NgodeAI DeepSeek V4 Pro: Harga & Limitasi

DeepSeek V4 Pro muncul di katalog NgodeAI dengan label Rp 471 per 1 juta token input. Angka itu benar, tetapi belum menjawab pertanyaan yang menentukan: berapa yang keluar untuk satu pekerjaan nyata, dan apa yang didapat sebagai gantinya. Artikel ini membedah satu model saja, memakai field dari api.ngodeai.net/models per 5 November 2026. Kalau mau ikut menghitung sambil mencoba, mulai dari akun NgodeAI.

TL;DR

• Status active, kategori coding, rute vip, endpoint /v1/chat/completions, dan mendukung input gambar.
• Harga per 1 juta token: Rp 471 input, Rp 942 output, Rp 39 cache read, Rp 589 cache write.
• Konteks 1.048.576 token, output maksimum 524.288 token, tertinggi di antara model coding aktif.
• Rasio output terhadap input tepat 2 banding 1, dan cache read hanya 8,28 persen dari harga input.
• Cache write 25 persen lebih mahal dari input, jadi cache hanya untung kalau isinya dipakai berulang.
• Lima model aktif lebih murah pada campuran 1 juta token input plus 1 juta token output.

Apa yang membedakan DeepSeek V4 Pro

Katalog memuat 28 model, 22 aktif dan 6 nonaktif. V4 Pro duduk di kelompok menengah atas: bukan yang termurah, jauh dari yang termahal, tetapi kombinasi batas output dan tarif cache-nya tidak dimiliki model di rentang harga yang sama.

Gateway tidak mengubah kecerdasan model. Request diteruskan ke DeepSeek V4 Pro milik provider aslinya, dan yang berbeda hanya jalur pembayaran serta cara biaya dihitung. Tiga hal membuat baris katalog ini layak dibaca sampai detail: batas output 524.288 token, cache read Rp 39, dan rute vip yang bukan shared.

Spesifikasi yang tercatat di katalog

Isi tabel adalah field mentah katalog, bukan ringkasan pemasaran.

Field	Nilai untuk DeepSeek V4 Pro
ID model	ngodeai/deepseek-v4-pro
Status	active
Kategori	coding
Rute	vip
Endpoint	/v1/chat/completions
Konteks	1.048.576 token
Output maksimum	524.288 token
Input gambar (vision)	Ya
Harga input	Rp 471 per 1 juta token
Harga output	Rp 942 per 1 juta token
Cache read	Rp 39 per 1 juta token
Cache write	Rp 589 per 1 juta token
Field discount_percent	95

Soal discount_percent: 95, jangan dibaca sebagai harga asli dipotong 95 persen. pricing_usd.input bernilai 0,025964 dolar per 1 juta token, dan kurs yang dilaporkan endpoint 18.140,247665. Dua angka itu dikalikan menghasilkan 470,99, dibulatkan menjadi 471. Artinya angka rupiah di katalog sudah final dan konsisten dengan harga dolarnya, apa pun cerita diskon di belakangnya. Kurs bertanda stale: false dengan pembaruan 4 November 2026.

Harga rupiah dari per token sampai per seribu

Angka per 1 juta token enak untuk menyusun anggaran, tetapi terlalu besar untuk melihat satu panggilan.

Satuan	Input	Output
Per 1 juta token	Rp 471	Rp 942
Per 1.000 token	Rp 0,471	Rp 0,942
Per token	Rp 0,000471	Rp 0,000942

Yang penting bukan angkanya, tetapi kesadaran bahwa output dua kali lebih mahal daripada input. File 5.000 token yang dihasilkan sebagai output setara biaya 10.000 token input. Model yang rasionya 5 banding 1 terasa jauh lebih mahal untuk pekerjaan yang sama, meski harga inputnya lebih rendah.

Rasio 2 banding 1 yang jarang dibahas

Orang membandingkan harga input, padahal kerja coding banyak menghasilkan output: refactor, file baru, penjelasan diff. Di katalog aktif rasionya lebar. GLM 5.3 Flash (Fast) 3,38 kali, Ling 3.1 Flash 3 kali, GPT 6 Luna 5,01 kali, Gemini 3.8 Flash 5 kali, MiniMax M3.1 Flash 3,99 kali, dan V4 Pro tepat 2 kali.

Untuk 50.000 token input dan 100.000 token output, V4 Pro menagih sekitar Rp 118 sementara Gemini 3.8 Flash sekitar Rp 150, walaupun harga input Gemini lebih murah (Rp 272 berbanding Rp 471). Sebaliknya untuk input besar dan output kecil, V4 Pro kalah: 300.000 input dan 20.000 output sekitar Rp 160, sedangkan DeepSeek V4 Flash sekitar Rp 51.

