Model AI mana yang sebaiknya digunakan untuk setiap tugas, dan bagaimana cara menghindari pembayaran berlebih?

Singkatnya: biarkan model yang kuat melakukan pemikiran, dan model yang lebih sederhana melakukan eksekusi. Serahkan perencanaan dan keputusan yang rumit kepada model unggulan (GPT-6 Astra, Claude Fable 5.1, atau Claude Opus 5.5), kerjakan berdasarkan rencana yang sudah selesai dengan model kelas menengah, dan serahkan tugas rutin serta panggilan agen latar belakang kepada model termurah yang mampu menanganinya. Pada saat yang sama, periksa hasilnya: semakin murah modelnya, semakin cermat Anda perlu meninjau pekerjaannya; jika tidak, penghematan akan habis untuk mengulang pekerjaan.

Di bawah ini adalah tabel “tugas → model” yang diterbitkan oleh penulis asli di repositori terbuka pada 23 September 2026. Model-model utama di dalamnya merupakan pilihan pribadinya berdasarkan pengalaman kerja. Tidak ada uji perbandingan yang dilakukan untuk tabel ini, dan hasil yang sama tidak dijamin berlaku untuk tugas lain. Saya memilih sebagian besar opsi yang lebih murah berdasarkan peringkat publik dan rekomendasi pengembang; pilihan Opus 5.5 untuk kode juga berdasarkan pengalaman saya. Harga dalam materi asli telah diperiksa berdasarkan halaman resmi OpenAI dan Anthropic per 23.09.2026.

Untuk petunjuk tambahan tentang penggunaan Ailoot, lihat dokumentasi.

Mengapa menggunakan satu model untuk segala hal itu mahal#

Jika Anda membayar token melalui API, setiap tugas yang dijalankan dengan model unggulan dikenai harga model unggulan, meskipun model yang lebih sederhana sebenarnya sudah cukup. Dengan langganan, perhatikan batas paket dan model yang Anda pilih: periksa di halaman paket. Untuk mengetahui cara kerja batas langganan Claude dan apa yang menghabiskannya, lihat artikel terpisah Cara agar batas Claude Code tidak habis dalam sehari. Artikel ini membahas pemilihan model untuk pekerjaan tertentu.

Harga API resmi per 1 juta token per 23.09.2026:

Bayangkan satu proses agen: 100 ribu token input dan 10 ribu token output. Ini contoh perhitungan dengan harga dasar tanpa caching, bukan pengukuran tugas nyata. Proses seperti itu biayanya sekitar $1,5 dengan GPT-6 Astra atau Fable 5.1, $0,6 dengan Opus 5.5, $0,3 dengan Sonnet 5 atau GPT-6 Sol, $0,15 dengan Haiku 4.5, dan $0,015 dengan GPT-6 Luna. Dalam perhitungan ini, harga model unggulan dan model termurah berbeda seratus kali lipat. Untuk detail tentang cara menghitung proses seperti ini dengan volume Anda sendiri, lihat Cara menghitung penggunaan token API.

Dua catatan tentang harga. Untuk model GPT-6, permintaan dengan lebih dari 272 ribu token input dikenai tarif lebih tinggi untuk seluruh permintaan: input dua kali tarif, output satu setengah kali tarif. Permintaan batch dikenai setengah dari harga standar, baik di OpenAI maupun Anthropic.

Aturannya: berpikir dengan model yang kuat, mengeksekusi dengan model murah#

Pekerjaan berikutnya bergantung pada rencana, jadi saya tidak menghematnya dan menggunakan model paling kuat. Model yang lebih sederhana dapat menulis berdasarkan rencana yang sudah selesai, mengumpulkan data, mengganti nama obrolan, dan meringkas percakapan.

Saya juga mengikuti tiga aturan lain saat memilih model:

1. Semakin murah modelnya, semakin cermat Anda perlu memeriksa pekerjaannya. Meninjau hasilnya juga menyita waktu Anda.
2. Bandingkan harga hasil yang selesai, bukan satu permintaan. Misalnya, Opus 5.5 2,5 kali lebih murah daripada Fable 5.1 untuk input maupun output. Jika pengerjaan ulang membuat Opus menggunakan tiga kali lebih banyak token input dan output untuk suatu tugas, biayanya akhirnya menjadi lebih tinggi. Waktu peninjauan Anda merupakan biaya tambahan di luar token. Artikel Agen AI mana yang lebih murah: biaya untuk satu tugas yang diselesaikan menjelaskan cara menghitung biaya suatu hasil.
3. Jika model tidak cocok untuk Anda, coba model lain. Tidak ada satu pemenang untuk semua situasi; setiap model memiliki kelebihan dan keterbatasan.

