OpenEuroLLM

Konsorsium pengembangan model bahasa terbuka di Eropa
Karolinum, bagian dari Universitas Charles di Praha; universitas ini mengoordinasikan OpenEuroLLM
Identitas
Nama proyek	OpenEuroLLM[1]
Jenis	Konsorsium penelitian dan pengembangan model bahasa besar[1]
Mulai	1 Februari 2025[1]
Peserta dan pendanaan
Koordinator	Universitas Charles, Praha[2]
Jumlah mitra awal	20 lembaga, perusahaan dan pusat komputasi[1]
Program pendanaan	Program Eropa Digital[3]
Anggaran rencana	€37,4 juta, termasuk €20,6 juta dana Uni Eropa[3]
Fokus
Sasaran	Keluarga model bahasa multibahasa dengan komponen yang direncanakan terbuka[1]
Sarana komputasi	Pusat EuroHPC[4]
Situs web	openeurollm.eu
Nama konsorsium; bukan satu model yang telah selesai dibuat

OpenEuroLLM adalah konsorsium penelitian dan pengembangan model bahasa besar yang melibatkan perguruan tinggi, perusahaan serta pusat komputasi Eropa. Proyek ini dimulai pada Februari 2025 dan dikoordinasikan oleh Universitas Charles di Praha. Sasaran utamanya adalah membangun keluarga model yang mendukung bahasa-bahasa Eropa serta membuka komponen yang diperlukan untuk meneliti dan mengadaptasinya. Nama OpenEuroLLM merujuk pada proyek dan rangkaian pekerjaannya, bukan satu produk final yang telah tersedia sejak tanggal peluncuran.^[1][2]

Model bahasa besar dilatih dengan himpunan teks dan daya komputasi yang besar agar dapat menghasilkan atau mengolah bahasa. Bahasa yang mempunyai sumber digital berlimpah sering mendapat perhatian lebih besar daripada bahasa dengan data terbatas. Bagi Eropa, persoalan ini berkaitan dengan banyaknya bahasa resmi serta bahasa lain yang dipakai penduduknya. Pengembang OpenEuroLLM menyatakan hendak memperluas cakupan bahasa dan menyediakan bahan pengembangan yang dapat diperiksa; hal itu tetap merupakan tujuan proyek yang harus dibedakan dari hasil pengukuran mutu model pada tiap bahasa.^[1][5]

Liputan Fortune menempatkan OpenEuroLLM dalam persaingan pengembangan kecerdasan buatan yang membutuhkan investasi komputasi jauh lebih besar daripada pendanaan konsorsium tersebut. Media itu menyebut anggaran proyek sekitar 37,4 juta euro. Skala dana penting untuk memahami jenis hasil yang realistis: sebuah kerja sama riset dapat menghasilkan model, data dan perangkat bersama, tetapi nilai anggarannya tidak membuktikan model tersebut akan menyamai setiap sistem komersial terbesar. Media heise juga menyoroti tujuan kemandirian dan keberagaman bahasa sebagai konteks pembentukannya.^[5][6]

Pengumuman awal menyebut 20 mitra berupa lembaga penelitian, perusahaan teknologi dan pusat komputasi berkinerja tinggi. Jan Hajič dari Universitas Charles mengoordinasikan konsorsium, sedangkan Peter Sarlin dari Silo AI ikut memimpin bidang teknis. Universitas Charles menyatakan bahwa pertemuan peluncuran berlangsung di Praha pada Maret 2025, setelah tanggal mulai resmi proyek pada Februari. Perbedaan ini penting: tanggal dimulainya masa kerja proyek tidak harus sama dengan tanggal pertemuan tatap muka para peserta.^[1][2][7]

Komisi Eropa memberikan cap Strategic Technologies for Europe Platform atau STEP kepada OpenEuroLLM dan menyatakan bahwa sekitar 20,6 juta euro dari anggaran 37,4 juta euro berasal dari Program Eropa Digital. Cap tersebut menunjukkan proyek memenuhi kriteria program pada saat penilaian; ia bukan sertifikat mutu bagi model yang belum selesai. Besarnya kontribusi juga tidak boleh disamakan dengan biaya keseluruhan pengembangan kecerdasan buatan di Uni Eropa, karena OpenEuroLLM hanyalah salah satu proyek di antara banyak inisiatif pendanaan digital.^[3][8]

