artificial Analysis dan menempati posisi pertama; terakhir kali Google berada di puncak adalah pada Februari dengan Gemini 3.1 Pro. Keunggulan model sumber tertutup di posisi teratas atas model terbuka terkemuka melebar menjadi 27 poin, yang terbesar sejak Juni.
Pengujian ini berlangsung setelah pembaruan indeks pada 27 Oktober, dan indeks baru terutama bergantung pada kumpulan data privat. Carbon saat ini hanya tersedia bagi petugas pertahanan siber, sehingga Citi menilai dampak komersial langsungnya mungkin terbatas.
Menurut pengukuran tugas Artificial Analysis, penggunaan token output Carbon adalah 2.4 kali GPT-6 Astra, tetapi biaya per tugas yang dihitung berdasarkan harga tercantum hanya lebih tinggi 24%, sebagian karena token output Carbon lebih murah.

Harga memori naik sementara tunggakan pesanan terus bertambah. Citi memperkirakan harga produk HBM4 12 lapis Micron naik lebih dari dua kali lipat secara tahunan; SK hynix telah menjual lebih dari separuh kapasitasnya untuk 2027–2028, Micron telah mengikat komitmen atas lebih dari 75% pengiriman tahun fiskal 2027, dan Samsung berencana mengalokasikan 60%–70% kapasitasnya untuk perjanjian jangka panjang.
Citi menyatakan bahwa sekitar 80% biaya model terkemuka dalam tugas Artificial Analysis berasal dari konteks yang di-cache. Ketika desain komputasi beralih ke rak utuh dan kumpulan memori bersama, memori menjadi lebih sulit digantikan: penyedia cloud AI kecil tanpa kontrak jangka panjang mungkin harus membeli memori dengan harga spot, sehingga mengimbangi pendapatan dari kenaikan tarif sewa GPU.
Perbedaan tarif sewa sudah terlihat: sejak November 2025, tarif sewa B300 yang memiliki lebih banyak memori naik 69%, sedangkan H100 naik 33% pada periode yang sama.

Minerva dari Nvidia menggunakan AI untuk memprediksi kegagalan komponen dan menangani masalah sebelum kegagalan memperlambat pekerjaan, sehingga membebaskan lebih banyak daya komputasi dari GPU yang ada. Semakin panjang tugas, semakin berharga kemampuan ini: pada April tahun ini, model terkemuka menangani tugas yang membutuhkan 17 jam bagi manusia dengan tingkat keberhasilan 50%, dibandingkan durasi yang setara sebesar 2 jam setahun sebelumnya.
Citi menilai bahwa selama GPU masih langka, peningkatan efisiensi kecil kemungkinannya memengaruhi permintaan infrastruktur dalam waktu dekat. Produsen peralatan pengujian Teradyne mengatakan permintaan AI-nya telah mencakup bidang seperti memori, interkoneksi, dan sistem terintegrasi, sehingga mendorong pendapatan terkait naik 70% secara tahunan.

Genie 4 dari Google DeepMind membuat pelatihan robot dalam simulasi lebih realistis, tetapi Citi menilai hanya data dunia nyata yang dapat membuktikan efektivitas kebijakan operasi hasil pelatihan, sehingga pengguna awal mungkin dapat membangun keunggulan data.
Adopsi perangkat lunak di sektor manufaktur masih tertinggal dari sektor keuangan: di antara perusahaan yang menggunakan Ramp, pada September sebanyak 61% produsen membayar langganan perangkat lunak AI, dibandingkan 74% perusahaan keuangan. SAP telah mulai mengirimkan tugas kepada robot dari sistem pesanan, inventaris, dan pemeliharaan, sehingga memberinya titik masuk perangkat lunak untuk berpartisipasi dalam adopsi robot.
Konferensi pembelajaran robot pada 9 November hingga tanggal 12 mungkin menunjukkan apakah teknologi simulasi memperpendek waktu dari proyek percontohan hingga penerapan armada robot; jika demikian, Citi menilai kontribusi AI fisik terhadap permintaan perangkat keras dan inferensi dapat meningkat lebih cepat.