Harga Token API 2026: Qwen3.8 vs Claude 5.5 vs Gemini 4 Argon

Jawaban singkatnya: untuk agent yang jalan 5.000 request per bulan (60 juta token input dan 7,5 juta token output), Qwen3.8 Flash di region internasional menelan sekitar $6 per bulan, Claude Haiku 5.5 sekitar $9,75, sementara Claude Sonnet 5.5 dan Gemini 4 Argon masing-masing sekitar $195. Gemini 4 Argon naik jadi $390 mulai 1 Desember 2026. Selisih termahal dan termurah di skenario yang sama mencapai 162 kali. Angka ini saya hitung dari halaman harga resmi masing-masing vendor per 29 Oktober 2026, bukan dari ingatan.

TL;DR:

• Harga token itu cuma satu dari empat biaya agent. Tiga lainnya: retry, konteks yang menggembung, dan output token yang selalu lebih mahal dari input.
• Per 29 Oktober 2026, rentang input per 1 juta token: $0,05 (Qwen3.8 Flash) sampai $10 (Claude Fable 5.1).
• Output selalu 4 sampai 8 kali lebih mahal dari input. Agent yang banyak ngobrol mahal bukan karena prompt-nya, tapi karena balasannya.
• Gemini 4 Argon menggandakan harga mulai 1 Desember 2026, dari $2/$10 jadi $4/$20 per 1 juta token.
• Prompt caching bisa memotong komponen input sampai 20 kali lipat di Claude Sonnet 5.5 ($2 jadi $0,10 per 1 juta token untuk cache hit).

Yang lo bayar sebenarnya bukan cuma token

Lo bayar dua hal, bukan satu: token input dan token output. Input adalah semua yang masuk ke model, termasuk system prompt, riwayat percakapan, hasil tool call, dan dokumen yang lo tempel. Output adalah token yang di-generate model, dan di beberapa model modern token berpikir (thinking token) ikut dihitung sebagai output.

Poin kedua inilah yang bikin tagihan agent sering meledak tanpa disadari. Agent bukan chatbot satu tembakan. Dia mengirim ulang konteks di setiap langkah: instruksi sistem, definisi tool, riwayat langkah sebelumnya, plus hasil tool terbaru. Satu tugas yang butuh 15 langkah berarti konteks dasar yang sama dibayar 15 kali.

Contoh konkret: system prompt 3.000 token plus definisi 20 tool sebesar 2.000 token artinya 5.000 token yang dibayar ulang di tiap langkah. Dalam 15 langkah, itu 75.000 token input hanya untuk pengulangan, belum termasuk isi percakapan.

Berapa harga token tiap model per Oktober 2026?

Semua angka di bawah dibaca langsung dari dokumentasi resmi vendor pada 29 Oktober 2026. Satuannya USD per 1 juta token.

MODEL                          INPUT    OUTPUT   CATATAN
qwen3.8-flash (Intl)           $0.05    $0.40    <=256K token per request
qwen3.8-flash (Intl)           $0.25    $2.00    256K sampai 1M token
qwen3.8-max (Intl)             $2.00    $6.00    0 sampai 1M token
Claude Haiku 5.5               $0.10    $0.50    prompt <=100.000 token
Claude Haiku 5.5               $0.50    $2.50    prompt >100.000 token
Claude Sonnet 5.5              $2.00    $10.00   -
Claude Opus 5.5                $4.00    $20.00   -
Claude Fable 5.1               $10.00   $50.00   model termahal di daftar
Gemini 4 Argon (std)           $2.00    $10.00   sampai 30 November 2026
Gemini 4 Argon (std)           $4.00    $20.00   mulai 1 Desember 2026
Gemini 4 Argon (batch)         $1.00    $5.00    diskon 50 persen

Sumbernya tiga halaman resmi: billing Model Studio Alibaba Cloud untuk Qwen, halaman pricing Claude untuk keluarga Claude 5.5, dan halaman pricing Gemini API untuk Gemini 4 Argon.

Yang perlu dicatat: Qwen3.8 Flash punya tangga harga berdasarkan panjang konteks, bukan flat. Selama request di bawah 256 ribu token, harganya $0,05 input dan $0,40 output. Kalau lo mendorong konteks ke atas 256 ribu, harganya naik lima kali lipat. Agent yang malas memangkas riwayat percakapan bisa jatuh ke tangga kedua tanpa sadar.

Alibaba Cloud juga memberi kuota gratis 1 juta token yang berlaku 90 hari sejak aktivasi Model Studio atau rilis model. Itu cukup untuk nguji satu workflow agent kecil sebelum lo putuskan bayar. Kalau mau mulai dari situ, endpoint Qwen dan kuota tokennya bisa dibuka lewat halaman Qwen di Alibaba Cloud.

