API LLM termurah: Bandingkan Harga Token dan Biaya Beban Kerja
Oleh Nicho
GLM-5.3-Flash punya biaya token terhitung paling rendah di perbandingan lima model CheapAIModel di bawah ini. Itu bikin model ini kandidat masuk akal buat evaluasi yang hemat biaya, bukan pemenang otomatis untuk semua aplikasi.
Pertanyaan yang berguna adalah berapa biaya workload kamu setelah menghitung input, output, caching, dan percobaan yang gagal. Tarif input rendah jadi kurang penting kalau aplikasimu menghasilkan jawaban panjang. Tarif cache-read rendah cuma membantu kalau permintaan benar-benar kena cache.
Panduan ini pakai harga yang dipublikasikan dan dicek pada 26 Oktober 2026 serta asumsi token yang eksplisit. Ini perhitungan, bukan benchmark performa terukur atau janji soal tagihanmu. Perbandingan ini mencakup lima model yang terdaftar di CheapAIModel saat pengecekan itu, bukan semua API di pasaran.
Mulai dari tiga harga token
Tabel ini pakai harga USD yang ditampilkan CheapAIModel per juta token. "Input" berarti input tanpa cache; cache read dihitung terpisah. Harga ditulis sesuai presisi yang ditampilkan supaya kamu bisa menghitung ulang contohnya. Cek halaman harga langsung sebelum membeli atau mengubah traffic produksi.
| Model | Input tanpa cache / 1M | Output / 1M | Cache read / 1M |
|---|---|---|---|
| GLM-5.3-Flash | $0.104676 | $0.348919 | $0.020935 |
| Grok 4.7 | $0.198958 | $0.596874 | $0.049740 |
| DeepSeek-V4.1-Flash | $0.209351 | $0.837404 | $0.004187 |
| GLM-5.3 | $0.976972 | $3.070483 | $0.181438 |
| Kimi K3 | $2.093511 | $10.467555 | $0.209351 |
Jangan anggap tarif gateway sebagai harga universal dari pengembang model. Model dengan nama sama bisa punya ketentuan penagihan berbeda tergantung di mana dan bagaimana kamu mengaksesnya.
Perkirakan workload sebelum memilih model
Untuk permintaan tanpa cache hit, perhitungannya:
Biaya token = token input / 1,000,000 × tarif input + token output / 1,000,000 × tarif output.
Dua skenario di bawah sengaja memakai jumlah token yang tetap. Keduanya menunjukkan efek harga saja. Ini tidak berarti tokenisasi, panjang jawaban, atau kualitasnya sama di semua model.
| Model | Pemakaian gaya support: 15M input + 4M output | Ringkasan dokumen: 200M input + 20M output |
|---|---|---|
| GLM-5.3-Flash | $2.97 | $27.91 |
| Grok 4.7 | $5.37 | $51.73 |
| DeepSeek-V4.1-Flash | $6.49 | $58.62 |
| GLM-5.3 | $26.94 | $256.80 |
| Kimi K3 | $73.27 | $628.05 |
Ini subtotal input/output, dibulatkan setelah perhitungan. Angka ini belum termasuk pajak dan biaya caching, tools, penyimpanan, atau layanan lain yang ditagih terpisah. Ini juga belum termasuk token dari percobaan ulang di luar total yang disebutkan.
Contohnya, skenario support GLM-5.3-Flash adalah 15 × $0.104676 + 4 × $0.348919 = $2.965816. Tidak ada dalam aritmetika itu yang membuktikan berapa banyak percakapan pelanggan yang bisa diselesaikan. Untuk menganggarkan layanan nyata, ukur token per percakapan dan proporsi yang memenuhi kriteria penerimaanmu.
Caching bisa mengubah urutannya
Untuk permintaan yang di-cache, pisahkan input jadi cache miss dan cache hit. Jangan menagih input yang sama dua kali:
Subtotal token = input yang tidak di-cache × tarif input + input yang di-cache × tarif baca cache + output × tarif output, dengan semua jumlah token dinyatakan dalam jutaan.
