<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: Walse</title>
    <description>The latest articles on DEV Community by Walse (@walse).</description>
    <link>https://dev.to/walse</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F2112661%2Fe62db7e6-764e-4e09-ade6-b75346d4aa5b.jpeg</url>
      <title>DEV Community: Walse</title>
      <link>https://dev.to/walse</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/walse"/>
    <language>en</language>
    <item>
      <title>Firecrawl Self-Hosted vs Firecrawl Local: Apa yang Berubah</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 08:35:22 +0000</pubDate>
      <link>https://dev.to/walse/firecrawl-self-hosted-vs-firecrawl-local-apa-yang-berubah-562f</link>
      <guid>https://dev.to/walse/firecrawl-self-hosted-vs-firecrawl-local-apa-yang-berubah-562f</guid>
      <description>&lt;p&gt;Firecrawl self-hosted dulu hanya berarti satu hal: clone repo, jalankan Docker Compose, lalu jaga agar API, layanan Playwright, Redis, RabbitMQ, dan Postgres tetap hidup di mesin Anda. Pada 18 November 2026, Firecrawl merilis opsi kedua. Firecrawl Local adalah satu binary Rust yang melakukan scrape, crawl, dan map situs ke markdown serta melayani API v2 yang sama di &lt;code&gt;localhost:3002&lt;/code&gt;, tanpa database, queue, atau container.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Jawaban singkat:&lt;/strong&gt; pilih Firecrawl Local jika Anda ingin scrape, crawl, map, dan batch scrape di laptop atau di toolbelt agen tanpa infrastruktur apa pun. Pertahankan stack Docker self-hosted jika Anda membutuhkan job persisten, format &lt;code&gt;json&lt;/code&gt; dan &lt;code&gt;summary&lt;/code&gt;, ekstraksi LLM melalui model Anda sendiri, atau route search yang tidak pernah menyentuh Firecrawl Cloud.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa itu Firecrawl self-hosted, dan apa itu Firecrawl Local?
&lt;/h2&gt;

&lt;p&gt;Firecrawl self-hosted adalah server Firecrawl lengkap dari &lt;code&gt;apps/api&lt;/code&gt;, yang dijalankan di infrastruktur Anda sendiri dengan Docker Compose. Firecrawl Local adalah build terpisah yang lebih ringan di &lt;code&gt;apps/local&lt;/code&gt;: satu binary yang mengambil dan membersihkan halaman di mesin Anda menggunakan kode pembersihan HTML yang sama, lalu menyerahkan search, halaman terblokir, dan Alexandria ke Firecrawl Cloud.&lt;/p&gt;

&lt;p&gt;Keduanya berada di &lt;a href="https://github.com/firecrawl/firecrawl" rel="noopener noreferrer"&gt;repositori GitHub Firecrawl&lt;/a&gt;, keduanya melayani API v2 di port 3002, dan keduanya open source di bawah AGPL-3.0. Firecrawl Local tidak menggantikan server. &lt;a href="https://github.com/firecrawl/firecrawl/tree/main/apps/local" rel="noopener noreferrer"&gt;README Firecrawl Local&lt;/a&gt; menyatakannya secara langsung: panduan self-hosting "berada di &lt;code&gt;apps/api&lt;/code&gt; dan tidak berubah oleh Firecrawl Local."&lt;/p&gt;

&lt;p&gt;Baru mengenal Firecrawl? Mulailah dengan &lt;a href="https://apidog.com/id/blog/firecrawl-web-scraping?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan web scraping Firecrawl&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Firecrawl Local vs Firecrawl self-hosted secara singkat
&lt;/h2&gt;

&lt;p&gt;Berikut versi ringkasnya, disusun dari &lt;a href="https://docs.firecrawl.dev/contributing/self-host" rel="noopener noreferrer"&gt;panduan self-hosting&lt;/a&gt;, &lt;a href="https://docs.firecrawl.dev/contributing/open-source-or-cloud" rel="noopener noreferrer"&gt;halaman open source vs cloud&lt;/a&gt;, dan README Local, semuanya dibaca pada 19 November 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Fitur&lt;/th&gt;
&lt;th&gt;Firecrawl self-hosted&lt;/th&gt;
&lt;th&gt;Firecrawl Local&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Yang Anda jalankan&lt;/td&gt;
&lt;td&gt;Stack Docker Compose: api, playwright-service, redis, rabbitmq, nuq-postgres&lt;/td&gt;
&lt;td&gt;Satu binary, &lt;code&gt;firecrawl-local&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Instalasi&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;git clone&lt;/code&gt;, tulis &lt;code&gt;.env&lt;/code&gt;, &lt;code&gt;docker compose up --build -d&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;&lt;code&gt;cargo install firecrawl-local&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Prasyarat&lt;/td&gt;
&lt;td&gt;Git, Docker Engine, Compose v2&lt;/td&gt;
&lt;td&gt;Rust dan compiler C; Chrome dan Node 22+ opsional&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;API&lt;/td&gt;
&lt;td&gt;v2 di port 3002&lt;/td&gt;
&lt;td&gt;v2 di port 3002 (scrape, map, crawl, batch scrape, health)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Route search&lt;/td&gt;
&lt;td&gt;Termasuk dalam stack default&lt;/td&gt;
&lt;td&gt;Diteruskan ke Firecrawl Cloud&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Format LLM (&lt;code&gt;json&lt;/code&gt;, &lt;code&gt;summary&lt;/code&gt;)&lt;/td&gt;
&lt;td&gt;Hubungkan penyedia yang kompatibel dengan OpenAI atau Ollama&lt;/td&gt;
&lt;td&gt;Dilewati dengan peringatan&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Screenshot&lt;/td&gt;
&lt;td&gt;Memerlukan Fire-engine, tidak ada di stack default&lt;/td&gt;
&lt;td&gt;Berfungsi jika Chrome terpasang&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;actions&lt;/code&gt; browser&lt;/td&gt;
&lt;td&gt;Memerlukan Fire-engine&lt;/td&gt;
&lt;td&gt;Diabaikan&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Penyimpanan job&lt;/td&gt;
&lt;td&gt;Queue berbasis Postgres&lt;/td&gt;
&lt;td&gt;Di memori, kedaluwarsa setelah 1 jam&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Alexandria&lt;/td&gt;
&lt;td&gt;Tidak tercantum dalam tabel fitur self-host&lt;/td&gt;
&lt;td&gt;Melalui Firecrawl Cloud dengan akun gratis&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Setup MCP&lt;/td&gt;
&lt;td&gt;Arahkan server MCP ke URL Anda&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;firecrawl-local init&lt;/code&gt; menulis konfigurasinya&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Lisensi&lt;/td&gt;
&lt;td&gt;AGPL-3.0&lt;/td&gt;
&lt;td&gt;AGPL-3.0&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Local menukar kedalaman dengan keringanan: ia mempertahankan route yang paling sering dipanggil agen dan membuang hal-hal yang membutuhkan queue, model, atau kumpulan browser.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa yang berubah: dari lima layanan menjadi satu binary
&lt;/h2&gt;

&lt;p&gt;Jalur self-hosted menetapkan rilis &lt;code&gt;v2.11.162&lt;/code&gt; dalam panduannya. Anda clone repo, tulis &lt;code&gt;.env&lt;/code&gt; kecil dengan kredensial Postgres dan &lt;code&gt;USE_DB_AUTHENTICATION=false&lt;/code&gt;, lalu build dan jalankan stack:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;git clone https://github.com/firecrawl/firecrawl.git
&lt;span class="nb"&gt;cd&lt;/span&gt; firecrawl
git checkout v2.11.162
docker compose up --build -d
docker compose ps --all
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;File compose tersebut menjalankan container &lt;code&gt;api&lt;/code&gt; (yang juga menjalankan worker), &lt;code&gt;playwright-service&lt;/code&gt; untuk rendering, &lt;code&gt;redis&lt;/code&gt;, &lt;code&gt;rabbitmq&lt;/code&gt;, dan &lt;code&gt;nuq-postgres&lt;/code&gt; untuk queue job. File compose membatasi API pada 4 CPU dan 8 GB memori serta layanan Playwright pada 2 CPU dan 4 GB, dan panduan mencatat bahwa batasan tersebut "bukan persyaratan minimum yang terverifikasi."&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F8asds963e0wvpm9mthxf.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F8asds963e0wvpm9mthxf.png" alt="Arsitektur berdampingan: Firecrawl self-hosted menjalankan api dengan worker, playwright-service, redis, rabbitmq, dan nuq-postgres di bawah docker compose up, sementara Firecrawl Local adalah satu binary Rust dengan Chrome opsional dan serah-terima putus-putus ke Firecrawl Cloud untuk search, halaman terblokir, dan Alexandria; keduanya mengekspos API v2 di localhost:3002" width="800" height="533"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Firecrawl Local menciutkan semua itu menjadi satu perintah:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;cargo install firecrawl-local
firecrawl-local scrape https://example.com --markdown
firecrawl-local crawl https://docs.firecrawl.dev --limit 50 --out ./pages
firecrawl-local map https://firecrawl.dev
firecrawl-local serve
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Tidak ada &lt;code&gt;.env&lt;/code&gt; dan tidak ada container. Halaman JavaScript dirender di Chrome atau Chromium yang sudah Anda miliki; tanpa itu, halaman statis tetap berfungsi dan sisanya mengembalikan peringatan.&lt;/p&gt;

&lt;p&gt;Perintah &lt;code&gt;search&lt;/code&gt;, &lt;code&gt;find-tools&lt;/code&gt;, &lt;code&gt;data&lt;/code&gt;, dan &lt;code&gt;login&lt;/code&gt; menjangkau Firecrawl Cloud. &lt;code&gt;firecrawl-local login&lt;/code&gt; menggunakan kembali kredensial CLI hosted dari &lt;a href="https://apidog.com/id/blog/how-to-install-and-use-firecrawl-cli?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan instalasi Firecrawl CLI&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Cakupan endpoint: apa yang dilayani masing-masing
&lt;/h2&gt;

&lt;p&gt;Di sinilah migrasi sering rusak, jadi periksa ini sebelum Anda mengalihkan base URL SDK.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Firecrawl Local melayani route berikut di mesin Anda:&lt;/strong&gt;&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;code&gt;POST /v2/scrape&lt;/code&gt; melakukan scrape satu URL&lt;/li&gt;
&lt;li&gt;
&lt;code&gt;POST /v2/map&lt;/code&gt; mendaftar URL sebuah situs&lt;/li&gt;
&lt;li&gt;
&lt;code&gt;POST /v2/crawl&lt;/code&gt;, plus &lt;code&gt;GET&lt;/code&gt; dan &lt;code&gt;DELETE /v2/crawl/{id}&lt;/code&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;code&gt;POST /v2/batch/scrape&lt;/code&gt;, plus &lt;code&gt;GET&lt;/code&gt; dan &lt;code&gt;DELETE /v2/batch/scrape/{id}&lt;/code&gt;
&lt;/li&gt;
&lt;li&gt;&lt;code&gt;GET /health&lt;/code&gt;&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Setiap route &lt;code&gt;/v2&lt;/code&gt; lainnya, seperti &lt;code&gt;/v2/search&lt;/code&gt;, diteruskan ke Firecrawl Cloud kecuali &lt;code&gt;FIRECRAWL_CLOUD&lt;/code&gt; menentukan sebaliknya. Route v0 dan v1 tidak dilayani sama sekali.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Firecrawl self-hosted&lt;/strong&gt; mencakup scrape, crawl, map, dan search inti dalam stack default, menurut halaman open source vs cloud. Ekstraksi berbasis LLM membutuhkan penyedia yang Anda hubungkan. Agent, Browser, Interact, dan dashboard tidak disertakan.&lt;/p&gt;

&lt;p&gt;Dua jebakan praktis:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Pemeriksaan health berbeda.&lt;/strong&gt; Panduan self-hosting memeriksa kesiapan di &lt;code&gt;/v0/health/readiness&lt;/code&gt;. Firecrawl Local tidak melayani v0, jadi gunakan &lt;code&gt;GET /health&lt;/code&gt; sebagai gantinya. Perbarui monitor dan healthcheck compose Anda.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Search berubah di mana ia berjalan.&lt;/strong&gt; Pada stack Docker, search tetap di infrastruktur Anda. Pada Local, ia pergi ke Firecrawl Cloud, dan search tanpa kunci dibatasi rate-nya. Setel &lt;code&gt;FIRECRAWL_CLOUD=off&lt;/code&gt; jika tidak boleh ada apa pun yang keluar dari mesin; search kemudian berhenti berfungsi.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  Kecepatan dan memori: baca klaimnya dengan cermat
&lt;/h2&gt;

&lt;p&gt;&lt;a href="https://x.com/firecrawl/status/2123096169630912637" rel="noopener noreferrer"&gt;Postingan peluncuran Firecrawl di X&lt;/a&gt; menyebut Firecrawl Local adalah "primitive scrape berbasis Rust yang 37x lebih cepat (dibanding self-hosted)" dan menggunakan "memori 230x lebih sedikit (11 MB saat idle)." Postingan tersebut menarik sekitar 324K tayangan dan 3,2K like pada hari pertamanya.&lt;/p&gt;

&lt;p&gt;Anggap angka-angka itu sebagai klaim Firecrawl. README tidak menerbitkan metode benchmark, kumpulan halaman, maupun perangkat keras, jadi kami tidak bisa memberi tahu Anda apa yang diukur oleh "37x". Yang didukung arsitektur adalah arahnya: satu proses idle seharusnya jauh lebih ringan daripada lima container yang batas compose-nya saja mengizinkan hingga 12 GB antara layanan API dan Playwright.&lt;/p&gt;

&lt;p&gt;Jika kecepatan menentukan pilihan Anda, ukurlah pada URL Anda sendiri. Jalankan scrape yang sama terhadap kedua server, bandingkan waktu, dan periksa apakah markdown-nya cocok. Bagian tentang Apidog CLI di bawah menunjukkan satu cara untuk menjadikannya uji yang dapat diulang.&lt;/p&gt;

&lt;h2&gt;
  
  
  Keamanan, serah-terima ke cloud, dan alur data
&lt;/h2&gt;

&lt;p&gt;Self-hosting memberi Anda kendali penuh dan tanggung jawab penuh. Quickstart dalam panduan menonaktifkan autentikasi dan memperingatkan bahwa itu "bukan arsitektur produksi," jadi volume persisten, auth, TLS, dan monitoring menjadi tanggung jawab Anda.&lt;/p&gt;

&lt;p&gt;Firecrawl Local hadir dengan default yang lebih ketat untuk satu mesin:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;code&gt;serve&lt;/code&gt; mengikat ke &lt;code&gt;127.0.0.1&lt;/code&gt; dan menolak localhost serta alamat privat kecuali Anda meneruskan &lt;code&gt;--allow-private&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;Alamat link-local dan metadata cloud diblokir di setiap mode, termasuk setelah redirect.&lt;/li&gt;
&lt;li&gt;
&lt;code&gt;scrape&lt;/code&gt;, &lt;code&gt;crawl&lt;/code&gt;, dan &lt;code&gt;mcp&lt;/code&gt; menerima &lt;code&gt;--public-only&lt;/code&gt;, yang direkomendasikan README ketika agen menjelajahi situs yang tidak Anda percayai.&lt;/li&gt;
&lt;li&gt;Crawl menghormati &lt;code&gt;robots.txt&lt;/code&gt;.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Tukar-tambahnya adalah serah-terima ke cloud. Dengan &lt;code&gt;FIRECRAWL_CLOUD=auto&lt;/code&gt; default, search, halaman yang memblokir mesin Anda, dan Alexandria pergi ke Firecrawl Cloud. Hasil tersebut membawa &lt;code&gt;"source": "firecrawl-cloud"&lt;/code&gt;. Setel &lt;code&gt;FIRECRAWL_CLOUD=search&lt;/code&gt; untuk hanya mengizinkan search, atau &lt;code&gt;off&lt;/code&gt; untuk tidak mengirim apa pun.&lt;/p&gt;

&lt;p&gt;Alexandria, katalog penyedia data Firecrawl, membutuhkan akun gratis dan &lt;code&gt;firecrawl-local login&lt;/code&gt;. &lt;a href="https://apidog.com/id/blog/what-is-firecrawl-alexandria?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Penjelasan Firecrawl Alexandria&lt;/a&gt; kami membahas apa yang dikembalikannya.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mana yang harus Anda pilih?
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Pilih Firecrawl Local jika:&lt;/strong&gt;&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Anda ingin agen AI melakukan scrape dan crawl di laptop Anda. &lt;code&gt;firecrawl-local init&lt;/code&gt; menambahkan server MCP ke Claude Code, Claude Desktop, Cursor, Windsurf, Gemini CLI, dan Codex, dengan mencadangkan setiap konfigurasi terlebih dahulu.&lt;/li&gt;
&lt;li&gt;Anda menjalankan job singkat yang selesai dalam satu jam.&lt;/li&gt;
&lt;li&gt;Anda hanya membutuhkan markdown, HTML, HTML mentah, dan tautan.&lt;/li&gt;
&lt;li&gt;Anda tidak ingin mengelola Postgres, Redis, dan RabbitMQ sendiri.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;&lt;strong&gt;Pertahankan Firecrawl self-hosted jika:&lt;/strong&gt;&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Job crawl harus bertahan setelah restart atau berjalan lebih dari satu jam.&lt;/li&gt;
&lt;li&gt;Anda membutuhkan output &lt;code&gt;json&lt;/code&gt; atau &lt;code&gt;summary&lt;/code&gt; melalui model Anda sendiri.&lt;/li&gt;
&lt;li&gt;Search harus tetap di infrastruktur Anda.&lt;/li&gt;
&lt;li&gt;Beberapa layanan atau pengguna berbagi satu backend scraping di balik auth Anda.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Banyak tim akan menjalankan keduanya: Local di laptop dan di agen, stack Docker atau Firecrawl Cloud di produksi. Untuk setup agen yang hanya membutuhkan search, rangkuman kami tentang &lt;a href="https://apidog.com/id/blog/open-source-claude-web-search?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;web search open source untuk Claude&lt;/a&gt; mencantumkan opsi lain, dan &lt;a href="https://apidog.com/id/blog/firecrawl-mcp-llms-txt?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan Firecrawl MCP dan llms.txt&lt;/a&gt; membahas server MCP hosted.&lt;/p&gt;

&lt;h2&gt;
  
  
  Memigrasikan kode SDK dari self-hosted ke Local
&lt;/h2&gt;

&lt;p&gt;Kode SDK Anda tidak berubah, hanya URL-nya: setel API URL SDK Python atau Node ke &lt;code&gt;http://localhost:3002&lt;/code&gt;, tanpa API key untuk route lokal. Sebelum mengalihkannya, pastikan kode Anda tidak memanggil v0 atau v1, tidak pernah meminta &lt;code&gt;json&lt;/code&gt;, &lt;code&gt;summary&lt;/code&gt;, atau &lt;code&gt;actions&lt;/code&gt;, dan tidak pernah melakukan polling ID crawl yang lebih tua dari satu jam atau melintasi restart &lt;code&gt;serve&lt;/code&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Biarkan coding agent Anda menjalankan uji paritas dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Mengganti backend adalah pertanyaan kontrak: apakah &lt;code&gt;/v2/scrape&lt;/code&gt; di Local mengembalikan bentuk yang sama dengan yang sudah di-parse kode Anda? Jangan diff respons secara manual. Jalankan kedua server berdampingan (Docker di 3002, &lt;code&gt;firecrawl-local serve --port 3012&lt;/code&gt;) dan biarkan coding agent Anda menguji keduanya dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;.&lt;/p&gt;

&lt;p&gt;Siapkan sekali:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog auth login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
apidog skill install
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu beri agen Anda satu prompt:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;Self-hosted Firecrawl berjalan di http://localhost:3002 dan Firecrawl Local di
http://localhost:3012. Di project Apidog &amp;lt;id&amp;gt;, buat dua environment,
"self-hosted" dan "local". Tambahkan test case untuk POST /v2/scrape pada
https://example.com (assert 200, success: true, data.markdown tidak kosong) dan
POST /v2/map (assert 200 dan array links tidak kosong). Jalankan test case tersebut terhadap
kedua environment dan beri tahu saya setiap assertion yang berbeda.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fa5246g93mas0gaatb8ra.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fa5246g93mas0gaatb8ra.png" alt="Uji paritas: coding agent menjalankan test case Apidog yang sama terhadap stack self-hosted di port 3002 dan Firecrawl Local di port 3012, lalu membandingkan dua laporan pada status, success, dan markdown" width="800" height="533"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Agen membaca skema payload, memvalidasinya, dan menjalankan test case yang sama dua kali:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;firecrawl-local serve --port 3012 &lt;span class="o"&gt;&amp;amp;&lt;/span&gt;
apidog environment create self-hosted --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url http://localhost:3002
apidog environment create &lt;span class="kd"&gt;local&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url http://localhost:3012
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file scrape-case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file scrape-case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;selfHostedEnvId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json --out-file self-hosted
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;localEnvId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json --out-file &lt;span class="kd"&gt;local&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Apidog CLI mengirim permintaan dari mesin Anda, sehingga kedua port localhost dapat dijangkau. Ganti &lt;code&gt;-r cli,json&lt;/code&gt; dengan &lt;code&gt;-r junit&lt;/code&gt; dan pemeriksaan yang sama berjalan di CI pada setiap upgrade Firecrawl; &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan Apidog CLI CI/CD&lt;/a&gt; kami menunjukkan setup-nya, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; membahas sisi agen. Paket Free Apidog mencakup tim hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local menggantikan Firecrawl self-hosted?&lt;/strong&gt; Tidak. Ini adalah build terpisah di &lt;code&gt;apps/local&lt;/code&gt;. Server lengkap di &lt;code&gt;apps/api&lt;/code&gt; dan panduan self-hosting-nya tidak berubah, dan Anda tetap membutuhkannya untuk job persisten dan format LLM.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local benar-benar 37x lebih cepat daripada Firecrawl self-hosted?&lt;/strong&gt; Itu klaim Firecrawl dari postingan peluncurannya, bersama dengan memori 230x lebih sedikit dan 11 MB saat idle. README tidak menerbitkan metode benchmark, jadi ujilah pada URL Anda sendiri.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local berfungsi tanpa cloud?&lt;/strong&gt; Ya. Setel &lt;code&gt;FIRECRAWL_CLOUD=off&lt;/code&gt; dan scrape, crawl, serta map tetap di mesin Anda. Search, fallback halaman terblokir, dan Alexandria berhenti berfungsi.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl self-hosted gratis?&lt;/strong&gt; Kodenya gratis di bawah AGPL-3.0, baik untuk server maupun Local. Anda membayar mesin dan waktu untuk menjalankan Postgres, Redis, dan RabbitMQ sendiri.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Mana yang harus digunakan agen AI?&lt;/strong&gt; Firecrawl Local, dalam banyak kasus. &lt;code&gt;firecrawl-local init&lt;/code&gt; mendaftarkannya sebagai server MCP di enam tool agen, dan &lt;code&gt;--public-only&lt;/code&gt; mencegah agen menjangkau jaringan privat Anda.&lt;/p&gt;

</description>
      <category>api</category>
      <category>docker</category>
      <category>opensource</category>
      <category>rust</category>
    </item>
    <item>
      <title>Cara Menggunakan Firecrawl Local dengan Claude Code dan Cursor (MCP)</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 08:34:08 +0000</pubDate>
      <link>https://dev.to/walse/cara-menggunakan-firecrawl-local-dengan-claude-code-dan-cursor-mcp-3f51</link>
      <guid>https://dev.to/walse/cara-menggunakan-firecrawl-local-dengan-claude-code-dan-cursor-mcp-3f51</guid>
      <description>&lt;p&gt;Untuk menggunakan Firecrawl Local, pasang dengan &lt;code&gt;cargo install firecrawl-local&lt;/code&gt;, jalankan &lt;code&gt;firecrawl-local init&lt;/code&gt; untuk mendaftarkannya sebagai MCP server di Claude Code dan Cursor, lalu mulai ulang kedua alat tersebut. Setelah itu agen Anda bisa melakukan scrape, crawl, dan map situs langsung di mesin Anda sendiri. Untuk penggunaan via kode, jalankan &lt;code&gt;firecrawl-local serve&lt;/code&gt; dan arahkan SDK Firecrawl apa pun ke &lt;code&gt;http://localhost:3002&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Panduan ini menunjukkan cara menggunakan Firecrawl Local langkah demi langkah, lengkap dengan output asli dari uji coba kami pada 19 November 2026 (Firecrawl Local 0.1.0 di Mac arm64), plus prompt yang bisa Anda berikan ke agen dan cara agar agen tersebut menguji API lokal dengan Apidog CLI.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yang perlu Anda siapkan sebelum mulai
&lt;/h2&gt;

&lt;p&gt;Firecrawl Local adalah satu binary Rust dari &lt;a href="https://github.com/firecrawl/firecrawl/tree/main/apps/local" rel="noopener noreferrer"&gt;repositori Firecrawl&lt;/a&gt;. Sebelum memasangnya, pastikan Anda sudah punya:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Rust dan compiler C.&lt;/strong&gt; Dapatkan Rust dari &lt;a href="https://rustup.rs/" rel="noopener noreferrer"&gt;rustup.rs&lt;/a&gt;. Di macOS jalankan &lt;code&gt;xcode-select --install&lt;/code&gt;; di Debian atau Ubuntu pasang &lt;code&gt;build-essential&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Node.js 22 atau lebih baru&lt;/strong&gt; jika Anda ingin memakai MCP server. Paket npm &lt;code&gt;firecrawl-mcp&lt;/code&gt; dijalankan melalui &lt;code&gt;npx&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Chrome atau Chromium (opsional).&lt;/strong&gt; Firecrawl Local memakai browser yang sudah terpasang untuk halaman yang memerlukan JavaScript. Halaman statis tetap bisa diproses tanpa browser.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Claude Code, Cursor, atau MCP client lain.&lt;/strong&gt; &lt;code&gt;init&lt;/code&gt; juga mendukung Claude Desktop, Windsurf, Gemini CLI, dan Codex.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Jika Anda baru mengenal Firecrawl, mulai dulu dengan &lt;a href="https://apidog.com/id/blog/firecrawl-web-scraping?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan web scraping Firecrawl&lt;/a&gt; kami, lalu kembali ke sini.&lt;/p&gt;

&lt;h2&gt;
  
  
  Langkah 1: Pasang Firecrawl Local
&lt;/h2&gt;

