Perbandingan Harga Model AI: Biaya Token, Gambar, dan Video dalam Satu Dashboard
perbandingan harga model ai hanya berguna jika sesuai dengan cara produk Anda benar-benar mengeluarkan uang. Tabel statis harga token adalah titik awal. Biaya inferensi nyata berubah dengan token input, cached input, output token, unit output gambar, detik video, panggilan tool, retry, fallback, pekerjaan yang gagal, dan persentase hasil yang dihasilkan yang benar-benar diterima pengguna.
Panduan ini memberi developer, tim produk, dan tim procurement dashboard praktis untuk membandingkan harga model AI di seluruh rute API teks, gambar, video, dan multi-provider. Metrik yang tahan lama bukanlah request terdaftar yang paling murah. Melainkan biaya per hasil yang diterima.
Flatkey cocok untuk alur kerja ini karena memberi tim satu API key, satu saldo prabayar, satu invoice, dan ledger penggunaan bersama di lebih dari 300 model resmi dan lebih dari 1.000 tools pay-per-call. Anda tetap perlu memeriksa harga resmi provider, tetapi Anda tidak perlu merekonsiliasi setiap eksperimen dari akun vendor yang terpisah sebelum membuat keputusan rute.
Kerangka perbandingan harga model AI cepat
Gunakan kerangka ini sebelum berpindah provider, menyetujui anggaran model yang lebih besar, atau mengarahkan traffic produksi melalui model baru.
| Lapisan biaya | Satuan harga asli | Dinormalisasi ke | Field dashboard |
|---|---|---|---|
| Panggilan teks dan agen | Token input, cached input, token output, penulisan cache, pekerjaan batch, panggilan tool | Biaya per jawaban yang diterima atau tugas yang selesai | accepted_task_cost_usd |
| Generasi gambar | Token prompt, input gambar, token gambar output, gambar yang dihasilkan, resolusi, gambar yang diterima | Biaya per gambar yang diterima | accepted_image_cost_usd |
| Generasi video | Detik, klip, resolusi, percobaan antrean, pekerjaan async yang gagal | Biaya per klip yang diterima atau detik-klip yang diterima | accepted_clip_cost_usd |
| Alur kerja multimodal | Teks campuran, file, gambar, video, tool, retry, fallback | Biaya per alur kerja yang selesai | workflow_cost_usd |
| Procurement dan tata kelola | Key, invoice, ekspor, anggaran, allowlist, kebutuhan audit | Biaya untuk mengoperasikan rute dengan aman | operating_cost_note |
Metrik eksekutif bisa sederhana: biaya per hasil yang diterima. Ledger engineering harus tetap detail, karena alasan biaya berubah mungkin adalah cache miss, perubahan panjang output, lonjakan retry, fallback model, atau tingkat penerimaan pengguna yang lebih rendah.
Mengapa harga daftar adalah jawaban yang tidak lengkap
Baris token termurah bisa menjadi rute termahal setelah peluncuran. Model dengan harga token input yang rendah masih bisa kalah jika membutuhkan prompt yang lebih panjang, menghasilkan jawaban yang lebih panjang, melewatkan peluang cache, lebih sering retry, atau fallback ke rute yang lebih mahal saat overload.
Biaya media membuat masalah ini lebih tajam:
- Model gambar bisa terlihat murah per generasi dan mahal per gambar yang diterima jika pengguna menolak banyak output.
- Model video bisa terlihat terjangkau per detik dan mahal ketika pengguna meminta beberapa pratinjau sebelum menyimpan satu klip.
- Agen coding atau riset bisa memiliki model chat yang murah tetapi panggilan samping tool, browser, gambar, atau enrichment yang mahal.
- Akun provider langsung bisa memiliki harga model mentah yang lebih rendah tetapi biaya operasional lebih tinggi jika procurement memerlukan key terpisah, invoice, ekspor penggunaan, dan kontrol anggaran.
Itulah sebabnya perbandingan harga model ai harus mempertahankan satuan harga asli lalu menormalkan setiap rute ke ekonomi hasil yang diterima.
