Audit de ma Consommation LLM : SQLite, OpenCode, Ollama Cloud, et Pourquoi Mon Abonnement Pro Éclate le Marché Mondial
Diterbitkan 18 May 2026
- Memahami Stack: Siapa melakukan apa?
- Pendahuluan: Mengapa audit?
- Basis Data OpenCode: Tambang Emas
- Hasil : 73 Hari Konsumsi
- Perbandingan Tarif — Penyedia Barat
- Perbandingan Tarif — Pemasok Tiongkok
- Tabel Ringkasan — Semua Penyedia
- Biaya Tersembunyi: Prompt Engineering dan Iterasi
- Menggabungkan Langganan Ollama Cloud Pro: Metode Docker
- Apa yang Tidak Diukur oleh Audit
- Kesimpulan : Putusan Angka
- Referensi
Saya sering ditanya berapa biaya konsumsi AI saya. Saya menjawab « 20 euro per bulan » dan mereka menatap saya dengan mata bulat. Hari ini, saya membuka kotak hitam untuk Anda. Artikel ini adalah audit lengkap dari 73 hari vibe coding saya: metodologi untuk mengekstrak data dari basis SQLite OpenCode, kode SQL untuk mengueri tabel, dan perbandingan komprehensif dengan semua penyedia di pasar — Barat seperti juga Cina. Hasilnya sangat tidak simetris hingga saya harus memeriksa perhitungan saya tiga kali.
Memahami Stack: Siapa melakukan apa?
Sebelum menyelami angka, mari kita jelaskan arsitektur. Tiga aktor berbeda ada dalam setup saya, dan penting untuk tidak salah mengidentifikasi mereka:
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title Tiga Aktor dalam Stack LLM Saya
left to right direction
actor "Saya (Pengembang)" as Dev
package "OpenCode\n(github.com/anomalyco/opencode)" as OC {
rectangle "CLI vibe coding\nOpen source, gratis" as CLI
note right of CLI
Ini adalah alat yang saya gunakan
untuk mengoding dengan agen AI.
Alat ini TIDAK menyediakan model apa pun.
Ini adalah terminal + orkestrator.
end note
}
package "Ollama (Instalasi Lokal)" as OL {
rectangle "Klien inferensi\nTerinstal di mesin saya" as Client
note right of Client
Ini adalah perangkat lunak yang menjalankan model-model tersebut. Ia dapat mengeksekusinya secara lokal ATAU mendelegasikannya ke cloud tergantung pada tag (:cloud).
Ia melakukan autentikasi melalui kunci SSH.
end note
}
package "Ollama Cloud\n(ollama.com)" as OCloud {
rectangle "Layanan inferensi cloud\nLangganan Pro: 20€/bulan" as Cloud
note right of Cloud
Ini adalah penyedia inferensi.
Model saya dengan tag `:cloud`
dijalankan di server MEREKA.
Langganan Pro memberikan akses
ke kuota yang lebih tinggi.
end note
}
Dev --> CLI : "Saya mengetik prompt"
CLI --> Client : "Memanggil model ini"
Client --> Cloud : "Kunci SSH + permintaan\n(model :cloud)"
Client --> Client : "Eksekusi lokal\n(model tanpa :cloud)"
@enduml
|
OpenCode BUKAN seorang penyedia model.Ini adalah CLI sumber terbuka (github.com/anomalyco/opencode) yang mengorkestrasi agen AI. Tidak menjual langganan, tidak menyediakan inferensi. Ini ekuivalen dengan`git`untuk pembuatan versi: sebuah alat, bukan layanan. Ollama Cloud adalah penyedia inferensi.Instalasi lokal Ollama saya berperangai sebagai client — ia mengautentikasi diri kepada server Ollama melalui kunci SSH unik (Device Key) dan mendelegasikan eksekusi model yang ditandai kepada mereka`:cloud`. Langganan Pro (20€/bulan) membuka kuota yang lebih tinggi dan memungkinkan menggabungkan beberapa akun pada satu mesin melalui Docker. |
Pendahuluan: Mengapa audit?