&lt;p&gt;Pasang crate dari &lt;a href="https://crates.io/crates/firecrawl-local" rel="noopener noreferrer"&gt;crates.io&lt;/a&gt; dan pastikan versinya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;cargo install firecrawl-local
firecrawl-local --version
&lt;span class="c"&gt;# firecrawl-local 0.1.0&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Cargo akan mengompilasinya dari sumber. Di Mac kami, build rilis selesai dalam 6 menit 54 detik, dan binary-nya berada di &lt;code&gt;~/.cargo/bin/firecrawl-local&lt;/code&gt;. Pastikan folder tersebut ada di &lt;code&gt;PATH&lt;/code&gt; Anda, atau catat path lengkapnya: Anda akan membutuhkannya untuk setup MCP manual.&lt;/p&gt;

&lt;h2&gt;
  
  
  Langkah 2: Jalankan scrape pertama dari terminal
&lt;/h2&gt;

&lt;p&gt;Sebelum menghubungkan apa pun ke agen, pastikan proses pengambilan halaman berjalan:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="nv"&gt;FIRECRAWL_CLOUD&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;off firecrawl-local scrape https://example.com --markdown
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Perintah ini mencetak teks utama halaman dalam format markdown dalam 1,2 detik. Hilangkan &lt;code&gt;--markdown&lt;/code&gt; dan Anda akan mendapat JSON yang sama seperti yang dikembalikan API Firecrawl. &lt;code&gt;--format markdown,links&lt;/code&gt; memilih format yang diinginkan; pilihan lokalnya adalah &lt;code&gt;markdown&lt;/code&gt;, &lt;code&gt;html&lt;/code&gt;, &lt;code&gt;rawHtml&lt;/code&gt;, dan &lt;code&gt;links&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;Selanjutnya, crawl yang menulis satu file markdown per halaman:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="nv"&gt;FIRECRAWL_CLOUD&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;off firecrawl-local crawl https://docs.firecrawl.dev --limit 20 --out ./pages
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Perintah ini mengambil 20 halaman dokumentasi Firecrawl dalam 4,4 detik dan menyimpan file dengan nama seperti &lt;code&gt;0005-docs.firecrawl.dev_advanced-scraping-guide.md&lt;/code&gt;. Flag crawl yang berguna dari &lt;code&gt;firecrawl-local crawl --help&lt;/code&gt;:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Flag&lt;/th&gt;
&lt;th&gt;Fungsinya&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;-l, --limit&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Jumlah halaman maksimum (default 100)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;--max-depth&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Seberapa dalam tautan diikuti&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;--include&lt;/code&gt;, &lt;code&gt;--exclude&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;Regex path yang dipertahankan atau dilewati, bisa diulang&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;--entire-domain&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Mengikuti tautan di luar path awal&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;-c, --concurrency&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Jumlah halaman yang diambil sekaligus&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;--ignore-robots&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Melewati robots.txt (secara default tetap dibaca)&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;code&gt;firecrawl-local map https://firecrawl.dev&lt;/code&gt; mengembalikan setiap URL yang ditemukan dari sitemap dan halaman awal, dalam satu baris JSON.&lt;/p&gt;

&lt;h2&gt;
  
  
  Langkah 3: Tambahkan Firecrawl Local ke Claude Code dan Cursor dengan init
&lt;/h2&gt;

&lt;p&gt;&lt;code&gt;init&lt;/code&gt; mendeteksi alat AI yang ada di mesin Anda dan menambahkan Firecrawl Local ke konfigurasi MCP masing-masing. Lihat dulu pratinjaunya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;firecrawl-local init --dry-run
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Di Mac kami, perintah ini menampilkan semua alat yang akan disentuh:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;Firecrawl MCP server:
  Claude Code: would be added in ~/.claude.json
  Claude desktop: would be added in ~/Library/Application Support/Claude/claude_desktop_config.json
  Cursor: would be added in ~/.cursor/mcp.json
  Gemini CLI: would be added in ~/.gemini/settings.json
  Codex: would be added in ~/.codex/config.toml
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Dry run juga mencetak data apa saja yang dikirim ke Firecrawl Cloud: query pencarian, URL halaman yang memblokir mesin Anda, panggilan Alexandria setelah Anda login, serta ID instalasi acak dan nama alat AI Anda. Halaman yang berhasil dimuat secara lokal tidak pernah dikirim.&lt;/p&gt;

&lt;p&gt;Untuk hanya menyiapkan dua alat yang dibahas dalam panduan ini, ulangi &lt;code&gt;--agent&lt;/code&gt;:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;firecrawl-local init --agent claude-code --agent cursor
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Nama yang valid adalah &lt;code&gt;claude-code&lt;/code&gt;, &lt;code&gt;claude-desktop&lt;/code&gt;, &lt;code&gt;cursor&lt;/code&gt;, &lt;code&gt;windsurf&lt;/code&gt;, &lt;code&gt;gemini&lt;/code&gt;, dan &lt;code&gt;codex&lt;/code&gt;. &lt;code&gt;init&lt;/code&gt; mencadangkan setiap file konfigurasi sebelum menulis. Setelah itu mulai ulang Claude Code dan Cursor agar server baru termuat.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Ff0fcnif3yvufzvlsqqvr.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Ff0fcnif3yvufzvlsqqvr.png" alt="Claude Code and Cursor talk to firecrawl-local mcp over stdio; it scrapes, crawls and maps on your machine and only sends search and blocked pages to Firecrawl Cloud unless FIRECRAWL_CLOUD=off" width="799" height="341"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h3&gt;
  
  
  Firecrawl Local di Claude Code secara manual
&lt;/h3&gt;

&lt;p&gt;Jika Anda lebih suka tidak membiarkan alat lain mengubah konfigurasi Anda, tambahkan stdio server sendiri dengan &lt;a href="https://code.claude.com/docs/en/mcp" rel="noopener noreferrer"&gt;perintah MCP Claude Code&lt;/a&gt;:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;claude mcp add firecrawl -e &lt;span class="nv"&gt;FIRECRAWL_CLOUD&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;off -- ~/.cargo/bin/firecrawl-local mcp --public-only
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Jalankan &lt;code&gt;/mcp&lt;/code&gt; di dalam Claude Code untuk memastikan server sudah terhubung.&lt;/p&gt;

&lt;h3&gt;
  
  
  Firecrawl Local di Cursor secara manual
&lt;/h3&gt;

&lt;p&gt;Cursor membaca &lt;a href="https://cursor.com/docs/context/mcp" rel="noopener noreferrer"&gt;MCP server&lt;/a&gt; dari &lt;code&gt;~/.cursor/mcp.json&lt;/code&gt; (global) atau &lt;code&gt;.cursor/mcp.json&lt;/code&gt; (satu proyek). Gunakan path lengkap ke binary:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight json"&gt;&lt;code&gt;&lt;span class="p"&gt;{&lt;/span&gt;
  &lt;span class="nl"&gt;"mcpServers"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;
    &lt;span class="nl"&gt;"firecrawl"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;
      &lt;span class="nl"&gt;"command"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"/Users/you/.cargo/bin/firecrawl-local"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
      &lt;span class="nl"&gt;"args"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"mcp"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"--public-only"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
      &lt;span class="nl"&gt;"env"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt; &lt;span class="nl"&gt;"FIRECRAWL_CLOUD"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"off"&lt;/span&gt; &lt;span class="p"&gt;}&lt;/span&gt;
    &lt;span class="p"&gt;}&lt;/span&gt;
  &lt;span class="p"&gt;}&lt;/span&gt;
&lt;span class="p"&gt;}&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;code&gt;--public-only&lt;/code&gt; membuat server menolak alamat localhost dan jaringan privat. Biarkan opsi ini aktif saat agen Anda membaca halaman yang tidak Anda percaya: instruksi tersembunyi di sebuah halaman bisa mengarahkan agen ke URL internal.&lt;/p&gt;

&lt;h2&gt;
  
  
  Langkah 4: Prompt untuk agen Anda
&lt;/h2&gt;

&lt;p&gt;&lt;code&gt;firecrawl-local mcp&lt;/code&gt; menjalankan API lokal di port loopback dan menjalankan paket &lt;code&gt;firecrawl-mcp&lt;/code&gt; terhadapnya. Agen Anda akan melihat tool MCP Firecrawl standar; scrape, crawl, map, dan batch scrape berjalan di mesin Anda. Jika Anda pernah memakai &lt;a href="https://apidog.com/id/blog/firecrawl-mcp-llms-txt?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;MCP server Firecrawl yang dihosting&lt;/a&gt;, nama tool-nya sama.&lt;/p&gt;

&lt;p&gt;Prompt yang cocok dengan tool lokal:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;Map https://docs.example.com, then crawl only the /api/ pages (limit 40)
and write a summary of every endpoint into docs/vendor-api.md.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;





&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;Scrape the changelog at https://example.com/changelog as markdown and list
every breaking change from the last three releases.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;





&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;Batch scrape these five pricing pages and build a comparison table of
plan names and limits. Quote only what the pages say.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Hindari prompt yang memerlukan pencarian: dengan &lt;code&gt;FIRECRAWL_CLOUD=off&lt;/code&gt; tool tersebut tidak berfungsi. Untuk setup pencarian yang sepenuhnya lokal, lihat panduan &lt;a href="https://apidog.com/id/blog/open-source-claude-web-search?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;pencarian web open-source untuk Claude&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Langkah 5: Jalankan API Firecrawl Local dan arahkan SDK Anda ke sana
&lt;/h2&gt;

&lt;p&gt;Untuk skrip dan pipeline, jalankan API server:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="nv"&gt;FIRECRAWL_CLOUD&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;off firecrawl-local serve
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Server mendengarkan di &lt;code&gt;127.0.0.1:3002&lt;/code&gt;. Health check langsung merespons:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl -s localhost:3002/health
&lt;span class="c"&gt;# {"status":"ok","engine":"firecrawl-local","version":"0.1.0"}&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Scrape mengembalikan bentuk v2 yang sudah familiar, dengan dua penanda lokal di dalamnya: &lt;code&gt;"engine": "local-fetch"&lt;/code&gt; dan &lt;code&gt;"source": "local"&lt;/code&gt;, serta &lt;code&gt;creditsUsed: 0&lt;/code&gt;.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl -s localhost:3002/v2/scrape -H &lt;span class="s1"&gt;'content-type: application/json'&lt;/span&gt; \
  -d &lt;span class="s1"&gt;'{"url":"https://example.com","formats":["markdown","links"]}'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Arahkan &lt;a href="https://docs.firecrawl.dev/sdks/overview" rel="noopener noreferrer"&gt;SDK Firecrawl&lt;/a&gt; ke sana tanpa API key. Python:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="n"&gt;firecrawl&lt;/span&gt; &lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="nc"&gt;Firecrawl&lt;/span&gt;

&lt;span class="n"&gt;app&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nc"&gt;Firecrawl&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;api_url&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"http://localhost:3002"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;app&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;scrape&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"https://example.com"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;markdown&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Node:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight javascript"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt; &lt;span class="nc"&gt;Firecrawl&lt;/span&gt; &lt;span class="p"&gt;}&lt;/span&gt; &lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="s2"&gt;"firecrawl"&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;

&lt;span class="kd"&gt;const&lt;/span&gt; &lt;span class="n"&gt;app&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="k"&gt;new&lt;/span&gt; &lt;span class="nc"&gt;Firecrawl&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt; &lt;span class="n"&gt;apiUrl&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"http://localhost:3002"&lt;/span&gt; &lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;
&lt;span class="kd"&gt;const&lt;/span&gt; &lt;span class="n"&gt;doc&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="k"&gt;await&lt;/span&gt; &lt;span class="n"&gt;app&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;scrape&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"https://example.com"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;
&lt;span class="nb"&gt;console&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;log&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;markdown&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;code&gt;init&lt;/code&gt; juga menyarankan cara pintas: setel &lt;code&gt;FIRECRAWL_API_URL=http://127.0.0.1:3002&lt;/code&gt; dan kode Firecrawl yang sudah ada akan berjalan secara lokal. &lt;a href="https://apidog.com/id/blog/how-to-install-and-use-firecrawl-cli?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Firecrawl CLI&lt;/a&gt; berbagi sesi login tersimpan dengan Firecrawl Local, jadi perintah &lt;code&gt;login&lt;/code&gt; di salah satu alat berlaku untuk keduanya.&lt;/p&gt;

&lt;p&gt;Crawl bersifat asinkron. &lt;code&gt;POST /v2/crawl&lt;/code&gt; langsung mengembalikan job ID, dan &lt;code&gt;GET /v2/crawl/{id}&lt;/code&gt; melaporkan &lt;code&gt;status: completed&lt;/code&gt;, &lt;code&gt;total: 10&lt;/code&gt;, &lt;code&gt;creditsUsed: 0&lt;/code&gt;, dan &lt;code&gt;expiresInSeconds: 3587&lt;/code&gt; beberapa detik kemudian. Job disimpan di memori, kedaluwarsa satu jam setelah dimulai, dan hilang saat &lt;code&gt;serve&lt;/code&gt; dihentikan, jadi simpan hasil segera setelah crawl selesai.&lt;/p&gt;

&lt;p&gt;Proses server berada di sekitar 10 MB memori residen saat idle dan 43 MB tepat setelah crawl 10 halaman tersebut, diukur dengan &lt;code&gt;ps&lt;/code&gt;. &lt;a href="https://x.com/firecrawl/status/2123096169630912637" rel="noopener noreferrer"&gt;posting peluncuran&lt;/a&gt; Firecrawl mengklaim 37x lebih cepat dan 230x lebih hemat memori dibanding Firecrawl self-hosted; README tidak mempublikasikan metodenya, jadi anggap angka tersebut sebagai klaim Firecrawl.&lt;/p&gt;

&lt;h2&gt;
  
  
  Jaga Firecrawl Local tetap sepenuhnya lokal dengan FIRECRAWL_CLOUD
&lt;/h2&gt;

&lt;p&gt;Secara default (&lt;code&gt;auto&lt;/code&gt;), tiga hal dikirim ke Firecrawl Cloud: pencarian, halaman yang memblokir mesin Anda, dan penyedia data Alexandria (yang memerlukan akun gratis melalui &lt;code&gt;firecrawl-local login&lt;/code&gt;). &lt;code&gt;FIRECRAWL_CLOUD&lt;/code&gt; mengatur pengalihan ini:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Nilai&lt;/th&gt;
&lt;th&gt;Efek&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;auto&lt;/code&gt; (default)&lt;/td&gt;
&lt;td&gt;Pencarian, fallback halaman terblokir, dan Alexandria semuanya aktif&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;search&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Hanya pencarian yang dikirim ke Firecrawl Cloud&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;off&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Tidak ada yang dikirim ke Firecrawl Cloud&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Nilai yang tidak dikenali dianggap &lt;code&gt;off&lt;/code&gt;. Dengan cloud dimatikan, &lt;code&gt;POST /v2/search&lt;/code&gt; menjawab &lt;code&gt;"code":"CLOUD_ONLY"&lt;/code&gt; dengan pesan yang menyuruh Anda menyetel &lt;code&gt;FIRECRAWL_API_KEY&lt;/code&gt; atau &lt;code&gt;FIRECRAWL_CLOUD=auto&lt;/code&gt;. Halaman yang diambil cloud untuk Anda membawa &lt;code&gt;"source": "firecrawl-cloud"&lt;/code&gt;, jadi Anda selalu bisa mengetahui dari mana hasilnya berasal.&lt;/p&gt;

&lt;p&gt;&lt;code&gt;serve&lt;/code&gt; menolak target localhost dan jaringan privat kecuali Anda memberikan &lt;code&gt;--allow-private&lt;/code&gt;, dan mengikat &lt;code&gt;--host&lt;/code&gt; non-loopback mewajibkan &lt;code&gt;--token&lt;/code&gt;. Metadata cloud dan alamat link-local diblokir dalam semua mode.&lt;/p&gt;

&lt;h2&gt;
  
  
  Biarkan agen coding Anda menguji API Firecrawl Local dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Endpoint crawl adalah yang paling berisiko merusak pipeline: sifatnya asinkron, job-nya kedaluwarsa, dan server yang berhenti akan kehilangan job tersebut. Daripada melakukan polling manual, biarkan agen coding Anda membuat dan menjalankan pengujian dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;.&lt;/p&gt;

&lt;p&gt;Siapkan sekali saja:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog auth login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
apidog skill install
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke Claude Code atau Cursor:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;firecrawl-local serve is running on http://localhost:3002. In Apidog project &amp;lt;id&amp;gt;,
import an OpenAPI file for POST /v2/scrape, POST /v2/crawl and GET /v2/crawl/{id},
create an environment for that base URL, and build a test scenario that starts a
crawl of https://docs.firecrawl.dev with limit 10, saves the returned id, polls
GET /v2/crawl/{id} until status is "completed", and asserts total equals completed
and every page has non-empty markdown. Run it and summarize any failures.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fes6y7n6bawbte4h6ca9k.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fes6y7n6bawbte4h6ca9k.png" alt="Sequence of the agent-built test: Apidog CLI posts /v2/crawl to firecrawl-local serve, polls GET /v2/crawl/{id} until completed, checks the assertions and writes a cli, json or junit report" width="800" height="875"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Agen akan membaca skema setiap payload, memvalidasinya, dan menjalankan perintah seperti berikut, semuanya diambil dari &lt;code&gt;apidog &amp;lt;cmd&amp;gt; --help&lt;/code&gt; pada CLI 2.2.12:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog import --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --format openapi --file ./firecrawl-local-v2.yaml
apidog environment create firecrawl-local --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url http://localhost:3002
apidog cli-schema get test-scenario-create
apidog cli-schema validate test-scenario-create --file scenario.json
apidog test-scenario create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file ./scenario.json
apidog run -t &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;scenarioId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Apidog CLI mengirim request dari mesin Anda, sehingga &lt;code&gt;localhost:3002&lt;/code&gt; dapat dijangkau. Ganti ke &lt;code&gt;-r junit&lt;/code&gt; untuk memasukkan eksekusi yang sama ke CI; panduan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-cursor?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Cursor&lt;/a&gt; kami membahas sisi agennya. Paket Free Apidog mendukung tim hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  Pemecahan masalah Firecrawl Local
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Gejala&lt;/th&gt;
&lt;th&gt;Solusi&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;404&lt;/code&gt; dengan &lt;code&gt;NOT_FOUND&lt;/code&gt; pada &lt;code&gt;/v1/scrape&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;Hanya v2 yang dilayani; ubah client Anda ke &lt;code&gt;/v2/...&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;CLOUD_ONLY&lt;/code&gt; pada &lt;code&gt;/v2/search&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;Wajar jika &lt;code&gt;FIRECRAWL_CLOUD=off&lt;/code&gt;; gunakan &lt;code&gt;auto&lt;/code&gt; atau &lt;code&gt;search&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Agen tidak menampilkan tool Firecrawl&lt;/td&gt;
&lt;td&gt;Mulai ulang alat tersebut setelah &lt;code&gt;init&lt;/code&gt;; periksa Node.js 22+&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Halaman JavaScript hasilnya minim&lt;/td&gt;
&lt;td&gt;Pasang Chrome, atau setel &lt;code&gt;--browser always&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Format &lt;code&gt;json&lt;/code&gt; atau &lt;code&gt;summary&lt;/code&gt; tidak tersedia&lt;/td&gt;
&lt;td&gt;Tidak didukung secara lokal; Anda akan mendapat peringatan&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Crawl ID tidak ditemukan&lt;/td&gt;
&lt;td&gt;Job sudah kedaluwarsa setelah satu jam atau &lt;code&gt;serve&lt;/code&gt; dimulai ulang&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local gratis?&lt;/strong&gt; Proses scrape, crawl, dan map lokal tidak mengirim apa pun ke Firecrawl dan menggunakan 0 kredit dalam pengujian kami. Kodenya berlisensi AGPL-3.0; SDK-nya MIT. Pencarian dan Alexandria melalui Firecrawl Cloud.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah saya perlu API key untuk menggunakan Firecrawl Local?&lt;/strong&gt; Tidak, setidaknya untuk route lokal. Anda hanya memerlukan key, melalui &lt;code&gt;firecrawl-local login&lt;/code&gt; atau &lt;code&gt;FIRECRAWL_API_KEY&lt;/code&gt;, untuk penyedia data Alexandria.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local berfungsi dengan Windsurf, Codex, dan Gemini CLI?&lt;/strong&gt; Ya. &lt;code&gt;init&lt;/code&gt; mengenali &lt;code&gt;windsurf&lt;/code&gt;, &lt;code&gt;codex&lt;/code&gt;, dan &lt;code&gt;gemini&lt;/code&gt; sama seperti Claude Code, Claude Desktop, dan Cursor.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah kode Firecrawl yang sudah ada berjalan terhadapnya tanpa perubahan?&lt;/strong&gt; Untuk v2 scrape, map, crawl, dan batch scrape, bisa: cukup ubah API URL menjadi &lt;code&gt;http://localhost:3002&lt;/code&gt;. Route v0 dan v1 tidak dilayani, dan &lt;code&gt;actions&lt;/code&gt; browser diabaikan.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Firecrawl Local mematuhi robots.txt?&lt;/strong&gt; Ya. Firecrawl Local membaca &lt;code&gt;robots.txt&lt;/code&gt; saat crawl dan mengidentifikasi dirinya di User-Agent-nya, sehingga pemilik situs dapat mengenalinya sebagai &lt;code&gt;FirecrawlLocal&lt;/code&gt;. &lt;code&gt;--ignore-robots&lt;/code&gt; mematikan perilaku ini; gunakan hanya pada situs milik Anda sendiri.&lt;/p&gt;

</description>
      <category>claude</category>
      <category>mcp</category>
      <category>rust</category>
      <category>tutorial</category>
    </item>
    <item>
      <title>Level Thinking Gemini 4 Neon: low, medium, high, dan xhigh</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 07:56:42 +0000</pubDate>
      <link>https://dev.to/walse/level-thinking-gemini-4-neon-low-medium-high-dan-xhigh-2did</link>
      <guid>https://dev.to/walse/level-thinking-gemini-4-neon-low-medium-high-dan-xhigh-2did</guid>
      <description>&lt;h1&gt;
  
  
  Level Thinking Gemini 4 Neon: low, medium, high, dan xhigh
&lt;/h1&gt;

&lt;p&gt;Level thinking Gemini 4 Neon memberi Anda empat pengaturan seberapa keras model bernalar sebelum menjawab: &lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;, dan &lt;code&gt;xhigh&lt;/code&gt;. Neon menggunakan &lt;code&gt;high&lt;/code&gt; sebagai default. Google menyarankan Anda tetap menggunakan &lt;code&gt;high&lt;/code&gt; untuk sebagian besar pekerjaan kompleks dan beralih ke &lt;code&gt;xhigh&lt;/code&gt; hanya ketika &lt;code&gt;high&lt;/code&gt; gagal pada masalah sulit yang membutuhkan banyak langkah, karena &lt;code&gt;xhigh&lt;/code&gt; membakar lebih banyak token dan membutuhkan waktu lebih lama.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa itu level thinking Gemini 4 Neon?
&lt;/h2&gt;

&lt;p&gt;Level thinking adalah nilai parameter &lt;code&gt;thinking_level&lt;/code&gt; yang menentukan seberapa banyak penalaran internal yang dilakukan &lt;code&gt;gemini-4-neon&lt;/code&gt; sebelum menulis balasan. Neon mendukung empat level: &lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt; (default), dan &lt;code&gt;xhigh&lt;/code&gt;. Level yang lebih tinggi menggunakan lebih banyak token pemikiran dan menambah latensi; level yang lebih rendah menjawab lebih cepat dan lebih murah.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcziwsvv0v0z9yujl98jq.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcziwsvv0v0z9yujl98jq.png" alt="Tangga empat level thinking Gemini 4 Neon" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Berikut cara &lt;a href="https://ai.google.dev/gemini-api/docs/thinking" rel="noopener noreferrer"&gt;panduan thinking&lt;/a&gt; dari Google mendeskripsikan setiap level untuk Neon:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;code&gt;thinking_level&lt;/code&gt;&lt;/th&gt;
&lt;th&gt;Penggunaan token&lt;/th&gt;
&lt;th&gt;Saran penggunaan dari Google&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;low&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Token paling sedikit, latensi terendah&lt;/td&gt;
&lt;td&gt;Chat cepat, pemrosesan throughput tinggi; tetap mumpuni untuk tugas agentic&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;medium&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Penggunaan token lebih rendah, respons lebih cepat&lt;/td&gt;
&lt;td&gt;Coding interaktif, prototipe UI langsung, panggilan tool yang sensitif terhadap latensi&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;high&lt;/code&gt; (default)&lt;/td&gt;
&lt;td&gt;Kecerdasan dan kecepatan yang seimbang&lt;/td&gt;
&lt;td&gt;Coding kompleks, eksekusi agentic, pemanggilan tool, pekerjaan pengetahuan multimodal&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;xhigh&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Token paling banyak, penalaran paling dalam&lt;/td&gt;
&lt;td&gt;Rekayasa multi-langkah yang sulit, masalah analitis dan ilmiah ketika &lt;code&gt;high&lt;/code&gt; tidak memadai&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Dua nilai yang mungkin Anda harapkan tidak ada. Neon menolak &lt;code&gt;minimal&lt;/code&gt; dengan error, sehingga kode yang disalin dari aplikasi Gemini 3 Flash akan rusak jika mengirim nilai tersebut. Dan &lt;code&gt;thinkingBudget&lt;/code&gt; berbasis jumlah token yang lama sudah tidak digunakan lagi di Gemini 4: jika dikirim sendiri, akan dipetakan ke level terdekat dengan peringatan; jika dikirim bersama &lt;code&gt;thinkingLevel&lt;/code&gt;, akan mengembalikan &lt;code&gt;400&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fk7vl2s09z76lq1x1wbu7.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fk7vl2s09z76lq1x1wbu7.png" alt="Perbandingan level thinking pada Gemini 4 Neon" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana default Neon dibandingkan dengan model Gemini 4 lainnya?
&lt;/h2&gt;

