Model termurah per token jarang menjadi model termurah per tugas yang diselesaikan. Sebuah agen memanggil model berkali-kali, mengirim ulang riwayatnya pada setiap panggilan, dan membayar lagi untuk setiap percobaan ulang. Oleh karena itu, peringkat ini menggunakan biaya per tugas, bukan harga per token. Peringkat ini menggabungkan hasil publik dari Artificial Analysis dengan harga TokenLab. Semuanya dibaca pada 2026-11-11.
Poin Penting
- Default terbaik untuk pekerjaan agen murah:
gpt-6.1-terrapada pengaturan high atau xhigh. Model ini mencetak skor 46,3 hingga 48,2 pada Coding Agent Index dengan biaya $0,54 hingga $0,69 per tugas, dan harga TokenLab-nya adalah $0,30 untuk input dan $1,50 untuk output per 1 juta token. - Alternatif yang lebih murah dengan skor serupa:
deepseek-v4.1-flash. Model ini mencetak skor 46,3 hingga 47,3 dengan biaya $0,30 hingga $0,39 per tugas, tetapi membutuhkan waktu 21 hingga 38 menit per tugas, dibandingkan 13 menit untuk Terra pada pengaturan high. - Termurah secara keseluruhan:
gpt-6-luna($0,16 per tugas, 31,2) dangpt-6.1-terrapada pengaturan low ($0,20, 34,9). Gunakan model ini untuk perutean, ekstraksi, dan panggilan alat (tool calls) singkat. - Eskalasikan langkah sulit ke
gpt-6.1-sol: 54,1 dengan biaya $1,50 per tugas. Model premium jauh lebih mahal.claude-opus-5-5mencetak skor 61,7 dengan biaya $11,42 per tugas. - Harga token yang rendah tidak menjamin biaya tugas yang rendah.
claude-haiku-5-5berharga $0,035 untuk input dan $0,175 untuk output per 1 juta token, yaitu 12% dari hargagpt-6.1-terra, namun tetap memakan biaya $2,67 per tugas.
Cara Kerja Peringkat
- Skor. Artificial Analysis Coding Agent Index v2.0 menjalankan agen pengodean pada tiga tolok ukur: FrontierCode v1.1, Terminal-Bench 4.0, dan SWE-Atlas-QnA-AA. Indeks ini merata-ratakan ketiga skor tersebut pada skala 0 hingga 100. Setiap tugas dijalankan tiga kali. Halaman metodologi memiliki detailnya.
- Biaya dan waktu. Biaya per tugas adalah rata-rata biaya API per token dari suatu tugas berdasarkan harga daftar penyedia, termasuk harga cache-read dan cache-write. Waktu per tugas adalah rata-rata waktu pengerjaan agen (wall time). Keduanya berasal dari pengujian yang sama.
- Entri mana saja. Hanya model yang aktif atau dalam pratinjau di TokenLab. Hanya entri yang mencetak skor minimal 30 dan berbiaya kurang dari $2 per tugas. Setiap agen dan pengaturannya adalah entri tersendiri, karena pengaturan mengubah skor dan biaya.
- Urutan. Biaya per tugas terendah di urutan pertama. Jika dua entri memiliki biaya yang sama, skor yang lebih tinggi berada di urutan pertama.
Indeks ini mengukur agen pengodean yang membaca file, menjalankan perintah, dan memanggil alat. Indeks ini tidak menguji alat Anda sendiri, jadi jalankan tugas Anda sendiri sebelum berkomitmen (lihat bagian terakhir).
