Model termurah untuk agen coding: perbandingan harga langsung

Model coding agent termurah adalah model yang menyelesaikan perubahan hingga lolos review dengan total biaya terendah, bukan selalu model dengan tarif input terendah. Agent berulang kali mengirim konteks repositori, menerima output tool, melakukan penalaran, menulis patch, dan mungkin memerlukan beberapa perbaikan. Perbandingan ini menggunakan snapshot katalog model langsung GetVibe dari 3 Oktober 2026 dan berfokus pada model yang dapat digunakan dengan workflow coding.

Snapshot harga katalog

Angka berikut adalah USD per satu juta token, input terlebih dahulu lalu output. Sel harga yang ditampilkan diambil dari katalog GetVibe; tanggal mencatat kapan perbandingan ini diperiksa.

Model	Tarif input / output	Uji awal terbaik
GPT-6 Luna	$0.0055 input · $0.0274 output per 1 juta token	Perbaikan kecil, ringkasan, dan iterasi cepat
GPT-6.1 Sol	$0.1096 input · $0.548 output per 1 juta token	Edit multi-langkah dan penalaran yang lebih kuat
GPT-6 Sol	$0.1096 input · $0.548 output per 1 juta token	Bandingkan dengan 6.1 menggunakan prompt yang sudah ada
Claude Sonnet 5.5	$0.168 input · $0.84 output per 1 juta token	Coding berformat Messages dan loop agent

Ini adalah tarif katalog, bukan hasil benchmark. Halaman model tetap menjadi sumber terbaru jika tarif berubah setelah 3 Oktober 2026. Claude Sonnet 5.5 berguna untuk Claude Code karena menerima format Messages; model GPT-6 sebaiknya diuji melalui tool yang kompatibel dengan Responses seperti Codex CLI, bukan melalui Claude Code.

Gunakan pengujian coding yang mengukur pekerjaan yang selesai

Pilih tiga tugas repositori: perbaikan bug terlokalisasi dengan test yang gagal, fitur kecil yang menyentuh beberapa file, dan refactor dengan persyaratan eksplisit tanpa perubahan perilaku. Bekukan commit Git, instruksi, izin tool, dan perintah test yang sama untuk setiap proses. Nilai apakah tugas sudah benar, apakah test berhasil, berapa banyak giliran perbaikan yang diperlukan, dan berapa lama seluruh perubahan selesai.

Jangan hanya membandingkan jawaban akhir. Model dapat menghasilkan patch yang terlihat meyakinkan tetapi gagal dalam test, sehingga memerlukan giliran panjang lainnya. Catat penggunaan input dan output untuk setiap giliran, termasuk hasil tool dan prompt perbaikan. Hitung biaya per perubahan yang lolos test. Jalankan setidaknya beberapa sampel per tugas; satu respons yang kebetulan berhasil bukanlah peringkat yang stabil.

Mengapa tarif token murah tetap bisa lebih mahal

Agent sering mengirim ulang prefix yang besar: instruksi sistem, catatan repositori, skema tool, dan percakapan sebelumnya. Token output dapat menjadi komponen biaya yang lebih besar daripada yang disiratkan oleh prompt singkat. Model yang memerlukan dua giliran perbaikan bisa lebih mahal daripada model yang tarif per tokennya lebih tinggi tetapi menghasilkan patch yang berfungsi dalam satu kali proses. Cache read dapat mengubah biaya input berulang, tetapi pastikan input yang di-cache tercatat dalam usage sebelum menghitung penghematan.

Jaga agar konteks tetap fokus. Abaikan output build, dependensi, snapshot yang dihasilkan, dan package yang tidak terkait. Minta agent memeriksa hanya file yang kemungkinan relevan terlebih dahulu. Ini mengurangi token dan sering kali meningkatkan fokus. Gunakan panduan prompt caching untuk prefix berulang yang stabil.

Model mana yang sebaiknya Anda mulai gunakan?

GPT-6 Luna: baseline berbiaya rendah yang masuk akal untuk perubahan rutin dengan cakupan jelas. Periksa halaman model untuk konteks dan fiturnya, lalu naikkan ke model lain untuk tugas yang gagal.
GPT-6.1 Sol: bandingkan pada tugas yang membutuhkan perencanaan dan penalaran di beberapa file. Harganya berada di bawah GPT-6 Sol dalam snapshot katalog ini.
GPT-6 Sol: tetap sertakan dalam matriks jika prompt yang sudah ada bergantung pada perilakunya; gunakan hasil pengukuran untuk memutuskan apakah perpindahan model akan membantu.
Claude Sonnet 5.5: sertakan untuk Claude Code dan workflow berbasis Messages. Path dan semantik tool-nya berbeda dari Codex berbasis Responses, jadi bandingkan hasilnya alih-alih menganggap client tersebut identik.

