Agen AI mana yang lebih murah pada 2026: biaya satu tugas yang terselesaikan

Harga langganan dan per token adalah masukan perbandingan biaya, tetapi tidak cukup sendirian. Uang yang sama dapat menyelesaikan lima tugas atau hanya satu. Untuk membandingkan nilai bagi beban kerja Anda, ukur pengeluaran per tugas yang mencapai kondisi berfungsi yang ditetapkan, termasuk upaya gagal.

Selanjutnya, saya akan menunjukkan rumus untuk biaya ini dan menghitungnya menggunakan harga dari penyedia per awal September 2026. Saya menggunakan angka penggunaan sebagai contoh dan akan menjelaskannya: angka Anda akan berbeda. Anda bisa menghitung ulang semuanya di bawah ini sendiri; tidak ada janji penghematan dan tidak ada kombinasi ajaib.

Untuk informasi tentang cara menggunakan layanan ini, lihat dokumentasi Ailoot.

Mengapa harga bulanan tidak memberi tahu agen mana yang lebih murah?#

Kebanyakan orang melihat harga langganan saat memilih. Satu agen $20 per bulan, yang lain $200, sehingga yang pertama tampak sepuluh kali lebih hemat. Namun, harga saja tidak menentukan nilai: langganan mengukur akses, sedangkan pekerjaan yang diselesaikan di dalamnya tetap harus diukur.

Bayangkan dua taksi dengan biaya bulanan tetap. Yang satu mengantar Anda ke tujuan pada percobaan pertama, sementara yang lain salah jalan dalam separuh perjalanan, sehingga Anda memanggilnya lagi. Biaya langganan mereka mungkin sama, tetapi dalam praktiknya Anda akan sampai ke tujuan dengan biaya setengahnya menggunakan taksi pertama. Begitu pula dengan agen: Anda membayar langganan yang sama, tetapi jumlah tugas yang Anda selesaikan bergantung pada apa yang ada di baliknya.

Sebaiknya pisahkan langganan dari pembahasan tentang biaya sebuah tugas. Keunggulannya adalah jumlah yang dibayar bisa diprediksi. Saya membahas pilihan model harga secara terpisah—langganan, bayar sesuai pemakaian, atau pengembangan khusus—dalam apa saja yang membentuk harga agen AI. Artikel ini membahas pertanyaan yang berbeda: apa pun model pembayarannya, agen mana yang memberikan hasil dengan biaya lebih rendah?

Mengapa harga per token juga menyesatkan?#

Cara membandingkan kedua yang paling populer adalah melihat harga per token. Token adalah bagian teks, kira-kira sebagian dari sebuah kata; token mengukur baik apa yang Anda kirim ke model maupun apa yang ditulis model sebagai balasan. Penyedia mencantumkan harga per sejuta token, dan harga antar-model sangat bervariasi. Kelihatannya masuk akal: pilih model dengan harga lebih rendah dan bayar lebih sedikit.

Jebakannya adalah harga per token merupakan harga bahan mentah, seperti harga bensin per liter. Yang penting bagi Anda adalah biaya seluruh perjalanan; harga satu liter saja tidak banyak memberi tahu. Agen menyelesaikan tugas dalam banyak langkah: menjelajahi berkas, menjalankan perintah, membaca kesalahan, menulis ulang kode, dan mengirim konteks ke model lagi pada setiap langkah. Satu percakapan dengan agen bisa dengan mudah berubah menjadi puluhan permintaan, dan masing-masing menggunakan token.

Dua kemungkinan dapat mengubah perbandingan harga saja: model memerlukan lebih banyak langkah dan token, atau menyelesaikan lebih sedikit tugas. Keduanya tidak dapat disimpulkan dari harga. Ukur tiap kandidat pada tugas yang sama termasuk upaya gagal; lihat cara menghitung penggunaan token API dan mengapa vibe coding lebih mahal daripada yang terlihat.