Tarif cache: murah saat dibaca, mahal saat ditulis

Cache read Rp 39 per 1 juta token, hanya 8,28 persen dari harga input. Cache write Rp 589, justru 25 persen lebih mahal daripada mengirim input biasa. Dua tarif ini bergerak ke arah berlawanan.

Perhitungan biaya 200.000 token input	Biaya
Semua dihitung input, tanpa cache	Rp 94,20
150.000 token dari cache read, 50.000 input baru	Rp 29,40
Hemat dari pemakaian cache	68,8 persen

Cache untung kalau isinya dipakai berulang. Menulis 100.000 token ke cache berbiaya Rp 58,90, sedangkan mengirimnya sebagai input biasa cuma Rp 47,10. Selisih Rp 11,80 itu baru terbayar setelah blok yang sama dibaca dua kali atau lebih. Konteks yang berubah setiap panggilan sebaiknya tidak di-cache sama sekali.

Tiga pola pemakaian dan biayanya

Harga per token tidak berarti apa-apa tanpa pola pemakaian. Tiga skenario di bawah mewakili pekerjaan yang paling sering dilakukan developer, dihitung dari harga katalog di atas.

Pola pemakaian	Token input	Token output	Biaya V4 Pro	Biaya V4 Flash
Agent 40 panggilan sehari, 30 hari, 8.000 input dan 1.500 output per panggilan	9,6 juta	1,8 juta	Sekitar Rp 6.217	Sekitar Rp 1.980
Refactor satu file besar, konteks 300.000, jawaban 20.000	300.000	20.000	Sekitar Rp 160	Sekitar Rp 51
Generate file baru, konteks 50.000, output 100.000	50.000	100.000	Sekitar Rp 118	Sekitar Rp 38

Baris pertama yang paling penting: agent 40 panggilan sehari berbiaya sekitar Rp 6.217 sebulan. Selisih Rp 4.237 dibanding V4 Flash lebih kecil daripada waktu yang hilang kalau model murah salah membaca refactor yang rumit. Uji dulu sebelum mengisi saldo, pakai akun NgodeAI, dan jalankan pekerjaan nyata, bukan benchmark buatan.

Konteks 1.048.576 token: kemampuan, bukan ajakan

Konteks satu juta token sudah standar di katalog ini. Enam belas dari 22 model aktif memilikinya, jadi angka itu bukan keunggulan V4 Pro. Yang perlu dihitung adalah harganya: mengirim 1.048.576 token sekaligus berbiaya sekitar Rp 494, dan sepuluh persennya sudah Rp 49. Untuk repo ukuran sedang, kirim file yang relevan saja. Konteks besar berguna untuk audit satu modul besar atau membaca log panjang, bukan untuk setiap panggilan.

Batas output 524.288 token

Batas ini tertinggi di antara model coding aktif, setara MiniMax M3.1 Flash, jauh di atas enam model coding berbayar yang berhenti di 65.536. Berguna untuk generate modul utuh atau migrasi skema tanpa terpotong di tengah file. Tetapi mengisi output sampai penuh juga sekitar Rp 494 dalam satu panggilan, jadi pakai untuk tugas besar yang terencana, bukan percakapan santai.

Posisi di antara model aktif lain

Tabel memuat model coding aktif berbayar, urut dari harga input. Kolom terakhir adalah biaya campuran 1 juta token input ditambah 1 juta token output.

Model	Input	Output	Cache read	Output maks	Campuran
GLM 5.3 Flash (Fast)	78	264	10	131.072	Rp 342
DeepSeek V4 Flash	150	300	30	65.536	Rp 450
Ling 3.1 Flash (1019)	136	408	27	262.144	Rp 544
GPT 6 Luna	181	907	18	65.536	Rp 1.088
MiniMax M3.1 Flash	248	990	25	524.288	Rp 1.238
Gemini 3.8 Flash	272	1.361	27	65.536	Rp 1.633
DeepSeek V4 Pro	471	942	39	524.288	Rp 1.413
GPT 6.1 Terra	1.813	9.066	91	65.536	Rp 10.879
GPT 6 Astra	18.133	90.664	1.813	65.536	Rp 108.797

V4 Pro bukan pilihan termurah: lima model lebih murah pada campuran seimbang, dua di antaranya jauh lebih murah. Tetapi setelah barisnya harga naik tajam. GPT 6.1 Terra hampir delapan kali lipat, GPT 6 Astra lebih dari 70 kali lipat. Posisi V4 Pro sebenarnya batas atas yang masih masuk akal untuk pemakaian harian, bukan titik tengah katalog.