Untuk DeepSeek, saya sengaja tidak mencantumkan angka. Dokumentasi mereka menyebut nama model deepseek-flash (kini dilayani DeepSeek-V4.1-Flash-1017) dan deepseek-v4-pro, tapi halaman pricing resminya tidak menampilkan tabel harga saat saya cek. Daripada menebak, lebih jujur ditulis: belum ada data publik yang bisa saya verifikasi.

Berapa biaya agent 5.000 request per bulan?

Ini hitungan yang sama untuk semua model, biar apple to apple. Asumsi: 5.000 request per bulan, rata-rata 12.000 token input dan 1.500 token output per request. Totalnya 60 juta token input dan 7,5 juta token output per bulan.

MODEL                          USD/BULAN   RASIO VS SONNET
qwen3.8-flash (Intl)                6.00        0.03x
Claude Haiku 5.5                    9.75        0.05x
Gemini 4 Argon (batch)             97.50        0.50x
qwen3.8-max                       165.00        0.85x
Claude Sonnet 5.5                 195.00        1.00x
Gemini 4 Argon (s/d 30 Nov)       195.00        1.00x
Gemini 4 Argon (mulai 1 Des)      390.00        2.00x
Claude Opus 5.5                   390.00        2.00x
Claude Fable 5.1                  975.00        5.00x

Cara bacanya sederhana. Kalau beban kerja lo memang cocok dengan model kelas Flash atau Haiku, biaya bulanan lo bisa di bawah $10. Tapi begitu lo naik ke kelas Sonnet atau Gemini Argon, biayanya loncat ke hampir $200 untuk volume yang sama, dan itu belum termasuk retry, tool call tambahan, atau percakapan yang lebih panjang dari asumsi.

Perhatikan juga bahwa output menyumbang porsi besar. Di Sonnet 5.5, 60 juta token input menghasilkan $120, sementara 7,5 juta token output menghasilkan $75. Artinya 12,5 persen token menanggung 38 persen tagihan. Agent yang jawabannya panjang dan bertele-tele itu pilihan desain, bukan takdir.

Kapan harga Gemini 4 Argon naik dan seberapa besar?

Gemini 4 Argon naik tepat dua kali lipat mulai 1 Desember 2026: input dari $2 ke $4, output dari $10 ke $20 per 1 juta token. Harga context caching juga ikut naik dari $0,10 ke $0,20, dan tier Priority dari $3,60/$18 ke $7,20/$36.

Kalau lo punya agent produksi yang jalan di Gemini 4 Argon, ini bukan kenaikan kecil. Dengan asumsi volume di atas, tagihan bulanan lo pindah dari $195 ke $390 hanya karena tanggal berubah. Ada dua jalur mitigasi yang resmi tersedia di halaman harga mereka: pindah ke Batch API (diskon 50 persen, jadi $1/$5), atau pindah ke tier Flex yang harganya sama dengan Batch. Konsekuensinya, Batch dan Flex bukan untuk request real-time.

Ada satu detail yang gampang terlewat: Gemini 4 Argon tidak tersedia di free tier. Semua token dihitung dan ditagih, termasuk thinking token dan instruksi sistem tool kalau lo pakai grounding. Jadi hitungan “kan ada kuota gratis” tidak berlaku untuk model flagship ini.

Grounding dengan Google Search punya biaya terpisah: 5.000 request pencarian gratis per bulan yang dibagi ke semua model Gemini 3 ke atas, lalu $14 per 1.000 request, dengan batas 1.500 request per hari. Agent riset yang rajin searching bisa mengalahkan biaya tokennya sendiri dari komponen ini.

Kapan harus pindah ke model yang lebih mahal?

Pindah model sebaiknya dipicu oleh kegagalan terukur, bukan rasa penasaran. Tiga pemicu yang masuk akal: tingkat kegagalan tool call di bawah model murah sudah mengganggu (agent salah panggil parameter, salah pilih tool), tugas butuh penalaran bertingkat yang tidak selesai di model kecil, atau ada SLA latensi yang tidak bisa dipenuhi.

Selain tiga pemicu itu, tetap di model murah. Model kelas Flash dan Haiku cocok untuk klasifikasi, ekstraksi field, routing, ringkasan, dan balasan template. Pekerjaan bernilai tinggi seperti debugging lintas file atau perencanaan multi-langkah layak dibayar dengan model kelas Sonnet atau Opus. Pola ini sering disebut routing bertingkat: model murah menyaring, model mahal menangani yang sulit.

Yang lebih sering menentukan tagihan daripada pilihan model adalah disiplin konteks. Memangkas riwayat percakapan, membatasi jumlah tool yang diekspos, dan memakai ringkasan alih-alih transkrip penuh bisa memotong input 40 sampai 60 persen. Di harga Qwen3.8 Flash itu tidak terasa, tapi di Sonnet 5.5 atau Opus 5.5 angkanya langsung ratusan dolar.

Prompt caching adalah tuas kedua. Di Claude Sonnet 5.5, input normal $2 per 1 juta token, sementara cache hit $0,10. Itu 20 kali lebih murah untuk bagian prompt yang tidak berubah. Agent dengan system prompt dan definisi tool yang stabil adalah kandidat terbaik untuk caching, karena bagian itulah yang paling sering diulang.