Memilih model adalah salah satu bagian dari bekerja dengan agen AI.

Tabel: tugas → model#

Kolom “utama” berisi model yang saya gunakan sendiri. Kolom berikutnya mencantumkan alternatif, yang sebagian besar dipilih berdasarkan peringkat publik dan rekomendasi pengembang. Saya juga memilih Opus 5.5 untuk kode berdasarkan pengalaman pribadi. Periksa hasil model yang lebih murah dengan lebih cermat. Opsi rutin menggunakan skema pembayaran yang berbeda, jadi pilihan ini belum tentu lebih murah.

Strategi dan rencana. Kesalahan dalam rencana dapat terbawa ke langkah-langkah berikutnya. Untuk ini saya menggunakan model paling kuat. GPT-6 Sol merupakan opsi yang lebih murah: OpenAI memosisikannya untuk kode kompleks dan skenario agen.

Kode. Saya menggunakan Fable 5.1 untuk kode. Namun, Anthropic merekomendasikan untuk memulai dengan Opus 5.5 untuk sebagian besar tugas, dan menggunakan Fable 5.1 untuk penalaran sulit dan pekerjaan agen yang berlangsung lama, atau ketika Opus dengan penalaran tingkat tinggi tidak dapat menangani tugas tersebut. Melalui API, Opus 5.5 biayanya 2,5 kali lebih murah; berdasarkan pengalaman saya, pengerjaan dengan model ini juga lebih murah. Jika rencananya sudah siap, model yang lebih murah dapat menulis berdasarkan rencana tersebut. Untuk perbandingan mendetail antara dua model unggulan untuk kode, lihat GPT-6 Astra atau Claude Fable 5.1: mana yang sebaiknya dipilih?.

Penulisan. Jika teks ditujukan untuk klien, saya menggunakan model yang kuat. Sonnet 5 adalah opsi yang lebih murah: Anthropic menyebutnya keseimbangan terbaik antara kecepatan dan kecerdasan. Tinjau hasilnya dengan lebih cermat.

Angka dan keuangan. Di sini pun saya menggunakan model yang kuat. Ini pilihan saya berdasarkan pengalaman kerja, bukan hasil uji perbandingan. Namun, model yang kuat sekalipun tidak menghilangkan kebutuhan untuk memeriksa: cocokkan angka dengan sumber primer. Jangan kirim data keuangan atau pribadi ke paket gratis yang ketentuannya mengizinkan data Anda digunakan.

Pencarian dan riset. Saya menggunakan Sonnet 5 untuk tugas sederhana dan pencarian; pilihan ini berdasarkan pengalaman saya. GPT-6 Luna merupakan opsi yang lebih murah: OpenAI memosisikannya untuk tugas berulang bervolume tinggi.

Tugas rutin. Tugas rutin sering diulang, sehingga biaya setiap proses akan bertambah. Saya menggunakan Kimi K3 dengan langganan Kimi Code. DeepSeek Flash adalah opsi dengan penagihan berbasis API. Keduanya menggunakan skema pembayaran yang berbeda, dan mana yang lebih murah bergantung pada volume Anda.

Bagian yang tidak saya hemat#

Aturan-aturan ini didasarkan pada praktik saya. Saya belum mengujinya melalui studi perbandingan.

• Perencanaan dan arsitektur. Kesalahan dalam rencana dapat terbawa ke langkah-langkah berikutnya.
• Angka dan keuangan. Di sini saya menggunakan model yang kuat dan tetap mencocokkan angka dengan sumber primer.
• Memeriksa hasil. Semakin murah model yang mengerjakan tugas, semakin cermat Anda perlu memeriksa pekerjaannya.

Pemadatan percakapan menentukan apa yang diingat agen dari percakapan panjang, dan model yang terlalu lemah dapat kehilangan informasi penting. Anda dapat memindahkan pemadatan ke model murah, tetapi periksa kualitasnya pada tugas Anda sendiri.

Cara memindahkan tugas latar belakang Hermes Agent ke model murah#

Selain pekerjaan utamanya, agen juga melakukan tugas tambahan: membuat judul obrolan, memadatkan percakapan panjang, menganalisis gambar, dan memutuskan apakah sebuah perintah dapat disetujui secara otomatis. Di Hermes Agent, tugas-tugas ini diberi label auxiliary. Secara default, masing-masing diatur ke auto: model utama Anda yang menanganinya. Jika model utama adalah model unggulan dan Anda membayar melalui API, tugas tambahan juga ditagihkan dengan tarif model unggulan.