Dua bulan lalu, saya menggunakan model secara gratis di instalasi lokal Ollama saya. Kemudian saya berlangganan pertama Ollama Cloud Pro seharga 20€/bulan, yang memungkinkan saya menggunakan model cloud (yang memiliki tag`:cloud`) via penyedia`ollama-cloud`. Sebuah langganan kedua mengikuti sebulan kemudian, pada instance Docker terpisah dengan akun dan kunci SSH milik sendiri — metode akumulasi yang dijelaskan dalam artikel saya tentang akumulasi langganan.
Pertanyaan yang mengganggu saya: apakah 20€ per bulan ini sudah layak ? Tidak dengan tebak-tebakan. Dengan angka.
Untuk menjawab, saya membutuhkan data yang tepat. Bukan estimasi. Bukan rata-rata. Konsumsi saya yang sebenarnya, token demi token, model demi model, sesi demi sesi.
Dan OpenCode — CLI-nya — menyimpan semua itu di database SQLite.
Basis Data OpenCode: Tambang Emas
OpenCode menyimpan seluruh riwayat sesi-nya dalam file SQLite yang terletak di`~/.local/share/opencode/opencode.db`. La mienne pèse 660 Mo pour 73 jours d’utilisation — une base de données de production tout à fait respectable.
$ ls -lh ~/.local/share/opencode/opencode.db
-rw-r--r-- 1 cheroliv cheroliv 660M mai 18 12:25 opencode.db
Skema
Basis data berisi sekitar dua puluh tabel, tetapi tiga di antaranya sangat penting untuk audit kami :
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title Skema Sederhana — OpenCode SQLite
entity "sesi" as S {
* id : TEXT
--
* model : TEXT (JSON)
* cost : REAL
* tokens_input : INTEGER
* tokens_output : INTEGER
* tokens_reasoning : INTEGER
* tokens_cache_read : INTEGER
* tokens_cache_write : INTEGER
* time_created : INTEGER
* project_id : TEXT
}
entity "pesan" as M {
* id : TEXT
--
* session_id : TEXT <<FK>>
* data : TEXT (JSON)
* time_created : INTEGER
}
entity "proyek" as P {
* id : TEXT
--
* worktree : TEXT
* name : TEXT
}
S ||--o{ M : "session_id"
S }o--|| P : "project_id"
note right of S
Tabel session menggabungkan
tokens + biaya + model.
Ini adalah titik masuk
utama kami.
end note
note right of M
Pesan individu.
Kolom `data` berisi
model yang digunakan (format JSON)
meskipun sesi berubah
model di tengah jalan.
end note
@enduml
Meja`session`adalah sempurna untuk audit global: setiap sesi memiliki jumlah token yang diagregasikan, model yang digunakan, dan biayanya. Kolom`model`adalah JSON mentah :
{
"id": "deepseek-v4-pro:cloud",
"providerID": "ollama-cloud",
"variant": "default"
}
|
Lapangan`cost`dalam basis OpenCode hanya mencerminkan biaya API eksternal yang dibayar sesuai penggunaan melalui kunci API (Google Gemini, OpenAI, dst.). Panggilan melalui Ollama — baik lokal maupun melalui Ollama Cloud Pro — ditandai`cost=0`karena biayanya adalah tarif tetap (langganan), bukan per token. Biaya sebenarnya dari panggilan-panggilan ini adalah langganan bulanan. |
Kode Ekstraksi
Tidak perlu menginstal apa pun. Node.js 22+ menyertakan modul SQLite eksperimental (node:sqlite) yang berfungsi dengan sempurna. Berikut skrip yang memberi saya semuanya:
