Katalog model AI hanya berguna jika membantu tim membuat keputusan produksi. Halaman yang penuh dengan nama model saja tidak cukup. Developer perlu tahu provider mana yang memiliki model tersebut, family endpoint mana yang akan dipanggil aplikasi, grup atau tier route mana yang akan melayani trafik, apakah baris tersebut saat ini tersedia, dan bagaimana harga diukur sebelum permintaan pengguna nyata pertama melewatinya.
Panduan katalog model AI ini diperiksa pada 24 Juni 2026 terhadap halaman publik Flatkey, API harga Flatkey live, riset Ahrefs yang tersimpan, dan dokumentasi katalog model resmi dari Microsoft, Google, Vercel, dan OpenAI. Perlakukan setiap hitungan katalog, status, family endpoint, dan field harga sebagai snapshot pada saat itu. Sebelum trafik produksi, buka kembali harga Flatkey, pastikan baris model yang tepat, dan jalankan tes route berisiko rendah.
Tujuan praktisnya sederhana: ubah penelusuran model menjadi review yang dapat diulang. Jika tim Anda dapat membaca provider, endpoint, grup, status, harga, dan pemilik dari record katalog model AI yang sama, keputusan model menjadi lebih mudah untuk disetujui oleh engineering, finance, support, dan procurement.
Jawaban Singkat: Cara Membaca Katalog Model AI
Baca katalog model AI dari kiri ke kanan: provider terlebih dahulu, endpoint kedua, grup ketiga, status keempat, harga kelima, dan tes route terakhir. Urutan itu mencegah tim memilih nama model yang terlihat menarik tetapi tidak dapat dipanggil dengan aman melalui endpoint, grup, atau kebijakan anggaran yang benar-benar digunakan aplikasi.
| Field Katalog | Artinya untuk Anda | Keputusan yang Harus Diambil | Pemeriksaan Flatkey |
|---|---|---|---|
| Provider | Siapa yang memasok atau meng-host route model tersebut. | Apakah provider ini dapat memenuhi ekspektasi fitur, risiko, dan dukungan Anda? | Konfirmasi record vendor dan catatan baris khusus provider apa pun. |
| Model ID | String persis yang akan diminta aplikasi Anda. | Bisakah aplikasi menggunakan ID ini tanpa drift alias atau dokumentasi yang sudah usang? | Salin baris model dari /pricing, bukan dari ingatan. |
| Family endpoint | Bentuk protokol: chat, responses, image generation, video, Gemini, Anthropic, atau route lainnya. | Apakah SDK saat ini, body request, mode streaming, dan parser respons cocok? | Periksa family endpoint yang didukung sebelum mengubah base URL. |
| Group | Tier route atau resource pool yang melayani permintaan. | Grup mana yang seharusnya menangani staging, production, fallback, atau trafik yang sensitif terhadap biaya? | Bandingkan label grup yang tepat dan rasio grup sebelum peluncuran. |
| Status | Apakah pemeriksaan katalog terbaru bersih, tidak didukung, atau belum terselesaikan. | Apakah baris ini harus menerima trafik produksi, smoke test, atau tidak ada trafik? | Jangan menganggap baris yang terlihat berarti tersedia sampai status dan tes request sama. |
| Unit harga | Bagaimana penggunaan dikenai biaya: input, output, cache, image, video, second, atau unit gaya job tetap. | Formula anggaran dan kuota mana yang harus diterapkan? | Tinjau field bergaya token dan field harga non-token secara terpisah. |
| Tes route | Apakah model bekerja untuk jalur fitur yang tepat. | Apakah engineering, finance, dan support dapat menerima hasilnya? | Jalankan request staging, lalu periksa usage, biaya, status, dan log. |
Snapshot Terkini Katalog Model AI Flatkey
Snapshot API harga Flatkey live yang digunakan untuk artikel ini mengembalikan success: true pada 24 Juni 2026. Snapshot tersebut menampilkan 637 baris katalog, 23 record vendor, lima label grup yang dapat digunakan, dan enam family endpoint. Versi harga tingkat atas dalam respons adalah a42d372ccf0b5dd13ecf71203521f9d2.
