Daftar model bahasa besar (LLM)

Seiring dengan makin matangnya teknologi, LLM baru terus berkembang. Baik pengembang AI terkemuka, start-up baru, maupun perusahaan besar yang telah mapan terus-menerus merilis dan menyempurnakan berbagai model baru. Sementara itu, komunitas sumber terbuka terus menyempurnakan LLM sumber terbuka, dengan menggabungkan dan memodifikasi model yang sudah ada menggunakan kumpulan data khusus untuk menciptakan varian yang tak terbatas. Oleh karena itu, tidak ada daftar LLM yang bisa disebut lengkap. Bahkan, daftar yang paling “lengkap” sekali pun sifatnya hanya sementara.

Berikut adalah daftar beberapa LLM paling menonjol dan berkinerja baik yang tersedia saat ini. Beberapa hal yang perlu diperhatikan:

• Daftar ini terbatas pada LLM generatif yang mampu menghasilkan teks, dan tidak termasuk model AI yang hanya dirancang untuk pemahaman bahasa alami (natural language understanding, NLU) atau tugas pemrosesan bahasa alami (natural language processing, NLP) lainnya. Antara lain, daftar ini tidak mencakup model penyematan (seperti BERT atau Granite Embedding) yang mendukung pencarian semantik dan retrieval augmented generation (RAG).

• Daftar ini memprioritaskan model yang secara aktif didukung dan diperbarui oleh pengembangnya, dan setidaknya mempertahankan kinerja nominal kompetitif. Ini tidak termasuk sejumlah model dasar yang berpengaruh secara historis, seperti T5 dari Google, GPT-3 dari OpenAI, atau Llama 2 dari Meta, yang beberapa di antaranya masih digunakan untuk tujuan riset.

Demi kepraktisan, LLM umumnya dapat dibagi dalam 2 kategori: LLM sumber tertutup yang hanya tersedia sebagai penawaran komersial melalui pengembangnya, dan model terbuka yang tersedia secara gratis.

Model sumber tertutup atau model eksklusif, hanya dapat diakses secara langsung di platform pengembangnya, platform lain yang telah melisensikan modelnya, atau melalui API eksklusif dari penyedia model tersebut.

Karena pengembang model tertutup umumnya memperlakukan detail teknis sebagai rahasia dagang yang dijaga ketat, biasanya kita tidak dapat mengetahui secara pasti spesifikasi ukuran model tertutup, arsitektur jaringan neural, atau proses pelatihannya. Beberapa detail dapat disimpulkan—misalnya, dengan membandingkan kecepatan inferensi, penggunaan memori GPU, dan kinerja tolok ukur model tertutup terhadap model terbuka yang detailnya diungkapkan secara publik—tetapi jarang, atau bahkan tidak pernah dikonfirmasi.

Setidaknya sejak sekitar tahun 2022, sebagian besar model terdepan dan tercanggih pada masanya adalah model tertutup. Namun, hal ini sebagian besar merupakan cerminan situasi historis dunia nyata dari industri ini, bukan keunggulan yang dimiliki model tertutup terhadap model terbuka. Berikut adalah beberapa seri model tertutup paling terkemuka, diurutkan berdasarkan abjad.

Model bahasa Claude dari Anthropic merupakan salah satu model bahasa terbaik di dunia. Awalnya didirikan sebagai lab penelitian keamanan AI pada tahun 2021 oleh beberapa mantan karyawan OpenAI, pendekatan Anthropic untuk pengembangan model dibangun berdasarkan konsep unik AI Konstitusional. “Konstitusi” Claude adalah dokumen yang tidak hanya memandu perilaku karyawan Anthropic, tetapi juga perilaku (dan pembuatan data pelatihan sintetis) model Claude itu sendiri.

Sejak Claude 3, generasi Claude berturut-turut menyediakan model multimodal dalam 3 ukuran berbeda:

• Claude Haiku adalah model terkecil Anthropic yang dioptimalkan untuk kecepatan dan efisiensi biaya. Berbeda dari Soneta dan Opus, model Haiku bukanlah model penalaran: kecuali jika diperintahkan secara eksplisit, model Haiku tidak menghasilkan jejak penalaran rantai pemikiran (CoT).

• Claude Sonnet adalah model Anthropic berukuran sedang. Bagi Anthropic, ini adalah kompromi optimal antara kinerja dan efisiensi untuk sebagian besar contoh penggunaan. Baik Sonnet maupun Opus adalah model penalaran hibrida, yang berarti keduanya dapat dikonfigurasi untuk melakukan inferensi standar atau penalaran CoT adaptif untuk pemecahan masalah multilangkah yang kompleks.

• Claude Opus adalah model Anthropic terbesar dan terkuat, untuk memberikan kinerja terdepan pada tugas-tugas yang menantang.

Claude Haiku, Sonnet, dan Opus dapat memproses input teks, audio, dan gambar, serta output teks atau audio (sebagai text-to-speech). Dahulu, berbeda dengan kebanyakan model tertutup pesaing, model Claude (dan platform Claude yang didukungnya) tidak mampu menghasilkan gambar. Namun, sejak 12 Maret 2026, Claude sudah dapat menghasilkan gambar. Saat mengakses model ini melalui Claude API, pengguna dapat mengatur “tingkat upaya” proses penalaran Sonnet atau Opus ke “maksimum”, “tinggi”, “sedang”, “rendah”, atau “adaptif”.