Model AI Murah Terbaik untuk Agen, Berdasarkan Biaya per Tugas
| Peringkat | ID model TokenLab | Agen dan pengaturan | Indeks | Biaya per tugas | Waktu per tugas | Harga TokenLab per 1M token, input / output |
|---|---|---|---|---|---|---|
| 1 | gpt-6-luna |
Codex, max | 31.2 | $0.16 | 21 menit | $0.03 / $0.15 |
| 2 | gpt-6.1-terra |
Codex, low | 34.9 | $0.20 | 6 menit | $0.30 / $1.50 |
| 3 | deepseek-v4.1-flash |
DeepSeek harness, max | 46.3 | $0.30 | 21 menit | $0.15 / $0.60 (Resmi) |
| 4 | deepseek-v4.1-flash |
Codex, max | 47.3 | $0.39 | 38 menit | $0.15 / $0.60 (Resmi) |
| 5 | gpt-6.1-terra |
Codex, medium | 42.0 | $0.39 | 10 menit | $0.30 / $1.50 |
| 6 | gpt-6.1-terra |
Codex, non-reasoning | 39.2 | $0.45 | 10 menit | $0.30 / $1.50 |
| 7 | gpt-6.1-terra |
Codex, high | 46.3 | $0.54 | 13 menit | $0.30 / $1.50 |
| 8 | gpt-6.1-terra |
Codex, xhigh | 48.2 | $0.69 | 16 menit | $0.30 / $1.50 |
| 9 | gpt-6.1-terra |
Codex, max | 48.1 | $1.24 | 26 menit | $0.30 / $1.50 |
| 10 | gpt-6.1-sol |
Codex, max | 54.1 | $1.50 | 24 menit | $0.60 / $3.00 |
| 11 | step-5-preview |
Claude Code | 43.1 | $1.84 | 61 menit | $1.00 / $2.70 (Resmi) |
Skor, biaya, dan waktu berasal dari Coding Agent Index, dibaca 2026-11-11. Harga berasal dari API model TokenLab, dibaca 2026-11-11. Harga tersebut berlaku untuk prompt hingga 272.000 token input. Di atas itu, tarif yang lebih tinggi berlaku untuk seluruh permintaan pada gpt-6-luna, gpt-6.1-terra, dan gpt-6.1-sol.
Di TokenLab, gpt-6-luna, gpt-6.1-terra, dan gpt-6.1-sol memiliki harga Verified yang merupakan 30% dari harga daftar resmi: $0,03 / $0,15, $0,30 / $1,50, dan $0,60 / $3 per 1 juta token, dibandingkan harga daftar $0,10 / $0,50, $1 / $5, dan $2 / $10. Artificial Analysis menghitung biaya berdasarkan harga daftar, sehingga tugas pada rute Verified berbiaya lebih rendah daripada yang ditunjukkan tabel. Dengan pengiriman Auto default, permintaan yang beralih ke rute Resmi akan ditagih dengan harga Resmi (panduan penagihan). deepseek-v4.1-flash dan step-5-preview tidak memiliki harga Verified, sehingga TokenLab menagih harga Resmi mereka. DeepSeek mengenakan biaya dua kali lipat selama jam sibuk hari kerja, 09:00–12:00 dan 14:00–18:00 waktu Beijing (lihat panduan DeepSeek V4).
Apa yang Diberitahukan Peringkat Ini kepada Anda
- Upaya adalah pengaturan biaya.
gpt-6.1-terraberubah dari 34,9 poin dengan biaya $0,20 (low) menjadi 48,2 dengan biaya $0,69 (xhigh). Pengaturan max mencetak skor 48,1 dan berbiaya $1,24. Itu 80% lebih mahal daripada xhigh untuk skor yang 0,1 poin lebih rendah. Atur upaya (effort) di TokenLab denganreasoning_effort. Nilai yang diterima bergantung pada model, dan nilai yang tidak didukung akan mengembalikan400 invalid_valuebeserta daftar nilai yang diterima. - Biaya per tugas melacak token yang digunakan, bukan hanya harga. Dalam pengujian ini, sebuah tugas menggunakan antara 1,9 hingga 27,2 juta token.
deepseek-v4.1-flashpada agen Codex menggunakan 27,2 juta.gpt-6.1-terrapada pengaturan high menggunakan 5,6 juta. - Waktu per tugas sangat bervariasi. Terra pada pengaturan medium selesai dalam 10 menit. DeepSeek V4.1 Flash pada agen Codex yang sama membutuhkan 38 menit. Jika seseorang menunggu agen tersebut, masukkan faktor waktu dalam pilihan Anda.
