Apakah DeepSeek Aman untuk Perusahaan? Keamanan, Data & Sensor

DeepSeek V4 Pro bukan lagi model yang dinilai orang di awal 2026. Rilis April beralih ke jendela konteks 1 juta token, mendukung mode thinking dan non-thinking, dan dirilis di bawah lisensi MIT pada model card resmi. DeepSeek juga menghentikan alias API lama deepseek-chat dan deepseek-reasoner pada 24 Juli, sehingga tinjauan risiko yang secara teknis benar pun kini bisa kedaluwarsa secara operasional, seperti terlihat jelas di log perubahan API. Namun pertanyaan keamanan intinya tidak berubah. Ke mana data Anda pergi adalah persoalan kontrak. Apa yang akan dan tidak akan dikatakan model adalah persoalan konten. Apakah Anda bisa memercayai artefak yang Anda jalankan adalah persoalan rantai pasok. Pisahkan ketiganya, dan ternyata masing-masing bisa dijawab.

Poin Utama- "Apakah DeepSeek aman?" menyembunyikan tiga pertanyaan terpisah: residensi data, sensor, dan keamanan rantai pasok. Jawab satu per satu.- Tiga variabel mengubah pertanyaan-pertanyaan itu menjadi keputusan: sensitivitas beban kerja, mode penerapan, dan kematangan tata kelola Anda.- Mode penerapan adalah pengungkit tunggal terbesar. Meng-host sendiri bobot V4 berlisensi MIT menjaga inferensi tetap di lingkungan Anda; API resmi DeepSeek adalah layanan hosted yang terpisah.- Sensor pada topik sensitif (Taiwan, Tiananmen, Xinjiang) adalah persoalan kualitas produk dan reputasi, hanya relevan untuk keluaran yang dihadapkan ke pengguna.- Sematkan checkpoint dan endpoint yang persis. deepseek-flash kini menjadi nama kanonis untuk Flash, merutekan ke V4.1-Flash; V4 Pro melayani snapshot V4-Pro-0813; alias API lama sudah tidak berfungsi.

Pada minggu pertama saya di Deloitte, ditanamkan kepada kami bahwa jawaban seorang konsultan atas hampir semua hal adalah "tergantung", dan di sini, menjengkelkan memang, jawabannya sungguh tergantung. Yang menentukannya adalah penerapan. Bukan kemampuan modelnya, karena itu sudah tuntas. Satu tingkat di atas semua ini ada pertanyaan apakah Tiongkok sedang memenangi perlombaan AI, yang jawaban jujurnya adalah "sangat ketat". Justru karena ketat itulah pertanyaan keamanan ini mendarat di meja-meja nyata, bukan berhenti di kolom komentar.

Tiga risiko yang sering disatukan orang

Alasan pertanyaan "apakah DeepSeek aman" menghasilkan jawaban yang saling bertentangan adalah orang menanyakan tiga hal yang tak berkaitan sekaligus: ke mana data pergi, apa yang dikatakan model, dan apa yang ada di dalam model. Penyebab berbeda, perbaikan berbeda, mode penerapan berbeda. Perhatikan apa yang tidak ada di daftar itu. "Apakah modelnya cukup bagus" adalah pertanyaan yang pertama kali diraih kebanyakan orang, dan itu termasuk evaluasi yang terpisah. Selisih benchmark Maret 2026 yang sering dikutip dalam perdebatan ini sudah mendahului V4 dan rilis-rilis musim panas lainnya, jadi ia bukti arah perjalanan, bukan tabel liga terkini.

Ada pemisahan kedua yang layak dilakukan dalam sepersekian detik, karena kebanyakan kepanikan "keamanan DeepSeek" diam-diam memperlakukan aplikasi konsumen dan modelnya sebagai satu hal. Aplikasi ponsel DeepSeek dan API resmi adalah sebuah produk, diproses di Tiongkok. Bobot terbuka adalah artefak yang berbeda: Anda mengunduhnya dan menjalankannya tanpa koneksi keluar sama sekali. Menilai model dari kebijakan privasi aplikasinya seperti menilai mesin dari syarat layanan dealernya. Objek yang berkerabat, bukan objek yang sama. Pisahkan keduanya, dan sebagian besar kekhawatiran itu kehilangan tempat berpijak.