Gemini adalah seri model bahasa tertutup dari Google, yang dikembangkan oleh anak perusahaannya, Google DeepMind, dan pertama kali diluncurkan pada Desember 2023. Perlu diketahui bahwa Google Brain (yang digabungkan dengan DeepMind untuk membentuk Google DeepMind pada tahun 2023) merupakan perancang arsitektur model transformer yang memungkinkan hadirnya LLM pertama, setelah menerbitkan riset penting berjudul “Attention is All You Need” pada tahun 2017.

Sejak awal tahun 2025, Google merilis setiap generasi model Gemini dalam 3 ukuran berbeda, yang semuanya merupakan model penalaran. Saat diakses melalui Gemini API, pengguna dapat memilih salah satu dari beberapa “tingkat berpikir” untuk menyesuaikan jumlah token dan waktu yang akan digunakan model sebelum menghasilkan output akhir.

• Model Gemini Pro adalah LLM terbesar dan tercanggih dari Google.
  
  
• Model Gemini Flash, dibandingkan dengan Gemini Pro, dioptimalkan untuk kecepatan.
  
  
• Model Gemini Flash-Lite cepat dan hemat biaya, serta dioptimalkan untuk tugas-tugas bervolume tinggi seperti penerjemahan dan penggunaan alat agen.

Gemini Pro, Flash, dan Flash-Lite adalah model multimodal asli yang dapat memproses input teks, audio, gambar, atau video serta menghasilkan output teks. Ketika diakses melalui platform Gemini, output multimodal dapat dihasilkan melalui model khusus Gemini yang terpisah untuk pembuatan gambar, video, atau musik.

Sejak Gemini 2.5 Pro dirilis pada Maret 2025, yang mencapai kinerja terbaik industri saat itu di sebagian besar tolok ukur akademis, model Gemini bersaing dengan Claude dan seri GPT dari OpenAI sebagai LLM dengan kinerja terbaik di dunia. Secara umum, status model “terbaik” berpindah tangan setiap kali ada model terdepan baru yang dirilis oleh salah satu dari ketiga seri tersebut.

Grok adalah seri LLM eksklusif produksi xAI, yang pertama kali diluncurkan dalam pratinjau beta sebagai chatbot di X (dahulu Twitter) pada November 2023. Pada April 2025, xAI meluncurkan akses API untuk Grok 3, yang saat itu merupakan model andalan terbarunya.

Seri model Grok terus berubah seiring perilisan generasi-generasi model terbaru.

• Grok 2 hadir bersama Grok 2 Mini, yang merupakan varian berbasis ukuran pertama dari seri model ini. Konvensi yang sama ini berulang untuk Grok 3 pada Februari 2025.
  
  
• Peluncuran model Grok generasi ke-4 mencakup Grok 4 dan Grok 4 Heavy pada Juli 2025. Pada musim gugur 2025, kedua model ini disusul oleh Grok 4 Fast, dan kemudian oleh Grok 4.1 (tersedia dalam konfigurasi Thinking dan Non-Thinking).
  
  
• Pada Agustus 2025, xAI merilis Grok Code Fast 1, model yang berfokus pada efisiensi dan dioptimalkan untuk pengodean agen.

Pada Grok 4, model Grok dapat memproses input teks, gambar, dan ucapan. Meskipun LLM Grok tidak dapat menghasilkan output multimodal, model Aurora dari xAI dapat menghasilkan output gambar dan video melalui platform Grok Imagine.

Terlepas dari kinerja mentahnya, sebagian besar sejarah Grok (dan khususnya chatbot Grok) banyak mencatat kontroversi, misalnya tuduhan menyebarkan informasi pemilu yang salah, memberikan opini yang memecah belah dalam percakapan yang tidak relevan, dan melanggengkan stereotipe berbahaya.

Dalam pernyataan publiknya, CEO xAI, Elon Musk, mengatakan bahwa “pendekatan umum kami adalah bahwa kami akan menyediakan versi terakhir model sumber terbuka ketika versi berikutnya telah sepenuhnya dirilis”.¹

Grok 1 sumber terbuka dari xAI di bawah lisensi Apache 2.0 pada Maret 2024. Grok 3 dirilis pada Februari 2025, tetapi model Grok sumber terbuka berikutnya baru dirilis pada Agustus 2025. Yang membingungkan, xAI (dan Elon Musk) mengumumkan bahwa mereka telah merilis “Grok 2.5” sumber terbuka ², meskipun tidak pernah ada model yang dinamai atau dirilis sebagai Grok 2.5 sebelum pernyataan tersebut dikeluarkan. Kartu model Hugging Face dari model tersebut bahkan menyebut model ini sebagai “Grok-2”.

Dalam pengumuman yang dikeluarkan pada Agustus 2025 tersebut, Musk menyiratkan bahwa Grok 3 juga akan dirilis sebagai model sumber terbuka dalam waktu “sekitar enam bulan”. Hingga delapan bulan kemudian, tanggal rilis model sumber terbuka tersebut tak kunjung diumumkan.