const { DatabaseSync } = require('node:sqlite');
const db = new DatabaseSync(
`${process.env.HOME}/.local/share/opencode/opencode.db`,
{ readonly: true }
);
// 1. Statistiques globales
const global = db.prepare(`
SELECT
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(tokens_reasoning) as total_reasoning,
SUM(tokens_cache_read) as total_cache_read,
SUM(cost) as total_cost
FROM session
`).get();
// 2. Ventilation par modèle et fournisseur
const byModel = db.prepare(`
SELECT
json_extract(model, '$.id') as model_id,
json_extract(model, '$.providerID') as provider,
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(cost) as total_cost
FROM session
WHERE model IS NOT NULL
GROUP BY model_id, provider
ORDER BY SUM(tokens_input) DESC
`).all();
// 3. Par mois
const monthly = db.prepare(`
SELECT
strftime('%Y-%m', datetime(time_created/1000, 'unixepoch')) as month,
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(cost) as total_cost
FROM session
WHERE time_created IS NOT NULL
GROUP BY month
ORDER BY month
`).all();
// 4. Messages par modèle (détection des changements intra-session)
const msgByModel = db.prepare(`
SELECT
json_extract(m.data, '$.model.providerID') as provider,
json_extract(m.data, '$.model.modelID') as model_id,
COUNT(*) as messages
FROM message m
WHERE json_extract(m.data, '$.model') IS NOT NULL
GROUP BY provider, model_id
ORDER BY COUNT(*) DESC
`).all();
console.log({ global, byModel, monthly, msgByModel });
db.close();
|
Bendera`--experimental-sqlite`diperlukan pada Node.js 22.x. Pada Node.js 24+, modul ini stabil dan tidak lagi memerlukan flag. |
Hasil : 73 Hari Konsumsi
Tampilan Global
| metrik | Nilai | konteks |
|---|---|---|
Sesi OpenCode |
1 022 |
~14 sesi/hari rata-rata |
Masukan Token |
2,62 miliar |
Dari mana 94,5M cache hit |
Tokens Output |
21 juta |
Ratio input/output ~125:1 |
Token Penalaran |
141 000 |
Sangat kecil — hampir tidak ada pemikiran |
Biaya API eksternal |
$0,22 |
Biaya di luar langganan (Gemini + free tiers) |
Angka \$0,22 ini penting: ini mewakili semua yang saya bayar di atas langganan Ollama Cloud Pro saya. Artinya hampir tidak ada. Langganan mencakup intinya.
@startuml skinparam backgroundColor #FEFEFE skinparam defaultFontSize 12 title Évolution Mensuelle — Tokens Input rectangle "Mars 2026\n9 sessions\n37,7M tokens" as MARS #FFE082 rectangle "Avril 2026\n486 sessions\n1,33 Md tokens" as AVR #81C784 rectangle "Mai 2026\n527 sessions\n1,25 Md tokens" as MAI #64B5F6 MARS -right-> AVR : ×35 AVR -right-> MAI : stable (période en cours) note bottom of MAI Mai comptabilisé jusqu'au 18. Projection mois complet : ~2,1 Md tokens si la tendance se maintient. end note @enduml
Pembangkitan antara Maret dan April spektakuler: ×35 dalam sebulan. Ini adalah transisi dari penggunaan « test » ke penggunaan « production » — ketika saya mulai menjalankan agen OpenCode secara kontinu untuk plugin Gradle saya.