Misalnya 225M total token input dan 22,5M token output. Asumsi 80% cache-hit berarti 45M input tidak di-cache dan 180M input di-cache. Dengan tarif yang tertera, subtotal tokennya $29,02 untuk DeepSeek-V4.1-Flash dan $31,34 untuk Grok 4.7.
Itu membalik urutan keduanya di contoh tanpa cache. Angka 80% cuma asumsi skenario, bukan cache-hit rate yang terukur atau dijamin. Sebelum menyusun anggaran berdasarkan itu, periksa catatan pemakaian yang sebenarnya dan cek prefix mana yang memenuhi syarat, berapa lama tetap di-cache, dan apakah penulisan atau penyimpanan cache dikenai biaya terpisah.
Aturan tiap penyedia penting di sini. Dokumentasi pembayaran Kimi menjelaskan biaya penulisan cache terpisah untuk model K3. Itu tidak membuktikan bagaimana gateway pihak ketiga menagihnya. Konfirmasi perlakuan gateway itu sendiri, jangan langsung mengasumsikan sama seperti penyedia langsung dalam estimasi gateway.
Bandingkan dengan kondisi harga yang sama
Diskon baru ada artinya kalau dibandingkan dengan baseline yang jelas. Tiga pengecekan bisa mencegah perbandingan yang menyesatkan:
- Waktu pemakaian. API langsung DeepSeek mencantumkan tarif peak dan off-peak. Tarif off-peak Flash-nya $0,15 untuk input tidak di-cache, $0,003 untuk input di-cache, dan $0,60 untuk output per juta token. Tarif itu lebih murah dari tarif Flash CheapAIModel di atas. Cek jadwal resminya kalau workload kamu bisa jalan di waktu yang fleksibel.
- Ukuran permintaan dan layanan. Halaman resmi Grok 4.7 menandai harga berbeda di atas konteks 200K dan menautkan tool yang ditagih terpisah. Perbandingan tarif dasar sebaiknya tidak diam-diam mewakili semua ukuran permintaan atau alur kerja yang pakai tool.
- Jenis produk. Daftar harga API Z.ai dan panduan pembayaran Kimi menjelaskan biaya API yang spesifik. Bandingkan workload API dengan ketentuan API, bukan dengan langganan chat atau langganan coding yang tidak berkaitan.
Pilih berdasarkan hasil yang diterima, lalu optimalkan pengeluaran
Buat set evaluasi kecil dari tugas-tugas yang harus ditangani aplikasimu. Tentukan dulu kriteria suksesnya: klasifikasi yang valid, jawaban yang berdasar, tes yang lulus, atau hasil lain yang bisa diamati. Pakai set tugas yang sama untuk semua kandidat dan catat perbedaan konfigurasinya.
Untuk tiap kandidat, lacak total pengeluaran, tugas yang berhasil, retry, latensi, dan koreksi manual. Metrik bisnis yang berguna adalah total pengeluaran evaluasi dibagi hasil yang diterima. Masukkan percobaan yang gagal ke pembilangnya. Kalau tidak, model yang sering butuh retry bisa terlihat lebih murah dari sebenarnya.
Mulai dari model dengan harga terendah yang mungkin memenuhi kebutuhanmu. Pindah ke kandidat lain kalau biaya kegagalan atau koreksi yang terukur memang membenarkannya. Harga lebih tinggi tidak membuktikan kualitas lebih tinggi, dan perbandingan harga ini tidak memberi peringkat kemampuan coding, keandalan, atau kecepatan respons.
Setelah kualitasnya sudah oke, kurangi konteks yang tidak perlu, batasi panjang jawaban kalau perlu, dan uji struktur prompt yang ramah cache. Ubah satu variabel saja setiap kali supaya kamu tahu apakah penghematannya datang dari model, prompt, atau output yang lebih sedikit.
Langkah praktis berikutnya
Pakai katalog model untuk memilih kandidat yang didukung, lalu cek tarif terbaru dan kemampuan yang kamu butuhkan. Untuk detail pembayaran per model, lanjutkan ke panduan harga DeepSeek atau panduan API Kimi.
Kalau kamu sudah siap menguji, ikuti dokumentasi developer, jalankan beban kerja kecil yang representatif, dan bandingkan pemakaian yang dihasilkan dengan estimasimu sebelum menambah traffic.