Seri GPT (kependekan dari Generative Pretrained Transformer) milik OpenAI umumnya dianggap sebagai pelopor era AI generatif saat ini, khususnya setelah peluncuran ChatGPT dengan model GPT-3.5 pada tahun 2022.

Konvensi penamaan model dan varian OpenAI berubah drastis sejak 2022, sering kali dengan cara yang membingungkan. Sebagai contoh, GPT-4.1 dirilis setelah GPT-4.5, dan model penalaran o4 tersedia pada saat yang sama dengan model non-penalaran multimodal GPT-4o, yang sepenuhnya berbeda dari model penalaran “o4”, yang berkinerja lebih rendah daripada versi “o3”. Pada awal tahun 2025, CEO OpenAI, Sam Altman, mengakui bahwa “Kami menyadari betapa rumitnya model dan penawaran produk kami”.

Sejak rilis GPT-5 pada Agustus 2025, produk LLM konsolidasi perusahaan ini sekarang mencakup:

• GPT-5.x adalah produk serbaguna andalan OpenAI. Pada Maret 2026, versi model terbarunya adalah GPT-5.4. Meskipun semua model GPT-5 adalah model penalaran, GPT-5.4 juga tersedia dalam varian GPT-5.4 Pro, yang “menggunakan lebih banyak komputasi untuk berpikir lebih keras dan memberikan jawaban yang lebih baik dan lebih konsisten”.³ OpenAI juga menawarkan GPT-5 Codex, versi GPT-5 yang disempurnakan untuk pembuatan kode agen yang optimal (yang diperbarui secara berkala mengikuti versi terbaru model inti).

• GPT-5 mini menawarkan “kecerdasan nyaris terdepan untuk beban kerja yang sensitif biaya, berlatensi rendah, dan bervolume tinggi”, menurut gambaran umum model OpenAI.

• GPT-5 nano adalah “versi GPT-5 tercepat dan paling hemat biaya”.

OpenAI juga telah merilis 2 model GPT bobot terbuka, yang diperinci di bagian “Model terbuka” pada artikel ini.

Mistral AI, perusahaan berbasis di Prancis yang didirikan oleh beberapa mantan karyawan Meta AI dan Google DeepMind, awalnya didedikasikan sepenuhnya untuk menyediakan model sumber terbuka setelah peluncuran model pertamanya (Mistral 7B) pada September 2023. Sejak itu, Mistral beralih ke model campuran dengan banyak penawaran rilis terbuka, tetapi model terdepan tertentu tetap bersifat sumber tertutup.

Pada Maret 2026, LLM eksklusif andalan Mistral AI meliputi:

• Mistral Medium 3.1, model multimodal serbaguna yang dirilis pada Agustus 2025.
  
  
• Codestral, model yang berfokus pada pengodean dan “dibangun khusus untuk penyelesaian fill-in-the-middle (FIM) dengan presisi tinggi”.⁴
  
  
• Magistral Medium 1.2, pendamping model penalaran untuk Mistral Medium.

Penawaran model bobot terbuka Mistral akan dijelaskan lebih mendetail nanti dalam artikel ini.

Dalam machine learning, sumber terbuka (open source) sering digunakan dalam bahasa sehari-hari untuk merujuk pada alat AI yang kode sumbernya tersedia secara gratis. Namun, istilah ini sebenarnya adalah sebutan formal yang dikelola oleh Open Source Initiative (OSI). OSI hanya mengesahkan lisensi perangkat lunak yang diberikan sebagai “Open Source Initiative approved” (atau, disetujui oleh Open Source Initiative) jika lisensi tersebut dianggap memenuhi sepuluh persyaratan yang tercantum dalam Open Source Definition (OSD) resmi.

Sebagian besar model “sumber terbuka” tidak memenuhi semua persyaratan tersebut. Oleh karena itu, istilah model terbuka (open model) (atau model bobot terbuka (open weight)) lebih tepat untuk merujuk pada LLM yang didistribusikan secara bebas. Dalam spektrum model terbuka, terdapat banyak sekali variabilitas. Model bobot terbuka (tetapi bukan sumber terbuka) dapat digunakan untuk menjalankan inferensi dan bahkan dapat disempurnakan. Namun, jika kode sumber lengkapnya tidak tersedia, model ini hanya dapat dimodifikasi pada nilai bobotnya melalui penyempurnaan. Lisensinya mungkin melarang penggunaan model dalam beberapa skenario (misalnya, pengaturan komersial) atau menerapkan ketentuan khusus lainnya pada aplikasinya.

Sebaliknya, model sumber terbuka sejati yang dirilis dengan kode pelatihan dan deskripsi prosedur pelatihannya dapat sepenuhnya dimodifikasi dengan cara apa pun dan digunakan tanpa batasan. Lisensi sumber terbuka yang paling umum dan terstandarisasi adalah lisensi Apache 2.0 dan lisensi MIT. Namun, perlu dicatat bahwa kecuali pengembang model sumber terbuka memberikan informasi tentang data pelatihannya, model itu sendiri tidak akan dapat direproduksi sepenuhnya.