Pertanyaan perusahaan "apakah DeepSeek aman?" terurai menjadi tiga risiko berbeda: residensi data, sensor keluaran, dan keamanan rantai pasok, masing-masing dengan mitigasinya sendiri. DeepSeek V4 Pro adalah model mixture-of-experts berlisensi MIT dengan 1,6 triliun parameter, 49 miliar parameter aktif, dan jendela konteks 1 juta token pada model card resmi. Kemampuan dan keamanan tetap perlu penilaian yang terpisah.

Yang menentukan: beban kerja, penerapan, tata kelola

Tiga variabel mengubah risiko-risiko itu menjadi keputusan, dan melewatkan satu pun di antaranya adalah cara tim-tim terbakar. Mulailah dari seberapa sensitif beban kerjanya, pilih mode penerapan yang memitigasinya, lalu tanyakan dengan jujur apakah tata kelola Anda sanggup memikul hasilnya.

Sensitivitas beban kerja adalah data dan keluaran yang disentuh kasus penggunaan Anda. Alat internal yang merangkum dokumentasi produk Anda sendiri berada di dasar skala. Chatbot yang berhadapan dengan pelanggan dan menangani nama, email, atau data kesehatan berada di dekat puncaknya. Semakin tinggi sensitivitasnya, semakin keras mode penerapan dan tata kelola harus bekerja untuk mengimbanginya. Selesaikan yang ini lebih dulu, karena ia menentukan selera Anda untuk dua variabel lainnya.

Mode penerapan adalah cara Anda menjalankan model, dan ini pengungkit tunggal terbesar yang Anda miliki. Host sendiri bobot terbukanya, jalankan bobot yang sama melalui host Barat, atau panggil API resmi Tiongkok. Orang memperlakukan ketiganya seolah bisa saling menggantikan, padahal sama sekali tidak. Detailnya ada di Risiko 1 di bawah.

Kematangan tata kelola adalah apakah Anda benar-benar mampu mengelola risiko yang Anda ambil. Pemetaan aliran data, pemantauan keluaran, penanggung jawab bernama pada persetujuan akhir. Tim yang matang bisa menjalankan dengan aman beban kerja yang seharusnya dibiarkan saja oleh tim yang kurang matang, dan inilah variabel yang paling sering dipuji tim tentang diri mereka sendiri. Meminjam kemampuan yang tidak bisa Anda kelola adalah cara pilihan model yang masuk akal berubah menjadi tinjauan insiden.

Dalam bahasa sederhana. Beban kerja dengan sensitivitas rendah? Hampir semua mode penerapan bisa dipakai. Beban kerja dengan sensitivitas tinggi yang menyentuh data pribadi atau data yang diatur regulasi? Penerapannya harus menjaga data itu keluar dari Tiongkok, yang berarti host sendiri atau host Barat, dengan tata kelola yang sepadan. Sensitivitas tinggi dan tata kelola yang nyaris tidak ada? Jangan bangun di atasnya dulu. Perbaiki tata kelolanya lebih dahulu. Secara konkret: asisten pengodean internal di atas bobot yang di-host sendiri itu hijau. Pencarian pengetahuan internal di atas dokumen Anda sendiri melalui host Barat itu hijau sampai kuning. Chatbot yang berhadapan dengan pelanggan di API resmi Tiongkok yang menangani data pribadi itu merah, titik.

Risiko 1: residensi data dan privasi

Residensi data adalah yang paling serius dari ketiga risiko sekaligus yang paling bisa diperbaiki, dan semuanya bergantung pada mode penerapan. Panggil DeepSeek melalui API resmi Tiongkok-nya dan prompt Anda bisa diproses di dan dirutekan lewat Tiongkok, di bawah yurisdiksi Tiongkok. Host sendiri bobot terbukanya dan data tidak pernah meninggalkan infrastruktur Anda. Model yang sama. Jalur data yang benar-benar berbeda.

Izinkan saya tepat soal apa yang sebenarnya diketahui, karena di sinilah percakapan biasanya tergelincir menjadi rumor. Risiko yang terdokumentasi adalah ke mana panggilan API pergi: endpoint resmi memproses data di Tiongkok. Saya tidak akan membuat klaim tentang telemetri terselubung atau eksfiltrasi dari bobot terbuka, karena itu belum terbukti, dan Anda tidak membutuhkannya untuk mengambil keputusan ini. Fakta perutean itu sendiri sudah cukup membawa argumennya. Ke mana data Anda secara fisik berpindah adalah hal yang Anda kendalikan, dan itulah yang penting untuk GDPR dan untuk kepercayaan klien.