&lt;p&gt;Neon memulai satu langkah lebih tinggi dari model saudara yang lebih besar. Menurut &lt;a href="https://ai.google.dev/gemini-api/docs/whats-new-gemini-4-neon" rel="noopener noreferrer"&gt;catatan rilis Gemini 4 Neon&lt;/a&gt;, Neon dan Hydrogen default ke &lt;code&gt;high&lt;/code&gt; dan mendukung &lt;code&gt;xhigh&lt;/code&gt;, sedangkan Carbon dan Argon default ke &lt;code&gt;medium&lt;/code&gt; dan maksimal di &lt;code&gt;high&lt;/code&gt;.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Level default&lt;/th&gt;
&lt;th&gt;Level yang didukung&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;gemini-4-neon&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;, &lt;code&gt;xhigh&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;gemini-4-hydrogen&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;, &lt;code&gt;xhigh&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;gemini-4-carbon&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;medium&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;gemini-4-argon&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;medium&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Hal ini penting saat Anda mengganti model. Pindahkan beban kerja Carbon ke Neon tanpa mengatur &lt;code&gt;thinking_level&lt;/code&gt; dan setiap permintaan akan naik dari penalaran &lt;code&gt;medium&lt;/code&gt; ke &lt;code&gt;high&lt;/code&gt;, yang mengubah jumlah token Anda. Jika Anda mempertimbangkan model yang lebih besar, &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-vs-argon?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;perbandingan Gemini 4 Carbon vs Argon&lt;/a&gt; kami membahas perbedaan itu.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara mengatur thinking_level di Gemini API?
&lt;/h2&gt;

&lt;p&gt;Neon berjalan pada tier berbayar baik untuk Interactions API maupun &lt;code&gt;generateContent&lt;/code&gt;. Nama field-nya berbeda di antara keduanya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Interactions API:&lt;/strong&gt; taruh &lt;code&gt;thinking_level&lt;/code&gt; di dalam &lt;code&gt;generation_config&lt;/code&gt;.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s1"&gt;'Content-Type: application/json'&lt;/span&gt; \
  -X POST \
  -d &lt;span class="s1"&gt;'{
    "model": "gemini-4-neon",
    "input": "Audit this payment retry queue for race conditions.",
    "generation_config": {
      "thinking_level": "xhigh",
      "max_output_tokens": 65536
    }
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;strong&gt;generateContent:&lt;/strong&gt; gunakan &lt;code&gt;thinkingLevel&lt;/code&gt; di dalam &lt;code&gt;generationConfig.thinkingConfig&lt;/code&gt;.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/models/gemini-4-neon:generateContent"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s1"&gt;'Content-Type: application/json'&lt;/span&gt; \
  -X POST \
  -d &lt;span class="s1"&gt;'{
    "contents": [{"parts": [{"text": "Audit this payment retry queue for race conditions."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "medium"}
    }
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Di Python SDK, panggilan Interactions menerima &lt;code&gt;generation_config={"thinking_level": "high"}&lt;/code&gt;, dan panggilan &lt;code&gt;generateContent&lt;/code&gt; menerima &lt;code&gt;thinking_config=types.ThinkingConfig(thinking_level="low")&lt;/code&gt;. Jangan sertakan &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_p&lt;/code&gt;, dan &lt;code&gt;top_k&lt;/code&gt;: Google menyatakan Neon mengabaikan nilai dalam rentang dan menolak nilai di luar rentang dengan &lt;code&gt;400&lt;/code&gt;. Untuk panduan lengkap permintaan pertama pada desain API yang sama, lihat &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan Gemini 4 Hydrogen API&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Kapan sebaiknya menggunakan high vs xhigh?
&lt;/h2&gt;

&lt;p&gt;Gunakan &lt;code&gt;high&lt;/code&gt; sebagai default dan naikkan tugas ke &lt;code&gt;xhigh&lt;/code&gt; hanya setelah &lt;code&gt;high&lt;/code&gt; gagal memenuhi standar kualitas Anda pada tugas tersebut. Posting peluncuran Google menggambarkan &lt;code&gt;xhigh&lt;/code&gt; sebagai "penalaran multi-langkah yang lebih dalam untuk beban kerja rekayasa, analitis, dan ilmiah tersulit."&lt;/p&gt;

&lt;p&gt;Pilih &lt;code&gt;xhigh&lt;/code&gt; ketika:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Tugas memiliki banyak langkah yang saling bergantung&lt;/strong&gt; dan kesalahan awal merusak hasil, seperti refactor multi-file atau audit konkurensi.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;high&lt;/code&gt; memberikan jawaban yang percaya diri namun salah&lt;/strong&gt; pada set evaluasi Anda, bukan sekadar lebih lambat.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Latensi tidak terlalu penting&lt;/strong&gt;, seperti pada job latar belakang, review malam hari, atau analisis batch.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Jawaban yang salah lebih mahal daripada token&lt;/strong&gt;, seperti pada patch keamanan atau perhitungan finansial.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Tetap di &lt;code&gt;high&lt;/code&gt; (atau turun lebih rendah) ketika:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Prompt bersifat ekstraksi atau pemformatan.&lt;/strong&gt; Google memperingatkan bahwa &lt;code&gt;xhigh&lt;/code&gt; "dapat menyebabkan overthinking atau menghabiskan &lt;code&gt;max_output_tokens&lt;/code&gt; pada prompt yang lebih sederhana seperti ekstraksi teks atau JSON."&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Ada pengguna yang menunggu.&lt;/strong&gt; Chat, autocomplete, dan panggilan tool langsung cocok dengan &lt;code&gt;medium&lt;/code&gt; atau &lt;code&gt;low&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Anda menjalankan volume tinggi.&lt;/strong&gt; Setiap token pemikiran tambahan akan ditagih, dan selisihnya berlipat ganda di seluruh permintaan.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Angka benchmark Google mendukung pembagian ini. Dalam &lt;a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/" rel="noopener noreferrer"&gt;pengumuman peluncuran&lt;/a&gt; mereka, Neon pada &lt;code&gt;xhigh&lt;/code&gt; mendapatkan skor 61 di Artificial Analysis Intelligence Index, berada di peringkat ketiga. Pada default &lt;code&gt;high&lt;/code&gt;, Google melaporkan biaya per tugas 32% lebih rendah daripada Carbon. Itu angka Google, bukan pengujian kami, tetapi menunjukkan trade-off: &lt;code&gt;xhigh&lt;/code&gt; membeli skor tertinggi Neon, &lt;code&gt;high&lt;/code&gt; membeli efisiensi.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa biaya setiap level thinking?
&lt;/h2&gt;

&lt;p&gt;Setiap level memiliki harga per token yang sama; yang berubah adalah berapa banyak token yang Anda bayar. Neon berbiaya $3,00 per 1 juta token input dan $15,00 per 1 juta token output, dan &lt;a href="https://ai.google.dev/gemini-api/docs/pricing" rel="noopener noreferrer"&gt;halaman harga&lt;/a&gt; Google menyatakan tarif output mencakup token pemikiran. Input yang di-cache turun menjadi $0,15 per 1 juta melalui caching implisit (caching eksplisit tidak didukung di Neon). Tidak ada tier gratis untuk model ini.&lt;/p&gt;

&lt;p&gt;Jadi biaya sebuah level adalah token pemikiran yang ditambahkan, dikalikan $15 per juta. Berikut perhitungan untuk satu permintaan dengan 2.000 token input dan jawaban terlihat 800 token. Jumlah token pemikiran bersifat hipotetis, dipilih untuk menunjukkan perhitungan, bukan hasil pengukuran:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Token pemikiran (hipotetis)&lt;/th&gt;
&lt;th&gt;Biaya input&lt;/th&gt;
&lt;th&gt;Biaya output + pemikiran&lt;/th&gt;
&lt;th&gt;Total per permintaan&lt;/th&gt;
&lt;th&gt;Per 10.000 permintaan&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;500&lt;/td&gt;
&lt;td&gt;$0,006&lt;/td&gt;
&lt;td&gt;$0,0195&lt;/td&gt;
&lt;td&gt;$0,0255&lt;/td&gt;
&lt;td&gt;$255&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2.000&lt;/td&gt;
&lt;td&gt;$0,006&lt;/td&gt;
&lt;td&gt;$0,042&lt;/td&gt;
&lt;td&gt;$0,048&lt;/td&gt;
&lt;td&gt;$480&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8.000&lt;/td&gt;
&lt;td&gt;$0,006&lt;/td&gt;
&lt;td&gt;$0,132&lt;/td&gt;
&lt;td&gt;$0,138&lt;/td&gt;
&lt;td&gt;$1.380&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Pemikiran dengan cepat mendominasi tagihan. Pada 8.000 token pemikiran, penalaran mencapai 87% dari biaya permintaan. Itulah sebabnya saran Google sendiri adalah menjalankan evaluasi Anda pada keempat level dan "pilih &lt;code&gt;thinking_level&lt;/code&gt; terendah yang memenuhi standar kualitas Anda." &lt;a href="https://apidog.com/id/blog/gemini-3-8-flash-thinking-levels?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan level thinking Gemini 3.8 Flash&lt;/a&gt; kami membahas trade-off yang sama pada model yang lebih murah jika Anda ingin membandingkan.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara mengukur token dan latensi per level?
&lt;/h2&gt;

&lt;p&gt;Jalankan prompt yang sama pada setiap level dan baca blok usage. Di Interactions API, objek &lt;code&gt;usage&lt;/code&gt; pada respons melaporkan &lt;code&gt;total_input_tokens&lt;/code&gt;, &lt;code&gt;total_output_tokens&lt;/code&gt;, dan &lt;code&gt;total_thought_tokens&lt;/code&gt; secara terpisah. Di &lt;code&gt;generateContent&lt;/code&gt;, token pemikiran muncul sebagai &lt;code&gt;usageMetadata.thoughtsTokenCount&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;Loop ini mengirim satu prompt pada keempat level dan mencetak token pemikiran plus waktu wall-clock:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="k"&gt;for&lt;/span&gt; level &lt;span class="k"&gt;in&lt;/span&gt; low medium high xhigh&lt;span class="o"&gt;;&lt;/span&gt; &lt;span class="k"&gt;do&lt;/span&gt;
  &lt;span class="nv"&gt;start&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="nv"&gt;$(&lt;/span&gt;date +%s&lt;span class="o"&gt;)&lt;/span&gt;
  &lt;span class="nv"&gt;usage&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="nv"&gt;$(&lt;/span&gt;curl -s &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
    -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
    -H &lt;span class="s1"&gt;'Content-Type: application/json'&lt;/span&gt; \
    -d &lt;span class="s2"&gt;"{\"model\":\"gemini-4-neon\",
         \"input\":\"Find the race condition in this retry loop: ...\",
         \"generation_config\":{\"thinking_level\":\"$level\",\"max_output_tokens\":65536}}"&lt;/span&gt; \
    &lt;span class="o"&gt;|&lt;/span&gt; jq -c &lt;span class="s1"&gt;'{status, thought: .usage.total_thought_tokens, out: .usage.total_output_tokens}'&lt;/span&gt;&lt;span class="o"&gt;)&lt;/span&gt;
  &lt;span class="nb"&gt;echo&lt;/span&gt; &lt;span class="s2"&gt;"$level $(( $(date +%s) - start ))s $usage"&lt;/span&gt;
&lt;span class="k"&gt;done&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Jalankan pada 10 hingga 20 prompt dari beban kerja nyata Anda. Satu prompt tidak memberi banyak informasi; satu set menunjukkan di mana &lt;code&gt;high&lt;/code&gt; dan &lt;code&gt;xhigh&lt;/code&gt; mulai berbeda pendapat soal kualitas.&lt;/p&gt;

&lt;p&gt;Atur timeout klien HTTP Anda tinggi selama pengujian. Catatan migrasi Google menyatakan prompt yang sulit dapat memakan waktu beberapa menit dan menyarankan timeout setidaknya 15 menit, atau eksekusi latar belakang.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mengapa xhigh kadang mengembalikan jawaban kosong?
&lt;/h2&gt;

&lt;p&gt;&lt;code&gt;max_output_tokens&lt;/code&gt; membatasi pemikiran dan output terlihat secara bersama. Jika Neon menghabiskan seluruh anggaran untuk bernalar, interaksi berhenti dengan status &lt;code&gt;incomplete&lt;/code&gt; dan mengembalikan jawaban yang terpotong atau kosong, dan Anda tetap membayar token pemikiran yang dihasilkan.&lt;/p&gt;

&lt;p&gt;Tiga aturan dari dokumentasi Google menghindari hal ini:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Hapus batas rendah yang lama.&lt;/strong&gt; Jika aplikasi Anda meng-hardcode nilai seperti 8.192, naikkan ke 65.536, batas sinkron default.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Turunkan level, bukan batasnya.&lt;/strong&gt; Untuk memangkas biaya atau latensi, turun ke &lt;code&gt;medium&lt;/code&gt; atau &lt;code&gt;low&lt;/code&gt; alih-alih memperkecil &lt;code&gt;max_output_tokens&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gunakan mode latar belakang untuk pekerjaan panjang.&lt;/strong&gt; Untuk jawaban melebihi 65.536 token, atur &lt;code&gt;background&lt;/code&gt; ke &lt;code&gt;true&lt;/code&gt; dan &lt;code&gt;max_output_tokens&lt;/code&gt; hingga 1.048.576 dikurangi input Anda. Input, pemikiran, dan output berbagi satu jendela 1 juta token. &lt;a href="https://apidog.com/id/blog/gemini-4-argon-1m-output-tokens?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan output panjang Gemini 4 Argon&lt;/a&gt; kami membahas pola polling.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  Biarkan coding agent Anda melakukan benchmark keempat level dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Menjalankan ulang loop itu secara manual lama-lama melelahkan. Sebagai gantinya, biarkan coding agent Anda (Claude Code, Codex, Cursor) membuat satu tes yang dapat digunakan kembali dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; dan menjalankannya ulang di setiap level setiap kali Anda ingin angka baru.&lt;/p&gt;

&lt;p&gt;Siapkan sekali:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;projectId&amp;gt;, create an environment "gemini" with base URL
https://generativelanguage.googleapis.com and variables GEMINI_API_KEY and
THINKING. Add an endpoint for POST /v1beta/interactions that sends the
x-goog-api-key header from GEMINI_API_KEY. Create a test case that sends model
"gemini-4-neon", my audit prompt, generation_config.thinking_level {{THINKING}}
and max_output_tokens 65536, and asserts: HTTP 200, status is "completed",
and usage.total_thought_tokens exists. Run it once per level (low, medium,
high, xhigh) and give me a table of thought tokens and response time.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan membaca setiap skema payload, memvalidasi JSON-nya, menulis resource, dan mengulang eksekusi:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog environment create gemini --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url https://generativelanguage.googleapis.com
apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file endpoint.json
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
&lt;span class="k"&gt;for&lt;/span&gt; level &lt;span class="k"&gt;in&lt;/span&gt; low medium high xhigh&lt;span class="o"&gt;;&lt;/span&gt; &lt;span class="k"&gt;do&lt;/span&gt;
  apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; \
    --env-var &lt;span class="s2"&gt;"THINKING=$level"&lt;/span&gt; -r cli,json --out-file &lt;span class="s2"&gt;"neon-$level"&lt;/span&gt;
&lt;span class="k"&gt;done&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcgbvxxx9yec8lx2xko04.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcgbvxxx9yec8lx2xko04.png" alt="Alur benchmark level thinking dengan Apidog CLI" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Assertion &lt;code&gt;status is "completed"&lt;/code&gt; menangkap jebakan &lt;code&gt;incomplete&lt;/code&gt; dari bagian sebelumnya, sehingga level yang kehabisan anggaran gagal secara nyata alih-alih mengembalikan string kosong. Ganti &lt;code&gt;-r cli,json&lt;/code&gt; dengan &lt;code&gt;-r junit&lt;/code&gt; dan eksekusi yang sama masuk ke CI; &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan CI/CD Apidog CLI&lt;/a&gt; menunjukkan pipeline-nya, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; membahas setup agent. Paket Free Apidog mencakup hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apa level thinking default untuk Gemini 4 Neon?&lt;/strong&gt; &lt;code&gt;high&lt;/code&gt;. Anda tidak perlu mengirim &lt;code&gt;thinking_level&lt;/code&gt; untuk mendapatkannya. Carbon dan Argon default ke &lt;code&gt;medium&lt;/code&gt;, jadi atur level secara eksplisit saat Anda migrasi dari mereka.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon mendukung minimal thinking?&lt;/strong&gt; Tidak. Neon mendukung &lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;, dan &lt;code&gt;xhigh&lt;/code&gt;, dan menolak &lt;code&gt;minimal&lt;/code&gt; dengan error. Gunakan &lt;code&gt;low&lt;/code&gt; untuk respons tercepat dan termurah.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah token pemikiran ditagih di Gemini 4 Neon?&lt;/strong&gt; Ya. Token pemikiran ditagih pada tarif output $15,00 per 1 juta. Google menghitung setiap token yang diproses model, termasuk token pemikiran.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah saya masih bisa menggunakan thinkingBudget dengan Gemini 4 Neon?&lt;/strong&gt; Itu sudah tidak digunakan lagi pada model Gemini 4. Jika dikirim sendiri, akan dipetakan ke &lt;code&gt;thinkingLevel&lt;/code&gt; terdekat dan mengembalikan peringatan. Jika dikirim bersama &lt;code&gt;thinkingLevel&lt;/code&gt;, permintaan gagal dengan &lt;code&gt;400&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah xhigh selalu lebih akurat daripada high?&lt;/strong&gt; Tidak selalu. Google menyatakan &lt;code&gt;xhigh&lt;/code&gt; dapat overthinking pada prompt sederhana seperti ekstraksi teks atau JSON dan dapat menghabiskan &lt;code&gt;max_output_tokens&lt;/code&gt;. Uji keduanya pada prompt Anda sendiri dan gunakan level terendah yang lolos.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah saya bisa menggunakan level thinking Gemini 4 Neon secara gratis?&lt;/strong&gt; Tidak. Gemini 4 Neon tidak tersedia di tier gratis Gemini API. Di Google AI Studio dan Google Antigravity, model ini terikat pada paket berbayar Google AI Pro dan Ultra.&lt;/p&gt;

</description>
      <category>indonesian</category>
      <category>gemini</category>
      <category>api</category>
      <category>tutorial</category>
    </item>
    <item>
      <title>Harga Gemini 4 Neon: $3 Input, $15 Output, dan Berapa Sebenarnya Biaya Satu Panggilan API</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 03:48:44 +0000</pubDate>
      <link>https://dev.to/walse/harga-gemini-4-neon-3-input-15-output-dan-berapa-sebenarnya-biaya-satu-panggilan-api-4o0j</link>
      <guid>https://dev.to/walse/harga-gemini-4-neon-3-input-15-output-dan-berapa-sebenarnya-biaya-satu-panggilan-api-4o0j</guid>
      <description>&lt;h1&gt;
  
  
  Harga Gemini 4 Neon: Tarif API, Thinking, dan Cara Menekan Tagihan
&lt;/h1&gt;

&lt;p&gt;Harga Gemini 4 Neon adalah $3 per 1M token input dan $15 per 1M token output di tier berbayar Standard API Gemini, berlaku rata di seluruh jendela konteks 1M token. Token thinking ditagih dengan tarif output, input yang di-cache dikenai biaya $0,15 per 1M, Batch dan Flex memotong semua tarif menjadi setengah, dan Priority berharga $5,40 dan $27. Tidak ada tier API gratis.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Google merilis Neon pada 18 November 2026 sebagai model kelas menengah dalam keluarga Gemini 4, berada di antara Hydrogen yang cepat dan Carbon yang berat. Di bawah ini: kartu tarif, berapa biaya panggilan yang sebenarnya, bagaimana tingkat thinking memengaruhi tagihan Anda, dan bagaimana Neon dibandingkan dengan model sejenisnya sebelum dan sesudah 1 Desember.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa biaya Gemini 4 Neon per 1M token?
&lt;/h2&gt;

&lt;p&gt;Gemini 4 Neon (model ID &lt;code&gt;gemini-4-neon&lt;/code&gt;) memiliki empat tier berbayar di halaman harga Google. Semua harga dalam USD per 1M token:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tier&lt;/th&gt;
&lt;th&gt;Input&lt;/th&gt;
&lt;th&gt;Output termasuk thinking&lt;/th&gt;
&lt;th&gt;Input yang di-cache&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Standard&lt;/td&gt;
&lt;td&gt;$3,00&lt;/td&gt;
&lt;td&gt;$15,00&lt;/td&gt;
&lt;td&gt;$0,15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batch&lt;/td&gt;
&lt;td&gt;$1,50&lt;/td&gt;
&lt;td&gt;$7,50&lt;/td&gt;
&lt;td&gt;$0,075&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Flex&lt;/td&gt;
&lt;td&gt;$1,50&lt;/td&gt;
&lt;td&gt;$7,50&lt;/td&gt;
&lt;td&gt;$0,075&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Priority&lt;/td&gt;
&lt;td&gt;$5,40&lt;/td&gt;
&lt;td&gt;$27,00&lt;/td&gt;
&lt;td&gt;$0,27&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Free tier&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Tiga detail paling penting:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Thinking adalah output.&lt;/strong&gt; Kolom output tertulis "termasuk thinking tokens", jadi setiap token yang Neon habiskan untuk penalaran berbiaya $15 per 1M di tier Standard, meskipun Anda tidak pernah melihatnya di jawaban.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Caching hanya implisit.&lt;/strong&gt; Anda mendapatkan tarif $0,15 ketika cache Google cocok dengan awalan prompt yang berulang; Anda tidak bisa membuat objek cache sendiri.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Tidak ada tier gratis.&lt;/strong&gt; Halaman harga Google mencantumkan Neon sebagai tidak tersedia di tier Free. Hydrogen adalah model Gemini 4 yang bisa Anda panggil dengan $0 (lihat &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-free?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan gratis Gemini 4 Hydrogen&lt;/a&gt; kami).&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fs5ji1az2ppq6ixl26j4w.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fs5ji1az2ppq6ixl26j4w.png" alt="Tier harga Gemini 4 Neon per 1M token: Batch dan Flex di $1,50 input dan $7,50 output, Standard di $3 input dan $15 output, Priority di $5,40 input dan $27 output, input yang di-cache di $0,15 pada Standard, dan tidak ada tier API gratis" width="800" height="429"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa arti dari empat tier Gemini 4 Neon?
&lt;/h2&gt;

&lt;p&gt;Keempat tier tersebut menjual model yang sama dengan jaminan kecepatan yang berbeda. Batch mengembalikan hasil secara asinkron dengan harga setengah, Flex adalah harga setengah untuk lalu lintas yang mentolerir pemrosesan lebih lambat, dan Priority berbiaya 80% lebih mahal dari Standard agar tetap cepat saat kapasitas terbatas. Pilih berdasarkan tenggat waktu:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Beban kerja Anda&lt;/th&gt;
&lt;th&gt;Tier&lt;/th&gt;
&lt;th&gt;Alasan&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Asisten coding interaktif, chat&lt;/td&gt;
&lt;td&gt;Standard&lt;/td&gt;
&lt;td&gt;Ada pengguna yang menunggu; $3/$15 adalah baseline&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Review kode malam hari, menjalankan eval, backfill dokumen&lt;/td&gt;
&lt;td&gt;Batch&lt;/td&gt;
&lt;td&gt;Tidak ada yang menunggu; Anda membayar $1,50/$7,50&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Agent latar belakang yang bisa dicoba ulang nanti&lt;/td&gt;
&lt;td&gt;Flex&lt;/td&gt;
&lt;td&gt;Harga setengah yang sama, tanpa perlu mengemas file batch&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Agent yang menghadapi pelanggan dengan janji uptime&lt;/td&gt;
&lt;td&gt;Priority&lt;/td&gt;
&lt;td&gt;$5,40/$27 membelikan Anda kapasitas saat beban tinggi&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Grounding memiliki meterannya sendiri. Pada Standard dan Priority, grounding Google Search mencakup 5.000 permintaan pencarian gratis per bulan, dibagi bersama di seluruh model Gemini 3 dan yang lebih baru, lalu berbiaya $14 per 1.000. Grounding Google Maps mengikuti pola yang sama: 5.000 gratis, lalu $14 per 1.000. Halaman harga tidak mencantumkan harga grounding untuk Batch atau Flex.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana tingkat thinking mengubah tagihan Gemini 4 Neon Anda?
&lt;/h2&gt;

&lt;p&gt;Neon mendukung empat tingkat thinking: &lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt; dan &lt;code&gt;xhigh&lt;/code&gt;. Tingkatnya tidak mengubah harga per token; yang berubah adalah jumlah token output yang Neon habiskan sebelum menjawab.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://artificialanalysis.ai/models/gemini-4-neon" rel="noopener noreferrer"&gt;Artificial Analysis&lt;/a&gt; menjalankan Intelligence Index-nya di setiap tingkat dan mempublikasikan token output yang digunakan setiap kali menjalankan. Kalikan dengan tarif output Standard $15 dan Anda mendapatkan biaya output dari seluruh proses:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tingkat thinking&lt;/th&gt;
&lt;th&gt;Intelligence Index&lt;/th&gt;
&lt;th&gt;Token output&lt;/th&gt;
&lt;th&gt;Biaya output pada $15/1M&lt;/th&gt;
&lt;th&gt;Waktu per tugas&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;low&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;td&gt;28,3M&lt;/td&gt;
&lt;td&gt;$424,50&lt;/td&gt;
&lt;td&gt;3,7 menit&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;medium&lt;/td&gt;
&lt;td&gt;55&lt;/td&gt;
&lt;td&gt;62,9M&lt;/td&gt;
&lt;td&gt;$943,50&lt;/td&gt;
&lt;td&gt;8,3 menit&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;high&lt;/td&gt;
&lt;td&gt;60&lt;/td&gt;
&lt;td&gt;123M&lt;/td&gt;
&lt;td&gt;$1.845&lt;/td&gt;
&lt;td&gt;14,8 menit&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;xhigh&lt;/td&gt;
&lt;td&gt;61&lt;/td&gt;
&lt;td&gt;283M&lt;/td&gt;
&lt;td&gt;$4.245&lt;/td&gt;
&lt;td&gt;21,5 menit&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Dua hal menonjol. Beralih dari &lt;code&gt;high&lt;/code&gt; ke &lt;code&gt;xhigh&lt;/code&gt; hanya membeli satu poin indeks dengan 2,3 kali token output. Dan &lt;code&gt;medium&lt;/code&gt; memberikan sebagian besar skor &lt;code&gt;high&lt;/code&gt; dengan sekitar setengah token. Artificial Analysis menetapkan biaya headline Neon di $6,44 per tugas indeks pada &lt;code&gt;xhigh&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fx5ynvysto4k4pqzful4g.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fx5ynvysto4k4pqzful4g.png" alt="Token output Gemini 4 Neon berdasarkan tingkat thinking pada Intelligence Index Artificial Analysis: low 28,3M token dengan $424,50, medium 62,9M dengan $943,50, high 123M dengan $1.845 dan xhigh 283M dengan $4.245 pada $15 per 1M token output" width="800" height="429"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Aturan praktisnya: mulai pengujian Anda di &lt;code&gt;medium&lt;/code&gt;, pindahkan tugas ke &lt;code&gt;high&lt;/code&gt; hanya jika Anda bisa menunjukkan bahwa tugas itu gagal di &lt;code&gt;medium&lt;/code&gt;, dan simpan &lt;code&gt;xhigh&lt;/code&gt; untuk masalah langka di mana satu poin kualitas tambahan lebih berharga daripada biaya dua kali lipat.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa biaya satu panggilan Gemini 4 Neon?
&lt;/h2&gt;