Ventilasi berdasarkan Model dan Penyedia
Bidang`model`dari meja`session`merupakan JSON,`json_extract()`memungkinkan ventilasi dengan baik :
| Model × Penyedia | Sesi | (empty) | keluaran | Biaya |
|---|---|---|---|---|
deepseek-v4-pro @ ollama-cloud |
63 |
220 M |
1,94 M |
\$0 |
deepseek-v4-pro @ ollama-b |
124 |
463 M |
4,15 M |
\$0 |
deepseek-v4-pro @ ollama |
100 |
252 M |
2,25 M |
\$0 |
deepseek-v4-flash-free @ opencode |
16 |
1,3 M |
279 K |
\$0 |
qwen3.6-plus-free @ opencode |
1 |
369 K |
25 K |
\$0 |
gemini-2.5-flash @ google |
1 |
211 K |
19 K |
\$0,04 |
|
Tiga penyedia berbeda untuk tepat sama model DeepSeek V4 Pro:
* |
Model Intra-Sesi : Apa yang tidak terlihat oleh Tabel Sesi
Meja`session`hanya menangkap model utama dari sesi. Namun selama satu sesi yang sama, agen OpenCode dapat beralih antara beberapa model. Tabel`message`mengungkapkan :
Modèles utilisés dans les messages (ollama-cloud provider) :
├─ deepseek-v4-pro 1 441 msgs (32%)
├─ qwen3.5:397b 1 217 msgs (27%)
├─ glm-5.1 712 msgs (16%)
├─ kimi-k2.6:cloud 634 msgs (14%)
├─ qwen3-coder:480b 414 msgs (9%)
├─ gpt-oss:20b 34 msgs (0,8%)
├─ qwen3-coder-next 27 msgs (0,6%)
└─ gemma4:31b 7 msgs (0,2%)
|
Saya tidak lagi menggunakan Qwen, GLM, Kimi maupun model-model lainnya. Mereka muncul di riwayat karena saya telah mencoba banyak hal di April. Sejak pertengahan Mei, saya terkunci pada DeepSeek V4 Pro — ia adalah satu-satunya yang mampu menahan beban pada konteks panjang dengan governance agen (lihat perbandingan saya Kimi/GLM/DeepSeek). 32% pesan DeepSeek di riwayat adalah menyesatkan: hari ini itu 100%. |
Perbandingan Tarif — Penyedia Barat
Pertanyaan yang menyakitkan: berapa biaya konsumsi yang sama dengan penyedia tradisional ?
Dasar perhitungan saya untuk perbandingan :220M tokens input + 1,9M tokens output— hanya volume yang dilewati oleh`ollama-cloud`(yang satu-satunya yang sesuai dengan langganan berbayar saya). Sisa 716M gratis (Ollama lokal dan instance Docker B).
| pemasok | model | \$/M | keluaran $/M | Biaya/bulan | × abonemen saya |
|---|---|---|---|---|---|
Setup saya |
DeepSeek V4 Pro |
0 |
0 |
\~20€ |
1× |
Anthropic — Claude
| Model | $/M | Keluaran \$/M | Biaya/bulan | × langganan saya |
|---|---|---|---|---|
Opus 4.7 |
\$5 |
\$25 |
\$1 148 |
57× |
Sonnet 4.6 |
\$3 |
\$15 |
\$689 |
34× |
Haiku 4.5 |
\$1 |
\$5 |
\$230 |
11× |
Bahkan Haiku 4.5, model paling « ekon omi » dari Claude, biayanya 11× langganan saya. Dan ia tidak mengenal apa-apa dari kode saya, tidak menghasilkan dalam gaya saya, dan halusinasi terhadap API Gradle Kotlin DSL.
OpenAI — GPT
| Model | $/m | Keluaran $/M | Biaya/bulan | × langganan saya |
|---|---|---|---|---|
GPT 5.5 |
\$5 |
\$30 |
\$1 157 |
58 kali |
GPT 5.4 |
\$2,50 |
\$15 |
\$579 |
29× |
GPT 5.4 Mini |
\$0,75 |
\$4,50 |
\$174 |
9× |
Google — Gemini
| model | \$/M | $/M | Biaya/bulan | × langganan saya |
|---|---|---|---|---|
Gemini 3.1 Pro |
\$2,00 |
\$10 |
\$459 |
23× |
Gemini 3 Flash |
\$0,30 |
\$1,50 |
\$69 |
3,5× |
Gemini 3 Flash berharga 69€ adalah kompetitor « proche » yang satu-satunya dalam harga murni — tapi ini adalah model ringan padat, bukan MoE 1.6T seperti DeepSeek V4 Pro. Kualitas kode yang dihasilkan tidak berhubungan sama sekali.