Berapa biaya satu tugas yang terselesaikan?#

Metrik di sini adalah biaya satu hasil yang selesai. Harga paket atau token menyumbang pada biaya itu, tetapi tidak cukup sendirian; sertakan penggunaan nyata serta hasil selesai. Rumusnya:

1. Ambil biaya satu kali agen menjalankan tugas—biaya semua token yang digunakannya dalam satu percobaan.
2. Perkirakan proporsi tugas yang benar-benar berhasil dibuat berfungsi oleh agen.
3. Bagi angka pertama dengan angka kedua untuk mendapatkan biaya satu tugas yang terselesaikan.

Alasan pembagiannya seperti ini: jika agen menyelesaikan tujuh dari sepuluh tugas, tiga dari sepuluh proses terbuang, tetapi Anda membayar kesepuluhnya. Artinya, biaya kesepuluh proses itu dibagi ke tujuh hasil yang berfungsi, sehingga biaya masing-masing lebih tinggi daripada satu proses. Dengan biaya rata-rata proses tetap, tingkat keberhasilan lebih rendah membuat biaya per tugas berfungsi lebih tinggi.

“Proporsi tugas yang terselesaikan” dapat diukur. Ukuran ini diukur dengan tolok ukur seperti SWE-bench: agen diberi bug nyata dari proyek nyata dan diminta mengirimkan perbaikan, yang kemudian diperiksa sistem dengan tes otomatis. Persentase dalam tabel adalah proporsi tugas yang terselesaikan. Namun, persentase di laboratorium tidak sama dengan angka Anda: proporsi keberhasilan pada proyek Anda sendiri akan berbeda, jadi anggap tolok ukur itu sebagai titik acuan, bukan janji. Saya menjelaskan secara terpisah cara membaca tabel-tabel ini dalam artikel tentang peringkat agen coding AI.

Apa tiga faktor yang membentuk biaya sebuah tugas?#

Mari kita uraikan biaya menjadi komponen-komponennya agar terlihat di mana pengeluaran tambahan tersembunyi.

Pertama: harga per token. Harga dasar model: berapa biaya satu juta token masukan dan satu juta token keluaran. Perbedaan antara model kelas berat dan model ringan bisa mencapai puluhan kali lipat.

Kedua: volume token per tugas. Jumlah teks yang diproses melalui model dalam satu upaya bergantung pada ukuran tugas, berkas yang dibaca ulang, dan banyaknya langkah. Model yang mencapai solusi dalam lebih sedikit langkah mungkin memakai lebih sedikit token; verifikasi penggunaan nyata alih-alih menyimpulkannya dari harga atau labelnya.

Ketiga: proporsi tugas terselesaikan. Persentase upaya yang berakhir dengan hasil berfungsi. Faktor ini membagi total biaya: dengan biaya proses tetap, tingkat keberhasilan 40 persen membuat tiap tugas berfungsi dua kali lebih mahal dibandingkan 80 persen. Perbandingan ini tidak menentukan faktor mana paling berpengaruh ketika harga dan penggunaan juga berubah.

Semua kebingungan dalam perbandingan muncul karena orang hanya melihat angka pertama—harga per token. Padahal, ketiga angka menentukan biaya akhir. Harga rendah dengan volume tinggi dan tingkat keberhasilan rendah dapat dengan mudah berakhir lebih mahal daripada harga tinggi dengan volume rendah dan tingkat keberhasilan tinggi.

Menggabungkan ketiga angka menjadi cara kerja memerlukan pengukuran bersama. Konteks jelas dan metode sesuai dapat mengurangi token atau meningkatkan keberhasilan, tetapi pergantian model juga dapat memengaruhinya. Contoh ini tidak mengukur apakah metode atau harga model lebih besar pengaruhnya.

