{"id":1304,"date":"2026-08-21T20:33:40","date_gmt":"2026-08-21T13:33:40","guid":{"rendered":"https:\/\/komunitech.com\/blog\/?p=1304"},"modified":"2026-08-21T21:33:23","modified_gmt":"2026-08-21T14:33:23","slug":"perbedaan-model-llm-claude-gpt-gemini-5-lainnya","status":"publish","type":"post","link":"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/","title":{"rendered":"Perbedaan Model LLM: Claude, GPT, Gemini &amp; 5 Lainnya"},"content":{"rendered":"<blockquote><p><strong>tl;dr:<\/strong> Tiap penyedia LLM punya beberapa varian dalam satu keluarga \u2014 Claude ada Opus\/Sonnet\/Haiku, Gemini ada Pro\/Flash\/Flash-Lite, OpenAI ada varian flagship sampai hemat. Polanya mirip: varian atas untuk penalaran berat, varian tengah untuk kerja harian, varian ringan untuk volume besar dengan biaya kecil. Yang membedakan biaya bisa 10-30 kali lipat antar varian dalam satu keluarga yang sama. Halaman ini memetakan varian tiap keluarga beserta harga resminya, lalu menutup dengan tabel ringkasan lintas penyedia.<\/p><\/blockquote>\n<p>Satu hal yang sering bikin bingung: orang membandingkan &#8220;Claude vs Gemini vs ChatGPT&#8221; seolah masing-masing cuma satu model. Padahal di dalam tiap nama itu ada beberapa varian dengan harga dan kemampuan yang jauh berbeda. Memilih varian yang salah bisa bikin tagihan membengkak tanpa hasil yang lebih baik \u2014 atau sebaliknya, pakai varian terlalu ringan untuk pekerjaan yang butuh penalaran serius.<\/p>\n<p>Kalau kamu masih di tahap memilih penyedia mana yang cocok untuk AI Agent, kami sudah bahas terpisah di <a href=\"https:\/\/komunitech.com\/blog\/ai-agent\/llm-terbaik-untuk-ai-agent-2026-gpt-vs-claude-vs-gemini\/\">LLM terbaik untuk AI Agent<\/a>. Halaman ini fokus ke pertanyaan berikutnya: setelah tahu penyedianya, varian mana yang sebaiknya dipakai.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 ez-toc-wrap-center counter-hierarchy ez-toc-counter ez-toc-light-blue ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a8ba0e8036a6\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"ez-toc-cssicon\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a8ba0e8036a6\"  aria-label=\"Toggle\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Kenapa_Satu_Keluarga_Punya_Banyak_Varian\" >Kenapa Satu Keluarga Punya Banyak Varian<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Claude_Anthropic\" >Keluarga Claude (Anthropic)<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Catatan_Penting_Claude_Code_dan_Claude_Cowork_Bukan_Model\" >Catatan Penting: Claude Code dan Claude Cowork Bukan Model<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_GPT_OpenAI\" >Keluarga GPT (OpenAI)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Gemini_Google\" >Keluarga Gemini (Google)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_DeepSeek\" >Keluarga DeepSeek<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Qwen_Alibaba\" >Keluarga Qwen (Alibaba)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Kimi_Moonshot_AI\" >Keluarga Kimi (Moonshot AI)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Mistral\" >Keluarga Mistral<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Keluarga_Llama_Meta\" >Keluarga Llama (Meta)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Catatan_Tambahan_Perplexity_Sonar_%E2%80%94_Bukan_LLM_Biasa\" >Catatan Tambahan: Perplexity (Sonar) \u2014 Bukan LLM Biasa<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Tabel_Ringkasan_Lintas_Penyedia\" >Tabel Ringkasan Lintas Penyedia<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Rating_Komunitech_LLM_yang_Kami_Uji_di_OpenClaw\" >Rating Komunitech: LLM yang Kami Uji di OpenClaw<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-14\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Cara_Memilih_Varian_Bukan_Cuma_Penyedia\" >Cara Memilih Varian, Bukan Cuma Penyedia<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-15\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Metodologi_Sumber\" >Metodologi &amp; Sumber<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-16\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Pertanyaan_yang_Sering_Ditanyakan\" >Pertanyaan yang Sering Ditanyakan<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-17\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Apa_bedanya_Claude_Opus_Sonnet_dan_Haiku\" >Apa bedanya Claude Opus, Sonnet, dan Haiku?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-18\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Apakah_Claude_Code_dan_Claude_Cowork_itu_model_AI\" >Apakah Claude Code dan Claude Cowork itu model AI?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-19\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Model_mana_yang_paling_murah_untuk_volume_besar\" >Model mana yang paling murah untuk volume besar?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-20\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Kenapa_Llama_tidak_punya_harga_resmi_seperti_model_lain\" >Kenapa Llama tidak punya harga resmi seperti model lain?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-21\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Model_LLM_mana_yang_paling_bagus_untuk_OpenClaw\" >Model LLM mana yang paling bagus untuk OpenClaw?