Rilis sumber terbuka merupakan bagian mendasar dari pengembangan berkelanjutan dan peningkatan kualitas LLM, dan sebagian besar merupakan faktor yang memungkinkan penciptaan LLM di awal. Model terbuka biasanya dapat diakses melalui pengembangnya atau melalui platform sumber terbuka populer seperti GitHub atau Hugging Face. Berikut adalah daftar seri model terbuka terkemuka, disusun berdasarkan abjad.

Cohere, perusahaan yang berbasis di Kanada dan didirikan oleh salah satu penulis makalah “Attention is All You Need”, diluncurkan pada 2019. Meskipun perusahaan ini merilis laporan teknis terperinci untuk setiap LLM dan tampaknya merilisnya sebagai model bobot terbuka, Cohere melisensikan rilis terbuka mereka di bawah versi modifikasi lisensi Creative Commons 4.0 yang melarang penggunaan komersial.

 Command adalah seri model dasar andalan Cohere, yang dirancang untuk contoh penggunaan perusahaan.

• Command R merupakan generasi pertama model Cohere untuk perusahaan, diluncurkan pada Maret 2024 dengan ukuran 35 miliar parameter serta penekanan pada RAG dan penggunaan alat. Tak lama kemudian, dirilis pula Command R+ dengan varian 104B, pada bulan berikutnya. Kedua model ini disusul dengan Command R7B yang lebih kecil pada bulan Desember di tahun yang sama.
  
  
• Command A, generasi kedua model Cohere untuk perusahaan, dirilis pada Maret 2025 dengan fokus pada tugas bisnis, STEM, dan pengodean. Model 111B awal akhirnya dirilis dalam berbagai varian, termasuk Command A Reasoning, Command A Translate (disempurnakan untuk mengoptimalkan kinerja penerjemahan dalam 23 bahasa), dan Command A Vision, model bahasa visi (vision language model, VLM) yang memasangkan LLM ini dengan pengenkode visi.

Dalam sebuah komentar di Reddit pada Maret 2026, CEO Cohere, Aidan Gomez, mengindikasikan bahwa perusahaannya secara aktif mengembangkan generasi Command berikutnya, dan bahwa itu akan menjadi model mixture of experts (MoE) pertama dari organisasi tersebut.

Aya adalah seri model Cohere yang berfokus pada multibahasa, pertama kali diluncurkan pada Februari 2024 dengan Aya 101. Sesuai namanya, model ini “mampu mengikuti instruksi dalam 101 bahasa”.

• Aya Vision adalah VLM multimodal dan multibahasa, yang ditawarkan dalam varian 8B dan 32B, dengan kemampuan dalam 23 bahasa berbeda.
  
  
• Tiny Aya, dirilis pada Februari 2026, adalah seri model multibahasa ringan dengan 3,35 miliar parameter. Tiny Aya-Base adalah model terlatih yang mendukung lebih dari 70 bahasa. TinyAya-Global adalah varian lain yang disesuaikan dengan instruksi (instruction-tuned) dan mendukung 67 bahasa.
  
  
• Rilis Tiny Aya juga berisi varian regional khusus. TinyAya-Earth dioptimalkan untuk bahasa-bahasa di Afrika dan Asia Barat; TinyAya-Fire dioptimalkan untuk bahasa-bahasa di Asia Selatan; TinyAya-Water dioptimalkan untuk bahasa-bahasa di Asia Pasifik dan Eropa.

DeepSeek telah menjadi nama penting dalam ekosistem sumber terbuka berkat kontribusinya yang berupa sejumlah inovasi untuk arsitektur LLM dan proses pelatihan. Terkadang, kinerja modelnya mampu menyaingi model-model tertutup kelas atas. LLM-nya, baik untuk bobot maupun kode, tersedia melalui sumber terbuka di bawah lisensi MIT standar. DeepSeek juga sering merilis makalah teknis yang memerinci temuan dan teknik mereka.

• DeepSeek-V3 adalah model MoE besar dengan ukuran total 671 miliar parameter (dan 37 miliar parameter aktif selama inferensi), yang pertama kali dirilis pada akhir tahun 2024. Model ini sering kali dianggap sebagai model yang membawa kembali arsitektur MoE ke dalam arus utama.
  
  
• DeepSeek-R1 adalah model penalaran yang dibangun sebagai penyempurnaan DeepSeek-V3 dengan menggunakan teknik pembelajaran penguatan mutakhir pada saat pembuatannya. DeepSeek-R1 adalah tengara dalam sejarah LLM sumber terbuka. Tidak hanya menyaingi kinerja model o1 dari OpenAI yang sebelumnya tak tertandingi, model ini juga menyediakan makalah teknis yang menjelaskan metodologi pelatihan DeepSeek secara mendetail dan lengkap. Rilis model ini langsung mengilhami munculnya berbagai generasi pertama model penalaran terbuka.
  
  
• DeepSeek-V3.1 yang dirilis pada Agustus 2025 adalah model penalaran hibrida, dikonfigurasi untuk menjalankan inferensi standar dan penalaran CoT. Intinya, model ini menggabungkan DeepSeek-V3 dan DeepSeek-R1 menjadi satu model. Model ini terakhir kali diperbarui sebagai DeepSeek-V3.2 pada Oktober 2025. Baik DeepSeek-V3.1 maupun DeepSeek-V3.2 mempertahankan arsitektur MoE 671B-37B dari model aslinya.
  