Memanggil modelnya

Endpoint mengikuti spesifikasi OpenAI, jadi tidak ada SDK baru. Selalu set max_tokens eksplisit, karena batas output 524.288 token bisa membuat satu panggilan yang salah menagih biaya sebulan.

from openai import OpenAI
import os

client = OpenAI(base_url="https://llm.ngodeai.net/v1",
                api_key=os.environ["NGODEAI_API_KEY"])

resp = client.chat.completions.create(
    model="ngodeai/deepseek-v4-pro",
    messages=[{"role": "user", "content": "Refactor fungsi ini supaya tidak O(n^2)."}],
    max_tokens=4096,
)
print(resp.usage)

401 berarti key salah tempel atau saldo kosong untuk model berbayar. 404 berarti nama model salah, dan semua ID di katalog berawalan ngodeai/. Cetak resp.usage di setiap percobaan untuk melihat token yang benar-benar terpakai.

Ekspektasi vs realita

Aspek	Ekspektasi	Realita
Kualitas jawaban	Lebih pintar karena lebih mahal	Sama dengan model aslinya, gateway hanya meneruskan
Harga	Rp 471 berarti mahal untuk semua hal	Untuk output-heavy bisa lebih murah daripada model berasio 5 banding 1
Konteks 1 juta	Bisa kirim seluruh repo	Bisa, tapi satu panggilan penuh Rp 494 dan belum tentu lebih akurat
Cache	Selalu menghemat	Cache read hemat 91,7 persen, cache write malah lebih mahal dari input
Batas output	Bebas menulis sepanjang apa pun	Benar secara teknis, tapi satu output penuh juga sekitar Rp 494
Ketersediaan	Selalu bisa dipanggil	Status bisa berubah, enam model katalog kini nonaktif

Kekurangan dan limitasi

• Bukan model termurah. Untuk tugas rutin beroutput pendek, V4 Flash memberi hasil setara dengan biaya jauh lebih kecil.
• Cache write menjebak. Rp 589 lebih mahal daripada input biasa, dan konteks yang berubah tiap panggilan tidak layak di-cache.
• Layanan pihak ketiga tanpa SLA publik. Request melewati server NgodeAI sebelum diteruskan ke provider model.
• Harga dan status bisa berubah. Semua angka di sini snapshot 5 November 2026, dan enam model sudah nonaktif saat dicek.
• Tidak untuk data sangat sensitif. Kalau kode memuat kredensial produksi, kebijakan internal yang menentukan, bukan harga per token.

Pertanyaan yang sering muncul

Apakah V4 Pro lebih pintar daripada V4 Flash? Kecerdasan milik model aslinya, bukan gateway. Yang berbeda di katalog adalah harga, batas output (524.288 berbanding 65.536 token), dan tarif cache.

Apakah Rp 471 itu harga setelah diskon? Field pricing adalah yang ditagih, dan konsisten dengan pricing_usd dikali kurs. discount_percent: 95 sebaiknya diperlakukan sebagai keterangan pemasaran, bukan dasar hitungan.

Kapan pakai V4 Pro dan kapan V4 Flash? V4 Pro untuk pekerjaan rumit berjawaban panjang, V4 Flash untuk tugas rutin atau pertanyaan pendek. Selisih sebulan pada pola agent sekitar Rp 4.237, jadi keputusannya soal kualitas hasil.

Apakah input gambar didukung? Ya, katalog menandai supports_vision: true. Tetapi image_per_image kosong untuk model ini, jadi jangan mengasumsikan tarif gambar sebelum memeriksa katalog terbaru.

Kesimpulan

DeepSeek V4 Pro salah dinilai kalau hanya dilihat dari harga inputnya. Pada Rp 471 input dan Rp 942 output, ia memang bukan yang termurah. Yang ditawarkan adalah rasio 2 banding 1, batas output 524.288 token, dan cache read Rp 39, kombinasi yang membuat pekerjaan output-heavy tidak menghukum.

Pola paling sehat adalah dua lapis: model murah untuk tugas rutin, V4 Pro untuk tugas yang menentukan. Semua angka di sini snapshot katalog 5 November 2026 dan bisa dibaca ulang kapan saja sebelum topup.

Kalau mau mulai dari percobaan kecil, daftar lewat tautan referral NgodeAI ini, jalankan satu pekerjaan dengan V4 Pro dan satu dengan V4 Flash, lalu bandingkan hasil serta pemakaian tokennya. Perbandingan dari pekerjaan sendiri selalu lebih berguna daripada tabel mana pun, termasuk tabel di artikel ini.

Transparansi: artikel ini memuat tautan referral. Kalau kamu mendaftar lewat tautan tersebut, toolkuy menerima komisi dari NgodeAI tanpa menambah biaya apa pun untukmu, dan harga yang kamu bayar tetap sama. Semua angka harga, batas token, dan status model diambil langsung dari katalog API publik NgodeAI pada 5 November 2026 dan bisa berubah setelah tanggal tersebut.