Mitigasinya tersusun menjadi tiga mode penerapan, diurutkan menurut risiko residensi data:

1. Host sendiri bobot terbuka (risiko terendah). Unduh bobotnya, jalankan di infrastruktur Anda sendiri. Checkpoint yang perlu diraih sekarang adalah V4.1-Flash: 552 miliar parameter dengan hanya sekitar 8 miliar aktif per token, berlisensi MIT, dengan visi native, pada model card resmi. Tanpa panggilan keluar, tanpa pemrosesan pihak ketiga, tanpa transfer lintas batas. Inilah mode yang saya jalankan sendiri, dan ia menghapus kekhawatiran residensi data sepenuhnya.
2. Host Barat (jalan tengah). OpenRouter, Azure, atau Together menjalankan bobot yang sama di pusat data Barat dengan ketentuan Barat. Data Anda pergi ke penyedia Barat, bukan ke Tiongkok. Pastikan region sebenarnya, subprosesornya, ketentuan retensi, dan kontraknya, jangan menyimpulkannya dari logo penyedia, dan ini menjadi kompromi yang masuk akal.
3. API resmi Tiongkok (risiko residensi data tertinggi). Paling murah dan paling mudah, tetapi data bisa diproses di Tiongkok. Untuk apa pun yang menyentuh data pribadi atau data yang diatur regulasi, hindari.

Ada satu detail pada opsi pertama yang terdengar benar-benar ganjil bagi orang saat saya mengatakannya dengan lantang. High-Flyer, dana yang membangun DeepSeek, hanya beberapa menit naik metro dari apartemen saya di Hangzhou, dan itu sama sekali tidak mengubah postur keamanan saya. Begitu bobotnya ada di mesin, model itu adalah proses yang saya miliki. Tanpa API key, tanpa koneksi keluar, tanpa apa pun dalam syarat layanan yang mengatur prompt saya. "Apakah ia mengirim data ke Tiongkok" tidak punya permukaan untuk menempel ketika tidak ada apa pun yang meninggalkan mesin, dan itu berlaku baik mesinnya di Frankfurt maupun empat perhentian dari lab yang melatihnya. Pertukarannya bersifat operasional, bukan legal: saya yang memiliki GPU, patching, dan uptime-nya. Untuk sudut kepatuhan Inggris secara spesifik, lihat DeepSeek, Qwen, dan GDPR.

Residensi data adalah risiko perusahaan terbesar dengan DeepSeek sekaligus yang paling bisa diperbaiki. API resmi Tiongkok bisa memproses prompt di Tiongkok, sementara meng-host sendiri bobot terbuka menjaga data sepenuhnya di lingkungan Anda. Mode penerapan, bukan modelnya, yang menentukan ke mana data pergi.

Risiko 2: sensor dan bias keluaran

Sensor adalah sifat nyata dari model-model Tiongkok. Ia bukan sifat keamanan data, dan hanya menggigit di tempat-tempat tertentu. Model-model ini menerapkan kontrol konten dan penyelarasan pada subjek yang sensitif secara politik (Taiwan, Tiananmen, Xinjiang) yang mencerminkan lingkungan regulasi tempat mereka dibangun. Ketika NewsGuard mengaudit lima chatbot Tiongkok terkemuka pada Juli 2025, DeepSeek termasuk di antaranya, mereka gagal memberi jawaban akurat pada 60% prompt tentang narasi yang dipromosikan Beijing, dan perilakunya nyaris identik dalam bahasa Inggris dan Mandarin. Layak ditanggapi serius, tidak layak dibesar-besarkan, dan ujian untuk mengetahui apakah ini menyentuh Anda sama sekali itu sederhana: apakah keluarannya menjangkau pengguna, dan apakah ia mendekati subjek-subjek tersebut?

Jadi ikuti keluarannya. Asisten pengodean internal, atau alat yang merangkum dokumentasi produk Anda sendiri, kemungkinan besar tidak akan pernah mendekati topik yang sensitif secara politik, dan perilaku penyelarasannya tetap tak terlihat. Chatbot yang berhadapan dengan pelanggan, alat riset yang membahas geopolitik, atau apa pun yang menghasilkan konten publik adalah persoalan berbeda. Di sana, penolakan atau jawaban yang berat sebelah pada subjek sensitif adalah cacat kualitas sekaligus cacat reputasi. Apakah Anda ingin asisten merek Anda terlihat menghindar dari pertanyaan soal Tiananmen di layar, di depan pelanggan? Tidak, dan Anda seharusnya tidak butuh waktu lama untuk memutuskannya.