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-22\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Apakah_model_yang_lebih_mahal_selalu_lebih_baik\" >Apakah model yang lebih mahal selalu lebih baik?<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-23\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Disclaimer\" >Disclaimer<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-24\" href=\"https:\/\/komunitech.com\/blog\/ai-agent\/perbedaan-model-llm-claude-gpt-gemini-5-lainnya\/#Referensi\" >Referensi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Kenapa_Satu_Keluarga_Punya_Banyak_Varian\"><\/span>Kenapa Satu Keluarga Punya Banyak Varian<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Penyedia LLM membagi lini produknya karena kebutuhan pengguna memang tidak seragam. Menjawab pertanyaan sederhana dan menganalisis dokumen ratusan halaman butuh kapasitas komputasi yang beda jauh, dan menagih keduanya dengan harga sama tidak masuk akal untuk kedua pihak.<\/p>\n<p>Pola umumnya mirip di hampir semua penyedia:<\/p>\n<ul>\n<li><strong>Varian flagship<\/strong> \u2014 kemampuan penalaran tertinggi, harga paling mahal. Untuk tugas kompleks: analisis mendalam, coding agentik, pekerjaan yang salahnya mahal.<\/li>\n<li><strong>Varian menengah<\/strong> \u2014 keseimbangan kecerdasan dan biaya. Ini yang biasanya paling sering dipakai untuk produksi sehari-hari.<\/li>\n<li><strong>Varian ringan<\/strong> \u2014 paling murah dan cepat, kemampuannya lebih terbatas. Cocok untuk volume besar: klasifikasi, ekstraksi data, balasan sederhana.<\/li>\n<\/ul>\n<p>Ada juga varian khusus di luar tiga kategori itu: model khusus coding, model penglihatan (vision), model transkripsi suara, sampai model embedding untuk pencarian. Semuanya dihitung terpisah.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Claude_Anthropic\"><\/span>Keluarga Claude (Anthropic)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Claude membagi lini utamanya berdasarkan nama: Opus untuk kapasitas tertinggi, Sonnet untuk keseimbangan, Haiku untuk kecepatan dan biaya rendah. Per pemeriksaan kami, lini terbarunya mencakup Claude Fable 5 dan Claude Mythos 5 sebagai model paling mampu, dengan Opus 5, Sonnet 5, dan Haiku 4.5 di bawahnya.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Context window<\/th>\n<th>Max output<\/th>\n<th>Posisi<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Claude Fable 5<\/strong><\/td>\n<td>1 juta token<\/td>\n<td>128k token<\/td>\n<td>Model paling mampu yang dirilis luas<\/td>\n<\/tr>\n<tr>\n<td><strong>Claude Mythos 5<\/strong><\/td>\n<td>1 juta token<\/td>\n<td>128k token<\/td>\n<td>Spesifikasi dan harga sama dengan Fable 5, ketersediaan terbatas lewat program undangan<\/td>\n<\/tr>\n<tr>\n<td><strong>Claude Opus 5<\/strong><\/td>\n<td>1 juta token<\/td>\n<td>128k token<\/td>\n<td>Direkomendasikan untuk coding agentik kompleks dan pekerjaan enterprise<\/td>\n<\/tr>\n<tr>\n<td><strong>Claude Sonnet 5<\/strong><\/td>\n<td>1 juta token<\/td>\n<td>128k token<\/td>\n<td>Keseimbangan kemampuan dan kecepatan<\/td>\n<\/tr>\n<tr>\n<td><strong>Claude Haiku 4.5<\/strong><\/td>\n<td>200 ribu token<\/td>\n<td>64k token<\/td>\n<td>Varian tercepat, context window lebih kecil<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Perhatikan bedanya di baris terakhir: Haiku punya context window 200 ribu token, seperlima dari varian lain yang sudah 1 juta token. Untuk kebanyakan percakapan biasa itu lebih dari cukup, tapi untuk menganalisis dokumen panjang sekaligus, perbedaan ini menentukan.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Catatan_Penting_Claude_Code_dan_Claude_Cowork_Bukan_Model\"><\/span>Catatan Penting: Claude Code dan Claude Cowork Bukan Model<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Ini sumber kebingungan yang sering muncul. <strong>Claude Code<\/strong> dan <strong>Claude Cowork<\/strong> bukan nama model \u2014 keduanya adalah <em>tool<\/em> atau antarmuka kerja yang dibangun di atas model Claude. Analoginya: model itu mesinnya, tool itu kendaraannya.<\/p>\n<p>Artinya ketika kamu memakai Claude Code, di belakangnya tetap ada salah satu model di tabel atas yang bekerja. Jadi kalau ada pertanyaan &#8220;lebih bagus Claude Code atau Claude Sonnet&#8221;, pertanyaannya sebenarnya tidak setara \u2014 yang satu tool, yang satu model. Perbandingan tool coding sendiri sudah kami bahas di <a href=\"https:\/\/komunitech.com\/blog\/ai-agent\/claude-code-vs-openclaw-kapan-pakai-yang-mana\/\">Claude Code vs OpenClaw<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_GPT_OpenAI\"><\/span>Keluarga GPT (OpenAI)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>OpenAI memakai pola penamaan berbeda: satu nomor seri, lalu varian dengan nama pembeda. Pada lini GPT-5.6, pembagiannya jelas berdasarkan kebutuhan.