Untuk persetujuan perintah dalam mode smart, dokumentasi Hermes merekomendasikan model yang murah dan cepat serta menyebut penggunaan model mahal sebagai pemborosan. Untuk pemadatan konteks dan peringkasan halaman web—yaitu menceritakan kembali secara singkat—dokumentasi itu juga merekomendasikan model cepat, bukan model penalaran yang mahal.

Langkah-langkah:

1. Hubungkan penyedia model murah terlebih dahulu dengan sebuah kunci. Menurut dokumentasi Hermes, jika Anda menetapkan tugas ke penyedia yang tidak memiliki kunci, sistem akan beralih ke opsi default dan peringatan akan dicatat di log agent.log. Dalam mode auto, jika model utama tidak dapat menjalankan tugas dan rantai fallback tidak dikonfigurasi, Hermes akan melewati tugas tersebut dengan peringatan dan tidak akan beralih ke penyedia lain yang terhubung.
2. Buka panel web Hermes dan ikuti Models → Model Settings → Auxiliary tasks → Configure. Pada baris tugas yang Anda perlukan (misalnya, Compression, Title Gen, Vision), klik Change, pilih penyedia dan model, lalu klik Switch. Dokumentasi Hermes mencantumkan tombol Show auxiliary sebagai opsi lain untuk ini; labelnya bergantung pada versi.
3. Atau masukkan pengaturan yang sama di ~/.hermes/config.yaml. Contoh dari dokumentasi Hermes: analisis gambar (vision) dengan model cepat.

Temukan panduan alat dalam dokumentasi Ailoot

Untuk judul obrolan, dokumentasi menyarankan untuk menetapkan model cepat atau mengatur auxiliary.title_generation.prefer_fast_model: true, lalu Hermes akan memilih model cepat dari penyedia Anda.

4. Buka sesi baru. Perubahan model hanya berlaku untuk sesi baru; obrolan yang sudah terbuka akan terus menggunakan pengaturan lama. Jika Anda mengedit config.yaml secara manual dan sesi baru tidak menerapkan pengaturan tersebut, mulai ulang Hermes.

Cara memeriksanya. Baris tugas seharusnya menampilkan provider · model, bukan auto (use main model). Jika masih menampilkan auto, tugas tersebut masih menggunakan model utama. Untuk mengembalikan semua tugas ke model utama, klik Reset all to auto.

Untuk tugas latar belakang, tabel mencantumkan GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash, dan Claude Haiku 4.5. Pilih dari penyedia yang sudah terhubung. Jika Anda menghubungkan model OpenAI melalui penyedia langganan ChatGPT / Codex, dan GPT-6 Sol serta GPT-6 Luna belum tercantum di antara model Hermes Anda, tabel merekomendasikan GPT-5.6 Sol atau GPT-5.6 Luna. Menurut halaman Anthropic, Haiku 4.5 akan dipensiunkan paling cepat pada 15 Oktober 2026. Tidak ada tanggal yang pasti, jadi periksa statusnya sebelum waktu itu.

Hal yang tidak dicakup tabel#

• Persentase penghematan. Saya belum mengukurnya. Besarnya penghematan bergantung pada tugas dan model yang Anda pilih.
• Penggunaan batas langganan secara pasti. Dokumentasi Hermes tidak menjelaskan secara pasti bagaimana permintaan dari Hermes menggunakan batas langganan ChatGPT.
• Harga yang tidak pernah berubah. Model dan paket berubah. Periksa halaman resmi sebelum membeli.

Yang perlu dilakukan hari ini#

1. Buat daftar tiga atau empat jenis tugas yang paling sering Anda berikan kepada agen.
2. Untuk setiap tugas, tentukan: apakah tugas itu perlu berpikir atau menjalankan rencana yang sudah selesai?
3. Pertahankan model unggulan untuk “berpikir”, gunakan model satu tingkat di bawahnya untuk “eksekusi”, dan gunakan model termurah yang mampu menangani tugas untuk pekerjaan rutin.
4. Di Hermes, mulailah dengan judul obrolan: tugas ini paling mudah dipindahkan ke model murah. Berikutnya, pindahkan pemadatan konteks, lalu periksa dalam percakapan panjang Anda sendiri apakah agen mulai kehilangan informasi penting.

Untuk penggunaan model lebih lanjut, kunjungi Ailoot.