Bingkai yang akan saya pakai dengan klien adalah bahwa ini tidak berbeda jenisnya dari pilihan penyelarasan model mana pun. Hanya lebih terlihat, itu saja, karena topiknya geopolitis, bukan, katakanlah, medis. CIGI membingkai persoalan yang lebih luas sebagai pertarungan soal nilai-nilai siapa yang tertanam dalam model-model yang banyak dipakai, yang merupakan pertanyaan terbuka sungguhan bagi bidang ini dan bukan alasan untuk panik. Mitigasinya biasa saja. Jauhkan model-model ini dari permukaan yang dihadapkan ke pengguna yang menyentuh subjek sensitif. Pasang lapisan pemantauan keluaran dan guardrail di tempat keluarannya bersifat publik. Uji model terhadap prompt topik sensitif Anda sendiri sebelum dirilis, yang memakan waktu satu sore dan memberi tahu Anda lebih banyak daripada esai analisis mana pun. Dan untuk sebagian kasus penggunaan, fine-tune atau model yang berbeda memang lebih cocok, dan itu boleh saja menjadi jawabannya.

Model-model AI Tiongkok, termasuk DeepSeek, menerapkan penyelarasan dan kontrol konten pada topik yang sensitif secara politik seperti Taiwan, Tiananmen, dan Xinjiang. Audit NewsGuard Juli 2025 mengukur tingkat kegagalan 60% pada narasi pro-Beijing di lima chatbot Tiongkok terkemuka. Ini risiko kualitas produk dan reputasi, terutama relevan untuk keluaran yang dihadapkan ke pengguna.

Risiko 3: keamanan model dan rantai pasok

Di sinilah ketakutan paling salah sasaran, karena bobot yang bisa diunduh justru bisa menjadi keunggulan rantai pasok. API tertutup adalah kotak hitam yang harus Anda percayai atas kata orang lain. V4 Pro dan V4.1-Flash adalah artefak yang bisa Anda unduh, periksa, pindai, dan jalankan di dalam sandbox Anda sendiri tanpa jalan keluar ke internet. Itu tidak membuat berkas-berkasnya tepercaya secara ajaib, tetapi memberi tim Anda kontrol yang tidak bisa ditawarkan API model tertutup.

Kebersihan rantai pasok machine learning yang normal tetap berlaku, dan Anda tetap harus melakukannya. Verifikasi asal-usul: ambil bobot dari repositori resmi atau mirror tepercaya, dan periksa hash-nya. Pindai berkas model untuk risiko serialisasi dan deserialisasi yang sudah dikenal, seperti Anda memindai dependensi pihak ketiga mana pun. Jalankan model di sandbox tanpa egress jaringan yang tidak perlu, terutama selama evaluasi. Sematkan versi dan lacak apa yang sudah Anda terapkan. Tak ada satu pun dari ini yang khusus DeepSeek. Ini kebersihan yang akan Anda terapkan pada komponen sumber terbuka mana pun, dan perkakasnya sudah ada.

Kontrasnya layak dinyatakan terus terang, karena itulah keputusan yang sebenarnya. Dengan API resmi Anda mengalihdayakan kepercayaan dan memperoleh kemudahan. Dengan bobot terbuka yang di-host sendiri Anda memikul kerja operasional dan memperoleh keterperiksaan yang sesungguhnya. Bagi perusahaan yang sadar keamanan, pertukaran kedua biasanya lebih baik. Logika yang sama mendasari pertanyaan lebih luas soal menjalankan sendiri versus layanan orang lain dalam tata kelola agen AI.

Sebuah penilaian penasihat, bukan pengukuran: bagaimana ketiga risiko bervariasi menurut mode penerapan. Meng-host sendiri bobot terbuka menurunkan risiko data dan rantai pasok; sensor adalah sifat model itu sendiri (kerangka kerja penulis, berdasarkan CIGI 2026 dan MIT Technology Review 2026).