Sumber harga terkini yang perlu dicek
Harga provider sering berubah. Jangan salin tabel tarif sekali lalu menganggapnya tahan lama. Simpan tabel sumber dengan URL resmi, tanggal pengecekan, model atau route ID, unit, dan catatan.
| Penyedia atau rute | Sumber resmi untuk dicek | Dimensi harga yang perlu dicatat | Catatan dashboard |
|---|---|---|---|
| OpenAI API | Harga OpenAI API | Input, input yang di-cache, output, mode batch, fine-tuning, gambar, audio, video, pemrosesan regional | Konfirmasi ID model yang tepat, mode penyajian, dan apakah harga batch berlaku. |
| Anthropic Claude API | Harga Claude | Input, output, caching prompt, harga batch, keluarga model, jendela konteks | Perilaku cache write dan cache hit dapat secara material mengubah ekonomi agen berulang. |
| Google Gemini API | Harga Gemini API | Tier gratis atau berbayar, input, output, caching, mode batch, opsi prioritas/flex, grounding pencarian, media | Catat keluarga model dan mode penyajian, terutama saat pencarian atau grounding diaktifkan. |
| DeepSeek API | Harga DeepSeek API | Cache miss input, cache hit input, output, waktu puncak atau nonpuncak, alias model | Log permintaan perlu timestamp dan status cache jika harga bervariasi حسب jendela waktu atau cache hit. |
| Alibaba Model Studio / Qwen | Model Alibaba Model Studio | Keluarga model, modalitas, region, token atau unit media, ID model di konsol | Periksa halaman detail model yang tepat dan region sebelum memasukkan rute Qwen ke dalam anggaran. |
| Flatkey multi-provider API | Harga Flatkey dan Model Flatkey | Rute model terpadu, satu saldo, buku besar per permintaan, panggilan alat, invoice, anggaran sub-key | Gunakan untuk ketersediaan rute, tata kelola multi-provider, dan perbandingan berbasis buku besar. |
Untuk setiap baris harga, simpan tiga field wajib: tanggal pengecekan, ID model atau rute, dan unit. Nilai dolar per token tidak dapat dibandingkan secara langsung dengan nilai dolar per gambar, dolar per detik video, atau bayar per panggilan alat.
Skema dashboard
Mulailah dengan satu buku besar permintaan. Jangan pisahkan penggunaan teks, gambar, video, dan alat ke dalam sistem keuangan yang terputus.
{
"request_id": "req_01j...",
"workspace_id": "wk_product",
"environment": "production",
"feature": "creative_generator",
"customer_id": "cus_123",
"provider": "flatkey",
"model_or_route": "example-route",
"route_type": "image",
"billing_unit": "output_image",
"input_tokens": 1240,
"output_tokens": 0,
"cache_read_tokens": 0,
"cache_write_tokens": 0,
"tool_calls": 0,
"images_generated": 4,
"images_accepted": 1,
"video_seconds_generated": 0,
"video_seconds_accepted": 0,
"retry_count": 1,
"fallback_count": 0,
"provider_cost_usd": 0.16,
"gateway_or_platform_cost_usd": 0.00,
"total_cost_usd": 0.16,
"accepted_result": true,
"latency_ms": 11800,
"pricing_source_url": "https://provider.example/pricing",
"pricing_checked_at": "2026-10-12"
}
Skema ini memberi keuangan angka yang dapat direkonsiliasi dan memberi engineering field yang diperlukan untuk menjelaskan mengapa sebuah rute model menjadi lebih murah atau lebih mahal.
Rumus biaya yang digunakan
Panggilan teks dan agen
Untuk rute teks, hitung biaya permintaan mentah terlebih dahulu:
raw_text_cost =
input_tokens * input_rate
+ output_tokens * output_rate
+ cache_write_tokens * cache_write_rate
+ cache_read_tokens * cache_read_rate
+ tool_call_costs
+ retry_and_fallback_costs
Lalu normalisasikan:
accepted_task_cost =
sum(raw_text_cost for all attempts, retries, and fallbacks)
/ accepted_tasks
Jika sebuah permintaan gagal dan pengguna tidak pernah mendapatkan jawaban, jangan menyembunyikannya. Lacak biaya panggilan yang gagal secara terpisah. Dashboard harga menjadi berguna ketika membuat trafik yang gagal, diulang, dan fallback terlihat.
Pembuatan gambar
Harga API gambar bukan satu unit universal. Beberapa model mengekspos token prompt dan token output gambar. Yang lain mengekspos per gambar, resolusi, edit, atau unit spesifik penyedia. Pertahankan unit aslinya dan normalisasikan ke gambar yang diterima:
accepted_image_cost =
(prompt_cost + input_image_cost + output_image_cost + retry_cost)
/ accepted_images
Lacak images_generated dan images_accepted secara terpisah. Rute yang menghasilkan empat gambar untuk setiap gambar yang diterima tidak boleh dibandingkan langsung dengan rute di mana pengguna menerima satu dari satu.