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Diarahkan untuk<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>GPT-5.6 Sol<\/strong><\/td>\n<td>Model unggulan untuk penalaran kompleks dan coding<\/td>\n<\/tr>\n<tr>\n<td><strong>GPT-5.6 Terra<\/strong><\/td>\n<td>Menyeimbangkan kecerdasan dan biaya<\/td>\n<\/tr>\n<tr>\n<td><strong>GPT-5.6 Luna<\/strong><\/td>\n<td>Beban kerja volume besar yang sensitif terhadap biaya<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Seluruh model terbaru OpenAI menerima input teks dan gambar, menghasilkan output teks, serta mendukung kemampuan multibahasa dan penglihatan. Rekomendasi resminya: mulai dari varian unggulan kalau belum yakin, lalu turun ke varian yang lebih hemat setelah tahu beban kerja sebenarnya.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Gemini_Google\"><\/span>Keluarga Gemini (Google)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Gemini memakai penamaan Pro \/ Flash \/ Flash-Lite, dengan angka seri di depannya. Yang membedakan Gemini dari kebanyakan penyedia lain: context window besar tersedia bahkan di varian murah, bukan cuma di varian flagship.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Input \/ 1 juta token<\/th>\n<th>Output \/ 1 juta token<\/th>\n<th>Context caching<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Gemini 2.5 Flash-Lite<\/strong><\/td>\n<td>$0,10<\/td>\n<td>$0,40<\/td>\n<td>$0,025<\/td>\n<\/tr>\n<tr>\n<td><strong>Gemini 2.5 Flash<\/strong><\/td>\n<td>$0,30<\/td>\n<td>$2,50<\/td>\n<td>$0,075<\/td>\n<\/tr>\n<tr>\n<td><strong>Gemini 3.7 \/ 3.6 Flash<\/strong><\/td>\n<td>$0,75<\/td>\n<td>$3,75<\/td>\n<td>$0,075<\/td>\n<\/tr>\n<tr>\n<td><strong>Gemini 2.5 Pro<\/strong><\/td>\n<td>$1,25 (\u2264128k) \u00b7 $2,50 (&gt;128k)<\/td>\n<td>$5,00 (\u2264128k) \u00b7 $10,00 (&gt;128k)<\/td>\n<td>$0,3125<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Ada tiga hal yang perlu dicatat dari struktur harga ini. Pertama, <strong>Gemini punya tingkat gratis<\/strong> dengan batas laju tertentu \u2014 cukup untuk belajar dan uji coba, dengan catatan data input bisa dipakai untuk peningkatan layanan. Kedua, <strong>Batch API memberi diskon 50%<\/strong> untuk pekerjaan yang tidak perlu jawaban seketika. Ketiga, harga Pro naik dua kali lipat begitu prompt melewati 128 ribu token \u2014 jadi context window besar bukan cuma soal kemampuan, tapi juga soal biaya.<\/p>\n<p>Untuk fitur tambahan, <em>Grounding with Google Search<\/em> memberi 5.000 permintaan gratis per bulan, setelahnya $14 per 1.000 permintaan pencarian.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_DeepSeek\"><\/span>Keluarga DeepSeek<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>DeepSeek punya struktur harga yang tidak dipakai penyedia lain: <strong>tarif berbeda antara jam sibuk dan jam sepi<\/strong>, di mana tarif jam sepi hanya setengah dari tarif jam sibuk. Untuk beban kerja yang bisa dijadwalkan, ini bisa memangkas biaya signifikan.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Input jam sepi (cache miss)<\/th>\n<th>Output jam sepi<\/th>\n<th>Context<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>deepseek-v4-flash<\/strong><\/td>\n<td>$0,22<\/td>\n<td>$0,66<\/td>\n<td>1 juta token<\/td>\n<\/tr>\n<tr>\n<td><strong>deepseek-v4-pro<\/strong><\/td>\n<td>$0,66<\/td>\n<td>$1,98<\/td>\n<td>1 juta token<\/td>\n<\/tr>\n<tr>\n<td><strong>deepseek-v4-flash-vision-exp<\/strong><\/td>\n<td>$0,22<\/td>\n<td>$0,66<\/td>\n<td>1 juta token<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Tarif jam sibuk persis dua kali lipat angka di atas. Jam sibuk berlaku pukul 01.00-04.00 dan 06.00-10.00 UTC; selebihnya dihitung jam sepi. Kalau proses kamu berupa antrean yang bisa dijalankan malam hari waktu Indonesia, selisihnya nyata.<\/p>\n<p>Yang menarik, harga input saat <em>cache hit<\/em> jauh lebih murah lagi \u2014 sekitar $0,007 sampai $0,022 per satu juta token di jam sepi. Ketiganya mendukung mode berpikir (thinking) maupun non-thinking, JSON output, dan tool calling.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Qwen_Alibaba\"><\/span>Keluarga Qwen (Alibaba)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Qwen membagi lini berdasarkan Max (paling mampu), Plus (seimbang), dan Turbo (paling hemat). Ciri khas struktur harganya: <strong>tarif bertingkat mengikuti panjang prompt<\/strong>, bukan harga tunggal.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Panjang prompt<\/th>\n<th>Input \/ 1 juta token<\/th>\n<th>Output \/ 1 juta token<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>qwen3.7-max<\/strong><\/td>\n<td>sampai 1 juta token<\/td>\n<td>$2,50<\/td>\n<td>$7,50<\/td>\n<\/tr>\n<tr>\n<td rowspan=\"2\"><strong>qwen3.6-max<\/strong><\/td>\n<td>sampai 128k<\/td>\n<td>$1,30<\/td>\n<td>$7,80<\/td>\n<\/tr>\n<tr>\n<td>128k-256k<\/td>\n<td>$2,00<\/td>\n<td>$12,00<\/td>\n<\/tr>\n<tr>\n<td rowspan=\"3\"><strong>qwen3-max<\/strong><\/td>\n<td>sampai 32k<\/td>\n<td>$1,20<\/td>\n<td>$6,00<\/td>\n<\/tr>\n<tr>\n<td>32k-128k<\/td>\n<td>$2,40<\/td>\n<td>$12,00<\/td>\n<\/tr>\n<tr>\n<td>128k-256k<\/td>\n<td>$3,00<\/td>\n<td>$15,00<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Konsekuensinya penting: pada qwen3-max, prompt yang melewati 128 ribu token dikenai tarif <strong>dua setengah kali lipat<\/strong> dibanding prompt pendek. Jadi memotong konteks yang tidak perlu bukan sekadar praktik rapi \u2014 langsung berpengaruh ke tagihan.<\/p>\n<p>Qwen juga memberi kuota gratis satu juta token yang berlaku 90 hari setelah aktivasi, serta diskon melalui batch call (50% dari harga real-time) dan context cache. Dua diskon ini tidak bisa dipakai bersamaan.