Berapa biaya satu proses untuk berbagai model?#

Agar rumusnya konkret, saya akan menghitung biaya satu proses menggunakan harga yang benar-benar tercantum. Saya menggunakan contoh tugas yang tidak sepele, dengan penggunaan sekitar 300.000 token masukan per percobaan (membaca ulang proyek dan kesalahan melalui banyak langkah) serta sekitar 40.000 token keluaran. Sekali lagi, ini contoh untuk perhitungan, bukan hasil pengukuran; penggunaan Anda akan berbeda.

Berikut harga per sejuta token menurut harga resmi penyedia per awal September 2026:

Anda dapat memeriksa rumus ini dengan contoh nyata dari dokumentasi Anthropic. Untuk permintaan ke Opus 5 dengan 50,000 token masukan dan 15,000 token keluaran, perhitungannya sebagai berikut:

Dengan kata lain, masukan dan keluaran dijumlahkan menggunakan harga masing-masing—persis seperti dalam rumus. Yang tersisa hanyalah membagi biaya proses dengan proporsi tugas yang terselesaikan, dan di sinilah harga rendah mulai menunjukkan hasil yang tak terduga.

Mengapa model murah bisa membuat tugas lebih mahal daripada model canggih?#

Bandingkan dua model berdasarkan biaya per hasil, dengan biaya proses tetap menjadi masukan bersama tingkat keberhasilan.

Sonnet 5: satu proses berharga sekitar satu dolar, dan untuk contoh tugas kita, misalkan 70 persen percobaan berhasil diselesaikan. Biaya satu tugas yang berfungsi adalah satu dolar dibagi 0.7, yaitu sekitar $1.40.

Haiku 4.5: proses contoh seharga sekitar 50 sen dan harga token tercantum setengahnya. Untuk ilustrasi ini, anggap penggunaan token sekitar 1.6 kali lebih besar serta 40 persen upaya selesai. Dengan asumsi tersebut, satu tugas berfungsi berbiaya sekitar $2. Penggunaan tambahan dan tingkat keberhasilan adalah masukan contoh, bukan pengamatan yang disebabkan harga model lebih murah.

Dalam contoh hipotetis ini, model dengan harga token setengahnya memiliki biaya per tugas selesai lebih tinggi karena asumsi penggunaan dan tingkat kegagalan mengalahkan keuntungan harga. Ini menunjukkan perilaku rumus, bukan model mana lebih bernilai untuk proyek Anda.

Catatan: saya menggunakan tingkat keberhasilan 70 dan 40 persen serta volume token contoh untuk menunjukkan cara kerjanya. Angka Anda akan berbeda, dan bisa saja model ringan menangani beban kerja Anda dengan baik dan tetap menjadi yang termurah. Model yang lebih mahal belum tentu lebih hemat; bandingkan biaya per hasil menggunakan ketiga angka Anda sendiri.

Bagaimana menghitung biaya per tugas Anda: tiga profil?#

Untuk menerapkannya pada pekerjaan Anda sendiri, perkirakan profil mana yang paling mendekati. Rumusnya tetap sama; hanya ketiga angkanya yang berubah.

Profil satu: tugas sederhana dan berulang. Menulis ulang teks, mengatur data, memperbaiki kode kecil. Uji apakah model ringan seperti Haiku atau DeepSeek V4-Flash memenuhi kriteria penerimaan dengan penggunaan rendah dan sedikit percobaan ulang. Bandingkan biaya terukur per hasil berfungsi dengan kandidat lain sebelum menyebut salah satunya termurah atau menganggap Opus pemborosan.

Profil dua: pekerjaan kompleks dengan kode belum dikenal. Memahami proyek orang lain, memperbaiki bug tersembunyi, membuat fitur. Ukur seluruh upaya. Model dengan harga token lebih tinggi dapat lebih murah per hasil berguna bila peningkatan keberhasilan atau pengurangan penggunaan mengimbangi harga itu; keunggulan harus ditunjukkan hasil Anda, bukan diasumsikan dari kategori model.

