Selama 13 bulan, saya membayar Anthropic US$1,892.38. Itu Claude Code Max sebesar $200 sebulan, ditambah $20-100 lagi untuk Codex dari OpenAI. Kalau digabung, sekitar $200 hingga $300 setiap bulan hanya untuk tool AI.
Saya membatalkan Claude Max pada bulan April. Saya sudah menulis tentangnya — beberapa kali. Setiap tulisan adalah upaya jujur untuk mencari tahu seperti apa setup yang tepat, apalagi tool-nya terus berubah-ubah di bawah kaki saya.
Dua bulan lalu, saya berhenti total memakai dual-wielding. Saya pindah ke satu model — DeepSeek V4 Pro dengan High Thinking — lewat satu coding harness. Inilah yang sebenarnya terjadi.
Juni: $57.01. Juli: $33.09.
Tagihan DeepSeek saya bulan Juni: 4,1 miliar token diproses, total $57.01.
Juli: 2,1 miliar token, $33.09. Penurunannya sebagian karena saya menyelesaikan proyek lokalisasi besar-besaran pada bulan Juni, dan sebagian lagi karena saya semakin jago prompt engineering — prompt lebih kecil, retry lebih sedikit, kualitas output sama.
Total dua bulan: $90.10. Itu kurang dari separuh biaya satu bulan Claude Max yang dulu saya bayar. Bahkan kurang dari sepertiga kalau ditambah langganan Codex di atasnya.
Pertanyaan yang langsung muncul ketika biaya turun 75% adalah: "Apa kamu jadi melambat?" Ini jawabannya.
786 Commit. 4 Produk. Nol Perlambatan.
Saya melacak pekerjaan lewat git. Ini bukan metrik produktivitas yang sempurna — jumlah baris tidak ada artinya, dan satu commit bisa mewakili apa saja, dari perbaikan typo sampai migrasi database. Tapi secara arah, ini memberi gambaran yang nyata.
Antara 1 Juni dan 31 Juli 2026, di keempat produk yang saya kelola:
-
DIALOGUE (platform podcast): 382 commit. Meluncurkan jaringan podcast Piala Dunia dalam 6 bahasa dengan publishing otomatis ke YouTube, Spotify, dan Apple Podcasts. Membangun kalender konten SEO 41 postingan. Menjalankan framework evaluasi pipeline lengkap dengan 40 episode dan LLM judge yang menilai 7 dimensi per episode.
-
chandlernguyen.com (situs ini + Ask Sydney): 168 commit. Melokalisasi penuh course 7 modul ke bahasa Jepang. Membangun framework eval Sydney 30 pertanyaan dengan penilaian LLM-as-judge. Menyusun ulang system prompt Sydney dari nol. Mendesain ulang homepage.
-
Prova (AI builder coach): 228 commit. Merilis urutan kurikulum terpadu di tiga persona. Membangun pengalaman iPad-native dengan drag-and-drop. Menambahkan sinkronisasi draft lintas perangkat dan jalur reset berbasis brief.
-
STRAŦUM (marketing intelligence): 8 commit. Periode sepi. Kadang tidak merilis apa pun justru keputusan yang tepat.
Saya tidak melambat. Kalau boleh dibilang, saya justru berakselerasi — 786 commit dalam dua bulan adalah periode paling produktif saya sejak mulai membangun secara publik pada 2023.
Modelnya: DeepSeek V4 Pro dengan High Thinking
Model yang saya pakai bukan opsi termurah dari DeepSeek. V4 Flash berharga $0.14 per juta token input (cache miss) dan $0.28 per juta output. Saya memakai versi Pro — $0.435 per juta input, $0.87 per juta output — dengan mode High Thinking aktif. Bukan konfigurasi termurah. Seharusnya saya pindah ke Flash — bahkan lebih murah. Tapi kalau total tagihannya cuma $33, rasa urgensinya tidak ada.
Saya akan mulai lebih sering memakai Flash mulai sekarang. Tapi itu menunjukkan sesuatu tentang psikologi tool yang murah: kalau biayanya sudah cukup rendah, kamu berhenti mengoptimalkan. Kamu tinggal membangun.
Pengganda Cache yang Jarang Dibahas Orang
Ini bagian yang paling penting, dan bagian yang membuat angka-angka di judul di atas bisa terjadi.
OpenCode, coding harness yang saya pakai, memelihara prompt cache DeepSeek. Cache hit rate saya berada di 90-95%+. Ini mengubah ekonominya total:
| Jenis token | Harga per 1 juta token |
|---|---|
| Input (cache miss) | $0.435 |
| Input (cache hit) | $0.003625 |
| Output | $0.87 |
Token input dengan cache hit harganya 120 kali lebih murah daripada token cache miss. Dengan cache hit di atas 90%, biaya input efektifmu hanyalah angka pembulatan. Sebagian besar yang kamu bayar adalah output — kode yang benar-benar dihasilkan, respons yang sebenarnya. Itulah arsitektur yang membuat $33/bulan bisa tercapai dengan pemakaian berat.