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Kimi_Moonshot_AI\"><\/span>Keluarga Kimi (Moonshot AI)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Kimi menonjol di satu hal: selisih harga input antara cache hit dan cache miss yang sangat lebar, sehingga pola penggunaan sangat menentukan biaya akhir.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Input (cache hit)<\/th>\n<th>Input (cache miss)<\/th>\n<th>Output<\/th>\n<th>Context<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Kimi K3<\/strong><\/td>\n<td>$0,30<\/td>\n<td>$3,00<\/td>\n<td>$15,00<\/td>\n<td>1.048.576 token<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Perhatikan selisihnya: input cache hit sepuluh kali lebih murah dibanding cache miss. Untuk aplikasi yang berulang kali mengirim konteks sama \u2014 misalnya dokumen rujukan yang tetap \u2014 memanfaatkan cache bukan optimasi tambahan, tapi penentu utama biaya.<\/p>\n<p>Selain K3 sebagai model unggulan, Kimi juga menyediakan <strong>K2.7 Code<\/strong> (khusus coding, multimoda) dan <strong>K2.6<\/strong> (mendukung input visual dan teks). Lini lama Moonshot V1 dijadwalkan dihentikan.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Mistral\"><\/span>Keluarga Mistral<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Mistral punya cakupan paling luas di antara semua penyedia yang dibahas di sini \u2014 bukan cuma model teks, tapi juga OCR, transkripsi suara, dan embedding, semuanya dengan skema harga terpisah.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Input \/ 1 juta token<\/th>\n<th>Output \/ 1 juta token<\/th>\n<th>Lisensi<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Mistral Medium 3.5<\/strong><\/td>\n<td>$1,50<\/td>\n<td>$7,50<\/td>\n<td>Open<\/td>\n<\/tr>\n<tr>\n<td><strong>Mistral Large 3<\/strong><\/td>\n<td>$0,50<\/td>\n<td>$1,50<\/td>\n<td>Open<\/td>\n<\/tr>\n<tr>\n<td><strong>Mistral Small 4<\/strong><\/td>\n<td>$0,15<\/td>\n<td>$0,60<\/td>\n<td>Open (Apache 2.0)<\/td>\n<\/tr>\n<tr>\n<td><strong>Ministral 3 (14B)<\/strong><\/td>\n<td>$0,20<\/td>\n<td>$0,20<\/td>\n<td>Edge\/on-device<\/td>\n<\/tr>\n<tr>\n<td><strong>Ministral 3 (8B)<\/strong><\/td>\n<td>$0,15<\/td>\n<td>$0,15<\/td>\n<td>Edge\/on-device<\/td>\n<\/tr>\n<tr>\n<td><strong>Ministral 3 (3B)<\/strong><\/td>\n<td>$0,10<\/td>\n<td>$0,10<\/td>\n<td>Edge\/on-device<\/td>\n<\/tr>\n<tr>\n<td><strong>Codestral<\/strong> (coding)<\/td>\n<td>$0,30<\/td>\n<td>$0,90<\/td>\n<td>Open<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Beberapa hal yang membedakan Mistral dari penyedia lain. <strong>Sebagian besar model utamanya berlisensi open-weight<\/strong> (ditandai &#8220;Open&#8221;), yang berarti bisa diunduh dan dijalankan sendiri, bukan cuma diakses lewat API. <strong>Seri Ministral<\/strong> dirancang khusus untuk perangkat edge atau on-device, dengan harga input dan output yang sama rata \u2014 beda dari model lain yang biasanya output lebih mahal dari input. Mistral juga menawarkan <strong>Regional Inference di Eropa<\/strong> dengan tambahan biaya 10% dari harga dasar, untuk kebutuhan kedaulatan data.<\/p>\n<p>Untuk model non-teks: <strong>Mistral OCR 4.1<\/strong> $4 per 1.000 halaman (naik ke $5 untuk mode Document AI), <strong>Voxtral Mini Transcribe<\/strong> $0,003 per menit audio untuk transkripsi, <strong>Mistral Embed<\/strong> $0,10 per satu juta token, dan <strong>Codestral Embed<\/strong> $0,15 per satu juta token. Context caching bisa menghemat sampai 90% untuk token input yang berulang, dan paket Enterprise API tersedia dengan tambahan 75% dari harga standar untuk kontrol pemrosesan data regional, SLA tingkat sistem, dan dukungan prioritas.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Keluarga_Llama_Meta\"><\/span>Keluarga Llama (Meta)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Llama beda dari tujuh keluarga lain di halaman ini: <strong>Meta tidak menjual akses API dengan harga per token<\/strong>. Model-model Llama dirilis sebagai bobot terbuka (open-weight) yang bisa diunduh langsung dari Hugging Face, dijalankan di server sendiri, atau diakses lewat penyedia pihak ketiga seperti cloud provider yang punya skema harga masing-masing.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Arsitektur<\/th>\n<th>Karakteristik<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Llama 4 Scout<\/strong><\/td>\n<td>Mixture-of-experts, 17 miliar parameter aktif, 16 expert<\/td>\n<td>Multimodal native (teks dan gambar)<\/td>\n<\/tr>\n<tr>\n<td><strong>Llama 4 Maverick<\/strong><\/td>\n<td>Mixture-of-experts, 17 miliar parameter aktif, 128 expert<\/td>\n<td>Multimodal native, kapasitas lebih besar dari Scout<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Generasi sebelumnya (Llama 3.1 sampai 3.3) masih tersedia dalam rentang ukuran 1 miliar sampai 405 miliar parameter, termasuk varian khusus penglihatan (Llama 3.2 Vision). Karena sifatnya open-weight, biaya sebenarnya bukan di harga model, melainkan di infrastruktur untuk menjalankannya \u2014 baik itu server sendiri atau biaya hosting dari penyedia cloud. Kalau kamu mempertimbangkan jalur ini, pembahasan infrastrukturnya ada di <a href=\"https:\/\/komunitech.com\/blog\/ai-agent\/private-llm-cara-bangun-infrastruktur-llm-lokal-di-server-pc-sendiri-2026\/\">Private LLM: Cara Bangun Infrastruktur LLM Lokal<\/a>.