Pembuatan video
Harga video membutuhkan durasi, resolusi, dan status pekerjaan async. Sebuah panggilan video bisa saja diantrekan, gagal, dibatalkan, dibuat ulang, atau diterima nanti.
accepted_clip_cost =
sum(video_seconds_generated * per_second_rate by resolution)
+ retry_cost
+ fallback_cost
+ storage_or_tool_costs
Untuk keputusan produk, lacak juga:
accepted_clip_secondspreview_countregeneration_countfailed_job_counttime_to_first_preview_mstime_to_accepted_clip_ms
Model video bisa lebih murah per unit yang tercantum, namun tetap lebih buruk bagi produk jika pengguna melakukan regenerasi dua kali lebih sering.
Bandingkan akun provider langsung dengan API multi-provider
Akun provider langsung sudah cukup ketika satu keluarga model menangani sebagian besar beban kerja Anda dan penagihan terpisah mudah dikelola. API multi-provider menjadi lebih berguna ketika Anda membutuhkan perbandingan model berkelanjutan, fallback routing, atau satu buku besar untuk banyak provider.
| Poin keputusan | Akun provider langsung mungkin sudah cukup ketika... | API multi-provider membantu ketika... |
|---|---|---|
| Pilihan model | Satu provider memenangkan sebagian besar tugas. | Beban kerja yang berbeda membutuhkan OpenAI, Claude, Gemini, DeepSeek, Qwen, image, video, dan rute tool. |
| Upaya engineering | Kode Anda sudah memanggil satu provider dan jarang berubah. | Anda menginginkan routing yang kompatibel dengan OpenAI dan lebih sedikit penulisan ulang integrasi. |
| Kontrol biaya | Satu invoice dan satu dashboard dapat diterima. | Anda membutuhkan anggaran sub-key, allowlist model, dan ekspor penggunaan per request. |
| Pengadaan | Kontrak terpisah masih dapat dikelola. | Kontrak duplikat, seat yang menganggur, dan kunci provider yang tersebar memperlambat tim. |
| Keandalan | Gangguan provider sesekali masih dapat diterima. | Anda membutuhkan kebijakan fallback dan buku besar bersama untuk biaya retry dan fallback. |
| Alur kerja agent | Aplikasi hanya memanggil model teks. | Agent memanggil model, pencarian web, aksi browser, alat enrichment, gambar, dan video. |
Flatkey dibuat untuk kolom kedua: satu API key, satu saldo, satu invoice, dan buku besar request di berbagai rute model dan tool resmi. Itu tidak menggantikan harga resmi provider. Itu memberi tim Anda satu tempat untuk melakukan routing, mengukur, mengatur, dan merekonsiliasi biaya-biaya tersebut. Untuk lensa biaya gateway dan biaya operasional, lihat harga AI gateway.
Lima contoh beban kerja
1. Chat dukungan
Chat dukungan biasanya memiliki input sedang, output singkat, dan volume tinggi. Bandingkan:
- Tingkat keberhasilan cache prompt untuk prompt sistem dan teks kebijakan.
- Anggaran token output berdasarkan jenis jawaban.
- Tingkat eskalasi ke model yang lebih kuat.
- Biaya per percakapan yang terselesaikan, bukan hanya biaya per pesan.
Untuk beban kerja ini, model cepat yang lebih murah bisa menang jika menjaga kualitas resolusi tetap tinggi. Jika model yang lebih murah meningkatkan handoff atau tingkat edit, penghematan token yang terlihat akan hilang.
2. Agent coding
Agent coding sering memiliki konteks besar, panggilan tool, output panjang, dan beberapa kali percobaan ulang. Bandingkan:
- Ukuran konteks setelah pencarian repositori atau pembacaan file.
- Instruksi proyek yang dapat dicache.
- Jumlah panggilan tool per tugas yang diterima.
- Pemborosan retry dari rute yang terlalu penuh.
- Biaya per perubahan yang digabungkan atau patch yang diterima.
Di sinilah perbandingan harga model AI membutuhkan buku besar. Satu kali run agent dapat mencakup panggilan model, panggilan tool, panggilan fallback, dan percobaan yang gagal.
3. Generasi jawaban RAG
Beban kerja RAG didominasi oleh konteks yang diambil dan panjang jawaban. Bandingkan:
- Rata-rata jumlah token yang diambil.
- Porsi prefix prompt yang stabil.
- Perilaku cache untuk dokumen berulang.
- Biaya sitasi atau grounding.
- Tingkat lolos evaluator untuk faktualitas.
Jangan memilih model hanya karena token masukannya murah. Jika model itu membutuhkan konteks dua kali lebih banyak atau menghasilkan jawaban yang gagal evaluasi, biaya jawaban yang diterima bisa lebih tinggi. Jika ini adalah pertanyaan migrasi utama, gunakan lembar kerja yang lebih mendalam di cara membandingkan harga model AI sebelum berganti provider.