- Dukungan alat dan JSON. Semua model dalam tabel mencantumkan
tool-use.json-modehanya dicantumkan untukgpt-6-lunadandeepseek-v4.1-flash. Untukgpt-6.1-terradangpt-6.1-sol, gunakan panggilan alat atau validasi JSON sendiri.
Murah per Token, Tidak per Tugas
Dua model memiliki harga token rendah di TokenLab tetapi keluar dari peringkat, karena sebuah tugas berbiaya lebih dari $2 pada indeks yang sama:
| ID model TokenLab | Harga TokenLab per 1M token | Indeks | Biaya per tugas | Waktu per tugas |
|---|---|---|---|---|
claude-haiku-5-5 |
$0.035 / $0.175 | 37.3 | $2.67 | 71 menit |
gemini-3.8-flash |
$0.375 / $1.875 | 33.3 | $2.51 | 13 menit |
Catatan Haiku menunjukkan satu alasan mengapa hal ini bisa terjadi. Tarif rendahnya hanya berlaku untuk prompt hingga 100.000 token. Di atas itu, harga input dan output lima kali lebih tinggi untuk seluruh permintaan. Selalu baca tingkatan harga di GET /v1/models/{model}/pricing dan bandingkan dengan panjang prompt yang dicapai agen Anda.
Model Harga Rendah Lainnya
Beberapa model harga rendah tidak memiliki entri Coding Agent Index. Artificial Analysis mencantumkan model-model ini pada papan peringkat LLM umum mereka. Intelligence Index adalah skor umum, bukan skor agen, jadi jangan bandingkan dengan tabel di atas.
| ID model TokenLab | Harga TokenLab per 1M token (Resmi) | Intelligence Index | Biaya per tugas |
|---|---|---|---|
mimo-v2.6-flash |
$0.14 / $0.28 | 27 | $0.13 |
mimo-v2.6-pro |
$0.435 / $0.87 | 30 | $0.26 |
glm-5.3-flash |
$0.15 / $0.50 | 28 | $0.58 |
gpt-oss-120b |
$0.15 / $0.60 | 4 | $0.35 |
minimax-m3 |
$0.30 / $1.20 | 19 | $1.29 |
Sebagai perbandingan, pada papan peringkat yang sama, gpt-6.1-terra pada pengaturan low mencetak skor 29 dengan biaya $0,07 per tugas, dan gpt-6-luna pada pengaturan max mencetak skor 28 dengan biaya $0,15. Papan peringkat tidak menunjukkan skor untuk laguna-s-2.1 ($0,10 / $0,20), qwen3.8-flash ($0,15 / $0,47), step-3.7-flash ($0,20 / $1,15), atau doubao-seed-2.1-lite ($0,12 / $0,40). Harganya rendah, tetapi Artificial Analysis tidak memiliki skor untuk mereka pada 2026-11-11, sehingga tidak diberi peringkat.
Mode Kegagalan yang Menentukan Biaya Sebenarnya
- Agen membaca ulang riwayatnya. Dalam pengujian Artificial Analysis, 92% hingga 98% token input dalam entri yang diberi peringkat berasal dari cache prompt. Jadi, harga cache-read dan awalan prompt yang stabil sama pentingnya dengan harga output. Cache read berbiaya 5% dari harga input pada
gpt-6.1-terradangpt-6.1-sol, 10% padagpt-6-luna, dan 2% padadeepseek-v4.1-flashdi luar jam sibuk. Letakkan instruksi dan definisi alat di awal dan biarkan tidak berubah di antara panggilan. Periksausage.prompt_tokens_details.cached_tokensdalam respons. - Token berpikir (thinking tokens) adalah token output. Token ini dihitung terhadap batas output dan ditagih. Jika batasnya terlalu kecil, jawaban bisa kembali kosong dan token tetap ditagih (referensi Create Chat Completion). Tetapkan batas yang sesuai dengan tugas, dan turunkan upaya penalaran untuk langkah-langkah yang mudah.