| Field Snapshot | Nilai 24 Juni 2026 | Cara Menggunakannya |
|---|---|---|
| Total baris katalog | 637 | Gunakan katalog model AI sebagai sumber tingkat baris, bukan daftar provider statis. |
| Record vendor | 23 | Identitas provider penting untuk dukungan, kepatuhan, dan keputusan fallback. |
| Family endpoint | openai, gemini, image-generation, anthropic, openai-response, openai-video |
Family endpoint memberi tahu apakah format request saat ini dapat bekerja. |
| Status ketersediaan | available, official_unsupported, unknown_failure |
Status harus menjadi dasar gating trafik dan prioritas smoke test. |
| Baris yang tersedia | 132 | Tetap memerlukan tes route untuk endpoint, grup, prompt, dan kuota Anda. |
| Baris resmi tidak didukung | 37 | Jangan gunakan ini untuk produksi tanpa status terverifikasi yang lebih baru. |
| Baris gagal tidak diketahui | 468 | Perlakukan sebagai belum terselesaikan sampai bukti route, akun, upstream, atau status diperiksa. |
Homepage publik Flatkey memposisikan produk ini di sekitar satu kunci API, base URL yang kompatibel dengan OpenAI https://router.flatkey.ai/v1, harga yang jelas, penagihan terpadu, dan satu dasbor untuk kunci, penggunaan, dan routing. Klaim-klaim tersebut membuat katalog model AI berguna secara operasional, tetapi tidak menghilangkan kebutuhan untuk memverifikasi baris spesifik yang akan dipanggil produk Anda.
Baca Provider Sebelum Anda Membaca Nama Model
Nama model berpindah lintas vendor, gateway, dokumentasi, dan alias. Identitas provider adalah bidang penstabil pertama. Ini memberi tahu siapa yang memasok rute model, akun atau upstream apa yang mungkin terlibat, dari mana ekspektasi dukungan berasal, dan apakah model termasuk dalam paket provider langsung, rute gateway, atau jalur evaluasi terbatas.
Katalog cloud resmi menangani masalah yang sama dengan serius. Microsoft Foundry Models memisahkan model yang dijual oleh Azure dari model partner dan komunitas, serta memberi tahu pelanggan untuk meninjau deskripsi model, model card, dokumentasi, dan ketentuan hukum sebelum memilih model. Google Model Garden memungkinkan tim memfilter berdasarkan koleksi model dan provider, lalu membuka model card untuk detail lebih lanjut. Pelajaran untuk setiap katalog model AI adalah sama: provider bukan hiasan; itu bagian dari kontrak operasional.
Untuk evaluasi Flatkey, catat:
- Provider atau vendor: catatan vendor yang terkait dengan baris tersebut.
- Baris model: ID model persis yang terlihat di harga Flatkey.
- Owner: tim, fitur, pelanggan, atau pemilik anggaran yang meminta model.
- Alasan pemilihan: kualitas, biaya, latensi, modalitas, konteks, penggunaan tool, gambar, video, atau perilaku fallback.
- Rute pengganti: apa yang harus digunakan aplikasi jika status baris provider berubah.
Baca Endpoint Sebagai Kontrak, Bukan Label
Keluarga endpoint memberi tahu aplikasi Anda bentuk request dan response yang diharapkan. Model yang muncul di bawah keluarga endpoint openai mungkin cocok dengan alur SDK yang kompatibel dengan OpenAI. Model yang muncul di bawah anthropic, gemini, image-generation, openai-response, atau openai-video mungkin memerlukan body request, parser, perilaku streaming, jalur penanganan file, atau interpretasi penggunaan yang berbeda.
Itulah sebabnya katalog model AI yang berguna harus dibaca bersama dengan rencana migrasi. Jika aplikasi Anda sudah menggunakan klien yang kompatibel dengan OpenAI, mulailah dengan alur migrasi API yang kompatibel dengan OpenAI: ubah base URL di staging, tetap eksplisit dengan ID model, jalankan request kecil, periksa respons, lalu tinjau log dan biaya. Jangan berasumsi setiap baris model mendukung setiap gaya endpoint.