Penyedia Inferensi HuggingFace
HuggingFace tidak melakukan inferensi sendiri — ia mengagregasi providers pihak ketiga (Novita, Together, DeepInfra, Cerebras, SambaNova, Fireworks, Groq…) melalui API yang terpadu. Kita memilih provider yang termurah atau tercepat. Berikut tarif yang dicatat pada Mei 2026 untuk DeepSeek V4 Pro :
| penyedia HF | \$/M | $/M | Biaya/bulan | × langganan saya |
|---|---|---|---|---|
Novita (termurah) |
\$1,67 |
\$3,38 |
$374 |
19× |
DeepInfra |
\$1,74 |
\$3,48 |
\$389 |
19 kali |
Bersama |
\$2,10 |
\$4,40 |
$470 |
23× |
kembang api |
tarif tidak publik |
— |
(empty) |
— |
Meski provider termurah di HuggingFace (Novita) menagih 19× harga langganan saya. Berbeda dengan Ollama Cloud, HuggingFace menagih en plus biaya platform jika Anda tidak memiliki langganan PRO HF ($9/bulan).
Groq
Groq tidak memiliki satu pun model yang saya gunakan — katalog mereka hanya mencakup GPT-OSS, Llama, dan Qwen 32B. Tidak dapat dibandingkan.
Perbandingan Tarif — Pemasok Tiongkok
Uji yang sebenarnya adalah pasar China. Jika DeepSeek adalah model China, API aslinya seharusnya lebih murah, bukan?
API Langsung DeepSeek (platform.deepseek.com)
| Periode | $/M | Keluaran $/M | Biaya/bulan |
|---|---|---|---|
Promo -75% (akhir 31 Mei) |
\$0,435 |
\$0,87 |
98 dolar |
Tarif penuh (mulai Juni) |
\$1,74 |
\$3,48 |
$390 |
Bahkan dengan promosi agresif DeepSeek (-75% diperpanjang), biaya API langsung5×lebih mahal. Di tarif normal,20×. Dan ini hanya DeepSeek — tidak ada akses ke model lain.
Kimi Moonshot (platform.kimi.com)
Kimi hanya menawarkan model-modelnya sendiri. Tidak ada DeepSeek.
Alibaba Bailian (bailian.aliyun.com)
Penyedia tunggal yang mengagregasi semua model China — tetapi melalui penjualan ulang dengan margin. Harga diisi secara dinamis dengan JavaScript, sehingga scraping menjadi tidak mungkin.
Tabel Ringkasan — Semua Penyedia
| pemasok | model | $/M | Keluaran \$/M | Biaya/bulan | × langganan saya |
|---|---|---|---|---|---|
Ollama Cloud Pro |
DeepSeek V4 Pro |
0 |
0 |
~20€ |
1× |
Gemini 3 Kilat |
Gemini 3 Flash |
\$0,30 |
\$1,50 |
\$69 |
3,5× |
DeepSeek API (promosi) |
DeepSeek V4 Pro |
\$0,44 |
\$0,87 |
\$98 |
5× |
GPT 5.4 Mini |
GPT 5.4 Mini |
\$0,75 |
\$4,50 |
\$174 |
9× |
Claude Haiku 4.5 |
Claude Haiku 4.5 |
\$1 |
\$5 |
\$230 |
11× |
HuggingFace/Novita |
DeepSeek V4 Pro |
\$1,67 |
\$3,38 |
\$374 |
19× |
DeepSeek API (biasa) |
DeepSeek V4 Pro |
\$1,74 |
\$3,48 |
\$390 |
20× |
Together AI |
DeepSeek V4 Pro |
\$2,10 |
\$4,40 |
\$470 |
23× |
GPT 5.4 |
GPT 5.4 |
\$2,50 |
\$15 |
\$579 |
29× |
Claude Sonnet 4.6 |
Claude Sonnet 4.6 |
\$3 |
\$15 |
\$689 |
34× |
Claude Opus 4.7 |
Claude Opus 4.7 |
\$5 |
\$25 |
\$1 148 |
57× |
GPT 5.5 |
GPT 5.5 |
\$5 |
\$30 |
\$1 157 |
58× |