  
• DeepSeek juga merilis beberapa model “DeepSeek-R1-Distill”, yang dibuat dengan menyempurnakan model Qwen dan Llama yang lebih kecil untuk mengemulasi DeepSeek-R1 melalui distilasi pengetahuan.

Meskipun sering muncul rumor tentang DeepSeek-V4 (atau “DeepSeek-R2”) yang akan datang, perilisannya belum terwujud hingga kini.

Seri LLM Falcon dikembangkan oleh Technology Innovation Institute (TII) di Uni Emirat Arab. Meskipun generasi pertama model TII pada tahun 2023 mungkin paling terkenal berkat Falcon-180B, yang pada saat itu merupakan salah satu model sumber terbuka terbesar yang tersedia, TII sejak itu berfokus pada model yang lebih kecil. Falcon2 memiliki 11 miliar parameter, sementara Falcon3, model multimodal pertama TII (dirilis pada Desember 2024), berukuran antara 1 miliar hingga 10 miliar parameter.

Generasi terbaru model Falcon berfokus pada model hibrida Mamba-Transformer.

• Falcon-H1 yang dirilis pada Mei 2025 terdiri dari model hibrida terlatih dan instruction-tuned, dalam varian 0.5B, 1.5B, 3B, 7B, dan 34B. Falcon-H1R yang dirilis pada Januari 2026, adalah varian penalaran dari Falcon-H1-7B.
  
  
• Sesuai namanya, Falcon-H1-Tiny adalah varian Falcon-H1 yang sangat kecil, dalam ukuran 90 juta, 100 juta, dan 0,6 miliar parameter. Setiap ukuran ditawarkan sebagai model dasar dan sebagai varian khusus yang disempurnakan untuk contoh penggunaan tertentu.
  
  
• Model Falcon-Edge adalah seri LLM 1-bit (“BitNet”) eksperimental dengan ukuran 1B dan 3B.

Model Falcon dirilis di bawah lisensi Falcon eksklusif yang terinspirasi oleh kerangka kerja Apache 2.0, tetapi dengan tambahan ketentuan dan batasan penting.

Gemma adalah seri model terbuka dari Google. Menurut Google, model Gemma “dibangun dari teknologi yang sama yang mendukung model Gemini [mereka]”.⁷

• Gemma 3 yang dirilis pada Maret 2025 adalah generasi LLM inti terbaru dari Gemma. Rilis Gemma awal berisi varian terlatih dan varian instruction-tuned dalam ukuran 1B, 4B, 12B, dan 27B. Pada Agustus 2025, Google menambahkan varian yang lebih kecil berukuran 270 miliar parameter. Model Gemma 3 dapat memproses input teks atau gambar dan menawarkan dukungan multibahasa untuk lebih dari 140 bahasa.

• Gemma 3n yang dirilis pada Juli 2025 menghadirkan arsitektur MatFormer eksperimental yang pada dasarnya memungkinkan sejumlah model berukuran khusus yang lebih kecil untuk “bersarang” di dalam satu model yang lebih besar. Nama arsitekturnya terinspirasi dari boneka bersarang khas Rusia, “Matryoshka”, dan oleh karena itu arsitektur ini dinamai MatFormer. Gemma 3n ditawarkan dalam ukuran nominal 2 miliar dan 4 miliar parameter, serta mendukung input teks, gambar, video, atau audio (tetapi hanya mendukung output teks).
  
  
• FunctionGemma adalah varian dari Gemma 3 270M yang disempurnakan untuk penggunaan alat (atau “pemanggilan fungsi”, dan oleh karena itu diberi nama demikian).

Model Gemma dirilis di bawah lisensi Gemma, dengan ketentuan penggunaan yang mirip dengan ketentuan pada lisensi Apache 2.0, tetapi diatur oleh Gemma Prohibited Use Policy.

GLM adalah seri LLM dari Z.ai yang berbasis di Beijing (juga disebut Zhipu AI) yang bertujuan memberikan kinerja mutakhir. Perusahaan ini membuat terobosan dengan GLM-4.5, yang saat rilis awalnya pada akhir Juli 2025 tampaknya menyaingi model-model terbuka teratas dunia, termasuk model unggulan dari DeepSeek dan Qwen, di semua tolok ukur akademis.

• GLM-4.5 ditawarkan dalam 2 ukuran model—LLM andalan yang berupa model MoE skala besar dengan total 355 miliar parameter (32 miliar parameter aktif), dan GLM-4.5-Air yang lebih kecil (dengan total 106 miliar parameter dan 12 miliar parameter aktif). GLM-4.5V adalah VLM yang dibangun dari model dasar GLM-4.5-Air, dengan penambahan visi komputer dan kemampuan pemahaman video.
  