| Family Endpoint | Yang Perlu Dicek | Mode Kegagalan Umum |
|---|---|---|
openai |
Base URL, ID model, format messages, streaming, panggilan tool, mode JSON, field usage. | Panggilan SDK berhasil secara sintaks tetapi menggunakan baris model yang tidak mendukung fitur tersebut. |
openai-response |
Body request gaya Responses, parsing output, perilaku tool, input multimodal. | Asumsi chat-completions bocor ke alur kerja gaya Responses. |
anthropic |
Bentuk request Messages, penanganan system prompt, perilaku input gambar, field usage. | Body bergaya OpenAI dikirim ke rute bergaya Anthropic tanpa penyesuaian. |
gemini |
Bentuk request Gemini, input multimodal, pengaturan safety, parsing respons. | Pemilihan model mengabaikan fitur atau perbedaan respons spesifik provider. |
image-generation |
Aturan input gambar, ukuran output, kualitas, moderasi, format, dan jumlah hasil yang diterima. | Penganggaran berdasarkan jumlah request menyembunyikan kualitas gambar dan biaya percobaan ulang. |
openai-video |
Durasi, aspek rasio, status job async, polling, penanganan kegagalan, dan satuan usage. | Job video diperlakukan seperti panggilan teks sinkron yang murah. |
Baca Grup Sebagai Kebijakan Rute Dan Biaya
Dalam gateway terpadu, grup bukan sekadar label. Itu dapat merepresentasikan tier rute, resource pool, jalur akun, atau kebijakan harga. Snapshot Flatkey tanggal 24 Juni menampilkan label grup yang dapat digunakan termasuk Economy, Standard, Claude Economy, Claude Official, dan Seedance2.0 Official. Responsnya juga menyertakan deskripsi grup dan rasio grup.
Saat membaca katalog model AI, grup menjawab pertanyaan yang tidak bisa dijawab oleh nama model:
- Grup mana yang sebaiknya dipakai staging? Rute berisiko rendah mungkin sudah cukup untuk pengujian integrasi.
- Grup mana yang sebaiknya dipakai produksi? Produksi mungkin memerlukan jalur provider yang berbeda, profil biaya, atau ekspektasi dukungan.
- Grup mana yang sebaiknya dipakai fallback? Rute fallback harus kompatibel dengan persyaratan kualitas, latensi, dan anggaran.
- Grup mana yang harus ditinjau finance? Rasio level grup dapat mengubah biaya efektif untuk nama model yang sama.
- Grup mana yang harus disetujui procurement? Rute langsung atau resmi dapat membawa kebutuhan bukti yang berbeda dibandingkan rute economy.
Kebiasaan yang aman adalah mencatat grup dalam keputusan model, bukan hanya ID model. Baris model yang terlihat masuk akal di satu grup bisa memiliki biaya atau jalur operasional yang berbeda di grup lain.
Baca Harga Berdasarkan Unit Sebelum Membandingkan Baris
Kolom harga mudah disalahartikan karena keluarga model yang berbeda menampilkan unit yang berbeda. Model teks sering memisahkan input, cached input, dan output. Baris gambar dan video dapat menambahkan pengaturan kualitas, unit media yang dihasilkan, durasi job, atau field bergaya harga model tetap. Halaman harga publik OpenAI, misalnya, memisahkan harga input, cached input, dan output per 1 juta token untuk model-modelnya. Google Model Garden mencatat bahwa penggunaan model open source dapat melibatkan biaya komputasi tuning dan deployment. Microsoft Foundry mencatat bahwa deployment serverless biasanya ditagihkan untuk input dan output API, sering kali dalam token, sementara managed compute menggunakan jam inti virtual machine.
Untuk peninjauan katalog model AI Flatkey, pisahkan bentuk harga sebelum membandingkan baris:
| Bentuk Harga | Field yang Perlu Diperiksa | Pertanyaan Anggaran |
|---|---|---|
| Teks bergaya token | model_ratio, completion_ratio, cache_ratio |
Apakah fitur akan lebih banyak menghabiskan biaya untuk prompt, output, cached context, atau retry? |
| Chat multimodal | Keluarga endpoint, token input, token output, input gambar/video, perilaku cache. | Apakah input non-teks mengubah biaya efektif? |
| Generasi gambar | Baris model, keluarga endpoint, pengaturan output, jumlah retry, jumlah gambar yang diterima. | Berapa biaya satu gambar yang diterima setelah kegagalan dan pengeditan? |
| Generasi video | Baris model, durasi, kualitas, status job, kebijakan retry, model_price jika ada. |
Bisakah kuota menghentikan job mahal sebelum terjadi insiden anggaran? |
| Rute yang disesuaikan grup | Label grup, rasio grup, rute produksi, rute fallback. | Apakah tim membandingkan grup yang benar-benar akan digunakan? |
Untuk alur biaya yang lebih mendalam, gunakan panduan perbandingan harga model AI setelah Anda menyaring baris. Panduan katalog model AI ini membantu Anda menentukan baris mana yang layak dianalisis harganya sejak awal.