&lt;p&gt;Berikut tiga bentuk permintaan yang umum, dihitung dengan tier Standard. Angka output mencakup token thinking.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;1. Panggilan review kode.&lt;/strong&gt; 20.000 token input (diff ditambah konteks), 3.000 token output:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Input: 20.000 × $3 / 1M = $0,060&lt;/li&gt;
&lt;li&gt;Output: 3.000 × $15 / 1M = $0,045&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Total: $0,105 per panggilan&lt;/strong&gt;, atau $0,0525 di Batch&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Jalankan 1.000 panggilan seperti itu per hari selama 30 hari dan Anda menghabiskan $3.150 per bulan di Standard, atau $1.575 jika review bisa menunggu di Batch.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;2. Loop agent dengan awalan yang di-cache.&lt;/strong&gt; Sepuluh giliran, masing-masing mengirim system prompt dan daftar alat yang sama sebanyak 50.000 token, ditambah 5.000 token input baru dan 2.000 token output:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Dengan cache hit pada awalan: 50.000 × $0,15 / 1M + 5.000 × $3 / 1M + 2.000 × $15 / 1M = $0,0525 per giliran, &lt;strong&gt;$0,53 untuk seluruh loop&lt;/strong&gt;
&lt;/li&gt;
&lt;li&gt;Tanpa cache hit: 55.000 × $3 / 1M + 2.000 × $15 / 1M = $0,195 per giliran, &lt;strong&gt;$1,95 untuk seluruh loop&lt;/strong&gt;
&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Itu perbedaan 73% hanya dari caching. Karena caching Neon bersifat implisit, Anda tidak bisa memaksa cache hit; Anda meningkatkan peluangnya dengan menjaga bagian prompt yang stabil di awal dan identik byte demi byte di setiap giliran.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;3. Pertanyaan dokumen panjang.&lt;/strong&gt; 800.000 token input (codebase besar atau kumpulan kontrak) dan 4.000 token output:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Input: 800.000 × $3 / 1M = $2,40&lt;/li&gt;
&lt;li&gt;Output: 4.000 × $15 / 1M = $0,06&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Total: $2,46&lt;/strong&gt;, atau $1,23 di Batch&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Neon tidak memiliki biaya tambahan konteks panjang di halaman harga, jadi token ke-900.000 berharga sama dengan token pertama. Jendela konteksnya adalah 1.048.576 token yang dibagi antara input dan output, dan satu permintaan sinkron mengembalikan hingga 65.536 token output secara default.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana perbandingan harga Neon dengan Hydrogen dan Carbon?
&lt;/h2&gt;

&lt;p&gt;Neon berharga tepat dua kali lipat Hydrogen per token. Perbandingan dengan Carbon berubah pada 1 Desember, ketika tarif intro Carbon berakhir:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Input / 1M&lt;/th&gt;
&lt;th&gt;Output / 1M&lt;/th&gt;
&lt;th&gt;Panggilan review kode (20K masuk, 3K keluar)&lt;/th&gt;
&lt;th&gt;Free tier&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Hydrogen&lt;/td&gt;
&lt;td&gt;$1,50&lt;/td&gt;
&lt;td&gt;$7,50&lt;/td&gt;
&lt;td&gt;$0,0525&lt;/td&gt;
&lt;td&gt;Ya&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Neon&lt;/td&gt;
&lt;td&gt;$3,00&lt;/td&gt;
&lt;td&gt;$15,00&lt;/td&gt;
&lt;td&gt;$0,105&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Carbon, hingga 30 Nov&lt;/td&gt;
&lt;td&gt;$2,00&lt;/td&gt;
&lt;td&gt;$10,00&lt;/td&gt;
&lt;td&gt;$0,070&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Carbon, mulai 1 Des&lt;/td&gt;
&lt;td&gt;$4,00&lt;/td&gt;
&lt;td&gt;$20,00&lt;/td&gt;
&lt;td&gt;$0,140&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Dalam sebelas hari ke depan, Carbon lebih murah per token dibanding Neon. Jika Anda membangun di atas $2/$10 Carbon hari ini, siapkan anggaran $4/$20 di bulan Desember. &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Rincian harga Gemini 4 Carbon&lt;/a&gt; kami membahas perubahan itu secara detail.&lt;/p&gt;

&lt;p&gt;Mulai 1 Desember, Neon berada di tengah: 25% di bawah Carbon, 2x Hydrogen per token. Per tugas, selisihnya bergantung pada token thinking, jadi ukur biaya per permintaan dengan prompt Anda sendiri alih-alih membandingkan kartu tarif.&lt;/p&gt;

&lt;p&gt;Route berdasarkan tingkat kesulitan: &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Hydrogen&lt;/a&gt; untuk panggilan sehari-hari bervolume tinggi, Neon untuk coding dan analisis kompleks yang sering Anda jalankan, dan &lt;a href="https://apidog.com/id/blog/what-is-gemini-4-carbon?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Carbon&lt;/a&gt; untuk masalah tunggal tersulit.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara menekan tagihan Gemini 4 Neon Anda?
&lt;/h2&gt;

&lt;p&gt;Lima tuas, dalam urutan yang biasanya paling menguntungkan:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Turunkan tingkat thinking.&lt;/strong&gt; &lt;code&gt;medium&lt;/code&gt; menggunakan sekitar setengah token output dari &lt;code&gt;high&lt;/code&gt; pada hasil pengujian Artificial Analysis.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Kirim pekerjaan yang menunggu ke Batch atau Flex.&lt;/strong&gt; Apa pun yang tidak dibaca secara real time berbiaya setengah.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Bentuk prompt untuk caching implisit.&lt;/strong&gt; Jaga system prompt dan definisi alat tetap di atas dan tidak berubah, sehingga awalan yang berulang ditagih $0,15 alih-alih $3.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Batasi output.&lt;/strong&gt; Tetapkan jumlah token output maksimum yang sesuai dengan tugas.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Arahkan panggilan mudah ke Hydrogen.&lt;/strong&gt; Simpan Neon untuk pekerjaan yang benar-benar membutuhkannya.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Cek &lt;a href="https://aistudio.google.com/docs/rate-limits" rel="noopener noreferrer"&gt;halaman rate limits API Gemini&lt;/a&gt; untuk tier Anda sebelum merencanakan throughput.&lt;/p&gt;

&lt;h2&gt;
  
  
  Ukur biaya riil Gemini 4 Neon Anda dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Setiap respons dari API Interactions Google membawa objek &lt;code&gt;usage&lt;/code&gt; dengan jumlah token input, cache, thought, dan output. Blok itu, dikalikan kartu tarif di atas, adalah biaya riil Anda per permintaan. Menjalankan prompt yang sama di setiap tingkat thinking dan membandingkannya adalah pekerjaan yang repetitif, jadi serahkan ke coding agent Anda.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; memberi Claude Code, Codex, Cursor, atau OpenCode cara berbasis baris perintah untuk membuat dan menjalankan pengujian API. Atur sekali saja:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;id&amp;gt;, create an environment for the Gemini API with
GEMINI_API_KEY and THINKING_LEVEL variables. Add a test case for
POST /v1beta/interactions with model gemini-4-neon and
generation_config.thinking_level set from THINKING_LEVEL. Send our code review
prompt, assert HTTP 200 and non-empty output, and save usage.total_input_tokens,
total_cached_tokens, total_thought_tokens and total_output_tokens. Run it at
low, medium and high, then compute the Standard cost of each run at $3 input,
$0.15 cached and $15 per 1M for thought and output tokens.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan membuat environment, memeriksa payload test case-nya terhadap skema, lalu menjalankannya sekali per tingkat:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog environment create gemini-api --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url https://generativelanguage.googleapis.com
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"THINKING_LEVEL=low"&lt;/span&gt; -r cli,json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"THINKING_LEVEL=medium"&lt;/span&gt; -r cli,json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"THINKING_LEVEL=high"&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Laporan JSON memberikan jumlah token kepada agent Anda untuk dihitung harganya, sehingga Anda mendapatkan tabel biaya per tingkat untuk prompt Anda sendiri. Tambahkan &lt;code&gt;apidog run ... -r junit&lt;/code&gt; ke CI dengan &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan CI/CD Apidog CLI&lt;/a&gt; untuk mendeteksi perubahan prompt yang menggandakan token thinking Anda, atau mulai dari &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt;. Paket Free Apidog mencakup hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon gratis?&lt;/strong&gt; Tidak melalui API. Halaman harga Google mencantumkan Neon sebagai tidak tersedia di tier Free, jadi Anda memerlukan proyek API Gemini berbayar. Hydrogen adalah model Gemini 4 dengan tier gratis.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah token thinking ditagih terpisah?&lt;/strong&gt; Tidak. Token itu ditagih sebagai token output, sebesar $15 per 1M di Standard. Objek &lt;code&gt;usage&lt;/code&gt; API Interactions melaporkannya sebagai &lt;code&gt;total_thought_tokens&lt;/code&gt;, sehingga Anda bisa melihat seberapa besar porsi setiap tagihan yang digunakan untuk penalaran.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon lebih mahal di atas 200K token?&lt;/strong&gt; Tidak. Halaman harga menampilkan satu tarif input dan satu tarif output untuk Neon, tanpa tier konteks panjang, di seluruh jendela 1.048.576 token.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Seberapa murah Batch?&lt;/strong&gt; Tepat setengah: $1,50 per 1M input dan $7,50 per 1M output, dengan input cache di $0,075. Flex memiliki tarif yang sama.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Neon lebih murah dari Carbon?&lt;/strong&gt; Belum sampai 1 Desember. Tarif intro Carbon $2/$10 berlaku hingga 30 November, lalu naik menjadi $4/$20, yang menempatkan $3/$15 Neon sekitar 25% di bawah Carbon per token.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Cara Menggunakan Gemini 4 Neon Secara Gratis</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 03:48:04 +0000</pubDate>
      <link>https://dev.to/walse/cara-menggunakan-gemini-4-neon-secara-gratis-4g0i</link>
      <guid>https://dev.to/walse/cara-menggunakan-gemini-4-neon-secara-gratis-4g0i</guid>
      <description>&lt;p&gt;Gemini 4 Neon tidak gratis di API. Google mencantumkan &lt;code&gt;gemini-4-neon&lt;/code&gt; hanya untuk tier berbayar, dengan harga $3 per 1M token input dan $15 per 1M token output. Anda tetap bisa menggunakannya dengan biaya $0 lewat tiga cara: uji coba gratis Google AI Pro, penawaran khusus mahasiswa, atau dengan membangun di tier gratis Gemini 4 Hydrogen lalu mengganti nama modelnya nanti.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Neon mencapai status GA pada 18 November 2026. Di bawah ini: setiap jalur $0, keterbatasannya, serta cara menjaga tagihan tetap kecil*.*&lt;/p&gt;

&lt;h2&gt;
  
  
  Apakah Gemini 4 Neon gratis?
&lt;/h2&gt;

&lt;p&gt;Gemini 4 Neon tidak punya tier API gratis. &lt;a href="https://aistudio.google.com/docs/pricing#gemini-4-neon" rel="noopener noreferrer"&gt;Halaman harga&lt;/a&gt; Google menyatakannya secara gamblang: "Gemini 4 Neon tidak tersedia di tier Free." Setiap token ditagihkan, termasuk token thinking. Penggunaan gratis hanya bisa dilakukan melalui paket Google AI Pro atau Ultra, yang bisa Anda dapatkan tanpa biaya melalui uji coba atau penawaran mahasiswa.&lt;/p&gt;

&lt;p&gt;Berikut yang dipublikasikan Google:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Item&lt;/th&gt;
&lt;th&gt;Tier gratis&lt;/th&gt;
&lt;th&gt;Tier berbayar (standar)&lt;/th&gt;
&lt;th&gt;Sumber&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Model ID&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;gemini-4-neon&lt;/code&gt; (stabil)&lt;/td&gt;
&lt;td&gt;Halaman model&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Harga input&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;$3,00 / 1M token&lt;/td&gt;
&lt;td&gt;Halaman harga&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Harga output (termasuk thinking)&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;$15,00 / 1M token&lt;/td&gt;
&lt;td&gt;Halaman harga&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input cache (hanya implisit)&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;$0,15 / 1M token&lt;/td&gt;
&lt;td&gt;Halaman harga&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batch dan Flex&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;$1,50 masuk / $7,50 keluar&lt;/td&gt;
&lt;td&gt;Halaman harga&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grounding dengan Google Search&lt;/td&gt;
&lt;td&gt;Tidak tersedia&lt;/td&gt;
&lt;td&gt;5.000 permintaan gratis/bulan, lalu $14 per 1.000&lt;/td&gt;
&lt;td&gt;Halaman harga&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Context window&lt;/td&gt;
&lt;td&gt;1.048.576 token dibagi untuk input, thinking, dan output&lt;/td&gt;
&lt;td&gt;Same&lt;/td&gt;
&lt;td&gt;Halaman model&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Level thinking&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt; (bawaan), &lt;code&gt;xhigh&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;Same&lt;/td&gt;
&lt;td&gt;Halaman What's new&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Neon tidak punya harga perkenalan, tidak seperti Carbon, dan tarif standarnya tepat dua kali lipat milik Hydrogen. &lt;a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/" rel="noopener noreferrer"&gt;Postingan peluncuran&lt;/a&gt; Google memuat ringkasan lengkapnya.&lt;/p&gt;

&lt;h2&gt;
  
  
  Semua jalur gratis Gemini 4 Neon
&lt;/h2&gt;

&lt;p&gt;Ada tiga jalur yang berbiaya $0 saat ini. Dua di antaranya mempertemukan Anda dengan Neon; yang ketiga menyiapkan kode Anda untuk itu.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Jalur&lt;/th&gt;
&lt;th&gt;Biaya&lt;/th&gt;
&lt;th&gt;Apa yang Anda dapatkan&lt;/th&gt;
&lt;th&gt;Perlu kartu?&lt;/th&gt;
&lt;th&gt;Neon lewat API?&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Uji coba gratis Google AI Pro&lt;/td&gt;
&lt;td&gt;$0 selama masa penawaran&lt;/td&gt;
&lt;td&gt;Neon di aplikasi Gemini dan Google AI Studio&lt;/td&gt;
&lt;td&gt;Ya&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Penawaran mahasiswa&lt;/td&gt;
&lt;td&gt;$0 atau diskon, tergantung negara&lt;/td&gt;
&lt;td&gt;Sama seperti Pro selama masa berlaku&lt;/td&gt;
&lt;td&gt;Ya (payment profile)&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tier gratis Gemini 4 Hydrogen&lt;/td&gt;
&lt;td&gt;$0, dengan pembatasan laju&lt;/td&gt;
&lt;td&gt;Hydrogen, skema permintaan sama dengan Neon&lt;/td&gt;
&lt;td&gt;Tidak disebutkan&lt;/td&gt;
&lt;td&gt;Tidak, ganti nanti&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp8f35oerzhdabmizmnd5.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp8f35oerzhdabmizmnd5.png" alt="Decision diagram of the three $0 routes to Gemini 4 Neon: a Google AI Pro trial for chat and AI Studio, a student offer for eligible full-time students, and the free Gemini 4 Hydrogen API tier for building code that switches to Neon later" width="799" height="407"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h3&gt;
  
  
  Jalur 1: Uji coba gratis Google AI Pro
&lt;/h3&gt;

&lt;p&gt;Google AI Pro ($19,99/bulan di AS) mencakup Neon. &lt;a href="https://one.google.com/about/google-ai-plans/" rel="noopener noreferrer"&gt;Halaman paket Google AI&lt;/a&gt; mencantumkan "Akses ke Gemini 4 Neon untuk analisis lebih mendalam di aplikasi Gemini" dan "AI Studio dengan batasan yang diperluas untuk melakukan prototyping, eksperimen, dan membangun dengan model Gemini 4 Neon kami." FAQ di halaman yang sama menyatakan manfaat AI berlaku "saat Anda memulai uji coba atau telah berlangganan."&lt;/p&gt;

&lt;p&gt;&lt;a href="https://one.google.com/offer/freetrial?hl=en-US" rel="noopener noreferrer"&gt;Syarat penawaran Google One&lt;/a&gt; (diperbarui 17 November 2026) mengatur keterbatasannya:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Metode pembayaran wajib.&lt;/strong&gt; Anda memerlukan "akun Google Payments dengan bentuk pembayaran yang memenuhi syarat saat pendaftaran."&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Perpanjangan otomatis.&lt;/strong&gt; Batalkan sebelum masa penawaran berakhir, atau Anda akan ditagih harga standar.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Batasan bisa berbeda.&lt;/strong&gt; Pengguna uji coba "mungkin mengalami batas penggunaan yang berbeda dari anggota Google One pada paket berbayar."&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Hanya pengguna baru.&lt;/strong&gt; Durasinya tidak tercantum tetap di halaman; Anda melihat tanggal berakhir setelah menukarnya.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Cara menggunakannya: mulai uji coba, buka &lt;a href="https://gemini.google.com" rel="noopener noreferrer"&gt;aplikasi Gemini&lt;/a&gt; dan pilih Gemini 4 Neon dari menu tarik-turun model. Untuk pengujian prompt, buka &lt;a href="https://aistudio.google.com/prompts/new_chat?model=gemini-4-neon" rel="noopener noreferrer"&gt;Neon di AI Studio&lt;/a&gt;; postingan peluncuran Google menyatakan "semua pelanggan Pro dan Ultra dapat mencobanya di AI Studio."&lt;/p&gt;

&lt;h3&gt;
  
  
  Jalur 2: Penawaran mahasiswa
&lt;/h3&gt;

&lt;p&gt;Di versi AS halaman paket tersebut, banner Google bertuliskan "Mahasiswa mendapatkan Google AI Pro gratis selama 1 tahun." Penawaran ini berbeda tiap negara: halaman mahasiswa yang kami muat dari wilayah lain menunjukkan Google AI Plus gratis selama 12 bulan dan Pro dengan diskon 74%, jadi cek dulu apa yang ditawarkan di negara Anda sebelum merencanakan penggunaan Neon.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://one.google.com/offer/freetrial?hl=en-US" rel="noopener noreferrer"&gt;Syarat penawaran mahasiswa&lt;/a&gt; mensyaratkan status mahasiswa penuh waktu di lembaga pendidikan tinggi terakreditasi, verifikasi SheerID dengan pemeriksaan ulang tahunan, serta Akun Google dengan payment profile yang valid. Akun Workspace for Education yang dikeluarkan kampus tidak memenuhi syarat.&lt;/p&gt;

&lt;h3&gt;
  
  
  Jalur 3: Bangun di Gemini 4 Hydrogen secara gratis, ganti ke Neon nanti
&lt;/h3&gt;

&lt;p&gt;Input, output, dan caching Hydrogen " Gratis tanpa biaya" di tier gratis Gemini API, dan Google menyatakan Carbon, Neon, dan Hydrogen "berbagi skema permintaan, context window, dan tools yang sama." Bangun dengan kunci Hydrogen gratis, lalu ubah satu string saja saat Anda siap membayar. Panduan &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-free?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Gemini 4 Hydrogen free&lt;/a&gt; kami membahas batasan dan keterbatasan tier tersebut.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yang bukan jalur gratis
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Neon di Gemini API.&lt;/strong&gt; Halaman &lt;a href="https://aistudio.google.com/docs/whats-new-gemini-4-neon" rel="noopener noreferrer"&gt;What's new in Gemini 4 Neon&lt;/a&gt; menyuruh Anda untuk "gunakan project dengan tier berbayar." Langganan Pro memperluas batas playground AI Studio Anda; ini tidak mengubah kunci API gratis menjadi kunci Neon.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Neon di Google Antigravity melalui uji coba.&lt;/strong&gt; Baik postingan peluncuran maupun &lt;a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity" rel="noopener noreferrer"&gt;blog Antigravity&lt;/a&gt; menyebut pelanggan &lt;em&gt;berbayar&lt;/em&gt; Google AI Pro dan Ultra. Redaksi tersebut mengeluarkan uji coba, dan kami tidak bisa memastikan apakah paket mahasiswa gratis dihitung.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Paket gratis aplikasi Gemini atau Google AI Plus.&lt;/strong&gt; Google hanya menyebut Pro dan Ultra untuk Neon; Plus mendapatkan Hydrogen.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Kredit uji coba Google Cloud.&lt;/strong&gt; Dokumentasi Cloud Google menyatakan Neon "tersedia untuk pelanggan perusahaan terverifikasi di wilayah tertentu," jadi akun uji coba baru bukan jalur yang bisa diandalkan.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Uji coba gratis Gemini 4 Neon vs membayar API
&lt;/h2&gt;

&lt;p&gt;Uji coba memberi Anda jendela obrolan dan playground. Neon di dalam aplikasi Anda sendiri berbayar per token. Berikut biaya panggilan dengan 20.000 token input dan 4.000 token output:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Opsi&lt;/th&gt;
&lt;th&gt;Biaya per panggilan&lt;/th&gt;
&lt;th&gt;1.000 panggilan&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Neon, standar&lt;/td&gt;
&lt;td&gt;$0,06 + $0,06 = $0,12&lt;/td&gt;
&lt;td&gt;$120&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Neon, Batch atau Flex&lt;/td&gt;
&lt;td&gt;$0,03 + $0,03 = $0,06&lt;/td&gt;
&lt;td&gt;$60&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Hydrogen, berbayar standar&lt;/td&gt;
&lt;td&gt;$0,03 + $0,03 = $0,06&lt;/td&gt;
&lt;td&gt;$60&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Hydrogen, tier gratis&lt;/td&gt;
&lt;td&gt;$0&lt;/td&gt;
&lt;td&gt;$0 (dalam batas laju)&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fxhoevez4jxnm0f44cwq6.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fxhoevez4jxnm0f44cwq6.png" alt="Bar chart comparing the cost of 1,000 calls of 20,000 input and 4,000 output tokens: $120 for Gemini 4 Neon standard, $60 for Neon Batch or Flex, $60 for Gemini 4 Hydrogen paid and $0 on the Hydrogen free tier" width="800" height="416"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Token thinking ditagih sebagai output, jadi &lt;code&gt;xhigh&lt;/code&gt; lebih mahal. Lihat rincian &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;harga Gemini 4 Hydrogen&lt;/a&gt; dan &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;harga Gemini 4 Carbon&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gemini 4 Neon vs Hydrogen: kapan model gratis sudah cukup
&lt;/h2&gt;

&lt;p&gt;Panduan model Google mempertahankan Hydrogen "sebagai pilihan bawaan untuk pekerjaan coding sehari-hari dan alur kerja agentic", dan mengarahkan Neon ke coding multi-file, pekerjaan berbasis pengetahuan padat, serta alur kerja sains.&lt;/p&gt;

&lt;p&gt;Jadi jalankan setiap langkah di Hydrogen terlebih dahulu, dan pindahkan satu langkah ke Neon hanya saat Hydrogen tidak memenuhi standar kualitas Anda, karena langkah itu kemudian berbiaya dua kali lipat. Gemini Managed Agents dapat memasangkan keduanya dalam satu alur kerja, dan panduan &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-orchestrator?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Gemini 4 Hydrogen Orchestrator&lt;/a&gt; kami menunjukkan pola planner-executor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Jaga agar pergantian model hanya mengubah satu string
&lt;/h2&gt;

&lt;p&gt;Baca nama model dari variabel lingkungan: Hydrogen dengan kunci gratis hari ini, Neon dengan project berbayar nanti:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="nv"&gt;MODEL&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"${GEMINI_MODEL:-gemini-4-hydrogen}"&lt;/span&gt;   &lt;span class="c"&gt;# set GEMINI_MODEL=gemini-4-neon on a paid key&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; attempt &lt;span class="k"&gt;in&lt;/span&gt; 1 2 3 4 5&lt;span class="o"&gt;;&lt;/span&gt; &lt;span class="k"&gt;do&lt;/span&gt;
  &lt;span class="nv"&gt;code&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="nv"&gt;$(&lt;/span&gt;curl -s -o out.json -w &lt;span class="s2"&gt;"%{http_code}"&lt;/span&gt; \
    &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/models/${MODEL}:generateContent"&lt;/span&gt; \
    -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
    -d &lt;span class="s1"&gt;'{"contents":[{"parts":[{"text":"Review this diff for bugs."}]}],
         "generationConfig":{"thinkingConfig":{"thinkingLevel":"medium"}}}'&lt;/span&gt;&lt;span class="o"&gt;)&lt;/span&gt;
  &lt;span class="o"&gt;[&lt;/span&gt; &lt;span class="s2"&gt;"$code"&lt;/span&gt; != &lt;span class="s2"&gt;"429"&lt;/span&gt; &lt;span class="o"&gt;]&lt;/span&gt; &lt;span class="o"&gt;&amp;amp;&amp;amp;&lt;/span&gt; &lt;span class="nb"&gt;break&lt;/span&gt;
  sleep &lt;span class="nv"&gt;$(&lt;/span&gt;&lt;span class="o"&gt;(&lt;/span&gt;2 ** attempt&lt;span class="o"&gt;)&lt;/span&gt;&lt;span class="o"&gt;)&lt;/span&gt;   &lt;span class="c"&gt;# 2, 4, 8, 16, 32 seconds&lt;/span&gt;
&lt;span class="k"&gt;done&lt;/span&gt;
&lt;span class="nb"&gt;echo&lt;/span&gt; &lt;span class="s2"&gt;"HTTP $code"&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Sebelum beralih, perhatikan tiga hal khusus Neon:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Thinking bawaan adalah &lt;code&gt;high&lt;/code&gt;.&lt;/strong&gt; Atur ke &lt;code&gt;medium&lt;/code&gt; atau &lt;code&gt;low&lt;/code&gt; saat Anda tidak butuh kedalaman.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Naikkan timeout.&lt;/strong&gt; Google menyarankan minimal 15 menit untuk prompt yang berat, atau eksekusi di latar belakang.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Hanya caching implisit.&lt;/strong&gt; Ulangi awalan prompt yang panjang untuk mendapatkan tarif cache $0,15.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Loop retry menangani HTTP 429 di tier gratis; &lt;a href="https://apidog.com/id/blog/status-code-429-too-many-requests?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;HTTP 429 Too Many Requests&lt;/a&gt; menjelaskan kode status tersebut.&lt;/p&gt;