  
• GLM-4.6, versi terbaru dari GLM-4.5 yang dirilis pada 30 September 2025, tidak menyertakan varian khusus teks yang lebih kecil. Namun, pada awal bulan Desember, perusahaan ini merilis GLM-4.6V (pembaruan dari GLM-4.5V) dan GLM-4.6V-Flash yang merupakan model padat berukuran 9 miliar parameter.
  
  
• GLM-4.7, pembaruan untuk model khusus teks andalan yang dirilis pada akhir Desember 2025, menambahkan GLM-4.7-Flash, LLM yang jauh lebih kecil dengan ukuran total 30 miliar parameter (dan 3 miliar parameter aktif).
  
  
• GLM-5 yang dirilis pada Februari 2026 jauh lebih besar dari para pendahulunya, dengan total 744 miliar parameter (dan 40 miliar parameter aktif).

IBM Granite adalah seri LLM sumber terbuka yang dioptimalkan untuk contoh penggunaan perusahaan, berfokus terutama pada model kecil, praktis, dan efisien. Pertama kali diluncurkan pada September 2023, Granite menjadi terkenal setelah dirilisnya Granite 3.0 pada Oktober 2024, yang membuat seri Granite mencapai kinerja yang menyaingi model terbuka terkemuka dengan ukuran yang sebanding.

Granite 4, diluncurkan pada Oktober 2025, memperkenalkan arsitektur Mamba2-Transformer hibrida baru untuk kecepatan dan efisiensi memori yang unggul, terutama saat menangani beban kerja besar, dibandingkan dengan model transformer konvensional.

• Granite 4-H Small adalah model MoE hibrida dengan total 32 miliar parameter (9 miliar parameter aktif). Granite 4 juga mencakup MoE hibrida lainnya, yakni Granite 4-H Tiny dengan total 7 miliar parameter (1 miliar parameter aktif) dan model hibrida padat Granite 4-H Micro dengan 3 miliar parameter aktif.
  
  
• Granite 4 Micro adalah model padat berukuran 3 miliar parameter yang dibangun pada arsitektur model transformer konvensional, tidak seperti model 4-H.
  
  
• Granite 4 Nano adalah seri model Mamba-transformer hibrida dan transformer konvensional dalam ukuran yang berkisar dari 350 juta parameter hingga 1 miliar parameter.
  
  
• Granite 4 1B-Speech adalah model speech-to-text yang dirancang untuk pengenalan suara otomatis (automatic speech recognition, ASR) dan terjemahan ucapan otomatis (automatic speech translation, AST) dua arah.

Semua model Granite bersumber terbuka di bawah lisensi Apache 2.0 standar dan dilatih menggunakan data yang aman bagi perusahaan. Pada Oktober 2025, seri Granite menjadi seri model terbuka utama pertama yang menerima sertifikasi ISO-42001.

GPT-OSS adalah model bahasa bobot terbuka dari OpenAI yang dirilis pada Agustus 2025 di bawah lisensi standar Apache 2.0. Model ini adalah LLM terbuka pertama perusahaan tersebut sejak GPT-2 dirilis pada tahun 2019.

• GPT-OSS-120B adalah model MoE dengan total 117 miliar parameter (5,1 miliar parameter aktif) yang dirancang untuk penggunaan tujuan umum dan tugas yang memerlukan penalaran tingkat tinggi.
  
  
• GPT-OSS-20B adalah model MoE dengan 21 miliar parameter (3,6 miliar parameter aktif) yang ditujukan untuk penggunaan dengan latensi lebih rendah dan penerapan lokal.

Kedua model GPT-OSS ini dilatih dengan kuantisasi 4-bit dari bobot modelnya, sehingga kecepatannya jauh lebih tinggi dan kebutuhan memorinya jauh lebih rendah jika dibandingkan dengan model konvensional berukuran sama.

Kimi adalah seri model terbuka yang dikembangkan oleh Moonshot AI yang berbasis di Beijing.

• Kimi-K2adalah model MoE masif khusus teks dengan total 1 triliun parameter (32 miliar parameter aktif). Model ini sangat populer setelah dirilis pada Juli 2025 karena menyaingi dan (terkadang mengalahkan) model GPT-4.1 dan Claude Opus 4 pada tolok ukur pengodean utama.⁸ 
  
  
• Kimi-K2 Thinking, varian model penalaran dari Kimi-K2, juga menimbulkan kehebohan karena sekali lagi mampu menyaingi model tertutup teratas pada tolok ukur AI agen yang menantang.⁹ 
  
  
• Kimi-K2.5 adalah pembaruan dari Kimi-K2 dengan tambahan kemampuan visi multimodal. Model ini dapat dioperasikan dalam beberapa “mode”, yang masing-masing dioptimalkan untuk contoh penggunaan tertentu.

Model Kimi dirilis di bawah Lisensi MIT yang telah dimodifikasi, yang mengharuskan pengguna untuk “menampilkan 'Kimi K2' secara mencolok pada antarmuka pengguna” di produk apa pun yang memiliki lebih dari 100 juta pengguna aktif bulanan atau yang memiliki pendapatan bulanan senilai lebih dari 20 juta USD.