Baca Status Sebelum Traffic Produksi
Baris katalog yang terlihat bukan berarti sudah siap untuk rute produksi. Dalam snapshot Flatkey tanggal 24 Juni, hanya 132 dari 637 baris yang memiliki status ketersediaan terbaru available. Baris yang tersisa terbagi antara official_unsupported dan unknown_failure. Itu tidak berarti setiap baris yang belum terselesaikan pasti tidak bisa digunakan selamanya; itu berarti baris tersebut memerlukan bukti rute terkini sebelum membawa traffic pengguna.
Gunakan status sebagai gerbang:
- Available: jalankan smoke test staging untuk endpoint, grup, body request, dan bentuk prompt Anda yang tepat.
- Official unsupported: jangan luncurkan traffic produksi kecuali sumber yang lebih baru membuktikan statusnya berubah.
- Unknown failure: selidiki apakah masalahnya ada pada status upstream, izin akun, konfigurasi rute, wilayah, kuota, atau kegagalan sementara.
- No clear status: perlakukan baris sebagai belum disetujui sampai dashboard atau tes API menghasilkan bukti.
- Status changed: perbarui catatan keputusan model dan beri tahu pemilik sebelum mengalihkan pengguna.
Field status juga merupakan kontrol keuangan. Rute fallback yang diam-diam berpindah dari baris bersih berbiaya rendah ke baris yang belum terselesaikan atau lebih mahal dapat mengubah eksperimen model menjadi insiden. Simpan status, grup, dan harga bersama dalam setiap peninjauan katalog model AI.
Alur Kerja Flatkey Untuk Peninjauan Katalog
Gunakan alur kerja ini ketika tim meminta penambahan atau perubahan model di balik satu kunci.
- Buka katalog saat ini: mulai dari harga Flatkey dan salin baris yang persis.
- Catat provider dan grup: jangan menyetujui baris hanya berdasarkan nama model.
- Konfirmasi keluarga endpoint: cocokkan rute dengan SDK, body request, rencana streaming, dan parser Anda.
- Periksa status: hanya arahkan traffic produksi setelah status dan request langsung sama-sama sesuai.
- Klasifikasikan unit harga: token, cache, gambar, video, durasi, harga tetap, atau rute yang disesuaikan grup.
- Jalankan tes berisiko rendah: kirim request staging melalui
https://router.flatkey.ai/v1atau keluarga rute yang relevan. - Tinjau penggunaan dan biaya: periksa dashboard untuk model, penggunaan, biaya, status, dan bukti routing.
- Tetapkan kuota dan pemilik: hubungkan baris ke kunci, pemilik anggaran, batas, peringatan, dan rute rollback.
- Simpan keputusan: simpan baris katalog, tanggal, status, grup, field harga, hasil tes, dan persetujuan pemilik bersama-sama.
Ini juga merupakan serah terima yang rapi antara engineering dan finance. Engineering membuktikan rute berfungsi. Finance membuktikan unit dan pemiliknya masuk akal. Support membuktikan keputusan model dapat dijelaskan saat pelanggan bertanya mengapa sebuah fitur berubah.
Template: Catatan Peninjauan Katalog Model AI
Simpan catatan ringkas untuk setiap baris model yang mencapai staging atau produksi. Ini mengubah penelusuran katalog model AI menjadi kebiasaan operasional.
Catatan peninjauan katalog model AI
Tanggal peninjauan:
Peminta:
Fitur atau alur kerja:
Lingkungan: development / staging / production / batch / customer-facing
Baris model:
Provider atau vendor:
Keluarga endpoint:
Grup:
Status ketersediaan:
Bidang harga:
Unit yang diharapkan: input tokens / output tokens / cached input / image / video / duration / fixed job
Uji rute:
Path permintaan:
SDK atau klien:
Respons diterima: ya / tidak
Penggunaan terlihat: ya / tidak
Biaya terlihat: ya / tidak
Kuota terpasang: ya / tidak
Pemilik:
Pemilik anggaran:
Pemilik dukungan:
Rute fallback:
Kondisi rollback:
Tanggal peninjauan berikutnya:
Kesalahan Umum pada Katalog Model AI
| Kesalahan | Mengapa Ini Menimbulkan Risiko | Peninjauan yang Lebih Baik |
|---|---|---|
| Memilih hanya berdasarkan nama model | Alias, provider, keluarga endpoint, dan grup bisa berbeda. | Setujui baris yang tepat: provider, endpoint, grup, status, harga, pemilik. |
| Menganggap OpenAI-compatible berarti semua fitur berfungsi | Tool use, streaming, image, video, dan format respons bisa bervariasi حسب rute. | Jalankan smoke test tingkat fitur sebelum peluncuran. |
| Mengabaikan label grup | Nama model yang sama bisa memiliki biaya atau perilaku rute yang berbeda berdasarkan grup. | Catat grup produksi dan bandingkan rasio antargrup. |
| Menganggap status yang belum terselesaikan tidak berbahaya | Kegagalan yang tidak diketahui dapat menyembunyikan masalah rute, izin, upstream, atau akun. | Batasi traffic sampai status dan bukti permintaan bersih. |
| Membandingkan harga tanpa unit | Input tokens, output tokens, cached tokens, image, dan video jobs tidak dianggarkan dengan cara yang sama. | Klasifikasikan unit harga sebelum menggunakan tabel perbandingan. |
Kapan Katalog Model AI Terpadu Paling Membantu
Katalog model AI terpadu paling membantu ketika produk Anda sudah mencakup lebih dari satu provider, modality, atau pemilik operasional. Prototipe dengan satu provider sering kali bisa dimulai dari satu halaman dokumentasi resmi. Produk AI produksi biasanya memerlukan pandangan yang lebih tahan lama: GPT, Claude, Gemini, DeepSeek, Qwen, model gambar, model video, grup routing, status, kuota, penggunaan, dan biaya dalam satu siklus peninjauan.