&lt;h2&gt;
  
  
  Minta coding agent Anda mengujinya dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Pergantian model hanya aman jika satu pengujian lolos di kedua model. Biarkan coding agent Anda membangunnya sekali saja. &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; memberi Claude Code, Codex, atau Cursor perintah-perintahnya, dan paket Free &lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog&lt;/a&gt; mencakup hingga 4 pengguna.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;id&amp;gt;, create an environment "gemini" with base URL
https://generativelanguage.googleapis.com/v1beta and a MODEL variable.
Add a test case for POST /models/{{MODEL}}:generateContent using the key in
{{GEMINI_API_KEY}} and thinkingLevel "medium". Assert HTTP 200, a non-empty
candidates array and a usageMetadata object. Run it with MODEL=gemini-4-hydrogen,
2 seconds between requests, and summarize any failures, including 429s.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent tersebut membuat environment, membaca skema, memvalidasi payload-nya, menulis test case, dan menjalankannya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog environment create gemini --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; \
  --base-url https://generativelanguage.googleapis.com/v1beta
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; \
  --env-var &lt;span class="s2"&gt;"GEMINI_API_KEY=$GEMINI_API_KEY"&lt;/span&gt; --env-var &lt;span class="s2"&gt;"MODEL=gemini-4-hydrogen"&lt;/span&gt; \
  --delay-request 2000 -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Dengan kunci berbayar, jalankan ulang dengan &lt;code&gt;--env-var "MODEL=gemini-4-neon"&lt;/code&gt; dan bandingkan laporannya. &lt;code&gt;--env-var&lt;/code&gt; menjaga kunci tetap di luar project, dan &lt;code&gt;--delay-request&lt;/code&gt; (dalam milidetik) menjaga Anda tetap di bawah batas per menit. Panduan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI in Claude Code&lt;/a&gt; membahas penyiapan agent, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI in CI/CD&lt;/a&gt; menjalankan test case yang sama pada setiap push.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon gratis?&lt;/strong&gt; Tidak di API: Google mencantumkannya hanya untuk tier berbayar, dengan harga $3/$15 per 1M token. Anda bisa menggunakannya dengan $0 di aplikasi Gemini dan AI Studio melalui uji coba Google AI Pro atau penawaran mahasiswa yang memenuhi syarat.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah ada tier gratis Gemini 4 Neon di Google AI Studio?&lt;/strong&gt; Tidak ada kunci API tier gratis yang mencakup Neon. Pelanggan Google AI Pro dan Ultra dapat mencobanya di playground AI Studio, dan FAQ paket Google menyatakan manfaat AI berlaku selama masa uji coba. Panggilan API ditagihkan ke project dengan tier berbayar.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah saya perlu kartu kredit untuk uji coba gratis Gemini 4 Neon?&lt;/strong&gt; Ya. Syarat penawaran Google mewajibkan bentuk pembayaran yang memenuhi syarat saat pendaftaran, dan paket diperpanjang dengan harga standar kecuali Anda membatalkannya sebelum masa penawaran berakhir.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya menggunakan Gemini 4 Neon di Antigravity secara gratis?&lt;/strong&gt; Google membatasi Neon di Antigravity untuk pelanggan berbayar Google AI Pro dan Ultra, jadi uji coba tidak mencakupnya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apa cara termurah untuk memanggil API Neon?&lt;/strong&gt; Inferensi Batch atau Flex dengan harga $1,50 input dan $7,50 output per 1M token, setengah dari tarif standar. Arahkan langkah-langkah mudah ke Hydrogen, yang tetap gratis di tier gratis.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mulai gratis, bayar hanya di tempat Neon memberi manfaat
&lt;/h2&gt;

&lt;p&gt;Gemini 4 Neon tidak punya tier API gratis, tetapi Anda tidak membutuhkannya untuk mulai. Coba lewat uji coba Pro, bangun dengan kunci Hydrogen gratis, dan siapkan satu pengujian yang membuktikan pergantian model berfungsi. Saat sebuah langkah benar-benar membutuhkan Neon, ubah satu variabel dan bayar hanya untuk langkah itu.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Gemini 4 Neon vs Carbon vs Hydrogen: Model Mana yang Harus Digunakan</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 03:15:50 +0000</pubDate>
      <link>https://dev.to/walse/gemini-4-neon-vs-carbon-vs-hydrogen-model-mana-yang-harus-digunakan-23fc</link>
      <guid>https://dev.to/walse/gemini-4-neon-vs-carbon-vs-hydrogen-model-mana-yang-harus-digunakan-23fc</guid>
      <description>&lt;h1&gt;
  
  
  Gemini 4 Neon vs Carbon: Panduan Memilih Model yang Tepat untuk Tim Anda
&lt;/h1&gt;

&lt;p&gt;Gemini 4 Neon vs Carbon kini menjadi pilihan nyata bagi setiap tim di Gemini API. Google menambahkan Neon pada November 2026 sebagai model tingkat menengah yang berada di antara Hydrogen dan Carbon, dan ketiganya berbagi satu skema request, satu jendela konteks 1 juta token, serta tool bawaan yang sama. Yang membedakannya adalah seberapa dalam mereka berpikir, seberapa cepat mereka selesai, dan berapa biaya setiap token.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Jawaban singkat:&lt;/strong&gt; Gunakan &lt;strong&gt;Gemini 4 Hydrogen&lt;/strong&gt; ($1,50 input / $7,50 output per 1 juta token, tersedia paket gratis) sebagai pilihan default untuk coding sehari-hari dan worker agent. Pindahkan tugas ke &lt;strong&gt;Gemini 4 Neon&lt;/strong&gt; ($3 / $15, hanya paket berbayar) saat tugasnya kompleks dan sering dijalankan, misalnya refaktorisasi multi-file atau analisis dokumen yang padat. Simpan &lt;strong&gt;Gemini 4 Carbon&lt;/strong&gt; ($2 / $10 hingga 30 November 2026, lalu $4 / $20) untuk masalah arsitektur, debugging, dan keamanan yang paling sulit.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gemini 4 Neon vs Carbon vs Hydrogen sekilas
&lt;/h2&gt;

&lt;p&gt;Gemini 4 Neon adalah model Gemini 4 tingkat menengah dari Google, dibuat untuk rekayasa perangkat lunak yang kompleks, pekerjaan berbasis pengetahuan, dan tugas sains yang Anda jalankan dengan frekuensi tinggi. Ia menalar lebih dalam dibanding Hydrogen, menyelesaikan lebih cepat dengan token output yang lebih sedikit dibanding Carbon, dan berharga $3 per 1 juta token input serta $15 per 1 juta token output, hanya di paket berbayar.&lt;/p&gt;

&lt;p&gt;Berikut perbandingan berdampingan, diambil dari panduan &lt;a href="https://aistudio.google.com/docs/choosing-a-model" rel="noopener noreferrer"&gt;Choosing a model&lt;/a&gt; dan halaman &lt;a href="https://aistudio.google.com/docs/pricing" rel="noopener noreferrer"&gt;harga Gemini API&lt;/a&gt; milik Google, keduanya dicek pada 19 November 2026:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Gemini 4 Hydrogen&lt;/th&gt;
&lt;th&gt;Gemini 4 Neon&lt;/th&gt;
&lt;th&gt;Gemini 4 Carbon&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Model ID&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gemini-4-hydrogen&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gemini-4-neon&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gemini-4-carbon&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Posisi&lt;/td&gt;
&lt;td&gt;Default yang cepat&lt;/td&gt;
&lt;td&gt;Pekerjaan kompleks, frekuensi tinggi&lt;/td&gt;
&lt;td&gt;Penalaran terkuat&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kecepatan (label Google)&lt;/td&gt;
&lt;td&gt;Cepat&lt;/td&gt;
&lt;td&gt;Sedang&lt;/td&gt;
&lt;td&gt;Cermat&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input / output per 1 juta&lt;/td&gt;
&lt;td&gt;$1,50 / $7,50&lt;/td&gt;
&lt;td&gt;$3,00 / $15,00&lt;/td&gt;
&lt;td&gt;$2,00 / $10,00 hingga 30 Nov, lalu $4,00 / $20,00&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input cache per 1 juta&lt;/td&gt;
&lt;td&gt;$0,075&lt;/td&gt;
&lt;td&gt;$0,15&lt;/td&gt;
&lt;td&gt;$0,10, lalu $0,20&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tingkat berpikir&lt;/td&gt;
&lt;td&gt;low, medium, high (default), xhigh&lt;/td&gt;
&lt;td&gt;low, medium, high (default), xhigh&lt;/td&gt;
&lt;td&gt;low, medium (default), high&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Paket API gratis&lt;/td&gt;
&lt;td&gt;Ya&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.048.576 token, terpadu&lt;/td&gt;
&lt;td&gt;1.048.576 token, terpadu&lt;/td&gt;
&lt;td&gt;1.048.576 token, terpadu&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Ketiganya menerima input teks, gambar, video, audio, dan PDF serta mendukung function calling, structured output, eksekusi kode, computer use, dan grounding Google Search. Masing-masing memiliki batas output sinkron 65.536 token dan bisa melewatinya hingga 1 juta token dengan &lt;a href="https://aistudio.google.com/docs/long-decode" rel="noopener noreferrer"&gt;long decode&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Model Gemini 4 mana yang sebaiknya Anda pakai?
&lt;/h2&gt;

&lt;p&gt;Panduan Google sendiri singkat dan layak dijadikan titik awal:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Mulai dengan Hydrogen&lt;/strong&gt; untuk sebagian besar proyek baru: coding sehari-hari, aplikasi interaktif, agent yang menggunakan tool, dan pipeline dokumen multimodal. Google menyebutnya mengurangi klaim yang dikarang lebih dari 5x dibanding Gemini 3.8 Flash.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Naik ke Neon&lt;/strong&gt; saat Hydrogen tidak cukup dan Anda tidak butuh verifikasi ekstra dari Carbon: debugging level repositori, refaktorisasi multi-file, analisis hukum, keuangan, dan sains yang berjalan berkali-kali sehari.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Cadangkan Carbon&lt;/strong&gt; untuk arsitektur sistem, debugging multi-file, pembuktian formal, audit keamanan, atau tugas apa pun yang membuat model yang lebih cepat tersendat.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Turun ke Gemini 3.5 Flash-Lite&lt;/strong&gt; ($0,30 / $2,50) untuk pekerjaan teks bervolume tinggi seperti terjemahan, ekstraksi, dan peringkasan.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fsfqf0j01s5ygzfpmlgzw.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fsfqf0j01s5ygzfpmlgzw.png" alt="Alur keputusan yang mengarahkan tugas masuk ke Gemini 4 Hydrogen untuk coding bervolume tinggi sehari-hari, Neon untuk tugas kompleks yang sering berjalan, dan Carbon untuk masalah paling sulit" width="800" height="410"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Kata kunci untuk Neon adalah "sering". Audit keamanan triwulanan bisa mengambil risiko penalaran Carbon yang lebih lambat. Agent refaktorisasi yang menyentuh 200 pull request per minggu butuh sesuatu yang selesai cepat dan tetap benar di bagian-bagian sulit.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gemini 4 Neon vs Carbon: harga dan kedalaman penalaran
&lt;/h2&gt;

&lt;p&gt;Inilah perbandingan yang paling diperhatikan sebagian besar tim, karena Neon dan Carbon sama-sama menyasar pekerjaan berat.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Gaya penalaran.&lt;/strong&gt; Carbon menghabiskan lebih banyak token berpikir per giliran untuk menguji hipotesis, mengisolasi akar masalah lintas repositori, dan memeriksa perbaikan terhadap test. Neon menargetkan kualitas level frontier dengan penggunaan token yang lebih hemat. Menurut halaman &lt;a href="https://aistudio.google.com/docs/whats-new-gemini-4-neon" rel="noopener noreferrer"&gt;What's new in Gemini 4 Neon&lt;/a&gt; milik Google, ia menyelesaikan debugging level repositori dalam lebih sedikit langkah, mengurangi pembacaan file redundan pada sesi pemanggilan tool yang panjang, dan menangani compacting konteks secara andal.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Defaultnya berbeda.&lt;/strong&gt; Carbon secara default memakai berpikir &lt;code&gt;medium&lt;/code&gt; dan maksimal di &lt;code&gt;high&lt;/code&gt;. Neon default-nya &lt;code&gt;high&lt;/code&gt; dan menambahkan &lt;code&gt;xhigh&lt;/code&gt; untuk masalah multi-langkah paling sulit. Jika Anda mengganti Carbon dengan Neon tanpa mengatur &lt;code&gt;thinking_level&lt;/code&gt;, Anda juga mengubah seberapa keras model berpikir.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Harga berbalik pada 1 Desember.&lt;/strong&gt; Hingga 30 November 2026, harga perkenalan Carbon ($2 / $10) sebenarnya lebih murah per token dibanding Neon ($3 / $15). Mulai 1 Desember, Carbon menjadi dua kali lipat menjadi $4 / $20, dan Neon berubah 25% lebih murah per token. Neon tidak punya harga perkenalan, jadi tarifnya tidak berubah.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fyewuaglf0ae75yv36u5b.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fyewuaglf0ae75yv36u5b.png" alt="Diagram batang harga API Gemini 4 per 1 juta token: Hydrogen $1,50 input dan $7,50 output, Neon $3 dan $15, Carbon $2 dan $10 hingga 30 November, dan Carbon $4 dan $20 mulai 1 Desember" width="800" height="448"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Namun harga per token hanyalah setengah dari tagihan: harga output mencakup token berpikir, dan Carbon memang dirancang untuk berpikir lebih banyak.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gemini 4 Neon vs Hydrogen: kapan upgrade menguntungkan
&lt;/h2&gt;

&lt;p&gt;Hydrogen dan Neon tampak mirip di atas kertas: tingkat berpikir sama, default sama, jendela konteks sama, tool sama. Neon berharga tepat dua kali lipat per token.&lt;/p&gt;

&lt;p&gt;Upgrade menguntungkan saat jawaban Hydrogen memaksa Anda mencoba ulang. Kalau Hydrogen butuh tiga percobaan untuk menyelesaikan refaktorisasi multi-file yang Neon selesaikan sekali jalan, model yang lebih murah justru menjadi yang lebih mahal.&lt;/p&gt;

&lt;p&gt;Dua perbedaan praktis:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Paket gratis.&lt;/strong&gt; Hydrogen punya paket API gratis untuk prototyping. Neon tidak, jadi Anda butuh proyek paket berbayar sebelum panggilan pertama. Di paket gratis itu, Google dapat menggunakan data Anda untuk meningkatkan produknya.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Harga batch.&lt;/strong&gt; Keduanya memangkas harga menjadi setengah di mode Batch: Hydrogen turun ke $0,75 / $3,75 dan Neon ke $1,50 / $7,50. Batch job Neon setiap malam berharga sama per token dengan panggilan Hydrogen real-time.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Jika Anda sudah menjalankan Hydrogen sebagai worker cepat di bawah Carbon sebagai planner, lihat uraian kami tentang &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-orchestrator?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;pola orchestrator Gemini 4 Hydrogen&lt;/a&gt;. Neon memberi setup tersebut jalur ketiga untuk langkah-langkah dengan tingkat kesulitan menengah.&lt;/p&gt;

&lt;h2&gt;
  
  
  Biaya per tugas: contoh perhitungan
&lt;/h2&gt;

&lt;p&gt;Berikut satu tugas agent dengan 40.000 token input dan 8.000 token output (termasuk berpikir), dihitung dengan tarif Standard paket berbayar:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Biaya input&lt;/th&gt;
&lt;th&gt;Biaya output&lt;/th&gt;
&lt;th&gt;Per tugas&lt;/th&gt;
&lt;th&gt;Per 1.000 tugas&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Hydrogen&lt;/td&gt;
&lt;td&gt;$0,060&lt;/td&gt;
&lt;td&gt;$0,060&lt;/td&gt;
&lt;td&gt;$0,12&lt;/td&gt;
&lt;td&gt;$120&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Neon&lt;/td&gt;
&lt;td&gt;$0,120&lt;/td&gt;
&lt;td&gt;$0,120&lt;/td&gt;
&lt;td&gt;$0,24&lt;/td&gt;
&lt;td&gt;$240&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Carbon (hingga 30 Nov)&lt;/td&gt;
&lt;td&gt;$0,080&lt;/td&gt;
&lt;td&gt;$0,080&lt;/td&gt;
&lt;td&gt;$0,16&lt;/td&gt;
&lt;td&gt;$160&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Carbon (mulai 1 Des)&lt;/td&gt;
&lt;td&gt;$0,160&lt;/td&gt;
&lt;td&gt;$0,160&lt;/td&gt;
&lt;td&gt;$0,32&lt;/td&gt;
&lt;td&gt;$320&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Tabel ini mengasumsikan setiap model memakai jumlah token yang sama, padahal tidak. Google menyatakan Carbon menghabiskan lebih banyak token berpikir per giliran dan Neon menyelesaikan dengan token output lebih sedikit dibanding Carbon. Jika Carbon butuh 12.000 token output untuk tugas yang sama, biayanya pada Desember naik menjadi $0,40 per tugas, dan selisihnya dengan Neon melebar dari $0,08 menjadi $0,16. Jumlah token ini bersifat ilustratif; ukur sendiri sebelum menyusun anggaran.&lt;/p&gt;

&lt;p&gt;Tiga cara memangkas tagihan:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Implicit caching.&lt;/strong&gt; Berjalan secara default pada prompt minimal 4.096 token dan memberi diskon 95% untuk input yang di-cache. Letakkan system prompt dan definisi tool yang stabil di awal agar masuk ke cache.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Tingkat berpikir.&lt;/strong&gt; Google menyarankan menjalankan eval Anda di keempat tingkat dan memilih yang terendah yang masih memenuhi standar kualitas Anda. &lt;code&gt;xhigh&lt;/code&gt; menghabiskan token dan latensi paling besar.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Mode batch.&lt;/strong&gt; Pekerjaan yang tidak mendesak sebaiknya dijalankan di mode Batch dengan harga setengah dari Standard.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Untuk linimasa lengkap harga Carbon, baca &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan harga Gemini 4 Carbon&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berpindah di antara ketiganya: apa yang berubah di kode Anda
&lt;/h2&gt;

&lt;p&gt;Berpindah antar model Gemini 4 tidak memerlukan perubahan skema request. Anda cukup mengubah string &lt;code&gt;model&lt;/code&gt; dan, biasanya, &lt;code&gt;thinking_level&lt;/code&gt;:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s1"&gt;'Content-Type: application/json'&lt;/span&gt; \
  -X POST \
  -d &lt;span class="s1"&gt;'{
    "model": "gemini-4-neon",
    "input": "Find the race condition in this retry queue and propose a fix.",
    "generation_config": { "thinking_level": "high" }
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Saat memindahkan beban kerja:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Tetapkan &lt;code&gt;thinking_level&lt;/code&gt; secara eksplisit.&lt;/strong&gt; Default Carbon adalah &lt;code&gt;medium&lt;/code&gt;; Neon dan Hydrogen &lt;code&gt;high&lt;/code&gt;. Pergantian tanpa pengaturan eksplisit mengubah biaya dan latensi.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gunakan proyek paket berbayar untuk Neon dan Carbon.&lt;/strong&gt; Kunci paket gratis hanya bisa mengakses Hydrogen dan Flash-Lite.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Buang parameter sampling.&lt;/strong&gt; Panduan migrasi Neon menyebut &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_p&lt;/code&gt;, dan &lt;code&gt;top_k&lt;/code&gt; diabaikan saat dalam rentang yang valid dan mengembalikan &lt;code&gt;400&lt;/code&gt; jika di luar rentang.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Rangkai model dengan &lt;code&gt;previous_interaction_id&lt;/code&gt;.&lt;/strong&gt; Karena ketiganya berbagi satu skema, Anda bisa merencanakan dengan Carbon, mengimplementasikan dengan Hydrogen, dan mengirim langkah tengah yang rumit ke Neon dalam satu percakapan.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  Bandingkan keduanya lewat coding agent Anda dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Cara tercepat menyelesaikan pertanyaan Neon vs Carbon vs Hydrogen adalah mengirim prompt yang sama ke ketiganya dan membandingkan status, latensi, dan penggunaan token. Coding agent Anda bisa membuat dan menjalankan tes tersebut dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; sementara Anda tetap bekerja.&lt;/p&gt;

&lt;p&gt;Instal CLI dan berikan skill Apidog ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke Claude Code, Codex, atau Cursor:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;id&amp;gt;, create a test scenario named "Gemini 4 model compare"
that POSTs to https://generativelanguage.googleapis.com/v1beta/interactions
with model {{model}}, thinking_level "high" and the prompt in {{prompt}}.
Assert status 200 and a non-empty output, and save the usage block to a variable.
Run it once each for gemini-4-hydrogen, gemini-4-neon and gemini-4-carbon,
then give me a table of latency and token usage per model.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent membaca skema payload, memvalidasi file-nya, membuat skenario, dan menjalankannya tiga kali, hanya mengganti modelnya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog cli-schema get test-scenario-create
apidog cli-schema validate test-scenario-create --file scenario.json
apidog test-scenario create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file scenario.json
apidog run -t &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;scenarioId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"model=gemini-4-hydrogen"&lt;/span&gt; -r cli,json
apidog run -t &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;scenarioId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"model=gemini-4-neon"&lt;/span&gt; -r cli,json
apidog run -t &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;scenarioId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"model=gemini-4-carbon"&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Simpan &lt;code&gt;GEMINI_API_KEY&lt;/code&gt; di environment Apidog. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; untuk melihat setiap eksekusi di aplikasi, dan masukkan perintah yang sama ke CI dengan &lt;code&gt;-r junit&lt;/code&gt; untuk menangkap regresi saat Google memperbarui model. Panduan kami tentang &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; membahas seluruh setup ini dari awal hingga akhir. Paket Gratis Apidog mencakup tim hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon lebih baik dari Gemini 4 Carbon?&lt;/strong&gt; Tidak di semua aspek. Carbon adalah model penalaran terkuat Google. Neon menukar sebagian kedalaman dengan penyelesaian lebih cepat dan token output lebih sedikit, cocok untuk pekerjaan kompleks yang sering berjalan.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon gratis?&lt;/strong&gt; Tidak. Neon hanya tersedia di paket berbayar Gemini API, serta di Google AI Studio dengan paket Google AI Pro dan Ultra. Hydrogen adalah model Gemini 4 dengan paket API gratis.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Neon lebih murah dari Carbon?&lt;/strong&gt; Per token, hanya mulai 1 Desember 2026. Hingga 30 November, tarif perkenalan Carbon $2 / $10 masih mengalahkan $3 / $15 milik Neon. Setelahnya, Carbon berharga $4 / $20 dan Neon 25% lebih murah per token, belum menghitung token berpikir Carbon yang jauh lebih besar.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon, Carbon, dan Hydrogen punya jendela konteks yang sama?&lt;/strong&gt; Ya. Ketiganya berbagi jendela terpadu 1.048.576 token untuk input, berpikir, dan output, dengan batas output sinkron 65.536 token dan long decode hingga 1 juta token.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya memakai Neon, Carbon, dan Hydrogen dalam satu workflow?&lt;/strong&gt; Ya. Ketiganya berbagi skema request, jadi Anda bisa meneruskan &lt;code&gt;previous_interaction_id&lt;/code&gt; dari giliran satu model ke model lain. Rencanakan dengan Carbon, implementasikan dengan Hydrogen, dan serahkan langkah di antaranya kepada Neon.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Model Gemini 4 mana yang paling cepat?&lt;/strong&gt; Hydrogen. Google melabeli Hydrogen cepat, Neon sedang, dan Carbon cermat.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Cara Menggunakan API Gemini 4 Neon</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 03:09:12 +0000</pubDate>
      <link>https://dev.to/walse/cara-menggunakan-api-gemini-4-neon-56ii</link>
      <guid>https://dev.to/walse/cara-menggunakan-api-gemini-4-neon-56ii</guid>
      <description>&lt;h1&gt;
  
  
  API Gemini 4 Neon: Panduan Praktis dari Key Pertama Hingga Output 64K+ Token
&lt;/h1&gt;

&lt;p&gt;API Gemini 4 Neon menggunakan ID model &lt;code&gt;gemini-4-neon&lt;/code&gt;. Anda memanggilnya dengan permintaan &lt;code&gt;POST&lt;/code&gt; ke &lt;code&gt;https://generativelanguage.googleapis.com/v1beta/interactions&lt;/code&gt;, dengan key Anda di header &lt;code&gt;x-goog-api-key&lt;/code&gt;, serta &lt;code&gt;model&lt;/code&gt; dan &lt;code&gt;input&lt;/code&gt; di body JSON. Model ini hanya tersedia di tier berbayar, dengan harga $3 per juta token input dan $15 per juta token output, dan secara default menggunakan tingkat berpikir &lt;code&gt;high&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Panduan ini membahas hal-hal yang membedakan Neon: pengaturan tier berbayar, cara beralih dari model Gemini 4 lain, output lebih dari 64K token, menggabungkan Neon dengan Hydrogen, dan cara menjaga tagihan tetap terkendali. Semua nama field diambil langsung dari dokumentasi Google.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa saja yang Anda butuhkan sebelum panggilan API Gemini 4 Neon pertama?
&lt;/h2&gt;

&lt;p&gt;Anda membutuhkan API key Gemini pada project dengan penagihan aktif, ID model &lt;code&gt;gemini-4-neon&lt;/code&gt;, dan endpoint Interactions. Google merilis Neon pada 18 November 2026 sebagai model tingkat menengah dari keluarga Gemini 4, berada di antara Hydrogen dan Carbon.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Item&lt;/th&gt;
&lt;th&gt;Nilai&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;ID Model&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gemini-4-neon&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Endpoint&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;POST /v1beta/interactions&lt;/code&gt; di &lt;code&gt;generativelanguage.googleapis.com&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Header autentikasi&lt;/td&gt;
&lt;td&gt;&lt;code&gt;x-goog-api-key: $GEMINI_API_KEY&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;API&lt;/td&gt;
&lt;td&gt;Interactions API dan &lt;code&gt;generateContent&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tingkat berpikir&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt; (default), &lt;code&gt;xhigh&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.048.576 token, dibagi untuk input, berpikir, dan output&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output per hop sinkron&lt;/td&gt;
&lt;td&gt;65.536 token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Long decode&lt;/td&gt;
&lt;td&gt;Hingga 1.048.576 token dikurangi input Anda&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Free tier&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Harga tier berbayar&lt;/td&gt;
&lt;td&gt;$3,00 / 1M input, $15,00 / 1M output (termasuk token berpikir)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input yang di-cache&lt;/td&gt;
&lt;td&gt;$0,15 / 1M melalui implicit caching&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Untuk PDF, function calling, dan streaming, bentuk permintaannya sama seperti yang dijelaskan dalam &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API Gemini 4 Hydrogen&lt;/a&gt; kami; cukup ganti ID modelnya.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fot5r2me9b9lm0ltyllld.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fot5r2me9b9lm0ltyllld.png" alt="Gambar" width="800" height="696"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara mendapatkan API key Gemini yang berfungsi dengan Neon?
&lt;/h2&gt;