Model Llama dari Meta (awalnya ditulis sebagai LLaMA, yang merupakan kependekan dari “Large Language model Meta AI”), telah menjadi bagian penting dari sejarah LLM terbuka. Rilis Llama awal membantu mendemokratisasikan metodologi LLM, dengan memberi informasi dan sangat memengaruhi banyak konvensi standar pengembangan LLM, dari pelatihan hingga arsitektur dan variasi ukuran.

• Llama 2 yang dirilis pada bulan Juli 2023 tersedia dalam ukuran 7B, 13B, dan 70B.
  
  
• Llama 3, dirilis pada April 2024 dalam ukuran 8 miliar dan 70 miliar parameter, bersaing dengan banyak model tertutup terkemuka di berbagai tolok ukur akademis. Llama 3.1 secara signifikan memperluas panjang konteks model dan menambahkan varian besar 405B pada bulan Juli, yang merupakan ukuran terbesar pada saat itu. Llama 3.2 menambahkan varian yang lebih kecil dan kemampuan visi, sementara Llama 3.3 menghadirkan model 70B tunggal yang kinerjanya mampu menyaingi Llama 3.1 405B.
  
  
• Llama 4 dirilis dalam 2 model MoE multimodal besar unggulan: Llama 4 Maverick dengan total 400 miliar parameter (17 miliar parameter aktif) dan Llama 4 Scout dengan total 109 miliar parameter (19 miliar parameter aktif). Meskipun kinerjanya jauh melampaui generasi Llama sebelumnya di sebagian besar tolok ukur, model Llama 3 tetap menjadi LLM Meta paling populer (sebagaimana terlihat dari jumlah unduhan di Hugging Face).¹⁰

Meskipun Meta sering menggunakan istilah “sumber terbuka”, model Llama dirilis di bawah lisensi Llama khusus yang menempatkan batasan pada penggunaan, atribusi, dan akses. Oleh karena itu, Open Source Initiative mengkritik Meta terkait penggunaan istilah tersebut.

MiniMax Group yang berbasis di Shanghai merilis LLM eponim pertama mereka, MiniMax-Text-01, dan VLM pendamping, MiniMax-VL-01, pada Januari 2025. Sejak itu, perusahaan ini terkenal sebagai salah satu pengembang LLM utama di Tiongkok yang memprioritaskan model skala besar dan jendela konteks panjang.

• MiniMax-M1 yang dirilis pada Juni 2025 adalah model penalaran khusus teks yang dibangun dari penyempurnaan MiniMax-Text-01. Seperti pendahulunya, ini adalah model MoE besar dengan total 456 miliar parameter dan 45,9 miliar parameter aktif per token.

• MiniMax-M2 menawarkan kinerja dan efisiensi yang lebih unggul dibandingkan dengan M1. Model ini memiliki total 230 miliar parameter dan arsitektur MoE lebih rinci yang mengaktifkan hanya 10 miliar parameter per token. Dirilis pada Oktober 2025, model ini diperbarui sebagai MiniMax-M2.1 dua bulan kemudian. MiniMax juga menawarkan MiniMax-M2-her, versi yang disempurnakan untuk permainan peran berbasis karakter.
  
  
• MiniMax-M2.5 dan MiniMax-M2.5-Lightning yang dirilis pada Februari 2026 mencapai pengoptimalan kinerja lebih lanjut, yang mampu menyaingi Claude Opus 4.5 pada tolok ukur pengodean tertentu. Kedua model ini identik dalam segala hal, kecuali kecepatan dan throughput: varian “Lightning” menghasilkan output dua kali lebih cepat.
  
  
• MiniMax-M2.7 yang dirilis pada Maret 2026, adalah pembaruan terhadap MiniMax-M2.5 yang, berdasarkan klaim pengembangnya, mampu membantu melatih dirinya sendiri.¹¹

Model MiniMax ditawarkan di bawah Lisensi MIT yang telah dimodifikasi.

Di samping penawaran sumber tertutupnya, Mistral AI menawarkan berbagai model terbuka yang bereputasi baik. Sebagian besar (tetapi tidak semua) model terbuka Mistral dirilis di bawah lisensi Apache 2.0 standar.

• Mistral Large 3 menggunakan arsitektur MoE yang terinspirasi dari DeepSeek-V3, dengan total 675 miliar parameter (41 miliar parameter aktif). Kinerja tolok ukurnya kira-kira setara dengan DeepSeek-V3.1 dan Kimi-K2.1.¹² Dirilis pada Desember 2025, model ini bersifat multibahasa dan multimodal, serta mampu memproses input teks dan gambar.
  
  
• Ministral 3 adalah seri model kecil Mistral, ditawarkan dalam ukuran 3B, 8B, dan 14B serta varian dasar, instruction-tuned, dan penalaran.
  
  
• Mistral Small 3.2 adalah LLM berukuran 24 miliar parameter yang dirilis pada Juni 2025. Kinerjanya sebanding dengan kinerja Ministral 3 14B yang lebih baru.
  
  
• Devstral adalah seri model agen Mistral yang berfokus pada rekayasa. Devstral 2 yang dirilis pada Desember 2025 terdiri dari dua model. Devstral 2 123B dirilis di bawah Lisensi MIT yang telah dimodifikasi, yang mengharuskan organisasi dengan pendapatan bulanan di atas 20 juta USD untuk meminta lisensi komersial dari Mistral. Devstral Small 2 24B dirilis di bawah lisensi Apache 2.0 standar.
  