4. Klasifikasi batch
Klasifikasi batch sering kali dapat mentoleransi hasil yang tertunda. Bandingkan:
- Apakah provider memiliki tier batch, flex, atau pemrosesan tertunda.
- Ukuran batch maksimum dan jendela penyelesaian.
- Biaya replay error.
- Tingkat lolos validasi skema output.
- Total biaya per baris yang diterima.
Jika provider memberikan harga batch yang lebih rendah, penghematan itu hanya berlaku ketika alur kerja Anda bisa menunggu dan proses retry Anda rapi.
5. Generasi gambar dan video
API gambar dan video jarang cocok dengan spreadsheet yang hanya berisi token. Bandingkan:
- Unit output: gambar, detik, klip, resolusi, token, atau kredit.
- Aturan penagihan untuk generasi yang gagal.
- Tingkat edit dan regenerasi.
- Tingkat persetujuan manusia.
- Biaya per aset kreatif yang diterima.
Untuk pipeline media, simpan model token dan model generasi di tab lembar kerja yang terpisah, lalu gabungkan menjadi biaya alur kerja yang diterima. Ekonomi unitnya terlalu berbeda untuk satu baris gabungan.
Alur kerja perbandingan harga tujuh langkah
- Kunci beban kerja. Pilih satu keluarga tugas nyata, seperti jawaban dukungan, patch agen coding, jawaban RAG, klasifikasi batch, pembuatan gambar, atau pembuatan video.
- Kumpulkan harga resmi terkini. Gunakan halaman harga penyedia, halaman model Flatkey, dan tanggal pengecekan. Hindari rate card yang disalin tanpa URL sumber.
- Putar ulang trafik representatif. Gunakan prompt, input, batas output, kebijakan alat, dan validator yang sama di seluruh rute.
- Catat setiap unit yang dapat ditagih. Tangkap token input, token cache, token output, unit media, panggilan alat, percobaan ulang, error, dan status.
- Beri skor pada hasil yang diterima. Gunakan review manusia, validator otomatis, atau pemeriksaan lulus/gagal khusus tugas.
- Hitung biaya efektif. Bagi total biaya rute dengan hasil yang diterima, bukan total permintaan.
- Tambahkan kontrol operasional. Tentukan apakah rute pemenang juga memenuhi batas anggaran, kebutuhan invoice, tata kelola kunci, retensi data, dan fallback insiden.
Hasilnya adalah keputusan harga yang dapat dipertanggungjawabkan oleh engineering, product, dan procurement.
Tampilan minimum dashboard
Perbandingan rute
Tampilkan rute teks, gambar, dan video dalam satu tabel.
| Rute | Satuan asli | Field biaya asli | Field penerimaan | KPI ternormalisasi |
|---|---|---|---|---|
| Model teks | Token | Token input, output, cache | Jawaban yang diterima | Biaya per jawaban yang diterima |
| Agen coding | Token plus alat | Biaya token dan alat | PR yang digabung, tiket yang diselesaikan, tugas yang selesai | Biaya per alur kerja yang selesai |
| Model gambar | Unit gambar atau token | Gambar yang dihasilkan, token gambar output | Gambar yang diterima | Biaya per gambar yang diterima |
| Model video | Detik, klip, atau unit penyedia | Detik yang dihasilkan berdasarkan resolusi | Klip yang diterima | Biaya per klip yang diterima |
Anggaran fitur
Kelompokkan berdasarkan fitur, bukan hanya penyedia. Bagi tim produk, ini lebih berguna daripada invoice vendor karena menunjukkan apakah onboarding, chat, pembuatan kreatif, pencarian, atau ekspor yang mendorong pengeluaran.
Kolom yang disarankan:
featureroute_typerequestsaccepted_resultsacceptance_ratetotal_cost_usdcost_per_accepted_resultp95_latency_msfallback_rateretry_rate
Drift penyedia dan model
Setiap penyedia mengubah ketersediaan model, harga, dan status siklus hidup. Simpan:
- URL sumber harga.
- Tanggal pengecekan harga.
- Versi model atau ID rute.
- Jenis unit.
- Kebijakan cache.
- Kebijakan diskon batch, jika digunakan.
- Catatan penghentian atau siklus hidup.
Ini membuat ai model pricing comparison tetap berguna setelah peluncuran, bukan hanya selama pemilihan model awal.