Profil tiga: beban kerja campuran. Bandingkan pengaturan satu model dengan perutean tugas rutin dan sulit ke kandidat berbeda. Hitung penggunaan, kegagalan, dan pekerjaan koreksi untuk seluruh beban kerja. Perutean mungkin memperbaiki biaya per hasil, tetapi artikel ini belum mengukurnya sebagai solusi termurah. Banyak agen memungkinkan pergantian model saat bekerja.

Hitung setiap profil secara terpisah dengan rumus yang sama, dan Anda akan melihat mana yang biayanya lebih rendah.

Apa kesalahan paling umum yang dilakukan orang saat memilih?#

Pilihan hanya berdasarkan harga dapat menyembunyikan hasil berbeda antarpekerjaan. Model mungkin menangani tugas rutin dengan hemat, tetapi membutuhkan lebih banyak upaya pada fitur sulit. Apakah upaya tersebut membuat hasil lebih mahal daripada model lain harus dijawab dengan penggunaan dan tingkat penyelesaian terukur, bukan ditentukan label harga token rendah.

Kebalikannya juga mungkin: jika model ringan menyelesaikan tugas diterima yang sama dengan sepertiga biaya, memilih pengaturan lebih mahal menambah pengeluaran yang tidak perlu. Perbandingan ini bersyarat; uji kualitas, upaya, dan biaya sebelum menganggap pengaturan lebih murah akan melakukannya.

Catatan tentang pendekatan saya sendiri. Saya bekerja dengan Claude Code dan langganan; saya tidak menggunakan API biasa untuk pekerjaan sehari-hari karena lebih menyukai biaya yang dapat diprediksi daripada meteran yang terus berjalan. Namun, setelah satu setengah tahun bekerja dengan AI setiap hari, saya sampai pada satu kesimpulan: cara menyusun pekerjaan dapat mengubah biaya per tugas terselesaikan, tetapi harga model, total token seluruh upaya, dan tingkat keberhasilan tetap harus dihitung bersama. Pengalaman ini tidak mengukur secara terpisah faktor mana yang paling berpengaruh. Tugas jelas dan konteks relevan adalah hal praktis yang dapat diperbaiki. Keduanya mungkin mengubah penggunaan token dan tingkat keberhasilan, tetapi perlu diukur bersama model dan harganya, bukan menganggap konteks rapi saja menjamin model murah menangani tugas.

Jadi, agen mana yang lebih murah?#

Tidak ada satu agen yang “paling murah” untuk semua orang, dan sekarang Anda bisa melihat alasannya: keterjangkauan diukur dari biaya per hasil, dan angkanya berbeda menurut beban kerja. Harga paket atau harga per token saja tidak cukup; keduanya perlu dihitung bersama total penggunaan dan tingkat keberhasilan. Hitung biaya proses, masukkan proporsi tugas terselesaikan Anda sendiri, bagi, dan bandingkan angka-angka itu—lalu perbarui perhitungan saat harga atau beban kerja berubah.

Biaya per tugas yang terselesaikan bergantung pada harga model, token yang dipakai dalam seluruh upaya, dan proporsi tugas yang benar-benar berhasil. Konteks dan cara kerja dapat mengubah penggunaan token dan tingkat keberhasilan; pergantian model juga dapat mengubah keduanya. Tingkat keberhasilan ilustratif di atas tidak mengukur faktor mana yang paling berpengaruh. Bandingkan model pada tugas representatif yang sama, hitung percobaan ulang dan koreksi manusia, lalu pilih berdasarkan biaya terukur per hasil yang dapat digunakan.

Konteks yang bersih dan pekerjaan terstruktur dapat mengubah volume token serta tingkat keberhasilan. Cara kerja, model terpilih, dan harga model semuanya perlu dihitung saat mengukur biaya per tugas terselesaikan, termasuk seluruh upaya dan koreksi manusia.

Kenali Ailoot.