&lt;p&gt;Neon tidak tersedia di free tier, jadi hanya punya key saja tidak cukup. Project di belakang key tersebut harus mengaktifkan penagihan.&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Buka &lt;a href="https://aistudio.google.com/api-keys" rel="noopener noreferrer"&gt;halaman API keys&lt;/a&gt; di Google AI Studio dan buat key baru, atau gunakan key yang sudah Anda miliki.&lt;/li&gt;
&lt;li&gt;Pastikan project dari key tersebut berada di tier berbayar. Panduan Google menyatakan dengan jelas: "Neon hanya tersedia di tier berbayar (tidak di free tier)."&lt;/li&gt;
&lt;li&gt;Ekspor key-nya: &lt;code&gt;export GEMINI_API_KEY="YOUR_API_KEY"&lt;/code&gt;. Google GenAI SDK akan membacanya secara otomatis.&lt;/li&gt;
&lt;li&gt;Periksa batas rate limit tier berbayar Anda di &lt;a href="https://aistudio.google.com/docs/rate-limits" rel="noopener noreferrer"&gt;halaman rate limits&lt;/a&gt; sebelum merencanakan batch besar.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  Bagaimana cara mengirim permintaan API Gemini 4 Neon pertama Anda?
&lt;/h2&gt;

&lt;p&gt;Kirimkan &lt;code&gt;model&lt;/code&gt; dan &lt;code&gt;input&lt;/code&gt; ke endpoint Interactions. Berikut bentuk quickstart dari Google:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s1"&gt;'Content-Type: application/json'&lt;/span&gt; \
  -X POST \
  -d &lt;span class="s1"&gt;'{
    "model": "gemini-4-neon",
    "input": "Review this Go handler for missing error checks and suggest fixes."
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Panggilan yang sama dengan Python SDK (&lt;code&gt;pip install -U google-genai&lt;/code&gt;):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="n"&gt;google&lt;/span&gt; &lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;genai&lt;/span&gt;

&lt;span class="n"&gt;client&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;genai&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Client&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;  &lt;span class="c1"&gt;# reads GEMINI_API_KEY&lt;/span&gt;

&lt;span class="n"&gt;interaction&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-neon"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Review this Go handler for missing error checks and suggest fixes."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;interaction&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output_text&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;interaction&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;usage&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Saat pengujian, baca field &lt;code&gt;usage&lt;/code&gt; di setiap respons: token berpikir ditagih dengan tarif output $15, jadi jumlah token berpikir-lah yang menentukan biaya Anda.&lt;/p&gt;

&lt;p&gt;Snippet ini mengikuti panduan Google. Kami tidak menjalankannya saat menulis artikel ini, jadi cocokkan bentuk responsnya dengan panggilan pertama Anda sendiri.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa yang berubah saat Anda beralih dari Hydrogen atau Carbon?
&lt;/h2&gt;

&lt;p&gt;Jika Anda sudah menjalankan model Gemini 4 lain, beralih ke Neon tidak memerlukan perubahan skema permintaan. Cukup ubah string &lt;code&gt;model&lt;/code&gt; dan periksa tiga hal berikut:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Pemeriksaan&lt;/th&gt;
&lt;th&gt;Neon&lt;/th&gt;
&lt;th&gt;Hydrogen&lt;/th&gt;
&lt;th&gt;Carbon dan Argon&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Tingkat berpikir default&lt;/td&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;medium&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tingkat tertinggi&lt;/td&gt;
&lt;td&gt;&lt;code&gt;xhigh&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;xhigh&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input / output per 1M&lt;/td&gt;
&lt;td&gt;$3 / $15&lt;/td&gt;
&lt;td&gt;$1,50 / $7,50&lt;/td&gt;
&lt;td&gt;Lihat &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;harga Carbon&lt;/a&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Jika berasal dari Carbon atau Argon, perubahan default dari &lt;code&gt;medium&lt;/code&gt; ke &lt;code&gt;high&lt;/code&gt; berarti lebih banyak token berpikir untuk prompt yang sama. Atur &lt;code&gt;thinking_level&lt;/code&gt; secara eksplisit jika Anda ingin perilaku seperti sebelumnya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;interaction&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-neon"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Audit this payment retry queue for race conditions."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;generation_config&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"thinking_level"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"medium"&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Jika berasal dari Gemini 3.8 Flash atau lebih lama, daftar yang perlu disesuaikan lebih panjang. Berdasarkan checklist migrasi Google:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Naikkan batas output yang rendah.&lt;/strong&gt; &lt;code&gt;max_output_tokens&lt;/code&gt; mencakup token berpikir dan jawaban sekaligus. Hapus batas yang di-hardcode seperti 8.192, atau naikkan menjadi 65.536, dan turunkan tingkat berpikir jika Anda ingin menghemat.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Hapus &lt;code&gt;minimal&lt;/code&gt;.&lt;/strong&gt; Neon menolaknya dengan error.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Buang parameter sampling.&lt;/strong&gt; Server mengabaikan &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_p&lt;/code&gt;, dan &lt;code&gt;top_k&lt;/code&gt; yang berada dalam rentang; nilai di luar rentang mengembalikan &lt;code&gt;400&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Beralih dari explicit caching.&lt;/strong&gt; Neon tidak mendukung &lt;code&gt;cachedContents&lt;/code&gt; maupun &lt;code&gt;caches.create&lt;/code&gt;, jadi hapus field &lt;code&gt;cached_content&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Deklarasikan tools secara native.&lt;/strong&gt; Meminta pemanggilan tool JSON mentah tanpa tools yang dideklarasikan bisa mengembalikan &lt;code&gt;MALFORMED_FUNCTION_CALL&lt;/code&gt;. Gunakan function calling atau structured outputs.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Bagaimana cara mendapatkan output lebih dari 64K token dari Neon?
&lt;/h2&gt;

&lt;p&gt;Permintaan sinkron berhenti di 65.536 token, baik streaming maupun tidak. Untuk output yang lebih panjang, misalnya spesifikasi migrasi lengkap beserta rangkaian tesnya, atur &lt;code&gt;background&lt;/code&gt; ke &lt;code&gt;true&lt;/code&gt; dan naikkan &lt;code&gt;max_output_tokens&lt;/code&gt; di atas 65.536. Server Google kemudian akan terus menghasilkan output dalam hop berukuran 64K token hingga mencapai batas yang Anda tetapkan.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fg72cssh97pjzmydwb8ql.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fg72cssh97pjzmydwb8ql.png" alt="Gemini 4 Neon long decode" width="799" height="341"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Mulai pekerjaannya dan simpan &lt;code&gt;id&lt;/code&gt;-nya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="kd"&gt;export&lt;/span&gt; &lt;span class="nv"&gt;ID&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="nv"&gt;$(&lt;/span&gt;curl -s -X POST &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
  -d &lt;span class="s1"&gt;'{
    "model": "gemini-4-neon",
    "input": "Generate a complete multi-module migration specification and test suite for this service.",
    "background": true,
    "generation_config": {
      "max_output_tokens": 262144,
      "thinking_level": "high"
    }
  }'&lt;/span&gt; &lt;span class="o"&gt;|&lt;/span&gt; jq -r &lt;span class="s1"&gt;'.id'&lt;/span&gt;&lt;span class="o"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu lakukan polling hingga selesai dan gabungkan teks dari setiap hop (Python, dengan &lt;code&gt;ID&lt;/code&gt; yang sudah Anda ekspor):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;os&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;time&lt;/span&gt;

&lt;span class="n"&gt;interaction&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nb"&gt;id&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;os&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;environ&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"ID"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;while&lt;/span&gt; &lt;span class="n"&gt;interaction&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;status&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"in_progress"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"queued"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;time&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;sleep&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;5&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="n"&gt;interaction&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nb"&gt;id&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;interaction&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nb"&gt;id&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;text&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="s2"&gt;""&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;join&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;c&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;text&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;step&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;interaction&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;steps&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;step&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="kd"&gt;type&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s2"&gt;"model_output"&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;c&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;step&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;content&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;c&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="kd"&gt;type&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s2"&gt;"text"&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Tiga aturan dari panduan Google mencegah hal ini berjalan salah:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Jika Anda mengatur &lt;code&gt;background&lt;/code&gt; tanpa &lt;code&gt;max_output_tokens&lt;/code&gt;, server akan berhenti di 65.536 token.&lt;/li&gt;
&lt;li&gt;Batasnya bisa naik hingga 1.048.576 dikurangi token input Anda. Google menyarankan 131.072 atau 262.144 untuk pekerjaan panjang dengan banyak langkah.&lt;/li&gt;
&lt;li&gt;Prompt yang berat bisa berjalan selama beberapa menit. Gunakan mode background, atau atur timeout HTTP client minimal 15 menit.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Jika Anda tidak ingin menyimpan interactions di sisi Google, &lt;a href="https://aistudio.google.com/docs/long-decode" rel="noopener noreferrer"&gt;panduan long decode&lt;/a&gt; juga mendokumentasikan kelanjutan di sisi klien pada SDK terbaru.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara menggabungkan Neon dengan Hydrogen?
&lt;/h2&gt;

&lt;p&gt;Gunakan Neon untuk pengambilan keputusan dan Hydrogen untuk volume kerja. Neon menyusun atau meninjau alur kerja, lalu Anda meneruskan &lt;code&gt;id&lt;/code&gt; interaction-nya sebagai &lt;code&gt;previous_interaction_id&lt;/code&gt; ke panggilan &lt;code&gt;gemini-4-hydrogen&lt;/code&gt; yang mengeksekusi satu langkah. &lt;a href="https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-neon" rel="noopener noreferrer"&gt;Panduan developer Cloud&lt;/a&gt; dari Google menunjukkan pola berikut:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;plan&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-neon"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Design a 3-step plan to migrate our REST order service to gRPC in Go."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;store&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="kc"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;step&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-hydrogen"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Implement step 1 (.proto service definition) from the plan."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;previous_interaction_id&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;plan&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nb"&gt;id&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;step&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output_text&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4cee3v8k32jvllrfaaye.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4cee3v8k32jvllrfaaye.png" alt="Neon sebagai planner, Hydrogen sebagai executor" width="800" height="410"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Setiap token output yang ditulis Hydrogen alih-alih Neon hanya berbiaya separuh. &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-orchestrator?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan orkestrator Gemini 4 Hydrogen&lt;/a&gt; kami membahas pola serupa dengan Carbon sebagai perencana.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana cara menjaga biaya API Gemini 4 Neon tetap rendah?
&lt;/h2&gt;

&lt;p&gt;Empat cara, diurutkan dari yang biasanya paling menguntungkan:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Pilih tingkat berpikir terendah yang tetap memenuhi standar.&lt;/strong&gt; Saran Google adalah menjalankan evaluasi Anda di keempat tingkat dengan &lt;code&gt;max_output_tokens&lt;/code&gt; yang tinggi, lalu pilih &lt;code&gt;thinking_level&lt;/code&gt; terendah yang memenuhi standar kualitas Anda.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gunakan ulang prompt panjang.&lt;/strong&gt; Implicit caching berjalan otomatis untuk prompt berukuran minimal 4.096 token dan memangkas biaya input yang di-cache hingga 95%, dari $3,00 menjadi $0,15 per juta. Letakkan bagian prompt yang panjang dan stabil (teks sistem, dokumentasi, skema) di bagian awal.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Serahkan eksekusi ke Hydrogen.&lt;/strong&gt; Lihat pola penggabungan di atas.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Hitung semuanya.&lt;/strong&gt; Google menagih setiap token yang diproses model, termasuk token berpikir dan instruksi internal yang ditambahkan saat Anda menggunakan grounding. Grounding dengan Google Search juga ditagih per query.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Sanity check cepat: sebuah panggilan dengan 20.000 token input dan 8.000 token output (termasuk token berpikir) berbiaya $0,06 untuk input dan $0,12 untuk output, jadi total $0,18 sesuai harga daftar.&lt;/p&gt;

&lt;h2&gt;
  
  
  Minta coding agent Anda membandingkan Neon dan Hydrogen dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Apakah Neon layak dengan harga dua kali lipat Hydrogen untuk prompt Anda? Minta coding agent Anda (Claude Code, Codex, Cursor) membuat satu test case dan menjalankannya terhadap kedua model dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;.&lt;/p&gt;

&lt;p&gt;Lakukan pengaturan sekali:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;projectId&amp;gt;, create an environment "gemini" with base URL
https://generativelanguage.googleapis.com and variables GEMINI_API_KEY,
MODEL (default "gemini-4-hydrogen") and THINKING (default "high"). Add an
endpoint for POST /v1beta/interactions with the x-goog-api-key header from
GEMINI_API_KEY. Create a test case that sends model {{MODEL}}, our code-review
prompt and generation_config.thinking_level {{THINKING}}, and asserts: HTTP 200,
status is "completed", a non-empty model_output step, and usage.total_tokens
exists. Run it for gemini-4-hydrogen and gemini-4-neon, then compare
usage.total_thought_tokens and usage.total_output_tokens.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent membaca skema setiap payload dan memvalidasi JSON-nya sebelum menulis apa pun:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog environment create gemini --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url https://generativelanguage.googleapis.com
apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file endpoint.json
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"MODEL=gemini-4-hydrogen"&lt;/span&gt; -r cli,json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"MODEL=gemini-4-neon"&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Kalikan token setiap eksekusi dengan harga modelnya, dan Anda mendapatkan biaya riil per tugas untuk prompt Anda sendiri, bukan sekadar rata-rata dari posting peluncuran. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; untuk melihat hasil eksekusi di aplikasi Apidog, atau ganti &lt;code&gt;-r cli,json&lt;/code&gt; dengan &lt;code&gt;-r junit&lt;/code&gt; untuk memasukkan pemeriksaan yang sama ke CI. &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan CI/CD Apidog CLI&lt;/a&gt; menunjukkan pipeline-nya, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; membahas pengaturan agent. Plan Gratis Apidog mencakup hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apa ID model Gemini 4 Neon?&lt;/strong&gt; &lt;code&gt;gemini-4-neon&lt;/code&gt;. Model ini berfungsi dengan Interactions API maupun &lt;code&gt;generateContent&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah API Gemini 4 Neon gratis?&lt;/strong&gt; Tidak. Neon hanya tersedia di tier berbayar Gemini API, dengan harga $3 per juta token input dan $15 per juta token output. Pelanggan Google AI Pro dan Ultra dapat mencobanya di chat AI Studio.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah kode Hydrogen saya berfungsi dengan Neon?&lt;/strong&gt; Ya. Google menyatakan bahwa peralihan antar model Gemini 4 tidak memerlukan perubahan skema permintaan. Perbarui string &lt;code&gt;model&lt;/code&gt;, lalu putuskan apakah Anda ingin tingkat berpikir default &lt;code&gt;high&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Berapa output maksimum API Gemini 4 Neon?&lt;/strong&gt; 65.536 token per permintaan sinkron. Dengan &lt;code&gt;background&lt;/code&gt; diatur ke &lt;code&gt;true&lt;/code&gt; dan &lt;code&gt;max_output_tokens&lt;/code&gt; yang lebih tinggi, Neon dapat menghasilkan output hingga jendela 1.048.576 token dikurangi input Anda.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon mendukung temperature?&lt;/strong&gt; Tidak. Server mengabaikan nilai &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_p&lt;/code&gt;, dan &lt;code&gt;top_k&lt;/code&gt; yang berada dalam rentang, dan mengembalikan &lt;code&gt;400&lt;/code&gt; untuk nilai di luar rentang. Gunakan &lt;code&gt;thinking_level&lt;/code&gt; untuk menukar kualitas dengan kecepatan dan biaya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Neon mendukung context caching eksplisit?&lt;/strong&gt; Tidak. Hapus &lt;code&gt;cached_content&lt;/code&gt; dari permintaan Anda. Implicit caching tetap berlaku secara otomatis untuk prompt berukuran 4.096 token atau lebih, dengan diskon 95% untuk input yang di-cache.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Apa Itu Gemini 4 Neon?</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Thu, 19 Nov 2026 02:58:27 +0000</pubDate>
      <link>https://dev.to/walse/apa-itu-gemini-4-neon-24mi</link>
      <guid>https://dev.to/walse/apa-itu-gemini-4-neon-24mi</guid>
      <description>&lt;h1&gt;
  
  
  Gemini 4 Neon: Model Menengah Google untuk Coding dan Alur Kerja Enterprise
&lt;/h1&gt;

&lt;p&gt;Gemini 4 Neon adalah model menengah terbaru Google dalam keluarga Gemini 4, dirilis pada 18 November 2026, untuk coding kompleks, analisis, dan alur kerja enterprise yang dijalankan secara rutin. Harganya $3 per juta token input dan $15 per juta token output, memiliki jendela konteks 1 juta token yang dibagi dengan output, menawarkan empat tingkat thinking, dan hanya tersedia di tier berbayar Gemini API.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Jika Hydrogen terasa terlalu ringan untuk tugas-tugas sulit Anda dan Carbon terlalu berat untuk dijalankan sepanjang waktu, Neon adalah jawaban Google. Berikut apa saja yang dirilis, di mana posisinya, dan apa yang masih belum jelas.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa itu Gemini 4 Neon?
&lt;/h2&gt;

&lt;p&gt;Gemini 4 Neon (&lt;code&gt;gemini-4-neon&lt;/code&gt;) adalah tier keseimbangan dalam keluarga Gemini 4 milik Google. Google menyebutnya sebagai "kecerdasan level frontier dengan penyelesaian tugas end-to-end yang cepat" untuk rekayasa perangkat lunak, pekerjaan berbasis pengetahuan, dan sains. Model ini berada di antara &lt;a href="https://apidog.com/id/blog/what-is-gemini-4-hydrogen?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Gemini 4 Hydrogen&lt;/a&gt;, model cepat untuk pekerjaan sehari-hari, dan &lt;a href="https://apidog.com/id/blog/what-is-gemini-4-carbon?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Gemini 4 Carbon&lt;/a&gt;, model untuk proyek-proyek paling sulit dengan horizon panjang.&lt;/p&gt;

&lt;p&gt;Fakta singkatnya, berdasarkan &lt;a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/" rel="noopener noreferrer"&gt;posting peluncuran&lt;/a&gt; Google dan &lt;a href="https://aistudio.google.com/docs/models/gemini-4-neon" rel="noopener noreferrer"&gt;halaman model AI Studio&lt;/a&gt;:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Spesifikasi&lt;/th&gt;
&lt;th&gt;Gemini 4 Neon&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Model ID&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;gemini-4-neon&lt;/code&gt; (stable)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Dirilis&lt;/td&gt;
&lt;td&gt;18 November 2026&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input&lt;/td&gt;
&lt;td&gt;Teks, gambar, video, audio, PDF&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output&lt;/td&gt;
&lt;td&gt;Hanya teks&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.048.576 token, dibagi antara input dan output&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output maksimum&lt;/td&gt;
&lt;td&gt;65.536 per permintaan, hingga 1.048.576 dengan long decode&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tingkat thinking&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt; (default), &lt;code&gt;xhigh&lt;/code&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Harga (standar)&lt;/td&gt;
&lt;td&gt;$3,00 input, $15,00 output per 1 juta token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input cache&lt;/td&gt;
&lt;td&gt;$0,15 per 1 juta token (hanya implicit caching)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tier API gratis&lt;/td&gt;
&lt;td&gt;Tidak&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Model ini mendukung function calling, structured outputs, code execution, computer use, file search, URL context, serta grounding dengan Google Search dan Google Maps. Ia tidak menghasilkan gambar atau audio, dan tidak tersedia di Live API.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gemini 4 Neon vs Carbon vs Hydrogen
&lt;/h2&gt;

&lt;p&gt;Versi singkatnya: Hydrogen untuk volume, Neon untuk pekerjaan kompleks yang dijalankan rutin, Carbon untuk masalah tunggal yang paling sulit. Panduan &lt;a href="https://aistudio.google.com/docs/whats-new-gemini-4-neon" rel="noopener noreferrer"&gt;What's new in Gemini 4 Neon&lt;/a&gt; dari Google menyatakannya seperti ini: gunakan Neon untuk pekerjaan rekayasa dan analisis yang kompleks, Carbon untuk masalah arsitektur, debugging, sains, dan keamanan yang paling sulit, dan jadikan Hydrogen sebagai default untuk coding dan agent sehari-hari.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fja8wof3v9qqkn9ihz5kk.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fja8wof3v9qqkn9ihz5kk.png" alt="Gemini 4 family ladder: Hydrogen at $1.50 in and $7.50 out for fast everyday execution, Neon at $3 in and $15 out for complex high-frequency work, Carbon and Argon at $2/$10 introductory pricing rising to $4/$20 on December 1" width="800" height="267"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Input / output per 1 juta token&lt;/th&gt;
&lt;th&gt;Paling cocok untuk&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Hydrogen&lt;/td&gt;
&lt;td&gt;$1,50 / $7,50&lt;/td&gt;
&lt;td&gt;Coding dan langkah agent sehari-hari yang cepat&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Neon&lt;/td&gt;
&lt;td&gt;$3,00 / $15,00&lt;/td&gt;
&lt;td&gt;Coding dan analisis kompleks dengan frekuensi tinggi&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Carbon&lt;/td&gt;
&lt;td&gt;$2 / $10 intro, $4 / $20 mulai 1 Des&lt;/td&gt;
&lt;td&gt;Proyek paling sulit dengan horizon panjang&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini 4 Argon&lt;/td&gt;
&lt;td&gt;$2 / $10 intro, $4 / $20 mulai 1 Des&lt;/td&gt;
&lt;td&gt;Model frontier Gemini 4 yang lebih awal&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Harganya terlihat aneh selama beberapa hari ke depan. Sampai 30 November, tarif perkenalan Carbon masih di bawah harga resmi Neon. Mulai 1 Desember, harga Carbon menjadi dua kali lipat menjadi $4/$20 (lihat uraian &lt;a href="https://apidog.com/id/blog/gemini-4-carbon-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;harga Gemini 4 Carbon&lt;/a&gt; kami), dan Neon menjadi yang lebih murah di antara keduanya per token.&lt;/p&gt;

&lt;p&gt;Harga per token bukanlah keseluruhan cerita. Google menyatakan Neon pada tingkat &lt;code&gt;high&lt;/code&gt; menghabiskan biaya 32% lebih rendah per tugas dibanding Carbon karena menyelesaikan pekerjaan dalam lebih sedikit langkah. Artificial Analysis mengukur biaya per tugas sekitar 17% lebih rendah. Ujilah dengan prompt Anda sendiri sebelum percaya pada angka mana pun.&lt;/p&gt;

&lt;h2&gt;
  
  
  Tingkat thinking Gemini 4 Neon
&lt;/h2&gt;

&lt;p&gt;Tingkat thinking adalah pengatur utama Anda untuk kualitas, latensi, dan biaya. Neon secara default berada di &lt;code&gt;high&lt;/code&gt;, dan Google menyarankan Anda memulai dari sana:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;low&lt;/code&gt;&lt;/strong&gt;: token paling sedikit dan latensi terendah, untuk chat cepat dan pemrosesan throughput tinggi.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;medium&lt;/code&gt;&lt;/strong&gt;: coding interaktif, prototyping UI langsung, dan pemanggilan tool yang sensitif terhadap latensi.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;high&lt;/code&gt;&lt;/strong&gt; (default): coding kompleks, eksekusi agent, tool calling, dan pekerjaan pengetahuan multimodal.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;xhigh&lt;/code&gt;&lt;/strong&gt;: masalah rekayasa, analitis, dan ilmiah multi-langkah yang paling sulit, dengan latensi dan pengeluaran token lebih tinggi.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fo5zrkeaepyo9xkv3wqa7.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fo5zrkeaepyo9xkv3wqa7.png" alt="Gemini 4 Neon thinking levels on a slider: low for fewest tokens and lowest latency, medium for interactive coding, high as the default for most complex work, and xhigh for the deepest reasoning and most tokens" width="800" height="410"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Saran Google: evaluasi pada keempat tingkat dengan &lt;code&gt;max_output_tokens&lt;/code&gt; yang tinggi, lalu pilih tingkat terendah yang memenuhi standar Anda. Token thinking ditagih sebagai output sebesar $15 per juta.&lt;/p&gt;

&lt;p&gt;Dua jebakan migrasi dari &lt;a href="https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-neon" rel="noopener noreferrer"&gt;panduan developer Google Cloud&lt;/a&gt;: tingkat &lt;code&gt;MINIMAL&lt;/code&gt; dari model Flash yang lebih lama tidak didukung, dan parameter &lt;code&gt;thinking_budget&lt;/code&gt; yang lama akan mengembalikan HTTP 400 alih-alih dipetakan secara diam-diam. Nilai kustom &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_k&lt;/code&gt;, dan &lt;code&gt;top_p&lt;/code&gt; diabaikan, dan &lt;code&gt;frequency_penalty&lt;/code&gt; atau &lt;code&gt;presence_penalty&lt;/code&gt; mengembalikan error 400.&lt;/p&gt;

&lt;h2&gt;
  
  
  Benchmark Gemini 4 Neon
&lt;/h2&gt;

&lt;p&gt;Semua angka di bawah berasal dari posting peluncuran Google, yang mengutip beberapa papan peringkat pihak ketiga. Pengujian independen pada beban kerja Anda sendiri lebih penting, tetapi angka-angka ini menunjukkan ke mana Google mengarahkan model ini:&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdinr5rbm3dcj6rjzkqb6.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdinr5rbm3dcj6rjzkqb6.png" alt="Gambar benchmark Gemini 4 Neon" width="800" height="696"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Neon dioptimalkan untuk pekerjaan agent. Google menyatakan model ini mengurangi pembacaan file yang berulang, menangani kompaksi konten dalam sesi panjang, dan mencatat tingkat fabrikasi terendahnya dalam pengujian internal Antigravity.&lt;/p&gt;

