LLM (large language model) adalah model AI yang dilatih dengan teks dalam jumlah sangat besar untuk memahami dan menghasilkan bahasa manusia, dengan cara memprediksi potongan teks berikutnya. Dalam bahasa Indonesia, LLM disebut model bahasa besar.
Disebut juga: large language model, model bahasa besar, model bahasa, LLM
LLM adalah mesin di balik chatbot dan agen AI. Saat kamu mengetik pertanyaan di aplikasi AI, LLM yang membaca teks itu dan menulis jawabannya. Kata "besar" merujuk pada jumlah parameter model dan jumlah data latih, yang keduanya sangat banyak. Parameter adalah angka di dalam model yang disetel selama pelatihan. Angka-angka inilah yang menyimpan pola bahasa yang dipelajari model, bukan salinan utuh dari teks aslinya yang dibaca saat pelatihan.
Sebagian besar LLM modern memakai arsitektur transformer. Arsitektur ini diperkenalkan peneliti Google pada paper "Attention Is All You Need" tahun 2017. Transformer memakai mekanisme attention untuk menimbang hubungan antar kata dalam sebuah teks.
Karena LLM menebak teks yang paling mungkin, ia bisa menulis kalimat yang terdengar meyakinkan tetapi salah. Kesalahan ini disebut halusinasi AI. Teknik seperti RAG mengurangi risiko ini dengan memberi model dokumen sumber saat menjawab.
LLM juga tidak menyimpan ingatan antar percakapan dengan sendirinya. Setiap kali dipanggil, model hanya melihat token yang dikirim saat itu. Aplikasi di atas LLM yang mengatur riwayat percakapan, dokumen, dan instruksi yang ikut dikirim. Karena itu, kualitas jawaban sangat bergantung pada prompt dan konteks yang kamu berikan.
Contoh LLM yang dikenal luas antara lain keluarga model GPT dari OpenAI, Claude dari Anthropic, Gemini dari Google, dan Llama dari Meta. Aplikasi seperti ChatGPT memakai LLM sebagai mesinnya.
Contoh pemakaian di bisnis: sebuah UMKM kuliner di Bandung ingin menulis deskripsi untuk 30 menu baru di aplikasi pesan antar. Angka di bawah ini hanya contoh.
Pemilik tetap mengecek setiap draf. LLM tidak tahu harga atau porsi yang sebenarnya kecuali data itu ditulis di prompt. Hasil terbaik biasanya datang dari prompt yang memuat contoh satu deskripsi yang sudah disukai pemilik, supaya gaya bahasanya konsisten di 30 menu.
| Aspek | LLM | Chatbot | Agen AI |
|---|---|---|---|
| Apa itu | Model yang membaca dan menulis teks | Aplikasi tanya jawab di atas LLM | Sistem yang memakai LLM plus alat |
| Masukan | Prompt | Pesan pengguna | Tujuan atau brief |
| Keluaran | Teks | Jawaban percakapan | Tugas selesai, berkas, atau aksi |
| Bisa memakai alat | Tidak dengan sendirinya | Kadang, terbatas | Ya, sesuai izin |
Di sanji.space, setiap agen berjalan di atas LLM. Kamu tidak perlu memilih nama model. Kamu cukup memilih preset Cepat, Seimbang, atau Terbaik sesuai kebutuhan tugas. Admin bisa memasang batas biaya per agen. Dokumen dan halaman web yang dibaca agen melewati perlindungan prompt injection.
Contohnya, Budi memakai preset Cepat untuk agen yang merangkum pesan harian di ruang #kampanye-q4. Untuk menyusun deck strategi kuartal, ia memilih preset Terbaik pada Ayame, karena tugasnya lebih panjang dan butuh penalaran lebih teliti.
LLM atau large language model adalah model AI yang dilatih dengan teks dalam jumlah sangat besar untuk memahami dan menulis bahasa manusia. LLM bekerja dengan menebak token berikutnya berdasarkan teks sebelumnya. Dalam bahasa Indonesia, LLM disebut model bahasa besar. LLM menjadi mesin di balik chatbot dan agen AI.
Contoh LLM yang dikenal luas adalah keluarga model GPT dari OpenAI, Claude dari Anthropic, Gemini dari Google, dan Llama dari Meta. Aplikasi seperti ChatGPT memakai LLM sebagai mesinnya. Setiap penyedia biasanya punya beberapa ukuran model, dari yang cepat dan ringan sampai yang lebih lambat tetapi lebih teliti.
LLM adalah modelnya, yaitu mesin yang membaca prompt dan menulis teks. Chatbot adalah aplikasi yang dibangun di atas LLM, lengkap dengan tampilan percakapan, riwayat, dan aturan. Satu LLM bisa dipakai oleh banyak chatbot dan agen yang berbeda. Kualitas chatbot bergantung pada LLM dan juga pada instruksi serta data yang diberikan.
LLM menulis teks yang paling mungkin berdasarkan pola dari data latihnya, bukan mencari fakta di basis data. Kalau pola itu tidak cukup, model tetap menulis jawaban yang terdengar yakin tetapi keliru. Kamu bisa mengurangi risiko ini dengan memberi dokumen sumber, meminta sumber, dan mengecek angka penting sendiri.
Token adalah potongan teks yang diproses LLM. Satu token bisa berupa kata utuh, potongan kata, atau tanda baca. LLM membaca prompt dalam bentuk token dan menulis jawaban satu token demi satu token. Batas panjang teks yang bisa dibaca model, yaitu context window, juga dihitung dalam token.
Diperbarui 25 September 2026