Tanpa cache, 4,1 miliar token input dengan $0.435/juta akan menghabiskan sekitar $1,780 — hanya untuk bulan Juni. Dengan cache hit 95%, biaya input efektif turun ke sekitar $7. Modelnya murah. Cache-nya yang membuatnya terasa gratis.
Seperti Apa Kualitasnya di Harga Segini
Pertanyaan jujurnya: apakah DeepSeek V4 Pro menghasilkan kualitas yang sama dengan yang dulu saya dapat dari kombinasi Claude Max + Codex $200/bulan?
Jawabannya: tergantung apa yang kamu ukur, tapi untuk workload saya, jaraknya kecil dan terus mengecil.
Untuk tugas coding: OpenCode + DeepSeek menangani rentang pekerjaan yang sama seperti yang dulu saya kerjakan dengan Claude Code dan Codex — TypeScript, React, Next.js, FastAPI, Python, Swift, migrasi database, konfigurasi YAML, shell script. Perbedaan efisiensi token yang saya perhatikan dengan Codex (sekitar 3x lebih sedikit token daripada Claude untuk pekerjaan setara, seperti yang saya sebut di tulisan bulan Maret) juga berlaku di sini, hanya dengan cara yang berbeda — DeepSeek lebih ringkas. Komentar lebih sedikit, kode lebih banyak.
Untuk tugas menulis: Saya memakai model DeepSeek yang sama untuk menulis — postingan blog, materi course, system prompt — langsung di OpenCode. Siklus editing-nya berbeda dari yang biasa saya rasakan dengan Claude. Gaya default Claude lebih halus; DeepSeek lebih lugas. Tidak ada yang lebih baik. Kamu menyesuaikan prompt-mu.
Untuk eval Sydney: Setelah memindahkan Ask Sydney ke DeepSeek, saya menjalankan evaluasi 30 pertanyaan dengan LLM judge. Hasilnya: kualitas retrieval tidak berubah, akurasi kutipan rata-rata 4,2/5, dan voice fidelity — seberapa mirip suara Sydney dengan saya — mencetak 4,4/5. Yang memang perlu perbaikan adalah grounding sumber untuk topik keuangan dan kesehatan, tapi itu perbaikan prompt engineering, bukan masalah kualitas model. Saya memperketat system prompt — menambahkan aturan yang mewajibkan setidaknya satu kutipan postingan blog per klaim besar pada topik sensitif — lalu redeploy.
Pola yang saya lihat di DIALOGUE maupun Ask Sydney sama saja: di titik harga segini, prompt engineering jauh lebih berbobot. Saat kamu membayar $200 sebulan ke Claude, kamu bisa membiarkan model menyelesaikan masalahnya sendiri. Saat kamu membayar $33, kamu harus lebih spesifik. Kabar baiknya: model ini menuruti instruksi.
Satu Tool, Satu Model. Penyederhanaan Mental yang Jarang Dibahas Orang.
Penghematan biaya memang yang paling diperhatikan orang. Perubahan yang lebih penting: ketika kamu berhenti mengelola banyak langganan dan rantai tool, kamu mendapatkan kembali bandwidth mental.
Setup saya di bulan April: Claude Code untuk pekerjaan arsitektur dan frontend, Codex untuk implementasi, dan API Claude untuk pipeline podcast DIALOGUE. Tiga alur autentikasi berbeda. Tiga perilaku rate limit berbeda. Tiga halaman langganan berbeda untuk diperiksa setiap kali ada yang berhenti bekerja.
Saya tidak merindukan dual-wielding. Sama sekali. Satu tool, satu model, satu mental model tentang bagaimana sistem berperilaku. Saya buka OpenCode. Saya mengetik. Beres.
Itulah ambang batas yang penting. Bukan "apakah ini lebih baik." Yang penting: "apakah sudah cukup baik sehingga harga tidak lagi menjadi variabel."
Realitas Harga — dan Apa yang Terjadi Selanjutnya
Harga DeepSeek saat ini memuat catatan berikut:
Kami berencana menaikkan harga keseluruhan layanan API DeepSeek dalam waktu dekat, dengan kenaikan signifikan yang diperkirakan terjadi.
Harga akan naik. Itu pasti. Bulan dengan $33 tidak akan bertahan di $33 selamanya. Tapi polanya — cukup murah sehingga kamu berhenti mengoptimalkan, cache hit rate yang mengubah biaya input jadi angka pembulatan, prompt engineering yang menutup jarak kualitas — akan bertahan.
Dua bulan berjalan, total $90.10, 786 commit. Saya tidak akan kembali ke rantai tool $300/bulan kecuali ada sesuatu yang memaksa. Dan saya akan mulai lebih sering memakai Flash — karena pada titik ini, kenapa tidak?
Masih coding, masih belajar, masih merilis (dengan $45 sebulan).
Salam hangat, Chandler :P