- Validasi setiap output model. Urai JSON, periksa nama alat dan argumennya, dan perlakukan
finish_reasonberupalengthsebagai jawaban yang terpotong. Panduan pemanggilan alat menyarankan untuk memvalidasi nilai yang dihasilkan model dalam aplikasi Anda. Buat eksekusi alat bersifat idempoten, karena percobaan ulang dapat mengulangi panggilan. - Hitung percobaan ulang dalam harga. Jika Anda menjalankan ulang setiap percobaan yang gagal secara penuh, biaya per tugas yang diselesaikan adalah biaya per percobaan dibagi dengan tingkat keberhasilan. Contoh dengan angka asumsi: model A berbiaya $0,20 per percobaan dan berhasil 50% dari waktu, jadi tugas yang diselesaikan berbiaya $0,20 / 0,5 = $0,40. Model B berbiaya $0,30 per percobaan dan berhasil 90% dari waktu, jadi tugas yang diselesaikan berbiaya $0,30 / 0,9 = $0,33. Model dengan harga per percobaan yang lebih rendah belum tentu yang lebih murah.
- Sematkan ID model lengkap. ID yang sudah pensiun dapat mulai merujuk ke model lain. Misalnya,
deepseek-v4-flashsekarang merujuk kedeepseek-v4.1-flash(log perubahan TokenLab). Bacalifecycledari catatan model, dan catat model yang memberikan jawaban.
Resep Perutean
| Tingkat | Gunakan untuk | Model |
|---|---|---|
| Termurah | Perutean, klasifikasi, ekstraksi, panggilan alat singkat | gpt-6.1-terra pada upaya low, atau gpt-6-luna |
| Default | Pekerjaan agen multi-langkah | gpt-6.1-terra pada upaya high atau xhigh, atau deepseek-v4.1-flash saat waktu kurang penting daripada harga |
| Eskalasi | Langkah yang gagal divalidasi | gpt-6.1-sol |
Kode ini mengirim setiap langkah ke model default terlebih dahulu. Kode ini berpindah ke model eskalasi hanya ketika jawaban gagal divalidasi. Kode ini menggunakan OpenAI SDK terhadap endpoint TokenLab dan model-model dalam tabel. Kode ini menetapkan max_completion_tokens, yang digunakan oleh keluarga model OpenAI yang lebih baru. Untuk keluarga model lain, tetapkan max_tokens sebagai gantinya. Kirim hanya salah satu dari keduanya. Tambahkan aturan percobaan ulang dari panduan kesalahan untuk kesalahan HTTP.
import json
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["TOKENLAB_API_KEY"],
base_url="https://api.tokenlab.sh/v1",
max_retries=0,
)
TIERS = ["gpt-6.1-terra", "gpt-6.1-sol"] # default murah pertama, eskalasi kedua
TOOLS = [
{
"type": "function",
"function": {
"name": "lookup_order",
"description": "Look up an order by its ID",
"parameters": {
"type": "object",
"properties": {"order_id": {"type": "string"}},
"required": ["order_id"],
},
},
}
]
def valid_tool_call(choice):
"""Accept only a complete, well-formed call to a known tool."""
if choice.finish_reason != "tool_calls" or not choice.message.tool_calls:
return False
for call in choice.message.tool_calls:
if call.function.name != "lookup_order":
return False
try:
args = json.loads(call.function.arguments)
except ValueError:
return False
if not isinstance(args, dict) or not isinstance(args.get("order_id"), str):
return False
return True
def run_step(messages):
for model in TIERS:
response = client.chat.completions.create(
model=model,
messages=messages,
tools=TOOLS,
max_completion_tokens=4000,
)
choice = response.choices[0]
if valid_tool_call(choice):
return model, choice.message
print(f"{model}: invalid tool call (finish_reason={choice.finish_reason}), escalating")
raise RuntimeError("no tier produced a valid tool call")
model, message = run_step([{"role": "user", "content": "Where is order A-1042?"}])
print(model, message.tool_calls[0].function.arguments)
Untuk mengetahui apakah perutean ini membuahkan hasil, jalankan rangkaian tugas nyata yang sama pada setiap kandidat. Gunakan instruksi, alat, dan batas waktu yang sama. Kemudian bandingkan tugas yang diselesaikan, percobaan ulang, total token, dan biaya akhir di Usage, seperti yang dijelaskan dalam panduan biaya. Simpan hasil berdasarkan jenis tugas.