<\/p>\n<blockquote class=\"kt-box\" style=\"background: #f0f9ff; border-left: 4px solid #0284c7; border-radius: 8px; padding: 16px 20px; margin: 24px 0;\">\n<p style=\"margin: 0 0 6px; font-size: 12px; font-weight: bold; letter-spacing: 0.03em; text-transform: uppercase; color: #0284c7;\">\ud83d\udca1 Key Takeaway<\/p>\n<p style=\"margin: 0; font-size: 15px; line-height: 1.6; color: #0c4a6e;\">Tiap keluarga selalu punya jalur murah (varian ringan atau harga jam sepi) dan jalur mahal (flagship atau jam sibuk). Sebelum pilih model, tentukan dulu: pekerjaan ini butuh penalaran berat, atau sekadar tugas berulang volume besar? Jawaban itu yang menentukan varian, bukan nama besar penyedianya.<\/p>\n<\/blockquote>\n<h2><span class=\"ez-toc-section\" id=\"Catatan_Tambahan_Perplexity_Sonar_%E2%80%94_Bukan_LLM_Biasa\"><\/span>Catatan Tambahan: Perplexity (Sonar) \u2014 Bukan LLM Biasa<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Perplexity sengaja tidak dimasukkan ke delapan keluarga di atas karena kategorinya memang beda. Sonar \u2014 lini model API Perplexity \u2014 bukan LLM yang dilatih dari nol seperti Claude atau GPT, melainkan model yang <strong>selalu terhubung ke pencarian web real-time<\/strong> dan menyertakan sitasi sumber di tiap jawaban. Cocok dijadikan pembanding kalau kebutuhanmu memang riset dan fact-checking, bukan sekadar generasi teks.<\/p>\n<table>\n<thead>\n<tr>\n<th>Varian<\/th>\n<th>Input \/ 1 juta token<\/th>\n<th>Output \/ 1 juta token<\/th>\n<th>Untuk apa<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Sonar<\/strong><\/td>\n<td>$1,00<\/td>\n<td>$1,00<\/td>\n<td>Pencarian dasar, ringan dan cepat<\/td>\n<\/tr>\n<tr>\n<td><strong>Sonar Pro<\/strong><\/td>\n<td>$3,00<\/td>\n<td>$1,50<\/td>\n<td>Pencarian lebih dalam dengan sitasi lebih kaya<\/td>\n<\/tr>\n<tr>\n<td><strong>Sonar Reasoning Pro<\/strong><\/td>\n<td>$2,00<\/td>\n<td>$8,00<\/td>\n<td>Penalaran multi-langkah<\/td>\n<\/tr>\n<tr>\n<td><strong>Sonar Deep Research<\/strong><\/td>\n<td>$2,00<\/td>\n<td>$8,00<\/td>\n<td>Laporan riset mendalam dan kompleks<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Dua hal yang membedakan struktur harga Perplexity dari delapan keluarga sebelumnya. Pertama, ada <strong>request fee tambahan<\/strong> di luar harga token \u2014 sekitar $5 sampai $14 per 1.000 request, tergantung ukuran konteks pencarian yang dipanggil. Kalau cuma membandingkan harga token, Perplexity terlihat murah; begitu request fee dihitung, gambarannya berubah. Kedua, perhatikan Sonar Pro: <strong>harga output-nya ($1,50) lebih murah dari harga input ($3,00)<\/strong> \u2014 kebalikan dari pola semua model di atas, yang outputnya biasanya lebih mahal karena proses generasi lebih berat daripada membaca prompt.<\/p>\n<p>Pelanggan Perplexity Pro ($20\/bulan) biasanya mendapat kredit API gratis $5 setiap bulan, yang bisa dipakai untuk uji coba tanpa biaya tambahan di awal.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Tabel_Ringkasan_Lintas_Penyedia\"><\/span>Tabel Ringkasan Lintas Penyedia<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Kalau kamu cuma butuh gambaran cepat sebelum masuk ke detail tiap keluarga, ini rangkumannya. Harga yang ditampilkan adalah varian termurah dan tertinggi dari tiap penyedia untuk perbandingan kasar \u2014 detail lengkap tetap ada di tabel masing-masing keluarga di atas.<\/p>\n<table>\n<thead>\n<tr>\n<th>Penyedia<\/th>\n<th>Varian termurah (input\/1M)<\/th>\n<th>Varian termahal (input\/1M)<\/th>\n<th>Model open-weight?<\/th>\n<th>Ciri khas harga<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Claude (Anthropic)<\/strong><\/td>\n<td>Haiku 4.5<\/td>\n<td>Opus 5 \/ Fable 5<\/td>\n<td>Tidak<\/td>\n<td>Context window turun di varian ringan (200k vs 1M)<\/td>\n<\/tr>\n<tr>\n<td><strong>GPT (OpenAI)<\/strong><\/td>\n<td>GPT-5.6 Luna<\/td>\n<td>GPT-5.6 Sol<\/td>\n<td>Tidak<\/td>\n<td>Tiga tingkat jelas: hemat\/seimbang\/unggulan<\/td>\n<\/tr>\n<tr>\n<td><strong>Gemini (Google)<\/strong><\/td>\n<td>$0,10 (Flash-Lite)<\/td>\n<td>$2,50 (Pro, &gt;128k)<\/td>\n<td>Tidak<\/td>\n<td>Harga Pro naik 2x setelah 128k token<\/td>\n<\/tr>\n<tr>\n<td><strong>DeepSeek<\/strong><\/td>\n<td>$0,22 (v4-flash, jam sepi)<\/td>\n<td>$1,32 (v4-pro, jam sibuk)<\/td>\n<td>Sebagian<\/td>\n<td>Tarif jam sibuk 2x lipat jam sepi<\/td>\n<\/tr>\n<tr>\n<td><strong>Qwen (Alibaba)<\/strong><\/td>\n<td>$1,20 (qwen3-max, \u226432k)<\/td>\n<td>$3,00 (qwen3-max, &gt;128k)<\/td>\n<td>Sebagian<\/td>\n<td>Harga naik bertingkat mengikuti panjang prompt<\/td>\n<\/tr>\n<tr>\n<td><strong>Kimi (Moonshot)<\/strong><\/td>\n<td>$0,30 (cache hit)<\/td>\n<td>$3,00 (cache miss)<\/td>\n<td>Tidak<\/td>\n<td>Selisih cache hit vs miss sampai 10x<\/td>\n<\/tr>\n<tr>\n<td><strong>Mistral<\/strong><\/td>\n<td>$0,10 (Ministral 3B)<\/td>\n<td>$1,50 (Medium 3.5)<\/td>\n<td>Ya, sebagian besar<\/td>\n<td>Cakupan terluas: teks, OCR, suara, embedding<\/td>\n<\/tr>\n<tr>\n<td><strong>Llama (Meta)<\/strong><\/td>\n<td style=\"text-align: center;\" colspan=\"2\">Tidak dijual per token \u2014 open-weight, biaya di infrastruktur<\/td>\n<td>Ya, semua<\/td>\n<td>Satu-satunya tanpa harga API resmi dari pembuatnya<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<blockquote class=\"kt-box\" style=\"background: #f0f9ff; border-left: 4px solid #0284c7; border-radius: 8px; padding: 16px 20px; margin: 24px 0;\">\n<p style=\"margin: 0 0 6px; font-size: 12px; font-weight: bold; letter-spacing: 0.03em; text-transform: uppercase; color: #0284c7;\">\ud83d\udca1 Key Takeaway<\/p>\n<p style=\"margin: 0; font-size: 15px; line-height: 1.6; color: #0c4a6e;\">Kalau prioritasmu kontrol penuh dan tidak keberatan mengurus infrastruktur sendiri, Mistral dan Llama adalah dua penyedia yang model utamanya open-weight. Kalau prioritasmu kepraktisan lewat API tanpa mengurus server, enam penyedia lainnya di tabel ini yang jadi pilihan langsung.<\/p>\n<\/blockquote>\n<h2><span class=\"ez-toc-section\" id=\"Rating_Komunitech_LLM_yang_Kami_Uji_di_OpenClaw\"><\/span>Rating Komunitech: LLM yang Kami Uji di OpenClaw<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Semua tabel di atas berisi data objektif dari halaman resmi: spesifikasi dan harga. Tapi angka saja tidak menjawab pertanyaan &#8220;enaknya dipakai yang mana?&#8221;.<\/p>\n<blockquote><p>\u201cRating ini berdasarkan pemakaian nyata di OpenClaw oleh tim Komunitech, bukan benchmark akademis.\u201d<\/p><\/blockquote>\n<p>Untuk itu, berikut <strong>rating dari Komunitech<\/strong> berdasarkan pengujian langsung memakai model-model ini di OpenClaw untuk pekerjaan sehari-hari \u2014 menulis, coding, analisis, sampai brainstorming. Disampaikan oleh Robbie Jeo, CEO Komunitech, mewakili hasil pengujian tim.<\/p>\n<div style=\"max-width:340px;margin:1.5em auto;\"><div style=\"position:relative;width:100%;height:0;padding-bottom:177.78%;overflow:hidden;border-radius:12px;background:#000;\"><iframe style=\"position:absolute;top:0;left:0;width:100%;height:100%;border:0;\" src=\"https:\/\/www.youtube.com\/embed\/uUMSFui-c1U\" title=\"Rating Komunitech: LLM yang Diuji di OpenClaw\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen loading=\"lazy\"><\/iframe><\/div><\/div>\n<table>\n<thead>\n<tr>\n<th>Model<\/th>\n<th>Rating<\/th>\n<th>Catatan dari pemakaian<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Claude<\/strong><\/td>\n<td>S++<\/td>\n<td>Dipakai untuk hampir semua pekerjaan: menulis, coding, analisis, brainstorming. Catatan penting: sudah tidak bisa langganan bulanan, hanya pay-as-you-go.<\/td>\n<\/tr>\n<tr>\n<td><strong>Kimi<\/strong><\/td>\n<td>S<\/td>\n<td>Sangat murah, bisa langganan bulanan, reliabel. Model Kimi for Coding dinilai cocok jadi model utama beserta seluruh cron job-nya.<\/td>\n<\/tr>\n<tr>\n<td><strong>MiniMax<\/strong><\/td>\n<td>A<\/td>\n<td>Model MiniMax 01 dinilai komplit: reasoning, coding, baca gambar, sampai membuat suara.<\/td>\n<\/tr>\n<tr>\n<td><strong>Xiaomi MiMo<\/strong><\/td>\n<td>A<\/td>\n<td>Disebut underrated. MiMo v2 Pro sempat jadi pilihan utama saat Claude tidak bisa dilanggan bulanan dan model ini masih gratis di OpenRouter.<\/td>\n<\/tr>\n<tr>\n<td><strong>Gemini<\/strong><\/td>\n<td>B<\/td>\n<td>Solid, harga kompetitif, performa oke \u2014 terutama sejak ada Gemini Live API untuk percakapan real-time.<\/td>\n<\/tr>\n<tr>\n<td><strong>Qwen<\/strong><\/td>\n<td>B<\/td>\n<td>Cukup oke untuk reasoning dan coding.<\/td>\n<\/tr>\n<tr>\n<td><strong>ChatGPT<\/strong><\/td>\n<td>C<\/td>\n<td>Dinilai cukup untuk pengguna awam, tapi kurang menarik bagi yang sudah terbiasa memakai OpenRouter.<\/td>\n<\/tr>\n<tr>\n<td><strong>DeepSeek<\/strong><\/td>\n<td>C<\/td>\n<td>Sempat bikin heboh, tapi batch model terbarunya dinilai tidak se-impresif dulu.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Ada dua hal yang menarik kalau rating ini dibandingkan dengan tabel harga di atas.<\/p>\n<p><strong>Pertama, harga murah tidak otomatis jadi pilihan utama.<\/strong> DeepSeek punya struktur harga paling agresif di daftar ini (apalagi di jam sepi), tapi rating pemakaiannya justru C. Sebaliknya Kimi yang juga murah mendapat S. Artinya yang menentukan bukan cuma angka per token, tapi konsistensi hasil untuk pekerjaan nyata.<\/p>\n<p><strong>Kedua, model yang paling populer belum tentu paling cocok untuk agent.<\/strong> ChatGPT mendapat rating C bukan karena modelnya buruk, tapi karena konteks penilaiannya spesifik: dipakai sebagai mesin di balik AI Agent lewat OpenRouter, bukan sebagai aplikasi chat sehari-hari. Ini pengingat bahwa &#8220;model terbaik&#8221; sangat tergantung dipakai untuk apa.<\/p>\n<p>Untuk Claude, alasan rating S++-nya cukup lugas: dipakai untuk hampir semua jenis pekerjaan \u2014 menulis, coding, analisis, sampai brainstorming \u2014 dan hasilnya konsisten tidak mengecewakan. Satu catatan penting yang perlu diperhitungkan sebelum memakainya: <strong>Claude sudah tidak menyediakan opsi langganan bulanan<\/strong>, sehingga akses lewat OpenRouter kini hanya bisa lewat skema pay-as-you-go per token seperti yang tercantum di tabel harga Claude di atas \u2014 bukan lagi biaya tetap bulanan.