Buat perbandingan yang dapat direproduksi

Gunakan API yang kompatibel dengan OpenAI dengan key di environment untuk client berbasis SDK:

export GETVIBE_API_KEY="your-dashboard-key"
python - <<'PY'
import os
from openai import OpenAI

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key=os.environ["GETVIBE_API_KEY"])
result = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "Periksa src/parser.py dan perbaiki edge case yang gagal. Jalankan test yang relevan."}],
    max_tokens=1200,
)
print(result.choices[0].message.content)
PY

Gunakan endpoint yang persis didukung oleh client agent. Untuk Codex CLI, gunakan konfigurasi Responses API; untuk Claude Code, gunakan konfigurasi Messages. Pertahankan prompt izin dan jalankan agent di branch agar Anda dapat meninjau diff konkret.

Aturan pengambilan keputusan

Pilih kandidat dengan biaya terendah yang memenuhi target pass rate dan anggaran latensi Anda pada tugas repositori sendiri. Pertahankan set evaluasi yang tetap dan jalankan ulang ketika katalog, versi agent, atau prompt berubah. Simpan tanggal, ID model, usage, dan hasil test bersama setiap observasi. Snapshot katalog 3 Oktober 2026 ditautkan melalui halaman model; gunakan halaman tersebut untuk harga saat ini, bukan menyalin nilai lama ke spreadsheet.

Perkirakan total biaya tugas

Untuk perencanaan, pisahkan penggunaan input dan output. Jika sebuah tugas menggunakan 40,000 token input dan 2,000 token output, hitung setiap komponen menggunakan tarif per juta saat ini dari halaman model yang dipilih, lalu jumlahkan. Ini hanya baseline: input yang di-cache, biaya minimum per request, beberapa giliran agent, dan retry dapat mengubah tagihan sebenarnya. Gunakan detail usage setelah test dijalankan untuk mengganti perkiraan dengan total yang teramati.

Jangan menyamakan ukuran konteks dengan token yang ditagihkan. Konteks maksimum model menjelaskan jumlah yang dapat diterima, bukan biaya setiap request. Cegah coding agent memuat seluruh repositori ketika hanya beberapa file yang relevan. Konteks yang dipilih secara selektif sering meningkatkan kualitas jawaban dan mengurangi jumlah token yang dikirim.

Lacak sinyal kualitas yang memengaruhi biaya

Untuk setiap proses, catat apakah patch dapat diterapkan dengan bersih, apakah test yang relevan berhasil, berapa banyak pemanggilan tool yang gagal, berapa banyak giliran perbaikan yang terjadi, dan apakah reviewer menerima perubahan tersebut. Model yang memerlukan banyak retry dapat memiliki biaya per perubahan yang diterima lebih tinggi meskipun tarif token yang ditampilkan lebih rendah. Latensi juga penting: rute paling lambat mungkin sesuai untuk pekerjaan semalaman, tetapi tidak cocok untuk editor interaktif.

Pisahkan error model dari error harness. Perintah test yang hilang, checkout yang sudah usang, atau penolakan izin tidak boleh dinilai sebagai kegagalan penalaran. Simpan trace dengan ID tugas, ID model, SHA repositori, dan kategori error yang telah disunting agar tim dapat mengulangi perbandingan yang sama di kemudian hari.

Gunakan workflow dua tingkat hanya jika didukung bukti

Salah satu strategi biaya adalah mencoba model berbiaya lebih rendah untuk edit rutin dan menaikkan tugas ke model lain setelah sinyal deterministik, seperti test yang gagal atau output terstruktur yang tidak valid. Ini dapat menghemat biaya ketika sebagian besar tugas bersifat sederhana. Namun, strategi ini juga dapat menambahkan proses konteks penuh kedua pada tugas yang sulit. Ukur tingkat eskalasi dan total penggunaan sebelum menerapkan strategi tersebut.

Jadikan pemilihan model fallback eksplisit dalam konfigurasi aplikasi. Jika reproduktibilitas penting, laporkan model mana yang menangani setiap tugas. Jangan diam-diam memanggil model publik yang berbeda sambil memberi tahu developer bahwa perubahan tersebut berasal dari model awal.