&lt;p&gt;Di mana Neon bukan yang pertama: pada Artificial Analysis Intelligence Index, Google sendiri mengakui Neon berada tepat di belakang model yang lebih besar dan lebih lambat. Vals AI menempatkan Neon 0,4 poin di belakang Claude Fable 5.2 pada indeksnya, dengan biaya per tugas kurang dari setengahnya. Untuk pandangan yang netral, pantau &lt;a href="https://artificialanalysis.ai/" rel="noopener noreferrer"&gt;Artificial Analysis&lt;/a&gt; seiring makin banyaknya pengujian independen.&lt;/p&gt;

&lt;h2&gt;
  
  
  Di mana Anda bisa menggunakan Gemini 4 Neon hari ini
&lt;/h2&gt;

&lt;p&gt;Neon diluncurkan pada hari rilis di lima permukaan:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Gemini API (tier berbayar)&lt;/strong&gt; di Google AI Studio dan Android Studio, baik pada &lt;code&gt;generateContent&lt;/code&gt; maupun Interactions API.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gemini Enterprise Agent Platform&lt;/strong&gt; di Google Cloud, pada endpoint &lt;code&gt;global&lt;/code&gt; serta multi-region &lt;code&gt;us&lt;/code&gt; dan &lt;code&gt;eu&lt;/code&gt;. Google menyatakan tersedia bagi pelanggan enterprise terverifikasi di region tertentu.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Google Antigravity&lt;/strong&gt; untuk pelanggan berbayar Google AI Pro dan Ultra, di mana model ini dapat mengorkestrasi subagent Hydrogen secara paralel.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Aplikasi Gemini&lt;/strong&gt; untuk pelanggan Pro dan Ultra, di mana kini model ini menjalankan Tasks.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gemini for business&lt;/strong&gt; melalui API dan dropdown model.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Tidak ada tier API gratis: halaman harga Google mencantumkan setiap baris Neon sebagai "Not available" di bawah Free. Pelanggan Pro dan Ultra dapat mencobanya di AI Studio. Varian pertahanan siber akan tersedia bagi defender tepercaya melalui &lt;a href="https://deepmind.google/fairwind-program/" rel="noopener noreferrer"&gt;Fairwind Program&lt;/a&gt; Google dalam beberapa hari ke depan.&lt;/p&gt;

&lt;p&gt;Inferensi Batch dan Flex memotong harga menjadi setengahnya, menjadi $1,50 input dan $7,50 output per juta token, jika pekerjaan Anda bisa menunggu.&lt;/p&gt;

&lt;h2&gt;
  
  
  Neon sebagai orkestrator
&lt;/h2&gt;

&lt;p&gt;Neon mewarisi pola planner-and-worker yang diperkenalkan Google bersama Hydrogen. Anda merencanakan atau memverifikasi alur kerja dengan &lt;code&gt;gemini-4-neon&lt;/code&gt;, lalu meneruskan &lt;code&gt;previous_interaction_id&lt;/code&gt; ke &lt;code&gt;gemini-4-hydrogen&lt;/code&gt; agar model yang lebih murah menjalankan langkah-langkah individualnya. Panduan Cloud Google menunjukkannya dengan Interactions API:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="n"&gt;google&lt;/span&gt; &lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;genai&lt;/span&gt;

&lt;span class="n"&gt;client&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;genai&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Client&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;plan&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-neon"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Design a 3-step plan to migrate our REST order service to gRPC in Go."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;store&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="kc"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;step&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;interactions&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gemini-4-hydrogen"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Implement step 1 (.proto service definition) from the plan."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;previous_interaction_id&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;plan&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nb"&gt;id&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;step&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output_text&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Neon menghabiskan $15 per juta token output untuk pengambilan keputusan; Hydrogen menghabiskan $7,50 untuk eksekusi. &lt;a href="https://apidog.com/id/blog/gemini-4-hydrogen-orchestrator?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan orkestrator Gemini 4 Hydrogen&lt;/a&gt; kami membahas versi Carbon dari loop ini.&lt;/p&gt;

&lt;h2&gt;
  
  
  Batasan dan pertanyaan terbuka
&lt;/h2&gt;

&lt;p&gt;Beberapa hal yang perlu diketahui sebelum memindahkan trafik produksi:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Tidak ada explicit caching.&lt;/strong&gt; Hanya implicit caching yang berlaku, pada prefix prompt bersama sebesar 4.096 token atau lebih. Jika Anda membangun di atas &lt;code&gt;cached_content&lt;/code&gt; dengan model lama, pemanggilan tersebut perlu ditulis ulang.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Output panjang membutuhkan continuation.&lt;/strong&gt; Satu permintaan mengembalikan hingga 65.536 token. Lebih dari itu, Anda menggunakan long decode, dengan eksekusi background atau loop continuation; pemanggilan REST langsung membutuhkan path &lt;code&gt;v1beta1&lt;/code&gt; di Google Cloud.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Setiap token ditagih.&lt;/strong&gt; Token thinking, ditambah instruksi tool internal dan deklarasi fungsi yang ditambahkan Google saat Anda menggunakan grounding, semuanya dihitung dalam tagihan Anda.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Perubahan region untuk sebagian pengguna Argon.&lt;/strong&gt; Jika Anda menjalankan &lt;code&gt;gemini-4-argon&lt;/code&gt; di &lt;code&gt;europe-west2&lt;/code&gt; atau &lt;code&gt;asia-southeast1&lt;/code&gt;, beralihlah ke &lt;code&gt;global&lt;/code&gt;, &lt;code&gt;us&lt;/code&gt;, atau &lt;code&gt;eu&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Batas rate limit.&lt;/strong&gt; Periksa tier Anda di &lt;a href="https://aistudio.google.com/docs/rate-limits" rel="noopener noreferrer"&gt;halaman rate limit Gemini API&lt;/a&gt; sebelum merencanakan throughput.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Uji Gemini 4 Neon dengan Apidog CLI dan coding agent Anda
&lt;/h2&gt;

&lt;p&gt;Pertanyaan sebenarnya adalah apakah Neon sepadan dengan harganya dibanding Hydrogen pada prompt Anda. Biarkan coding agent Anda menjawabnya dengan pengujian yang dapat diulang. Permintaan ini mengikuti format Interactions API yang didokumentasikan Google; kami belum menjalankannya secara langsung untuk artikel ini:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;&lt;span class="nv"&gt;MODEL&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"${GEMINI_MODEL:-gemini-4-neon}"&lt;/span&gt;

curl -s &lt;span class="s2"&gt;"https://generativelanguage.googleapis.com/v1beta/interactions"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"x-goog-api-key: $GEMINI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
  -d &lt;span class="s2"&gt;"{\"model\": \"${MODEL}\", \"input\": \"Find the race condition in this retry queue.\", \"generation_config\": {\"thinking_level\": \"high\"}}"&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; memberi Claude Code, Codex, Cursor, atau OpenCode cara berbasis command line untuk membuat dan menjalankan pengujian API. Siapkan sekali saja:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu beri agent Anda satu prompt:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;id&amp;gt;, create an environment for the Gemini API with a MODEL
variable and a GEMINI_API_KEY variable. Add a test case for POST
/v1beta/interactions that sends the same coding prompt at thinking_level high,
asserts HTTP 200 and a non-empty output, and records response time and token
usage. Run it for gemini-4-neon and gemini-4-hydrogen and compare the results.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent tersebut membuat environment, memvalidasi payload test case terhadap skemanya, lalu menjalankannya sekali per model:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog environment create gemini-api --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --base-url https://generativelanguage.googleapis.com
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"MODEL=gemini-4-neon"&lt;/span&gt; -r cli,json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --env-var &lt;span class="s2"&gt;"MODEL=gemini-4-hydrogen"&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Masukkan &lt;code&gt;apidog run ... -r junit&lt;/code&gt; yang sama ke dalam CI dengan &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan CI/CD Apidog CLI&lt;/a&gt;, atau mulai dari &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt;. Paket Free Apidog mencakup hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Kapan Gemini 4 Neon dirilis?&lt;/strong&gt; 18 November 2026, hari yang sama dengan peluncurannya di Gemini API, AI Studio, Antigravity, dan aplikasi Gemini.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Berapa harga Gemini 4 Neon?&lt;/strong&gt; $3 per juta token input, $15 per juta token output (termasuk thinking) dan $0,15 per juta token input cache. Batch dan Flex berharga setengahnya: $1,50 dan $7,50.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon gratis?&lt;/strong&gt; Tidak di API. Google tidak mencantumkan tier gratis untuk Neon. Pelanggan Google AI Pro dan Ultra dapat menggunakannya di AI Studio, aplikasi Gemini, dan Antigravity sebagai bagian dari paket mereka.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah Gemini 4 Neon lebih baik dari Gemini 4 Carbon?&lt;/strong&gt; Untuk sebagian besar pekerjaan kompleks yang sering dilakukan, Google menyatakan Neon menyamai atau sedikit mengungguli Carbon dengan biaya per tugas 32% lebih rendah. Google tetap mengarahkan Anda ke Carbon untuk masalah arsitektur, debugging, sains, dan keamanan yang paling sulit.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apa model ID untuk Gemini 4 Neon?&lt;/strong&gt; &lt;code&gt;gemini-4-neon&lt;/code&gt;. Ini adalah ID stable baik di Gemini API maupun Gemini Enterprise Agent Platform Google Cloud.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Apakah GPT-6.2 Astra Gratis? Harga dan Cara Termurah untuk Mencobanya</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Wed, 18 Nov 2026 03:48:25 +0000</pubDate>
      <link>https://dev.to/walse/apakah-gpt-62-astra-gratis-harga-dan-cara-termurah-untuk-mencobanya-154k</link>
      <guid>https://dev.to/walse/apakah-gpt-62-astra-gratis-harga-dan-cara-termurah-untuk-mencobanya-154k</guid>
      <description>&lt;p&gt;GPT-6.2 Astra tidak gratis. Per 18 November 2026, semua jalur mengaksesnya berbayar: ChatGPT Work dan Codex di paket Plus, Pro, Enterprise, atau Edu, GitHub Copilot Pro+ ke atas, atau API dengan harga $8 per 1 juta token input dan $40 per 1 juta token output. Cara termurah untuk mengujinya adalah lewat satu sesi API kecil dengan batas pengeluaran, yang hanya menghabiskan satu atau dua dolar.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;OpenAI merilis GPT-6.2 Astra dan GPT-6.2 Sol pada 17 November 2026. Panduan ini memeriksa setiap tempat yang mungkin Anda duga punya paket gratis, menunjukkan mana saja yang menyediakan model ini, dan memberi Anda rencana pengujian agar tagihan pertama tetap di bawah $10.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apakah GPT-6.2 Astra gratis?
&lt;/h2&gt;

&lt;p&gt;GPT-6.2 Astra tidak memiliki paket gratis. Postingan peluncuran OpenAI menyebut Plus, Pro, Enterprise, dan Edu sebagai paket ChatGPT yang mendapatkan model ini, API tidak menyediakan penggunaan gratis untuknya, GitHub Copilot membatasinya pada kurs berbayar Pro+, Max, Business, dan Enterprise, dan OpenRouter tidak mencantumkan varian &lt;code&gt;:free&lt;/code&gt;. Setiap jalur di bawah ini diperiksa pada 18 November 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Jalur&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra?&lt;/th&gt;
&lt;th&gt;Biaya&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;ChatGPT Free dan Go&lt;/td&gt;
&lt;td&gt;Tidak ada dalam peluncuran&lt;/td&gt;
&lt;td&gt;–&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;ChatGPT Plus, Pro, Enterprise, Edu&lt;/td&gt;
&lt;td&gt;Ya, di ChatGPT Work dan Codex&lt;/td&gt;
&lt;td&gt;Biaya paket Anda&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GitHub Copilot Free dan Pro&lt;/td&gt;
&lt;td&gt;Tidak tercantum&lt;/td&gt;
&lt;td&gt;–&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GitHub Copilot Pro+, Max, Business, Enterprise&lt;/td&gt;
&lt;td&gt;Ya&lt;/td&gt;
&lt;td&gt;AI Credits dengan harga resmi penyedia&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;OpenAI API&lt;/td&gt;
&lt;td&gt;Ya&lt;/td&gt;
&lt;td&gt;$8 masuk, $40 keluar per 1 juta token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;OpenRouter&lt;/td&gt;
&lt;td&gt;Ya, &lt;code&gt;openai/gpt-6.2-astra&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;$8 masuk, $40 keluar per 1 juta token&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Tidak ada cara gratis untuk mengaksesnya hari ini. Yang bisa Anda kendalikan adalah seberapa kecil pengeluaran untuk mengetahui apakah Astra layak digunakan.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fsiuacyf4r0mlukyhtyq4.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fsiuacyf4r0mlukyhtyq4.png" alt="Tabel enam jalur akses GPT-6.2 Astra yang diperiksa 18 Nov 2026: ChatGPT Free dan Go serta Copilot Free dan Pro tidak punya akses; ChatGPT Plus ke atas, Copilot Pro+ ke atas, OpenAI API, dan OpenRouter tersedia tetapi berbayar" width="799" height="392"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Di mana GPT-6.2 Astra tersedia
&lt;/h2&gt;

&lt;h3&gt;
  
  
  ChatGPT Work dan Codex
&lt;/h3&gt;

&lt;p&gt;&lt;a href="https://community.openai.com/t/gpt-6-2-astra-and-sol-are-now-available/1417531" rel="noopener noreferrer"&gt;Pengumuman peluncuran&lt;/a&gt; OpenAI menyatakan kedua model "tersedia di ChatGPT Work dan Codex untuk pengguna Plus, Pro, Enterprise, dan Edu." Free dan Go tidak ada dalam daftar tersebut. Postingan yang sama juga menambahkan bahwa "peluncuran ini tidak menambahkan kedua model ke Chat biasa", jadi meskipun Anda berlangganan Plus, Anda tidak akan menemukan Astra di pemilih chat biasa.&lt;/p&gt;

&lt;p&gt;Ketersediaan juga "bergantung pada paket, izin workspace, dan progres peluncuran Anda." Seorang pengguna Business Premium di forum melaporkan belum mendapatkan akses, dan seorang moderator menyebut itu wajar. Jika Anda membayar Plus dan tidak melihat modelnya, perbarui Codex CLI dan tunggu peluncuran mencapai akun Anda.&lt;/p&gt;

&lt;h3&gt;
  
  
  GitHub Copilot
&lt;/h3&gt;

&lt;p&gt;&lt;a href="https://github.blog/changelog/2026-11-17-openais-gpt-6-2-astra-and-gpt-6-2-sol-now-available/" rel="noopener noreferrer"&gt;Changelog 17 November&lt;/a&gt; GitHub menyediakan kedua model bagi pengguna Copilot Pro+, Max, Business, dan Enterprise, ditagih dengan harga resmi penyedia melalui penagihan berbasis pemakaian. Copilot Free dan Copilot Pro tidak termasuk.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://github.com/features/copilot/plans" rel="noopener noreferrer"&gt;Halaman paket Copilot&lt;/a&gt; mencantumkan Pro+ seharga $39 per pengguna per bulan dengan $70 AI Credits bulanan ($39 dasar plus alokasi fleksibel $31), di mana satu kredit bernilai $0,01. Panggilan Astra mengurangi kredit tersebut dengan harga resmi, jadi Copilot bukan diskon. Ia hanyalah pembungkus yang praktis jika Anda sudah membayar Pro+.&lt;/p&gt;

&lt;h3&gt;
  
  
  OpenAI API
&lt;/h3&gt;

&lt;p&gt;&lt;a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra" rel="noopener noreferrer"&gt;Halaman model GPT-6.2 Astra&lt;/a&gt; mencantumkan &lt;code&gt;gpt-6.2-astra&lt;/code&gt; pada endpoint Responses, Chat Completions, dan Batch, dengan jendela konteks 1.050.000 token. &lt;a href="https://developers.openai.com/api/docs/pricing" rel="noopener noreferrer"&gt;Halaman harga&lt;/a&gt; OpenAI tidak menampilkan paket gratis, kredit gratis, atau program berbagi data untuknya. Satu-satunya baris "gratis" di halaman itu adalah model moderasi dan 1 GB penyimpanan file search.&lt;/p&gt;

&lt;h3&gt;
  
  
  OpenRouter
&lt;/h3&gt;

&lt;p&gt;&lt;a href="https://openrouter.ai/openai/gpt-6.2-astra" rel="noopener noreferrer"&gt;Halaman model&lt;/a&gt; OpenRouter mencantumkan &lt;code&gt;openai/gpt-6.2-astra&lt;/code&gt; dengan harga $8 input dan $40 output per 1 juta token melalui endpoint OpenAI, Azure, dan Amazon Bedrock, dengan sistem bayar sesuai pemakaian. Tidak ada varian gratis. Beberapa penyedia di halaman itu mengenakan biaya lebih tinggi, seperti endpoint Azure di wilayah EU seharga $9,60 dan $48.&lt;/p&gt;

&lt;h2&gt;
  
  
  Cara termurah menguji GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Jika Anda hanya ingin tahu apakah Astra mengungguli model Anda saat ini, Anda tidak perlu berlangganan. Satu sesi API bayar sesuai pemakaian dengan beberapa pengaman adalah jalur termurah. Ikuti langkah-langkah berikut:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Tulis 10 hingga 20 prompt dari pekerjaan nyata Anda.&lt;/strong&gt; Pilih tugas-tugas yang sulit ditangani model Anda saat ini. Benchmark generik tidak akan memberi banyak informasi.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Jalankan terlebih dahulu di GPT-6.2 Sol.&lt;/strong&gt; Sol berharga $2 masuk dan $10 keluar, seperempat harga Astra di setiap baris, dengan jendela konteks dan dukungan alat yang sama. Jika Sol sudah memenuhi kebutuhan, Anda mungkin tidak perlu Astra sama sekali.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Atur reasoning effort ke &lt;code&gt;high&lt;/code&gt;, bukan &lt;code&gt;max&lt;/code&gt;.&lt;/strong&gt; Astra menolak &lt;code&gt;none&lt;/code&gt;, jadi setiap panggilan melakukan reasoning, dan token reasoning ditagih sebagai output.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Batasi jawaban dengan &lt;code&gt;max_output_tokens&lt;/code&gt;.&lt;/strong&gt; Ini memberi batas keras pada biaya setiap panggilan. Jika terlalu rendah, proses reasoning panjang bisa berhenti sebelum jawaban terlihat, jadi mulailah sekitar 4.000.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Jaga prompt di bawah 272K token input.&lt;/strong&gt; Di atas batas itu, harga input menjadi dua kali lipat menjadi $16 dan output naik menjadi $60 per 1 juta untuk seluruh permintaan.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Kirim eval melalui Batch jika tidak buru-buru.&lt;/strong&gt; Batch berdiskon 50%: $4 masuk dan $20 keluar untuk Astra.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Atur anggaran bulanan dan peringatan pemakaian&lt;/strong&gt; di dasbor OpenAI sebelum memulai, agar loop yang berjalan terus tidak mengejutkan Anda dengan tagihan besar.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Tingkat effort berpengaruh lebih besar dari yang Anda bayangkan. &lt;a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/" rel="noopener noreferrer"&gt;Uji coba hari peluncuran&lt;/a&gt; Simon Willison menggambar gambar yang sama pada tiga tingkat effort. Astra menghabiskan 11,55 sen di &lt;code&gt;high&lt;/code&gt;, 17,70 sen di &lt;code&gt;xhigh&lt;/code&gt;, dan 88,71 sen di &lt;code&gt;max&lt;/code&gt;. Sol menghabiskan 2,41, 6,74, dan 13,69 sen. Naik dari &lt;code&gt;high&lt;/code&gt; ke &lt;code&gt;max&lt;/code&gt; pada Astra membuat satu jawaban hampir delapan kali lebih mahal.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa biaya nyata pengujian GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Berikut biaya beberapa skala pengujian dengan harga resmi, dengan asumsi 2.000 token input per prompt dan 1.500 token output, termasuk reasoning. Baris "reasoning panjang" menggunakan 8.000 token output per prompt, lebih mendekati hasil dari effort &lt;code&gt;max&lt;/code&gt;.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Sesi pengujian&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;th&gt;GPT-6.2 Sol&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;20 prompt, effort &lt;code&gt;high&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;$1,52&lt;/td&gt;
&lt;td&gt;$0,38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;20 prompt, reasoning panjang&lt;/td&gt;
&lt;td&gt;$6,72&lt;/td&gt;
&lt;td&gt;$1,68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Eval 100 prompt, Standard&lt;/td&gt;
&lt;td&gt;$7,60&lt;/td&gt;
&lt;td&gt;$1,90&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Eval 100 prompt, Batch&lt;/td&gt;
&lt;td&gt;$3,80&lt;/td&gt;
&lt;td&gt;$0,95&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Perhitungannya sederhana. Dua puluh prompt mengirim 40.000 token input ($0,32) dan mengembalikan 30.000 token output ($1,20). Tarif output lima kali lipat tarif input, jadi sisi output mendominasi hampir setiap baris.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Ft90yzk17bhhuxikg2ugr.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Ft90yzk17bhhuxikg2ugr.png" alt="Grafik batang biaya sesi pengujian GPT-6.2 dengan harga resmi: 20 prompt pada effort high berbiaya $1,52 di Astra dan $0,38 di Sol; 20 prompt dengan reasoning panjang $6,72 dan $1,68; eval 100 prompt $7,60 dan $1,90 di Standard, $3,80 dan $0,95 di Batch" width="800" height="487"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Itulah jawaban sebenarnya dari pertanyaan "apakah gratis": tidak, tetapi pengujian pertama yang berguna harganya sepadan dengan segelas kopi. Angka Anda akan berbeda, jadi catat &lt;code&gt;usage.output_tokens&lt;/code&gt; di setiap panggilan dan kalikan dengan $40 per 1 juta.&lt;/p&gt;

&lt;h2&gt;
  
  
  Jalur mana yang paling murah untuk Anda?
&lt;/h2&gt;

&lt;p&gt;Jalur terbaik bergantung pada apa yang sudah Anda bayarkan.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Jika Anda…&lt;/th&gt;
&lt;th&gt;Cara termurah mencoba GPT-6.2 Astra&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Sudah membayar ChatGPT Plus atau Pro&lt;/td&gt;
&lt;td&gt;Codex atau ChatGPT Work, tanpa biaya tambahan di luar paket Anda&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Sudah membayar Copilot Pro+ atau Max&lt;/td&gt;
&lt;td&gt;Pilih model di pemilih model Copilot; ia memakai AI Credits bulanan Anda&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tidak punya keduanya, dan ingin menguji lewat API&lt;/td&gt;
&lt;td&gt;OpenAI API bayar sesuai pemakaian dengan batas anggaran kecil&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Merutekan trafik ke beberapa penyedia&lt;/td&gt;
&lt;td&gt;OpenRouter, dengan harga resmi yang sama, $8 dan $40&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Hanya memakai paket gratis&lt;/td&gt;
&lt;td&gt;Tidak mungkin hari ini; uji GPT-6.2 Sol lewat API sebagai gantinya&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Jika Anda berada di paket gratis dan ingin model gratis untuk dibandingkan, panduan kami tentang &lt;a href="https://apidog.com/id/blog/gpt-6-sol-free?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;apakah GPT-6 Sol gratis&lt;/a&gt; membahas rilis Sol sebelumnya, dan &lt;a href="https://apidog.com/id/blog/gpt-6-sol-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;harga GPT-6 Sol&lt;/a&gt; menjelaskan mengapa harga resmi Sol tidak berubah selama tiga generasi.&lt;/p&gt;

&lt;h2&gt;
  
  
  Haruskah Anda menguji GPT-6.2 Sol terlebih dahulu?
&lt;/h2&gt;

&lt;p&gt;Untuk sebagian besar tim, ya. OpenAI memberi GPT-6.2 Sol jendela konteks 1.050.000 token yang sama, batas output 128.000 token yang sama, dan dukungan alat yang sama dengan Astra, dengan harga seperempatnya.&lt;/p&gt;

&lt;p&gt;Ulasan awal Astra beragam. Willison mencatat bahwa Astra "tidak mendapat skor setinggi Fable 5.2 pada berbagai benchmark", dan ia menemukan bahwa tidak ada model GPT-6.2 yang menghasilkan hasil yang cukup baik pada prompt animasi mekinenya. Di sisi lain, GitHub menyatakan Astra menemukan lebih banyak masalah daripada GPT-6 Astra dalam code review sambil menggunakan lebih sedikit token.&lt;/p&gt;

&lt;p&gt;Perbedaan pendapat seperti inilah alasan mengapa pengujian yang murah dan spesifik pada tugas Anda lebih berguna daripada membaca postingan peluncuran. Jalankan 20 prompt Anda di Sol. Jalankan ulang hanya yang gagal di Astra. Jika Astra memperbaikinya, Anda telah menemukan tugas yang layak dibayar 4x lipat. Jika Anda beralih dari generasi sebelumnya, &lt;a href="https://apidog.com/id/blog/gpt-6-astra-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API GPT-6 Astra&lt;/a&gt; kami menunjukkan bentuk permintaan yang tetap berlaku dengan ID model baru.&lt;/p&gt;

&lt;h2&gt;
  