Output selalu lebih mahal, ini sebabnya

Output lebih mahal karena prosesnya berbeda: model harus menghasilkan token satu per satu, sementara input cukup dibaca sekali secara paralel. Itu sebabnya rasio harga output terhadap input berkisar 4 sampai 8 kali di semua vendor, dari Qwen3.8 Flash ($0,40 banding $0,05, delapan kali) sampai Claude Fable 5.1 ($50 banding $10, lima kali).

Implikasi praktisnya untuk agent: batasi panjang balasan di level instruksi sistem, minta output terstruktur (JSON pendek, bukan paragraf penjelasan), dan jangan biarkan model mengulang isi dokumen yang sudah ada di konteks. Satu aturan sederhana “jawab maksimal 5 baris kecuali diminta detail” sering memotong tagihan lebih besar daripada ganti model.

Kalau lo menjalankan agent lewat harness seperti OpenCrabs (single binary Rust, MIT, versi repo 0.5.14 saat dicek), biaya token tetap ditentukan oleh model yang lo pilih di belakangnya. Harness mengatur kapan konteks dipangkas dan kapan request di-retry, tapi harga per token murni milik vendor model.

Rekomendasi Tools & Layanan

• Qwen lewat Alibaba Cloud Model Studio cocok kalau lo butuh jalur paling murah untuk agent volume tinggi. Mulai dari kuota gratis 1 juta token, lalu lanjut ke paket token AI Alibaba Cloud kalau volume sudah stabil.
• Claude Sonnet 5.5 jadi pilihan tengah yang masuk akal untuk agent coding, dengan syarat prompt caching diaktifkan supaya komponen input tidak membengkak.
• Gemini 4 Argon hanya ekonomis kalau lo memakai Batch API atau Flex. Untuk request real-time, harga per 1 Desember 2026 bikin model ini dua kali lebih mahal dari Sonnet 5.5.
• VPS sendiri untuk harness agent tetap opsi termurah kalau lo jalan 24 jam. Spec kecil sudah cukup, dan kalau butuh, kredit awal Alibaba Cloud bisa dipakai buat ngetes sebelum commit bulanan.

FAQ

Apakah harga token bisa berubah sewaktu-waktu?

Ya, dan sudah terjadi. Gemini 4 Argon contohnya menggandakan harga per 1 Desember 2026, diumumkan langsung di halaman pricing resmi. Karena itu, selalu cek halaman vendor sebelum menghitung anggaran bulanan, dan jangan pakai angka dari artikel lama termasuk artikel ini.

Model termurah selalu pilihan terbaik untuk agent?

Tidak. Model murah menang di biaya per token, tapi bisa kalah di total biaya kalau tingkat kegagalan tool call tinggi. Agent yang gagal tiga kali lalu retry membayar token empat kali untuk satu hasil. Hitung biaya per tugas selesai, bukan biaya per token.

Berapa token yang dipakai satu percakapan agent?

Sulit digeneralisasi, tapi satu langkah agent biasanya mengirim 5.000 sampai 20.000 token input karena konteks diulang. Tugas 10 langkah berarti 50.000 sampai 200.000 token input. Karena itu jumlah langkah, bukan jumlah pertanyaan, yang jadi pengali tagihan.

Apakah prompt caching benar-benar menghemat?

Untuk agent, iya, selama ada bagian prompt yang tidak berubah. Di Claude Sonnet 5.5 cache hit $0,10 per 1 juta token dibanding input normal $2, jadi hemat 20 kali untuk bagian tersebut. Yang perlu diingat: menulis cache pun ada biayanya ($2,50 per 1 juta token untuk cache 5 menit), jadi caching hanya untung kalau bagian itu dipakai berulang.

Kalau volume saya masih kecil, perlu hitung sedetail ini?

Belum. Di bawah 1.000 request per bulan, selisih antar model biasanya di bawah $10 dan tidak sepadan dengan waktu yang lo habiskan. Hitungan ini mulai penting saat volume masuk puluhan ribu request atau saat agent jalan 24 jam tanpa pengawasan.

Kesimpulan

Harga token itu angka yang jujur, tapi bukan seluruh cerita. Dari data resmi 29 Oktober 2026, rentangnya lebar: $0,05 sampai $50 per 1 juta token input, dan skenario agent yang sama bisa berakhir di $6 atau $975 per bulan tergantung model yang lo pilih.

Urutan keputusan yang saya sarankan: pangkas konteks dulu, batasi panjang output, aktifkan caching, baru pindahkan model kalau ada bukti kualitasnya kurang. Ganti model itu langkah terakhir, bukan langkah pertama. Dan kalau model yang lo pakai diumumkan naik harga, seperti Gemini 4 Argon per 1 Desember 2026, hitung ulang anggaran sebelum tanggal itu, bukan sesudah tagihannya datang.