@startuml skinparam backgroundColor #FEFEFE skinparam defaultFontSize 11 title Estimasi Biaya Bulanan — 220M Input + 1,9M Output rectangle "Ollama Cloud Pro\n~20€" as OC #4CAF50 rectangle "Gemini Flash\n\$69" as GF #8BC34A rectangle "DeepSeek promo\n\$98" as DSP #FFC107 rectangle "GPT Mini\n\$174" as GM #FF9800 rectangle "Claude Haiku\n\$230" as CH #FF5722 rectangle "HF/Novita\n\$374" as HF #F44336 rectangle "DeepSeek normal\n\$390" as DSN #F44336 rectangle "GPT 5.4\n\$579" as G4 #D32F2F rectangle "Claude Sonnet\n\$689" as CS #D32F2F rectangle "Claude Opus\n\$1 148" as CO #B71C1C rectangle "GPT 5.5\n\$1 157" as G5 #880E4F note bottom of OC DeepSeek V4 Pro 1.6T MoE + akses ke seluruh katalog Ollama Cloud (Qwen, GLM, Kimi...) Termasuk dalam langganan end note @enduml
Biaya Tersembunyi: Prompt Engineering dan Iterasi
Biaya token hanya bagian dari persamaan. Biaya yang sebenarnya adalah waktu pengembang.
Dengan OpenCode + Ollama Cloud Pro + agen governan saya (EAGER/LAZY/Hot/Warm/Cold, dijelaskan dalam artikel tentang governan), saya dapat :
-
0 prompt engineering berulang: konteks disuntikan secara otomatis
-
90%+ benar pada percobaan pertama: kode berhasil dikompilasi pada percobaan pertama
-
Tidak ada halusinasi deepseek selama 8 sesi berturut-turut(dokumentasi dalam perbandingan Kimi/GLM/DeepSeek)
Dengan Claude atau GPT tanpa fine-tune maupun tata kelola :
-
2-3 iterasi per tugas secara rata-rata
-
Prompt engineering sistematik
-
Halusinasi terhadap API Kotlin/Gradle ketika konteks melebihi 30K token
Biaya « efektif » bulanan — tokens × iterasi × waktu koreksi — adalah 27× hingga 54× dari solusi saya, seperti yang saya demonstrasikan dalam artikel tentang rasio efektivitas.
__ Bukan hanya soal harga per token. Claude Opus dengan harga 57× yang memerlukan 3× lebih banyak iterasi, ini biaya efektif ~170× lebih tinggi. Untuk mengatakan dengan terang: membayar seorang magang dengan gaji seorang partner McKinsey. </think> (empty)
Menggabungkan Langganan Ollama Cloud Pro: Metode Docker
Jika satu langganan tidak cukup, kita menggabungkannya. Prinsipnya adalah mengisolasi setiap langganan dalam instalasi Ollama masing-masing, dengan kunci SSH otentikasi masing-masing. Docker membuatnya trivial.
Metode lengkapnya dijelaskan dalam artikel tentang penumpukan Docker, ini prinsipnya:
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title Arsitektur — Dua Langganan Ollama Cloud Pro pada Satu Mesin
left to right direction
node "Mesin Fisik Saya" {
frame "Ollama Instance A (native)\nport :11434" as Native {
database "Identity A\n/usr/share/ollama/.ollama/id_ed25519"
}
frame "Ollama Instance B (Docker)\nport :11435" as Docker {
database "Identity B\n~/ollama-b-data/id_ed25519"
}
}
cloud "Ollama Cloud" {
actor "Akun Pro A\n(email 1)" as A
actor "Akun Pro B\n(email 2)" as B
}
Native --> A : "Device Key A"
Docker --> B : "Device Key B"
note bottom of Docker
Kontainer Docker terisolasi:
- Kunci SSH terpisah
- Port jaringan terpisah (11435)
- Volume persisten (~/ollama-b-data)
- restart: always
end note
@enduml
Pola itu sederhana:
-
Membuat volume`~/ollama-b-data`
-
Menjalankan kontainer Docker`ollama/ollama:0.20.2`dipesetakan pada`11435:11434`
-
Mengambil kunci SSH dari kontainer → menyimpannya di ollama.com
-
Melakukan`ollama signin`dengan email kedua
-
Mengkonfigurasi OpenCode dengan dua penyedia (`ollama`pada :11434,`ollama-b`pada :11435)
Dua akun, satu kartu biru, tanpa konflik.