Daftar periksa penerapan yang aman

Penerapan DeepSeek yang aman sebagian besar adalah rangkaian singkat pertanyaan tata kelola yang Anda jawab sebelum persetujuan akhir, bukan satu putusan ya-atau-tidak yang dijatuhkan tim keamanan. Memilih model adalah bagian yang mudah. Yang memisahkan tim yang menerapkan dengan aman dari tim yang terbakar adalah apakah ada yang benar-benar memetakan aliran data, menyematkan checkpoint, dan mencocokkan mode penerapan dengan beban kerjanya. Keputusan itu hidup di daftar periksa ini, bukan di tabel benchmark penyedia.

Telusuri hal-hal ini sebelum Anda berkomitmen:

• Petakan aliran data. Ke mana data Anda secara fisik pergi dalam mode penerapan ini? Host sendiri, host Barat, atau API Tiongkok. Jelaskan secara spesifik.
• Cocokkan penerapan dengan sensitivitas. Data pribadi atau data yang diatur regulasi? Jauhkan dari Tiongkok: host sendiri atau host Barat untuk bobotnya. Periksa posisi Inggris dan GDPR.
• Tentukan ke mana keluaran pergi. Dihadapkan ke pengguna atau menyentuh topik sensitif? Tambahkan pemantauan keluaran dan guardrail, dan uji terhadap prompt topik sensitif Anda sendiri.
• Terapkan kebersihan rantai pasok ML. Verifikasi asal-usul dan hash, pindai berkas model, sandbox selama evaluasi, sematkan versi.
• Pastikan Anda bisa melayaninya. Apakah checkpoint persisnya bisa diunduh, dan apakah Anda punya kapasitas GPU serta keterampilan untuk menjalankannya pada panjang konteks yang Anda butuhkan?
• Perbarui integrasinya. Gunakan deepseek-v4-pro atau deepseek-flash. Nama lama deepseek-v4-flash masih merutekan, kini ke V4.1-Flash, dan deepseek-chat serta deepseek-reasoner dihentikan pada 24 Juli 2026, seperti dicatat log perubahannya. V4 Pro melayani snapshot V4-Pro-0813. Satu asimetri yang perlu diketahui sebelum Anda memilih: V4.1-Flash punya visi native, V4 Pro tidak.
• Tetapkan posisi retensi dan rollback Anda. Apa kebijakan retensi dan penghapusan host atau penyedia API-nya, dan apa rollback Anda jika modelnya berulah di produksi?
• Tunjuk pemilik. Siapa yang menyetujui ini, dan siapa yang memantaunya di produksi?
• Pilih model yang tepat. Bandingkan pilihan di Qwen vs DeepSeek vs Llama sebelum menetapkan.

Jawab semua itu dengan bersih dan Anda siap menerapkan. Jika satu atau dua di antaranya membuat Anda meringis, ringisan itulah temuannya: itulah celah tata kelola Anda, dan menutupnya sekarang jauh lebih murah daripada pada tinjauan insiden.

Penerapan DeepSeek perusahaan yang aman memetakan aliran data, menyematkan checkpoint V4 yang persis, mencocokkan mode penerapan dengan sensitivitas beban kerja, memantau keluaran yang dihadapkan ke pengguna untuk perilaku penyelarasan, dan menerapkan kebersihan rantai pasok ML standar. DeepSeek menghentikan alias API lamanya pada Juli 2026 dan mengganti nama endpoint Flash menjadi deepseek-flash pada September 2026, menjadikan kontrol versi bagian dari tinjauan operasional, seperti dicatat log perubahan API.

FAQ

Apakah DeepSeek aman digunakan?

Tergantung penerapannya dan risiko mana yang Anda maksud. Meng-host sendiri bobot V4 menjaga inferensi tetap di lingkungan Anda sendiri dan menghapus API resmi dari jalur data. API resmi DeepSeek membawa risiko residensi data tertinggi. Sensor pada topik sensitif terutama penting untuk keluaran yang dihadapkan ke pengguna. Keamanan di sini adalah pilihan tata kelola, bukan sifat yang dianugerahkan skor benchmark.

Apakah DeepSeek mengirim data ke Tiongkok?

