Anthropic Batasi Rilis Model AI Mythos: Lindungi Internet atau Bisnis Sendiri?

SAN FRANCISCO, (9 April 2026)

Mengutip laporan dari TechCrunch, Anthropic pada minggu ini mengumumkan pembatasan rilis model AI terbarunya yang diberi nama Mythos. Pembatasan ini dilakukan karena Mythos dinilai terlalu mampu menemukan security exploits pada software yang digunakan oleh miliaran pengguna di seluruh dunia.

Alih-alih merilis Mythos ke publik secara luas, laboratorium frontier ini justru akan membagikannya kepada sekelompok perusahaan dan organisasi besar yang mengoperasikan infrastruktur online kritis, mulai dari Amazon Web Services hingga JPMorgan Chase. OpenAI dilaporkan juga sedang mempertimbangkan rencana serupa untuk cybersecurity tool berikutnya. Ide dasarnya adalah untuk memungkinkan enterprise besar ini selangkah lebih maju dari bad actors yang bisa memanfaatkan LLM canggih untuk menyusup ke software yang aman.

Namun, ada petunjuk bahwa mungkin ada lebih banyak hal di balik strategi rilis ini daripada sekadar masalah cybersecurity—atau membesar-besarkan kemampuan model. Dan Lahav, CEO laboratorium cybersecurity AI Irregular, mengatakan kepada TechCrunch pada bulan Maret, sebelum rilis Mythos, bahwa meskipun penemuan kerentanan oleh AI tools itu penting, nilai spesifik dari setiap kelemahan bagi penyerang bergantung pada banyak faktor, termasuk bagaimana kelemahan tersebut dapat digunakan dalam kombinasi.

"Pertanyaan yang selalu ada di benak saya adalah, apakah mereka menemukan sesuatu yang dapat dieksploitasi dengan cara yang sangat berarti, baik secara individual maupun sebagai bagian dari rantai?" kata Lahav.

Anthropic mengklaim Mythos mampu mengeksploitasi kerentanan jauh lebih banyak daripada model sebelumnya, Opus. Namun, tidak jelas apakah Mythos benar-benar be-all and end-all dari cybersecurity models. Aisle, sebuah startup cybersecurity AI, menyatakan bahwa mereka mampu mereplikasi banyak dari apa yang dikatakan Anthropic telah dicapai oleh Mythos dengan menggunakan open-weight models yang lebih kecil. Tim Aisle berpendapat bahwa hasil ini menunjukkan tidak ada deep learning model tunggal untuk cybersecurity, melainkan bergantung pada tugas yang spesifik.

Mengingat Opus sudah dianggap sebagai game changer untuk cybersecurity, ada alasan lain mengapa laboratorium frontier mungkin ingin membatasi rilis mereka kepada organisasi besar: Ini menciptakan flywheel untuk kontrak enterprise besar, sekaligus mempersulit kompetitor untuk menyalin model mereka menggunakan distillation, sebuah teknik yang memanfaatkan frontier models untuk melatih LLM baru dengan biaya murah.

"Ini adalah marketing cover untuk fakta bahwa top-end models sekarang dibatasi oleh perjanjian enterprise dan tidak lagi tersedia untuk laboratorium kecil untuk melakukan distill," saran David Crawshaw, seorang software engineer dan CEO startup exe.dev, dalam sebuah postingan media sosial. "Pada saat Anda dan saya bisa menggunakan Mythos, akan ada rev top-end baru yang hanya untuk enterprise. 'Treadmill' itu membantu menjaga aliran enterprise dollars (yang merupakan sebagian besar pendapatan) dengan menempatkan perusahaan distillation ke peringkat kedua," kata Crawshaw.

Analisis tersebut sejalan dengan apa yang terlihat dalam ekosistem AI: perlombaan antara frontier labs yang mengembangkan model terbesar dan paling mumpuni, serta perusahaan seperti Aisle yang mengandalkan berbagai model dan melihat open source LLM, seringkali dari Tiongkok dan diduga dikembangkan melalui distillation, sebagai jalan menuju keuntungan ekonomi.

Frontier labs telah mengambil tindakan lebih keras terhadap distillation tahun ini, dengan Anthropic secara terbuka mengungkapkan apa yang dikatakannya sebagai upaya perusahaan Tiongkok untuk menyalin modelnya. Tiga laboratorium terkemuka – Anthropic, Google, dan OpenAI – bahkan bekerja sama untuk mengidentifikasi dan memblokir distillers, menurut laporan Bloomberg.

Distillation merupakan ancaman bagi business model frontier labs karena menghilangkan keuntungan yang diperoleh dari penggunaan modal besar untuk skala. Memblokir distillation, oleh karena itu, merupakan upaya yang berharga, tetapi pendekatan rilis selektif untuk melakukannya juga memberi laboratorium cara untuk membedakan penawaran enterprise mereka karena kategori ini menjadi kunci penyebaran yang menguntungkan.

Apakah Mythos atau model baru lainnya benar-benar mengancam keamanan internet masih harus dilihat, dan peluncuran teknologi yang hati-hati adalah jalan ke depan yang bertanggung jawab.

Anthropic tidak menanggapi pertanyaan kami mengenai apakah keputusan tersebut juga terkait dengan kekhawatiran distillation pada saat berita ini dimuat, tetapi perusahaan tersebut mungkin telah menemukan pendekatan cerdik untuk melindungi internet — dan keuntungan finansialnya.

Dampak bagi Indonesia

Pembatasan rilis model AI canggih seperti Mythos oleh Anthropic membawa implikasi signifikan bagi lanskap cybersecurity dan adopsi enterprise AI di Indonesia. Perusahaan-perusahaan besar di Indonesia, terutama di sektor perbankan, telekomunikasi, dan infrastruktur kritis lainnya, sangat bergantung pada keamanan siber yang kuat. Dengan adanya model LLM yang sangat kapabel dalam menemukan security exploits ini, perusahaan-perusahaan tersebut mungkin perlu mempertimbangkan strategi baru untuk mendapatkan akses ke teknologi cybersecurity mutakhir. Mereka kemungkinan harus menjalin kemitraan langsung dengan Anthropic atau penyedia LLM frontier lainnya, mirip dengan yang dilakukan oleh Amazon Web Services atau JPMorgan Chase.

Di sisi lain, kondisi ini juga dapat mendorong inovasi di kalangan startup cybersecurity lokal di Indonesia. Mereka mungkin akan lebih fokus memanfaatkan open-weight models atau LLM yang lebih kecil yang tersedia secara publik, untuk mengembangkan solusi keamanan yang disesuaikan dengan kebutuhan dan konteks pasar Indonesia. Ini sejalan dengan pendekatan yang diambil oleh Aisle yang menunjukkan bahwa tidak ada satu deep learning model yang superior untuk semua tugas cybersecurity.

Regulasi keamanan data dan privasi di Indonesia, seperti Undang-Undang Perlindungan Data Pribadi (UU PDP), akan semakin menyoroti pentingnya alat deteksi kerentanan yang canggih. Ketersediaan (atau ketiadaan) akses terhadap model AI seperti Mythos dapat mempengaruhi strategi investasi dalam infrastruktur cybersecurity dan pengembangan talenta di Indonesia, serta mendorong diskusi tentang kebijakan akses teknologi dual-use yang berpotensi memiliki dampak signifikan pada keamanan nasional.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.