Pengembangan model memerlukan pemilihan korpus teks, pembersihan data, pemisahan bahasa dan pemeriksaan hak penggunaan. Laporan katalog data awal OpenEuroLLM menguraikan sumber data pelatihan menurut bahasa serta cara peneliti dapat menemukan dan mengakses himpunan yang tersedia pada fasilitas komputasi. Katalog adalah daftar dan perangkat pengelolaan, bukan jaminan bahwa semua data di dalamnya dipakai untuk melatih satu model tertentu. Komposisi data yang akhirnya dipilih dapat berubah sesuai kualitas, izin penggunaan dan kebutuhan evaluasi.^[9][10]

Tujuan multibahasa tidak cukup dicapai dengan memasukkan setiap bahasa ke dalam daftar pelatihan. Jumlah dan mutu teks, kesamaan ragam bahasa dengan tugas pengujian serta keseimbangan antarbahasa memengaruhi hasil. Laporan proyek sendiri membedakan daftar bahasa sasaran dari data yang telah diproses. Karena itu, klaim mendukung semua bahasa harus diuji pada tugas tertentu, misalnya tanya jawab, penulisan dan penerjemahan, dengan ukuran yang sama untuk tiap bahasa. Hasil baik pada satu bahasa tidak otomatis berlaku bagi bahasa lain yang jumlah datanya lebih sedikit.^[9][5]

Untuk pelatihan yang lebih besar, konsorsium menggunakan fasilitas komputasi berkinerja tinggi Eropa. Pada 2026, OpenEuroLLM mengumumkan akses strategis ke pusat EuroHPC untuk lebih dari sepuluh juta jam pemakaian unit pemroses grafis. Jam GPU adalah ukuran alokasi komputasi, bukan jumlah pengguna model atau bukti bahwa seluruh jam telah dipakai. Sumber daya tersebut dipakai bersama rancangan eksperimen, penyimpanan dan kurasi data; besarnya alokasi saja tidak menentukan mutu keluaran model yang akan dipublikasikan.^[4][9]

Konsorsium menyatakan akan membuka model, kode, data yang dapat dibagikan dan hasil evaluasi. Istilah terbuka mempunyai beberapa tingkat: bobot model dapat tersedia sementara data pelatihan atau resep pembuatannya tidak lengkap atau sebagian bahan mempunyai batas lisensi. Le Monde pada 2025 membahas perdebatan tentang penggunaan istilah sumber terbuka dalam kecerdasan buatan dan menyebut OpenEuroLLM sebagai contoh proyek yang menyatakan niat membuka proses pembuatannya. Penilaian sejauh mana janji itu terpenuhi perlu memeriksa lisensi serta bahan yang benar-benar dirilis, bukan nama proyeknya saja.^[11][10]

Pada 2025, OpenEuroLLM bersama proyek Open-sci menerbitkan model rujukan penelitian serta uraian evaluasi sementara. Keluaran itu berguna untuk menguji pendekatan pelatihan dan membandingkan keputusan desain, tetapi tidak identik dengan seluruh keluarga model akhir yang dijanjikan konsorsium. Halaman hasil kerja proyek juga memuat rencana publikasi katalog, laporan dan komponen lain dalam beberapa tahap. Pembaca harus membedakan model percobaan, titik pemeriksaan pelatihan, model dasar dan versi yang disetel untuk digunakan dalam percakapan.^[12][10]

Proyek OpenEuroLLM berhubungan dengan, tetapi tidak sama dengan, riset EuroLLM yang telah menerbitkan model multibahasa tersendiri. Laporan ilmiah EuroLLM-9B menjelaskan model yang dilatih dari awal dan dirilis dengan komponen pendukung. Sebaliknya, OpenEuroLLM adalah nama konsorsium pendanaan yang dimulai pada 2025 dan mempunyai keluaran serta jadwalnya sendiri. Kedua kerja dapat bertukar pengetahuan dan peserta, namun angka parameter atau hasil tolok ukur suatu model EuroLLM tidak boleh otomatis ditempelkan pada semua model OpenEuroLLM.^[13][1]

Katalog data awal memungkinkan peneliti membandingkan asal, bahasa dan ukuran himpunan teks yang dipertimbangkan untuk pelatihan. Informasi tersebut penting karena model dapat tampak multibahasa dalam daftar tetapi masih menerima jumlah contoh yang sangat berbeda bagi tiap bahasa. Selain jumlah, asal data dan izin pemakaian menentukan apakah suatu himpunan dapat dibagikan kembali atau hanya diproses dalam lingkungan dengan pembatasan akses. Keterbukaan model karena itu perlu diperiksa melalui dokumentasi bahan serta lisensi setiap keluaran, bukan hanya melalui tersedianya berkas bobot model.^[9][11]