Flatkey dirancang untuk tim yang menginginkan satu API key, satu base URL yang kompatibel, harga dan penagihan terpadu, serta satu dashboard untuk key, penggunaan, dan routing. Peninjauan katalog adalah tempat nilai itu menjadi konkret. Anda dapat membandingkan baris, memilih rute, menguji endpoint, menambahkan kuota, dan menyimpan bukti penggunaan dalam satu alur operasional, alih-alih menyebarkan keputusan ke berbagai portal provider dan spreadsheet.
Langkah berikutnya yang tepat bukan mempercayai baris secara membuta. Mulailah dengan halaman harga model terbaru, salin model dan grup yang tepat, uji rute di staging, lalu dapatkan key saat Anda siap mengevaluasi alur kerja di aplikasi Anda sendiri.
FAQ
Apa itu katalog model AI?
Katalog model AI adalah daftar model yang dapat dicari dengan konteks yang cukup untuk memilih, menguji, dan mengoperasikan sebuah model. Katalog yang berguna harus menampilkan provider, model ID, keluarga endpoint, grup atau tier rute, status ketersediaan, unit harga, dan bukti dokumentasi atau dashboard.
Mengapa provider penting dalam katalog model AI?
Identitas provider memberi tahu siapa yang memasok atau meng-host rute, syarat dan ekspektasi dukungan apa yang berlaku, serta fallback atau tinjauan pengadaan apa yang diperlukan. Nama model saja tidak cukup untuk persetujuan produksi.
Bagaimana cara membandingkan keluarga endpoint?
Bandingkan keluarga endpoint berdasarkan bentuk permintaan, kompatibilitas SDK, perilaku streaming, dukungan tool, input multimodal, parsing respons, dan bidang penggunaan. Baris yang berfungsi untuk chat belum tentu berfungsi untuk image, video, Gemini, Anthropic, atau permintaan bergaya Responses.
Apa itu grup model?
Grup model adalah label rute atau resource yang dapat memengaruhi biaya, jalur upstream, ekspektasi dukungan, atau perilaku fallback. Di Flatkey, baca grup bersama model ID dan bidang harga sebelum menyetujui rute.
Seberapa sering tim harus memeriksa ulang katalog model AI?
Periksa ulang sebelum setiap peluncuran produksi, pergantian model, perubahan fallback, tinjauan harga besar, atau tindak lanjut insiden. Katalog model AI berubah dengan cepat, jadi snapshot bertanggal tidak boleh dianggap sebagai jaminan ketersediaan atau harga permanen.
Langkah Peninjauan Katalog Akhir
Sebelum sebuah baris model masuk ke produksi, tetapkan pemilik untuk setiap bidang dalam catatan katalog model AI. Engineering memiliki endpoint fit dan pengujian rute. Finance memiliki unit harga dan anggaran. Support memiliki dampak yang terlihat oleh pelanggan. Platform memiliki kuota, fallback, dan rollback. Itulah cara katalog menjadi infrastruktur, bukan sekadar menu model.
Untuk menjalankan versi peninjauan Flatkey, buka harga Flatkey, pilih baris model, konfirmasi provider, endpoint, grup, status, dan unit harga, lalu dapatkan key dan uji rute sebelum menaikkan traffic.