Apa yang Tidak Diukur oleh Audit
| area buta | Dampak |
|---|---|
Kualitas kode yang dihasilkan |
2,6 miliar token tidak memberitahu apakah kode dapat dikompilasi. Delapan sesi DeepSeek V4 Pro saya memiliki tingkat first-shot >90%. |
Ekosistem OpenCode |
CLI gratis, tetapi nilai-nya (agen, sandbox, riwayat, caching prompt) sangat besar. Tidak termasuk dalam harga langganan — ini adalah alat terpisah. |
Biaya peluang |
Menghabiskan 2 jam per hari untuk debug halusinasi dari model yang kurang unggul membiayai lebih mahal daripada 20€/bulan. |
Kepiayaan hati |
Paket tetap = tidak ada kejutan. Dengan per-token, lonjakan aktivitas bisa sangat menyakitkan. |
|
Harga yang disebut adalah harga Mei 2026. Dalam enam bulan, semuanya akan menurun. Namun perbandingan kekuatan struktural — langganan tetap vs pembayaran per penggunaan — akan tetap menguntungkan untuk langganan bagi konsumen besar. |
Kesimpulan : Putusan Angka
Setelah 73 hari, 1 022 sesi OpenCode, dan 2,6 miliar token :
| metrik | Putusan |
|---|---|
Biaya API eksternal kumulatif |
$0.22(hampir nol) |
Biaya langganan Ollama Cloud Pro |
~20 euro/bulan |
Setara Claude Opus |
$1 148/bulan— 57× lebih mahal |
Setara GPT 5.5 |
$1 157/bulan— 58× lebih mahal |
Setara HuggingFace/Novita |
\$374/bulan— 19× lebih mahal |
Setara langsung dengan API DeepSeek |
$390/bulan— 20× lebih mahal |
Ekivalen termurah (Gemini Flash) |
$69/bulan— 3,5× lebih mahal, model yang lebih rendah |
Penawaran terbaik di pasar |
Ollama Cloud Pro seharga 20€/bulan— tak terkalahkan |
(No content) Dengan biaya 20€ per bulan untuk mengakses DeepSeek V4 Pro (1,6T parameter, MoE, CSA+HCA, konteks 1M) melalui Ollama Cloud, saya memiliki nilai terbaik di pasar dunia. Bahkan penyedia China langsung 5× hingga 20× lebih mahal. Bahkan HuggingFace, dengan agregasinya dari penyedia low-cost, adalah 19× lebih mahal. Pasar Barat (Claude, GPT) berada pada angka 50-60× — sebuah planet lain.
Rasio ini sangat tidak seimbang sehingga tidak bisa bertahan selamanya. Nikmati selagi masih ada. </think>
Ya, 20 balles saya setiap bulan, ini adalah investasi teknis terbaik dalam hidup saya sebagai pengembang. Dan sekarang kamu memiliki angka untuk membuktikannya.
Referensi
-
Artikel 0119 — Perbandingan Benchmark DGX Spark vs Cloud vs Langganan LLM
-
Article 0120 — Menggabungkan Dua Langganan Ollama Cloud Pro dengan Docker
-
Article 0121 — Plugin Gradle pour Piloter Deux Instances Ollama