<\/p>\n<p>Kimi dan DeepSeek jadi perbandingan menarik karena sama-sama murah tapi rating akhirnya jauh berbeda. Kimi dinilai reliabel dan cukup kuat untuk coding maupun reasoning, dengan model Kimi for Coding secara spesifik direkomendasikan jadi model utama untuk menjalankan seluruh cron job di OpenRouter \u2014 ditambah masih bisa dilanggan bulanan, bukan cuma pay-as-you-go. DeepSeek di sisi lain sempat jadi sorotan besar saat rilis awal, tapi menurut pengujian terbaru, batch model yang berjalan sekarang dinilai sudah tidak seimpresif generasi sebelumnya \u2014 sejalan dengan rating C yang didapatnya.<\/p>\n<p>Perlu digarisbawahi: rating di atas adalah <strong>hasil pengujian internal Komunitech berbasis pemakaian nyata<\/strong>, bukan benchmark akademis terstandar yang bisa direplikasi pihak luar. Model AI juga berkembang cepat, sehingga rating ini merefleksikan kondisi saat pengujian dilakukan. Anggap sebagai masukan dari tim yang memakainya sehari-hari untuk melengkapi data harga dan spesifikasi, bukan menggantikannya.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Cara_Memilih_Varian_Bukan_Cuma_Penyedia\"><\/span>Cara Memilih Varian, Bukan Cuma Penyedia<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Setelah melihat semua tabel di atas, tiga pertanyaan ini membantu mempersempit pilihan:<\/p>\n<ul>\n<li><strong>Seberapa berat penalarannya?<\/strong> Tugas yang butuh analisis mendalam, coding kompleks, atau keputusan bertaruh tinggi layak pakai varian flagship walau lebih mahal \u2014 kesalahan di sini lebih mahal dari selisih harga model.<\/li>\n<li><strong>Seberapa besar volumenya?<\/strong> Kalau prosesnya jalan ribuan kali per hari untuk tugas sederhana (klasifikasi, ekstraksi, balasan singkat), varian ringan biasanya cukup dan selisih biayanya signifikan dalam skala besar.<\/li>\n<li><strong>Apakah konteksnya bisa di-cache atau dijadwalkan?<\/strong> Kalau ya, manfaatkan fitur context caching (Gemini, Kimi, Qwen, Mistral) atau jam sepi (DeepSeek) sebelum menambah budget ke varian yang lebih mahal.<\/li>\n<\/ul>\n<p>Praktik yang aman: mulai dari varian menengah untuk uji coba, ukur hasilnya, baru putuskan naik ke flagship atau turun ke varian hemat berdasarkan data pemakaian nyata \u2014 bukan asumsi di awal.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Metodologi_Sumber\"><\/span>Metodologi &amp; Sumber<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Nama model, spesifikasi (context window, arsitektur), dan harga per token dalam artikel ini diambil langsung dari halaman dokumentasi resmi tiap penyedia: Anthropic, OpenAI, Google AI, DeepSeek, Alibaba Cloud Model Studio (Qwen), Moonshot AI (Kimi), Mistral AI, dan Hugging Face resmi Meta Llama. Data diverifikasi pada Agustus 2026.<\/p>\n<p>Harga LLM berubah relatif sering mengikuti rilis model baru dan penyesuaian kebijakan tiap penyedia. Angka pada tabel adalah snapshot per tanggal verifikasi, bukan harga yang dijamin tetap \u2014 selalu cek halaman resmi sebelum membuat keputusan anggaran, terutama untuk penggunaan skala produksi.<\/p>\n<p>Beberapa penyedia (Gemini, Qwen, DeepSeek) memakai skema harga bertingkat berdasarkan panjang prompt atau jam pemakaian; tabel di atas menampilkan rentang lengkapnya, bukan angka tunggal yang disederhanakan, supaya tidak menyesatkan soal biaya sebenarnya.<\/p>\n<p>Khusus bagian rating pemakaian, sumbernya berbeda: itu hasil pengujian internal Komunitech memakai tiap model di OpenClaw untuk pekerjaan nyata, disampaikan oleh Robbie Jeo (CEO Komunitech) lewat video yang disematkan di artikel ini. Rating tersebut sengaja dipisahkan dari tabel harga dan spesifikasi karena sifatnya hasil pengujian internal, bukan benchmark akademis yang bisa direplikasi pihak luar.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Pertanyaan_yang_Sering_Ditanyakan\"><\/span>Pertanyaan yang Sering Ditanyakan<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3><span class=\"ez-toc-section\" id=\"Apa_bedanya_Claude_Opus_Sonnet_dan_Haiku\"><\/span>Apa bedanya Claude Opus, Sonnet, dan Haiku?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Opus untuk kapasitas penalaran tertinggi dan pekerjaan enterprise, Sonnet untuk keseimbangan kemampuan dan kecepatan, Haiku untuk respons cepat dengan biaya rendah. Haiku juga punya context window lebih kecil (200 ribu token) dibanding Opus dan Sonnet (1 juta token).<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Apakah_Claude_Code_dan_Claude_Cowork_itu_model_AI\"><\/span>Apakah Claude Code dan Claude Cowork itu model AI?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Bukan. Keduanya adalah tool atau antarmuka kerja yang dibangun di atas model Claude, bukan model tersendiri. Di balik Claude Code maupun Claude Cowork tetap ada salah satu varian model (Opus, Sonnet, atau Haiku) yang benar-benar memproses permintaan.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Model_mana_yang_paling_murah_untuk_volume_besar\"><\/span>Model mana yang paling murah untuk volume besar?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Tergantung penyedia, tapi pola umumnya varian paling ringan di tiap keluarga: Claude Haiku, Gemini Flash-Lite, GPT-5.6 Luna, DeepSeek v4-flash di jam sepi, atau Ministral 3B dari Mistral. Untuk volume sangat besar, manfaatkan juga fitur batch API atau context caching yang tersedia di sebagian besar penyedia.