Pagar pembatas margin
Tambahkan aturan margin sederhana ke setiap fitur AI:
max_ai_cost_per_customer_action =
expected_revenue_per_action * target_ai_cost_percentage
Contoh:
Jika suatu tindakan pelanggan menghasilkan margin kotor $0.40
and biaya AI harus tetap di bawah 20%,
maka anggaran rute adalah $0.08 per hasil yang diterima.
Ini menjaga pemilihan model tetap terhubung ke bisnis, bukan ke skor benchmark yang abstrak.
Kesalahan umum
| Kesalahan | Apa yang harus dilakukan sebagai gantinya |
|---|---|
| Membandingkan hanya tarif token input | Bandingkan input, input cache, output, media, alat, retry, dan hasil yang diterima. |
| Mencampur teks, gambar, video, dan alat ke dalam satu unit | Pertahankan unit asli, lalu normalisasi setiap rute ke biaya hasil yang diterima. |
| Mengabaikan caching prompt | Ukur prefix prompt yang stabil dan cache hit rate. |
| Mengabaikan kelayakan batch | Pisahkan beban kerja yang sensitif terhadap latensi dan beban kerja offline. |
| Memercayai tabel harga salinan yang sudah usang | Simpan URL sumber resmi dan tanggal pengecekan. |
| Menganggap biaya gateway hanya sebagai markup | Sertakan tata kelola, failover, ekspor penggunaan, invoice, dan waktu engineering. |
| Memilih permintaan termurah | Pilih hasil yang diterima termurah yang memenuhi persyaratan kualitas dan keandalan. |
Pertanyaan yang sering diajukan
Apa cara terbaik untuk membandingkan harga model AI?
Cara terbaik untuk membandingkan harga model AI adalah mempertahankan unit penagihan asli setiap penyedia, lalu menormalkan setiap rute ke biaya per hasil yang diterima. Untuk teks, itu bisa berupa biaya per jawaban yang diterima. Untuk gambar, gunakan biaya per gambar yang diterima. Untuk video, gunakan biaya per klip yang diterima atau per detik klip yang diterima.
Apa yang harus disertakan dalam bagan perbandingan model AI?
Bagan perbandingan model AI harus mencakup ID model atau rute, penyedia, URL sumber harga, tanggal pengecekan, token input, input cache, token output, unit media, panggilan alat, tingkat retry, tingkat fallback, tingkat penerimaan, latensi, dan biaya per hasil yang diterima.
Apakah tabel harga harus menyertakan harga penyedia secara tepat?
Gunakan harga yang tepat di lembar kerja internal Anda, tetapi simpan URL sumber dan tanggal pengecekan di samping setiap baris. Artikel statis publik sebaiknya menghindari tabel tarif salinan tanpa sumber karena harga penyedia, nama model, diskon, dan status siklus hidup dapat berubah dengan cepat.
Bagaimana Anda membandingkan biaya token dengan biaya gambar dan video?
Jangan memaksakan setiap rute ke dalam token. Simpan unit asli di buku besar, lalu tambahkan bidang yang dinormalisasi seperti accepted_task_cost_usd, accepted_image_cost_usd, dan accepted_clip_cost_usd.
Di mana Flatkey membantu dalam perbandingan harga model AI?
Flatkey membantu ketika Anda menginginkan satu kunci, satu saldo, satu faktur, dan satu buku besar penggunaan di banyak model dan rute alat. Itu memudahkan untuk membandingkan biaya teks, gambar, video, dan agen tanpa harus merekonsiliasi akun penyedia terpisah terlebih dahulu.
Seberapa sering harga harus diperiksa ulang?
Periksa ulang harga sebelum setiap perubahan rute besar, peninjauan kontrak, atau perkiraan anggaran. Untuk beban kerja produksi yang berubah cepat, segarkan harga rute penting setiap minggu dan segera setelah penyedia meluncurkan, mengganti nama, menghentikan, atau mengubah harga model yang Anda gunakan.
Kesimpulan akhir
Perbandingan harga model AI bukanlah tabel harga yang lebih menarik. Ini adalah sistem operasi untuk pemilihan model.
Pertahankan unit penyedia. Tambahkan pelacakan penerimaan. Normalisasikan setiap rute ke biaya per hasil yang diterima. Lalu pilih rute yang meningkatkan margin produk, keandalan, dan tata kelola, bukan rute yang tampak paling murah secara terpisah.
Dengan Flatkey, perbandingan itu dapat berada di atas satu kunci, satu saldo, dan satu buku besar, sehingga pengembang, tim produk, dan tim pengadaan dapat beralih dari tagihan penyedia yang tersebar ke keputusan biaya tingkat rute.