  
• Mixtral, dirilis pada Desember 2023, adalah LLM yang awalnya mempopulerkan arsitektur mixture of experts (MoE) untuk model bahasa. Pada awal tahun 2026, varian 8x7B-nya masih sangat populer di Hugging Face, dengan lebih dari 700.000 unduhan per bulan.¹³

Seri LLM terbuka dari produsen perangkat keras terkemuka NVIDIA memiliki reputasi baik karena kinerja, literatur penelitian, dan inovasi arsitekturnya.

• NVIDIA-Nemotron-Nano v2 adalah seri model Mamba-2-LLM hibrida dalam ukuran 9B dan 12B, yang mampu melakukan penalaran dan inferensi standar. Model ini dirilis pada Agustus 2025 di bawah NVIDIA Open Model License Agreement khusus dengan ketentuan penting mengenai kewajiban hukum, penggunaan, dan hak NVIDIA untuk mengubah perjanjian tersebut di masa mendatang.
  
  
• Nemotron 3 Nano yang dirilis pada Desember 2025 terdiri dari 2 model: Nemotron-3-Nano-4B dan Nemotron-3-Nano-30B-A3B yang merupakan model MoE dengan total 30 miliar parameter (3 miliar parameter aktif). Keduanya dirilis di bawah NVIDIA Nemotron Open Model License, yang mengesampingkan hak NVIDIA untuk memperbarui ketentuan secara sepihak di masa mendatang.
  
  
• Nemotron 3 Super adalah model MoE lebih besar dengan total 120 miliar parameter (12 miliar parameter aktif) yang dirilis pada Maret 2026.

Olmo, dikembangkan oleh Allen Institute for AI (“Ai2”), merupakan salah satu model sumber terbuka yang benar-benar “terbuka”: Ai2 umumnya merilis semua kode, bobot, titik pemeriksaan pelatihan, dan kumpulan data yang relevan bersamaan dengan rilis Apache 2.0 standar.

• Olmo 3 yang dirilis pada November 2025 terdiri dari model transformer padat dalam ukuran 7B dan 32B. Kedua model ini dirilis dalam varian dasar, instruksi, dan “berpikir”. Pada Desember 2025, varian 32B diperbarui sebagai Olmo 3.1.

• Olmo Hybrid yang dirilis pada Maret 2026 adalah model 7B dengan arsitektur hibrida eksperimental yang menggabungkan transformer dan RNN linier (berdasarkan arsitektur Gated DeltaNet yang dipopulerkan oleh Qwen).

Phi adalah seri model terbuka Microsoft yang awalnya berfokus pada model-model kecil. Model ini dirilis di bawah Lisensi MIT standar.

• Phi 4 adalah LLM khusus teks berukuran 14B, yang awalnya dirilis pada Desember 2024.
  
  
• Phi 4-mini yang dirilis pada Februari 2025 adalah model lebih kecil berukuran 3.8B.
  
  
• Phi 4-multimodal yang dirilis bersama Phi 4-mini mendukung input teks, gambar, dan ucapan.
  
  
• Phi 4-Reasoning-Vision yang dirilis pada Maret 2026 merupakan model berukuran 15B yang menambahkan penalaran holistik dan multimodal pada gambar, teks, dan dokumen.

Seri LLM Qwen, yang dikembangkan oleh Alibaba, telah menjadi salah satu model terbuka paling populer di industri ini. Seri model ini menawarkan berbagai ukuran model, arsitektur, dan kemampuan yang dimaksudkan untuk memenuhi berbagai kebutuhan pengembang.

• Qwen3 terdiri dari model transformer padat khusus teks dalam ukuran 0.6B, 1.7B, 4B, 8B, 14B, dan 32B, serta MoEs dalam ukuran 30B-A3B dan Qwen3-235B-A22B unggulan. Semua model Qwen3 ditawarkan dalam varian dasar, berpikir, dan instruksi.
  
  
• Qwen3-Next adalah model MoE khusus teks eksperimental berukuran 80 miliar parameter (3 miliar parameter aktif) yang menggantikan atensi standar dengan Gated Delta Networks (terinspirasi oleh Mamba-2) dan Gated Attention.
  
  
• Qwen3-Omni, model multimodal asli yang dibangun pada Qwen3-30B-A3B, mendukung input teks, gambar, audio, atau video serta output teks atau ucapan.
  
  
• Qwen3-Coder-Next adalah versi Qwen3-Next yang telah disempurnakan untuk pembuatan kode.
  
  
• Qwen3.5 yang dirilis pada Februari 2026 adalah seri model multimodal yang memanfaatkan arsitektur yang pertama kali diperkenalkan pada Qwen3-Next. Model ini mencakup model dasar dan penalaran hibrida dalam ukuran 0.8B, 2B, 4B, 9B, dan 27B, serta model MoE dalam ukuran 35B-A3B, 122B-A10B, dan 397B-A17B unggulan. Qwen3.5-397B-A17B mencoba bersaing dengan model Gemini, GPT, dan Claude terkemuka untuk mencapai kinerja terdepan.