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Kenapa_Llama_tidak_punya_harga_resmi_seperti_model_lain\"><\/span>Kenapa Llama tidak punya harga resmi seperti model lain?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Karena Meta merilis Llama sebagai model open-weight, bukan layanan API berbayar. Kamu mengunduh bobot modelnya secara gratis dan menjalankannya di infrastruktur sendiri atau lewat penyedia cloud pihak ketiga, yang masing-masing punya skema harga sendiri untuk komputasinya.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Model_LLM_mana_yang_paling_bagus_untuk_OpenClaw\"><\/span>Model LLM mana yang paling bagus untuk OpenClaw?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Berdasarkan rating Komunitech dari hasil pengujian pemakaian sehari-hari, Claude mendapat rating tertinggi (S++) untuk kualitas hasil, sementara Kimi (S) dinilai paling seimbang antara biaya dan keandalan sehingga cocok jadi model utama beserta cron job-nya. Perlu dicatat bahwa ini hasil pengujian internal berbasis pengalaman pemakaian, bukan benchmark akademis terstandar, dan kebutuhan tiap orang bisa berbeda.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Apakah_model_yang_lebih_mahal_selalu_lebih_baik\"><\/span>Apakah model yang lebih mahal selalu lebih baik?<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Tidak selalu untuk kebutuhanmu spesifik. Model flagship unggul di penalaran kompleks, tapi untuk tugas sederhana dan berulang, varian ringan sering memberi hasil yang sama baiknya dengan biaya jauh lebih rendah. Cara paling aman adalah uji coba di skala kecil dengan beberapa varian sebelum komit ke satu pilihan untuk produksi.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Disclaimer\"><\/span>Disclaimer<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Harga dan spesifikasi dalam artikel ini adalah snapshot per Agustus 2026 dari halaman resmi masing-masing penyedia. Penyedia LLM sering memperbarui model, mengganti nama varian, dan menyesuaikan harga tanpa pemberitahuan panjang \u2014 selalu verifikasi ke halaman resmi sebelum mengambil keputusan anggaran. Artikel ini tidak berafiliasi dengan penyedia manapun yang disebutkan.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Referensi\"><\/span>Referensi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><a href=\"https:\/\/platform.claude.com\/docs\/en\/about-claude\/models\/overview\" target=\"_blank\" rel=\"noopener nofollow\">Anthropic \u2014 Claude Models Overview<\/a><\/li>\n<li><a href=\"https:\/\/platform.openai.com\/docs\/models\" target=\"_blank\" rel=\"noopener nofollow\">OpenAI \u2014 Models Documentation<\/a><\/li>\n<li><a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/pricing\" target=\"_blank\" rel=\"noopener nofollow\">Google AI \u2014 Gemini API Pricing<\/a><\/li>\n<li><a href=\"https:\/\/api-docs.deepseek.com\/quick_start\/pricing\" target=\"_blank\" rel=\"noopener nofollow\">DeepSeek \u2014 Models &amp; Pricing<\/a><\/li>\n<li><a href=\"https:\/\/www.alibabacloud.com\/help\/en\/model-studio\/model-pricing\" target=\"_blank\" rel=\"noopener nofollow\">Alibaba Cloud \u2014 Model Studio Pricing (Qwen)<\/a><\/li>\n<li><a href=\"https:\/\/platform.kimi.ai\/docs\/pricing\/chat-k3\" target=\"_blank\" rel=\"noopener nofollow\">Moonshot AI \u2014 Kimi K3 Pricing<\/a><\/li>\n<li><a href=\"https:\/\/mistral.ai\/pricing\/api\/\" target=\"_blank\" rel=\"noopener nofollow\">Mistral AI \u2014 API Pricing<\/a><\/li>\n<li><a href=\"https:\/\/huggingface.co\/meta-llama\" target=\"_blank\" rel=\"noopener nofollow\">Meta \u2014 Llama Models (Hugging Face)<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>tl;dr: Tiap penyedia LLM punya beberapa varian dalam satu keluarga \u2014 Claude ada Opus\/Sonnet\/Haiku, Gemini ada Pro\/Flash\/Flash-Lite, OpenAI ada varian flagship sampai hemat. Polanya mirip: varian atas untuk penalaran berat, varian tengah untuk kerja harian, varian ringan untuk volume besar dengan biaya kecil. Yang membedakan biaya bisa 10-30 kali lipat antar varian dalam satu keluarga [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":1306,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5],"tags":[68,274,273,272,276,278,271,277,275],"class_list":["post-1304","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-agent","tag-claude","tag-deepseek","tag-gemini","tag-gpt","tag-kimi","tag-llama","tag-llm","tag-mistral","tag-qwen"],"_links":{"self":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/1304","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/comments?post=1304"}],"version-history":[{"count":5,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/1304\/revisions"}],"predecessor-version":[{"id":1312,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/1304\/revisions\/1312"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/media\/1306"}],"wp:attachment":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/media?parent=1304"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/categories?post=1304"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/tags?post=1304"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}