Melalui API resmi Tiongkok-nya, prompt Anda bisa diproses di dan dirutekan lewat Tiongkok, di bawah yurisdiksi Tiongkok. Melalui bobot terbuka yang di-host sendiri, data tidak pernah meninggalkan infrastruktur Anda; melalui host Barat seperti OpenRouter, Azure, atau Together, data tetap berada di penyedia Barat. Modelnya sama. Mode penerapan yang menentukan ke mana data pergi. Saya akan menghindari API resmi untuk data pribadi.

Apakah DeepSeek disensor?

Ya, pada topik yang sensitif secara politik. Model-model Tiongkok menerapkan penyelarasan dan kontrol konten pada subjek seperti Taiwan, Tiananmen, dan Xinjiang, mencerminkan lingkungan regulasi mereka, dan audit NewsGuard 2025 mengukur perilaku itu secara langsung. Ini persoalan kualitas produk dan reputasi, bukan kebocoran data. Ia penting untuk keluaran yang dihadapkan ke pengguna dan konten yang menyentuh topik-topik tersebut, dan sebagian besar tetap tak terlihat untuk alat internal yang tidak pernah mendekatinya.

Apakah aman meng-host sendiri DeepSeek?

Meng-host sendiri adalah mode penerapan dengan risiko terendah. Bobot terbuka berjalan di lingkungan Anda sendiri tanpa koneksi keluar, yang menghapus kekhawatiran residensi data sepenuhnya dan memungkinkan Anda mem-sandbox serta mengaudit model. Terapkan kebersihan rantai pasok standar: verifikasi asal-usul dan hash, pindai berkas model, sematkan versi. Pertukarannya bersifat operasional, Anda yang memiliki perangkat keras dan uptime-nya. Untuk gambaran yang lebih luas, lihat tata kelola agen AI.

Intinya

Apakah DeepSeek aman untuk perusahaan? Ya, dengan syarat, dan kini Anda bisa menjawabnya dengan benar alih-alih berdebat melewati siapa pun yang bertanya. Pecah kata "aman" menjadi tiga. Residensi data adalah pengungkit besarnya, dan meng-host sendiri bobot V4 atau menggunakan host pihak ketiga yang sesuai menghapus layanan resmi DeepSeek dari jalurnya. Sensor adalah persoalan produk dan reputasi yang menggigit pada keluaran bertopik sensitif yang dihadapkan ke pengguna. Risiko rantai pasok dapat dikelola, dan bobot yang bisa diunduh memberi Anda keunggulan audit dibanding API tertutup. Lalu jalankan ketiga variabelnya: seberapa sensitif beban kerjanya, mode penerapan mana yang memitigasinya, dan apakah tata kelola Anda sanggup memikul hasilnya. Sematkan checkpoint-nya, petakan jalur datanya, dan Anda sedang mengambil keputusan, bukan berdebat.

Dua langkah berikutnya. Jika kepatuhan adalah titik kemacetan Anda, mulailah dengan DeepSeek, Qwen, dan GDPR Inggris. Dan jika Anda ingin sepasang mata kedua untuk penerapan Anda sendiri, itulah jenis keputusan yang saya bantu ambil bersama klien.

Sumber

• Stanford HAI, "2026 AI Index Report": https://hai.stanford.edu/ai-index/2026-ai-index-report (diakses 2026-06-16)
• MIT Technology Review, "What's next for Chinese open-source AI": https://www.technologyreview.com/2026/02/12/1132811/whats-next-for-chinese-open-source-ai/ (diakses 2026-06-16)
• DeepSeek, API change log: https://api-docs.deepseek.com/updates/ (diakses 2026-10-04)
• DeepSeek, API pricing and model listing: https://api-docs.deepseek.com/quick_start/pricing (diakses 2026-10-04)
• DeepSeek, V4 Pro model card: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro (diakses 2026-08-11)
• DeepSeek, V4.1-Flash model card: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash (diakses 2026-10-04)
• CIGI, "Chinese AI models and the high-stakes fight for AI neutrality": https://www.cigionline.org/articles/chinese-ai-models-and-the-high-stakes-fight-for-ai-neutrality/ (diakses 2026-06-16)
• NewsGuard, "Chinese AI Models Register a 60 Percent Fail Rate in NewsGuard Audit of Pro-China Claims": https://www.newsguardtech.com/special-reports/chinese-ai-models-60-percent-fail-rate-pro-china-claims/ (diakses 2026-08-11)
• Unsplash, gambar sampul: https://images.unsplash.com/photo-1563013544-824ae1b704d3 (diakses 2026-06-16)