Pengujian perlu menggunakan tugas dan ukuran yang jelas. Sebuah model dapat cukup baik merangkum dokumen dalam satu bahasa tetapi kurang andal menjawab pertanyaan pada bahasa lain atau menunjukkan perbedaan antara teks baku dan ragam sehari-hari. Laporan dan model rujukan yang diterbitkan konsorsium memberi dasar untuk membandingkan percobaan, namun kesimpulannya berlaku pada versi, data uji dan pengaturan yang disebut dalam laporan tersebut. Hasilnya tidak boleh diterapkan tanpa pemeriksaan pada model masa depan yang dilatih dengan data lebih besar ataupun disetel untuk tugas berbeda. Publikasi tolok ukur yang terbuka membantu pihak luar mengulangi pengujian, tetapi penafsiran hasilnya masih harus mempertimbangkan apakah data uji pernah muncul dalam bahan pelatihan. Catatan versi membantu pembaca menafsirkan hasil pengujian untuk tiap rilis.^[12][10][9]

Selain mutu bahasa, pengguna yang ingin memasang model perlu mengetahui kebutuhan perangkat, ketentuan penggunaan dan cara memperbaruinya. Akses konsorsium ke komputasi EuroHPC mendukung proses pembuatan model, tetapi menjalankan keluaran akhirnya adalah kegiatan tersendiri bagi lembaga yang mengadopsinya. Pemakaian di administrasi publik atau perusahaan juga dapat memerlukan pemeriksaan keamanan, perlindungan data dan pengawasan manusia menurut konteks pekerjaan. Rilis penelitian menunjukkan apa yang telah disediakan pengembang; ia tidak menggantikan penilaian oleh organisasi yang memasang sistem dalam layanan nyata.^[4][10][3]

Perbedaan antara OpenEuroLLM dan EuroLLM penting pula dalam membaca laporan pengujian. EuroLLM-9B mempunyai makalah teknis dan ukuran modelnya sendiri, sedangkan OpenEuroLLM mempunyai jadwal konsorsium, katalog data dan rangkaian keluaran yang bertahap. Seseorang dapat membandingkan pendekatan keduanya hanya sesudah memeriksa model, versi serta bahan yang dipakai dalam masing-masing penelitian. Dengan cara itu, keberadaan istilah EuroLLM dalam nama, peneliti atau riwayat proyek tidak menyebabkan angka hasil percobaan berpindah secara keliru dari satu model ke seluruh kegiatan konsorsium.^[13][1][10]

Peliputan Fortune dan heise menggambarkan OpenEuroLLM sebagai upaya kerja sama Eropa untuk membangun pilihan model terbuka di tengah dominasi pengembang dari luar kawasan. Sudut pandang tersebut menerangkan motivasi industri, tetapi tidak mengukur keandalan model pada pekerjaan tertentu. Penilaian yang lebih langsung memerlukan hasil uji lintas bahasa, dokumentasi data, kejelasan lisensi, biaya menjalankan model dan pengujian risiko seperti bias serta kesalahan fakta. Setiap ukuran itu dapat berbeda menurut versi dan waktu rilis, sehingga tidak seharusnya dirangkum menjadi satu pernyataan bahwa proyek telah berhasil atau gagal secara keseluruhan.^{[5][6][9][10]}

Pada Oktober 2026, OpenEuroLLM sudah mempunyai konsorsium, pendanaan, katalog data, akses komputasi dan sejumlah keluaran penelitian yang diumumkan. Sasaran menyediakan keluarga model yang dapat diadaptasi bagi banyak bahasa harus dinilai untuk setiap rilis setelah materi dan pengujiannya tersedia. Dengan membedakan rencana, laporan kerja dan model yang sudah dipublikasikan, perkembangan proyek dapat dicatat tanpa menyamakan dukungan Komisi atau cap STEP dengan jaminan kinerja teknis dan kepatuhan hukum seluruh hasilnya.^{[3][10][4][12]}

• Model bahasa besar
• Kecerdasan buatan
• Komputasi kinerja tinggi

• Situs web resmi OpenEuroLLM
• Halaman berkas foto Universitas Charles di Wikimedia Commons
• Halaman berkas foto Leonardo di Wikimedia Commons