Bacaan Terkait
- Perbandingan harga API AI: harga daftar, OpenRouter, dan TokenLab
- API DeepSeek V4 untuk pengodean
- Tingkatan pengiriman: Auto, Verified, atau Official
FAQ
Model AI murah mana yang terbaik untuk agen?
Berdasarkan biaya per tugas pada Artificial Analysis Coding Agent Index, gpt-6.1-terra pada pengaturan high atau xhigh adalah default terbaik: 46,3 hingga 48,2 poin dengan biaya $0,54 hingga $0,69 per tugas. deepseek-v4.1-flash mencetak skor yang hampir sama dengan biaya $0,30 hingga $0,39 per tugas tetapi berjalan selama 21 hingga 38 menit per tugas. Untuk langkah-langkah termurah, gunakan gpt-6-luna atau gpt-6.1-terra pada pengaturan low.
Mengapa memberi peringkat berdasarkan biaya per tugas dan bukan berdasarkan harga per token?
Sebuah agen menggunakan antara 1,9 hingga 27,2 juta token per tugas dalam pengujian ini, dan sebagian besar adalah input yang di-cache. Harga token saja tidak memberi tahu Anda berapa banyak token yang dibutuhkan model, berapa banyak langkah yang diperlukan, atau seberapa sering model gagal. Biaya per tugas mencakup ketiganya.
Apakah angka biaya per tugas adalah apa yang akan saya bayar di TokenLab?
Tidak. Artificial Analysis menghitungnya berdasarkan harga daftar penyedia. Di TokenLab, harga Verified dari gpt-6-luna, gpt-6.1-terra, dan gpt-6.1-sol adalah 30% dari harga daftar, sehingga tugas-tugas tersebut berbiaya lebih rendah. Permintaan yang beralih ke rute Resmi akan ditagih dengan harga Resmi. Periksa tingkatan harga setiap model sebelum Anda membuat anggaran.
Mengapa claude-haiku-5-5 tidak ada dalam peringkat?
Biaya per tugasnya pada indeks adalah $2,67, di atas batas $2 yang digunakan di sini, meskipun harga per tokennya adalah 12% dari harga gpt-6.1-terra. Tarif rendahnya hanya berlaku untuk prompt hingga 100.000 token. Model ini mungkin masih cocok untuk langkah-langkah singkat dan sederhana. Uji pada tugas Anda sendiri.
Bagaimana percobaan ulang pemanggilan alat mengubah pilihan model termurah?
Model murah yang gagal dalam pemanggilan alat atau memotong JSON memaksa adanya percobaan ulang, dan setiap percobaan ulang menambah token. Bagi biaya per percobaan dengan tingkat keberhasilan untuk mendapatkan biaya per tugas yang diselesaikan. Validasi setiap output dan eskalasikan hanya langkah-langkah yang gagal.
Telusuri ID model dan harga saat ini di halaman model TokenLab, atau kirim permintaan pertama Anda dengan panduan mulai cepat.
Sumber
Harga diamati pada 2026-11-11
- Artificial Analysis: Coding Agent IndexDiamati pada 2026-11-11
- Artificial Analysis: Coding Agent Index methodologyDiamati pada 2026-11-11
- Artificial Analysis: LLM leaderboardDiamati pada 2026-11-11
- TokenLab API: List ModelsDiamati pada 2026-11-11
- TokenLab Docs: Billing and pricingDiamati pada 2026-11-11
- TokenLab Docs: Create Chat CompletionDiamati pada 2026-11-11
- TokenLab Docs: Structured Outputs & Tool CallingDiamati pada 2026-11-11
- TokenLab changelog: DeepSeek V4 Flash is retiredDiamati pada 2026-11-11