  
  Biarkan coding agent Anda menjalankan pengujian GPT-6.2 Astra dengan batas biaya melalui Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Menjalankan 20 prompt secara manual dan menyalin hitungan token ke spreadsheet itu lambat. Serahkan saja pada coding agent Anda, dan biarkan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt; menjalankan permintaan, memeriksa kolom usage, dan menggagalkan sesi jika sebuah panggilan terlalu mahal.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt kepada agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;id&amp;gt;, create a test case for POST /v1/responses. Send the
same prompt to model gpt-6.2-sol and then gpt-6.2-astra, both with reasoning
effort "high" and max_output_tokens 4000. Assert each call returns 200,
usage.input_tokens stays under 272000 and usage.output_tokens stays under
4000. Run it against the openai environment and report output tokens and
estimated cost per call at $10 and $40 per 1M output tokens.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan mencari bentuk payload, memvalidasinya, membuat test case, dan menjalankannya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;id&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Laporan JSON memberi Anda hitungan token per panggilan, sehingga perbandingan biaya antara Sol dan Astra berasal dari prompt Anda sendiri, bukan dari grafik benchmark. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; jika Anda ingin meninjau hasilnya di aplikasi Apidog setelahnya. &lt;a href="https://apidog.com/id/blog/apidog-cli-in-codex?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Codex&lt;/a&gt; membahas penyiapan agent jika Anda menguji dari Codex, yang juga merupakan tempat pengguna Plus mendapatkan Astra. Paket Free Apidog mencakup hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Astra gratis di ChatGPT?&lt;/strong&gt; Tidak. Pengumuman OpenAI menyediakannya di ChatGPT Work dan Codex untuk pengguna Plus, Pro, Enterprise, dan Edu. Free dan Go tidak tercantum, dan peluncurannya tidak menambahkan model ini ke Chat biasa.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah ada paket API gratis untuk GPT-6.2 Astra?&lt;/strong&gt; Tidak. API mengenakan biaya $8 per 1 juta token input dan $40 per 1 juta token output di Standard, dan halaman harga OpenAI tidak mencantumkan paket gratis atau kredit gratis untuk model ini.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya memakai GPT-6.2 Astra dengan GitHub Copilot Free?&lt;/strong&gt; Tidak. Changelog GitHub membatasinya pada Copilot Pro+, Max, Business, dan Enterprise, ditagih dengan harga resmi penyedia melalui AI Credits.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah OpenRouter punya model GPT-6.2 Astra gratis?&lt;/strong&gt; Tidak. OpenRouter mencantumkan &lt;code&gt;openai/gpt-6.2-astra&lt;/code&gt; seharga $8 input dan $40 output per 1 juta token, tanpa varian &lt;code&gt;:free&lt;/code&gt; per 18 November 2026.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apa cara termurah menguji GPT-6.2 Astra?&lt;/strong&gt; Jalankan 10 hingga 20 prompt nyata melalui API pada effort &lt;code&gt;high&lt;/code&gt; dengan &lt;code&gt;max_output_tokens&lt;/code&gt; yang diatur. Biayanya sekitar $1,52 di Astra, atau $0,38 jika Anda mulai dengan GPT-6.2 Sol. Batch memangkas keduanya menjadi setengahnya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Sol gratis?&lt;/strong&gt; Tidak. Sol berharga $2 input dan $10 output per 1 juta token di API dan tersedia di ChatGPT dan Copilot pada paket berbayar yang sama dengan Astra.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>GPT-6.2 Astra vs Claude Fable 5.2 untuk Coding Agent: Harga, Batasan, dan Hasil Pengujian</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Wed, 18 Nov 2026 03:42:02 +0000</pubDate>
      <link>https://dev.to/walse/gpt-62-astra-vs-claude-fable-52-untuk-coding-agent-harga-batasan-dan-hasil-pengujian-53d1</link>
      <guid>https://dev.to/walse/gpt-62-astra-vs-claude-fable-52-untuk-coding-agent-harga-batasan-dan-hasil-pengujian-53d1</guid>
      <description>&lt;h1&gt;
  
  
  Perbandingan GPT-6.2 Astra vs Claude Fable 5.2 untuk Coding Agent: Harga, Cache, dan Keanehan API
&lt;/h1&gt;

&lt;p&gt;Perbandingan GPT-6.2 Astra vs Claude Fable 5.2 pada dasarnya bermuara pada ini: keduanya berharga $8 per juta token input dan $40 per juta token output, keduanya menawarkan konteks sekitar satu juta token dan output 128K, dan keduanya ditargetkan untuk pekerjaan coding agentic yang panjang. Perbedaan yang menentukan pilihan Anda adalah harga cache, penagihan konteks panjang, keanehan API yang harus ditangani oleh agent harness Anda, dan cara masing-masing model berperilaku pada tugas-tugas Anda sendiri.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;OpenAI merilis GPT-6.2 Astra pada 17 November 2026, delapan hari setelah Anthropic meluncurkan Claude Fable 5.2. Panduan ini membahas spesifikasi, biaya sesi agent nyata, error permintaan yang bisa merusak harness yang dibangun untuk model lainnya, dan cara menguji keduanya dengan Apidog CLI.&lt;/p&gt;

&lt;h2&gt;
  
  
  GPT-6.2 Astra vs Claude Fable 5.2: kesimpulan singkat
&lt;/h2&gt;

&lt;p&gt;Pilih Claude Fable 5.2 jika agent Anda mengirim prompt panjang dan membaca ulang konteks cache yang besar, karena biaya cache read-nya setengah lebih murah dan seluruh jendela 1M-nya ditagih dengan tarif standar. Pilih GPT-6.2 Astra jika stack Anda sudah berjalan di OpenAI Responses API dan Anda ingin menggunakan hosted tools-nya, seperti &lt;code&gt;apply_patch&lt;/code&gt;, hosted shell, dan subagent multi-agent. Untuk keperluan lainnya, uji keduanya pada tugas-tugas Anda sendiri sebelum memutuskan.&lt;/p&gt;

&lt;p&gt;Ulasan awal cenderung memihak Fable dalam hal kemampuan mentah. Simon Willison &lt;a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/" rel="noopener noreferrer"&gt;menulis pada hari peluncuran&lt;/a&gt; bahwa Astra "tidak mendapatkan skor setinggi Fable 5.2 pada berbagai benchmark" dan beberapa penguji menganggap gaya komunikasinya membingungkan. Anggap itu sebagai sinyal untuk menguji sendiri, bukan sebagai vonis akhir.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana perbandingan GPT-6.2 Astra dan Claude Fable 5.2 dari segi spesifikasi dan harga?
&lt;/h2&gt;

&lt;p&gt;Kedua model mencantumkan harga dasar yang sama, jadi perbandingannya terletak pada detail. Setiap angka di bawah ini berasal dari &lt;a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra" rel="noopener noreferrer"&gt;halaman model GPT-6.2 Astra&lt;/a&gt; dan &lt;a href="https://platform.claude.com/docs/en/models/fable-5-2/overview" rel="noopener noreferrer"&gt;ikhtisar Claude Fable 5.2&lt;/a&gt;, yang diverifikasi pada 18 November 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Spesifikasi&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;th&gt;Claude Fable 5.2&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;ID model API&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gpt-6.2-astra&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;claude-fable-5-2&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tanggal rilis&lt;/td&gt;
&lt;td&gt;17 Nov 2026&lt;/td&gt;
&lt;td&gt;9 Nov 2026&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input / output per 1 juta token&lt;/td&gt;
&lt;td&gt;$8 / $40&lt;/td&gt;
&lt;td&gt;$8 / $40&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input cache (cache read)&lt;/td&gt;
&lt;td&gt;$0.40&lt;/td&gt;
&lt;td&gt;$0.20&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Cache write&lt;/td&gt;
&lt;td&gt;$10 (30 menit), $20 (12 jam)&lt;/td&gt;
&lt;td&gt;$10 (5 menit), $16 (1 jam)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.050.000 (maks. input 922.000)&lt;/td&gt;
&lt;td&gt;1M&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output maksimum&lt;/td&gt;
&lt;td&gt;128.000&lt;/td&gt;
&lt;td&gt;128K&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Prompt panjang&lt;/td&gt;
&lt;td&gt;Input di atas 272K: input 2x, output 1,5x&lt;/td&gt;
&lt;td&gt;Seluruh 1M dengan harga standar&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batch&lt;/td&gt;
&lt;td&gt;Diskon 50%&lt;/td&gt;
&lt;td&gt;Diskon 50%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batas pengetahuan&lt;/td&gt;
&lt;td&gt;18 Mei 2026&lt;/td&gt;
&lt;td&gt;Juni 2026&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kontrol reasoning&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;reasoning.effort&lt;/code&gt; (&lt;code&gt;none&lt;/code&gt; ditolak)&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;effort&lt;/code&gt;, default &lt;code&gt;high&lt;/code&gt;, thinking selalu aktif&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Harga keduanya turun 20% dari generasi sebelumnya. GPT-6 Astra dan Claude Fable 5 keduanya berharga $10 / $50, seperti dicatat Willison. Jika Anda masih menggunakan model lama, &lt;a href="https://apidog.com/id/blog/gpt-6-astra-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API GPT-6 Astra&lt;/a&gt; dan &lt;a href="https://apidog.com/id/blog/claude-fable-5-2-pricing?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;rincian harga Claude Fable 5.2&lt;/a&gt; menjelaskan apa saja yang berubah.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa biaya sebenarnya satu sesi coding agent?
&lt;/h2&gt;

&lt;p&gt;Sebuah coding agent jarang mengirim satu prompt pendek. Ia memuat ulang konteks repo, definisi tool, dan riwayat percakapan di setiap giliran, sehingga cache read dan aturan prompt panjang lebih menentukan daripada harga utamanya.&lt;/p&gt;

&lt;p&gt;Berikut dua contoh beban kerja yang dihitung dari daftar tarif resmi, dengan pemrosesan Standard.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Beban kerja&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;th&gt;Claude Fable 5.2&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Sesi agent: 150K token ditulis ke cache, 1,35 juta cache read, 150K output (setiap permintaan di bawah 272K)&lt;/td&gt;
&lt;td&gt;$1,50 + $0,54 + $6,00 = &lt;strong&gt;$8,04&lt;/strong&gt;
&lt;/td&gt;
&lt;td&gt;$1,50 + $0,27 + $6,00 = &lt;strong&gt;$7,77&lt;/strong&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Satu permintaan panjang: 400K input, 8K output, tanpa cache&lt;/td&gt;
&lt;td&gt;$6,40 + $0,48 = &lt;strong&gt;$6,88&lt;/strong&gt;
&lt;/td&gt;
&lt;td&gt;$3,20 + $0,32 = &lt;strong&gt;$3,52&lt;/strong&gt;
&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Biaya sesinya hampir sama karena komponen output yang mendominasi: 150K token output berharga $6,00 di kedua model. Selisih cache read menghemat 27 sen di sini, dan selisihnya akan membesar seiring sesi yang lebih panjang.&lt;/p&gt;

&lt;p&gt;Pada permintaan panjang tunggal itulah tagihannya terpecah. Begitu permintaan Astra melewati 272K token input, OpenAI menggandakan tarif input menjadi $16 dan menaikkan output menjadi $60 untuk seluruh permintaan tersebut. Fable 5.2 menagih prompt 400K dengan tarif $8 yang sama seperti prompt 4K.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4idvfxfn05s6nrd25s03.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4idvfxfn05s6nrd25s03.png" alt="Diagram batang yang membandingkan biaya GPT-6.2 Astra dan Claude Fable 5.2 untuk sesi agent ber-cache dan satu permintaan 400K token" width="800" height="448"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Jika agent Anda memasukkan monorepo besar atau log panjang ke dalam satu permintaan, jaga agar tetap di bawah 272K di Astra, atau bersiap membayar hampir dua kali lipat.&lt;/p&gt;

&lt;h2&gt;
  
  
  Keanehan API mana yang bisa merusak harness yang dibangun untuk model lainnya?
&lt;/h2&gt;

&lt;p&gt;Berganti model bukan sekadar mengganti string model. Setiap API menolak pengaturan yang diterima oleh yang lain, dan kedua kegagalan tersebut muncul sebagai error HTTP 400.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Claude Fable 5.2 menolak:&lt;/strong&gt;&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Pemakaian tool yang dipaksa (forced tool use). Menyetel &lt;code&gt;tool_choice&lt;/code&gt; ke &lt;code&gt;any&lt;/code&gt; atau &lt;code&gt;tool&lt;/code&gt; mengembalikan 400, sesuai &lt;a href="https://platform.claude.com/docs/en/models/fable-5-2/overview" rel="noopener noreferrer"&gt;catatan Fable 5.2&lt;/a&gt; dari Anthropic.&lt;/li&gt;
&lt;li&gt;Parameter sampling. Hilangkan &lt;code&gt;temperature&lt;/code&gt;, &lt;code&gt;top_p&lt;/code&gt;, dan &lt;code&gt;top_k&lt;/code&gt;; nilai yang tercantum oleh Anthropic akan mengembalikan 400.&lt;/li&gt;
&lt;li&gt;Mematikan thinking. Adaptive thinking selalu aktif, sehingga &lt;a href="https://platform.claude.com/docs/en/build-with-claude/effort" rel="noopener noreferrer"&gt;parameter effort&lt;/a&gt; adalah satu-satunya kendali Anda atas kedalaman, latensi, dan biaya.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;&lt;strong&gt;GPT-6.2 Astra menolak:&lt;/strong&gt;&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;code&gt;reasoning.effort&lt;/code&gt; yang disetel ke &lt;code&gt;none&lt;/code&gt; (Responses API) atau &lt;code&gt;reasoning_effort: "none"&lt;/code&gt; (Chat Completions), sesuai &lt;a href="https://developers.openai.com/api/docs/guides/reasoning" rel="noopener noreferrer"&gt;panduan reasoning&lt;/a&gt; dari OpenAI.&lt;/li&gt;
&lt;li&gt;Endpoint Realtime, Assistants, dan fine-tuning, yang tercantum sebagai tidak didukung di halaman model.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Jika harness Anda memaksa pemanggilan tool untuk mendapatkan output terstruktur, itu berhasil di Astra dan gagal di Fable; pindahkan strukturnya ke prompt atau skema tool. Jika ia menyetel &lt;code&gt;temperature: 0&lt;/code&gt;, hapus itu untuk Fable.&lt;/p&gt;

&lt;p&gt;Penanganan data juga berbeda. Anthropic menyatakan bahwa Fable 5.2 mewajibkan retensi data 30 hari dan tidak tersedia di bawah zero data retention kecuali diizinkan secara eksplisit oleh Anthropic. Periksa hal ini terhadap kebijakan keamanan Anda sebelum mengalirkan kode produksi melaluinya.&lt;/p&gt;

&lt;h2&gt;
  
  
  Di mana GPT-6.2 Astra unggul?
&lt;/h2&gt;

&lt;p&gt;Kekuatan Astra terletak pada kotak perkakas di sekitarnya. Di Responses API, OpenAI mencantumkan &lt;code&gt;apply_patch&lt;/code&gt;, &lt;code&gt;hosted_shell&lt;/code&gt;, &lt;code&gt;computer_use&lt;/code&gt;, &lt;code&gt;code_interpreter&lt;/code&gt;, &lt;code&gt;mcp&lt;/code&gt;, &lt;code&gt;skills&lt;/code&gt;, dan &lt;code&gt;tool_search&lt;/code&gt; sebagai tool yang didukung. Sebuah &lt;a href="https://developers.openai.com/api/docs/guides/responses-multi-agent" rel="noopener noreferrer"&gt;beta multi-agent&lt;/a&gt; memungkinkan Astra mendelegasikan pekerjaan ke subagent.&lt;/p&gt;

&lt;p&gt;Ini penting jika Anda tidak ingin membangun sendiri patch applier dan shell runner.&lt;/p&gt;

&lt;p&gt;Masukan prarilis dari Theo Browne, yang dikutip Willison, menyebutkan bahwa Astra "bisa menarik banyak subagent dan mengelolanya dengan cukup baik" pada tugas panjang, tetapi kadang berhenti untuk menanyakan detail internal yang tidak bisa dijawab oleh pengguna. Berikan kondisi penghentian yang jelas.&lt;/p&gt;

&lt;p&gt;Astra juga menawarkan lebih banyak tingkatan biaya: Batch dengan diskon 50%, Fast mode dengan 2x harga Standard, dan jendela background 30% di bawah Standard untuk penyelesaian 2 jam dan 40% di bawah untuk penyelesaian 8 jam. Pembuatan test semalaman bisa berjalan di sana dengan biaya lebih murah.&lt;/p&gt;

&lt;h2&gt;
  
  
  Di mana Claude Fable 5.2 unggul?
&lt;/h2&gt;

&lt;p&gt;Fable unggul pada konteks panjang yang padat cache. Cache read-nya berharga $0,20 per juta token, atau 2,5% dari harga input, dan seluruh jendela 1M-nya ditagih dengan tarif standar tanpa pengali prompt panjang.&lt;/p&gt;

&lt;p&gt;Anthropic memosisikan Fable 5.2 untuk sesi agent yang berjalan berjam-jam. Kontrol effort-nya berjalan dari &lt;code&gt;low&lt;/code&gt; hingga &lt;code&gt;max&lt;/code&gt;; Anthropic menyarankan untuk memulai dari &lt;code&gt;high&lt;/code&gt;, yaitu nilai default, dan naik ke &lt;code&gt;xhigh&lt;/code&gt; hanya jika Anda telah mengukur adanya keuntungan.&lt;/p&gt;

&lt;p&gt;Fable juga mendapat penerimaan awal yang lebih kuat pada coding kreatif yang sulit. Dalam uji peluncuran Willison, sebuah prompt animasi Three.js dijalankan pada kedua model OpenAI baru dengan effort Ultra di Codex CLI, dan tidak ada yang menyaingi hasil yang ia dapatkan dari Fable 5.2.&lt;/p&gt;

&lt;p&gt;Fable juga berjalan di Amazon Bedrock, Google Cloud, dan Microsoft Foundry, serta Fast mode-nya memberikan kecepatan output hingga 2,5x lebih tinggi dengan harga $16 / $80 per juta token. Untuk contoh permintaan, lihat &lt;a href="https://apidog.com/id/blog/claude-fable-5-2-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API Claude Fable 5.2&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bagaimana menguji GPT-6.2 Astra dan Claude Fable 5.2 pada beban kerja API Anda sendiri?
&lt;/h2&gt;

&lt;p&gt;Benchmark mengukur tugas-tugas orang lain. Sebaiknya jalankan prompt yang sama melalui kedua API:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Pilih 5 hingga 10 prompt nyata dari riwayat agent Anda, misalnya perbaikan bug, refactor, dan tugas penulisan test.&lt;/li&gt;
&lt;li&gt;Tulis satu permintaan per model dengan konten identik, menggunakan format masing-masing API.&lt;/li&gt;
&lt;li&gt;Buat assertion untuk status 200, jawaban tidak kosong, dan bentuk struktur yang di-parse oleh agent Anda.&lt;/li&gt;
&lt;li&gt;Jalankan setiap permintaan beberapa kali dan bandingkan token, latensi, serta tingkat keberhasilan.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Kedua pemanggilan adalah HTTP biasa. Berikut permintaan Astra pada Responses API:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl https://api.openai.com/v1/responses \
  -H &lt;span class="s2"&gt;"Authorization: Bearer $OPENAI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
  -d &lt;span class="s1"&gt;'{"model": "gpt-6.2-astra", "reasoning": {"effort": "high"},
       "input": "Review this diff and list the bugs."}'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Fable 5.2 menggunakan Messages API dari Anthropic dengan &lt;code&gt;claude-fable-5-2&lt;/code&gt; sebagai model dan tanpa field &lt;code&gt;temperature&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Feba3qs3rv31bb8hsjor4.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Feba3qs3rv31bb8hsjor4.png" alt="Diagram coding agent yang menjalankan prompt yang sama terhadap GPT-6.2 Astra dan Claude Fable 5.2 melalui Apidog CLI dan membandingkan laporan pengujian" width="799" height="341"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h3&gt;
  
  
  Biarkan coding agent Anda menjalankan A/B dengan Apidog CLI
&lt;/h3&gt;

&lt;p&gt;Menjalankan pasangan permintaan secara manual cepat membuat lelah. Biarkan Claude Code, Codex, atau Cursor yang menggerakkan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;. Penyiapannya hanya tiga perintah:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_APIDOG_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan satu prompt ke agent Anda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;PROJECT_ID&amp;gt;, create two test cases: one that sends
our code-review prompt to gpt-6.2-astra through the OpenAI Responses
API, and one that sends the same prompt to claude-fable-5-2 through
the Claude Messages API with no temperature field. Keep both API keys
in private environment variables. Assert a 200 status and a non-empty
answer, record token usage and response time, run each case 5 times
and summarize cost per run. Validate every payload before you write it.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan memeriksa skema payload, menulis test case, dan menjalankannya. Flag di bawah ini berasal dari &lt;code&gt;apidog run --help&lt;/code&gt; pada CLI 2.2.12:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file astra-case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;PROJECT_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file astra-case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;PROJECT_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file fable-case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;ASTRA_CASE_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;PROJECT_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; \
  -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;ENV_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -n 5 -r cli,json --out-dir ab-results
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;FABLE_CASE_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;PROJECT_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; \
  -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;ENV_ID&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -n 5 -r cli,json --out-dir ab-results
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;code&gt;-n 5&lt;/code&gt; mengulang setiap test case lima kali, sehingga satu respons yang lambat tidak menentukan hasilnya. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; untuk melihat hasil run di aplikasi Apidog. Ini adalah template alur kerja; kami belum menjalankannya terhadap Astra dari mesin ini.&lt;/p&gt;

&lt;p&gt;Anda juga bisa mengubah bagian keanehan API menjadi test. Minta agent membuat negative case yang mengirim &lt;code&gt;tool_choice: any&lt;/code&gt; ke Fable dan mengharapkan 400, serta satu lagi yang mengirim &lt;code&gt;effort: none&lt;/code&gt; ke Astra dan mengharapkan 400. Jika salah satu penyedia mengubah aturannya, suite pengujian Anda akan memberi tahu Anda sebelum agent Anda melakukannya. &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan Apidog CLI di Claude Code&lt;/a&gt; dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-codex?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan Apidog CLI di Codex&lt;/a&gt; membahas penyiapan agent-nya.&lt;/p&gt;

&lt;p&gt;Paket Free Apidog mencakup hingga 4 pengguna, cukup untuk menjalankan perbandingan ini.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Astra lebih murah dari Claude Fable 5.2?&lt;/strong&gt; Harga dasarnya identik, yaitu $8 untuk input dan $40 untuk output per juta token. Fable lebih murah pada cache read ($0,20 vs $0,40) dan pada permintaan apa pun di atas 272K token input, di mana Astra menggandakan tarif inputnya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Model mana yang memiliki jendela konteks lebih besar?&lt;/strong&gt; Astra mencantumkan 1.050.000 token konteks dengan batas input 922.000 token. Fable 5.2 mencantumkan 1M token. Keduanya membatasi output pada 128K token per permintaan.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya memaksa pemanggilan tool dengan Claude Fable 5.2?&lt;/strong&gt; Tidak. &lt;code&gt;tool_choice&lt;/code&gt; berupa &lt;code&gt;any&lt;/code&gt; atau &lt;code&gt;tool&lt;/code&gt; mengembalikan error 400. Biarkan model memilih tool dengan sendirinya, dan jelaskan struktur yang diharapkan di prompt atau skema tool.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya mematikan reasoning pada GPT-6.2 Astra?&lt;/strong&gt; Tidak. API menolak &lt;code&gt;reasoning.effort&lt;/code&gt; yang disetel ke &lt;code&gt;none&lt;/code&gt; dengan error 400. Pilih tingkat effort yang lebih rendah yang didukung untuk pemanggilan yang cepat dan murah.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Model mana yang sebaiknya saya gunakan untuk coding agent saya?&lt;/strong&gt; Mulailah dari beban kerja Anda. Prompt panjang yang padat cache menguntungkan Fable 5.2, sementara stack berbasis OpenAI yang menginginkan tool patch, shell, dan subagent bawaan menguntungkan Astra. Jalankan keduanya pada 5 hingga 10 prompt nyata sebelum beralih.&lt;/p&gt;

</description>
    </item>
    <item>
      <title>Cara Menggunakan API GPT-6.2 Astra</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Wed, 18 Nov 2026 03:40:16 +0000</pubDate>
      <link>https://dev.to/walse/cara-menggunakan-api-gpt-62-astra-13p2</link>
      <guid>https://dev.to/walse/cara-menggunakan-api-gpt-62-astra-13p2</guid>
      <description>&lt;p&gt;&lt;strong&gt;Jawaban singkat:&lt;/strong&gt; Untuk menggunakan API GPT-6.2 Astra, kirimkan request ke endpoint Responses milik OpenAI (&lt;code&gt;POST /v1/responses&lt;/code&gt;) dengan &lt;code&gt;"model": "gpt-6.2-astra"&lt;/code&gt;, tingkat reasoning seperti &lt;code&gt;"high"&lt;/code&gt;, dan input Anda. Harganya $8 per juta token input dan $40 per juta token output, menerima hingga 922K token input dan mengembalikan hingga 128K. Jangan atur effort ke &lt;code&gt;none&lt;/code&gt;: API akan menolaknya.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;OpenAI merilis GPT-6.2 Astra dan saudara lebih murahnya, GPT-6.2 Sol, pada 17 November 2026. Jika Anda pernah memanggil GPT-6 Astra sebelumnya, sebagian besar kode Anda tetap bisa digunakan. Panduan ini membahas API GPT-6.2 Astra mulai dari request pertama, pemanggilan tool, penyetelan effort, jebakan harga, hingga pengujian berulang yang bisa dijalankan oleh coding agent Anda.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yang perlu Anda siapkan sebelum panggilan API GPT-6.2 Astra pertama
&lt;/h2&gt;

&lt;p&gt;Anda membutuhkan empat hal, dan kemungkinan besar tiga di antaranya sudah Anda miliki:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Kunci API OpenAI&lt;/strong&gt; dari &lt;a href="https://platform.openai.com/api-keys" rel="noopener noreferrer"&gt;dashboard platform&lt;/a&gt;, diekspor sebagai &lt;code&gt;OPENAI_API_KEY&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Usage tier berbayar.&lt;/strong&gt; Halaman model OpenAI mencantumkan rate limit Astra mulai dari tier Build (5.000 request dan 1M token per menit).&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Model ID&lt;/strong&gt; &lt;code&gt;gpt-6.2-astra&lt;/code&gt;. Model yang lebih murah adalah &lt;code&gt;gpt-6.2-sol&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Endpoint yang didukung&lt;/strong&gt;: Responses, Chat Completions, atau Batch. Realtime, Assistants, dan fine-tuning tidak mendukung kedua model ini.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Spesifikasi ini berasal dari &lt;a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra" rel="noopener noreferrer"&gt;halaman model GPT-6.2 Astra&lt;/a&gt; milik OpenAI, dicek pada 18 November 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Spesifikasi&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Model ID&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gpt-6.2-astra&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.050.000 token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input maksimum&lt;/td&gt;
&lt;td&gt;922.000 token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output maksimum&lt;/td&gt;
&lt;td&gt;128.000 token&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batas pengetahuan&lt;/td&gt;
&lt;td&gt;18 Mei 2026&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Endpoint&lt;/td&gt;
&lt;td&gt;Responses, Chat Completions, Batch&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Fitur&lt;/td&gt;
&lt;td&gt;Streaming, function calling, structured outputs, input gambar, prompt caching&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Cara membuat request API GPT-6.2 Astra pertama Anda
&lt;/h2&gt;

&lt;p&gt;API Responses adalah endpoint yang terus dikembangkan OpenAI dengan fitur-fitur baru, jadi mulailah dari sana. Berikut langkah-langkahnya:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Ekspor kunci Anda: &lt;code&gt;export OPENAI_API_KEY=sk-...&lt;/code&gt;
&lt;/li&gt;
&lt;li&gt;Kirim request dengan model ID dan tingkat effort.&lt;/li&gt;
&lt;li&gt;Baca &lt;code&gt;output_text&lt;/code&gt; untuk jawaban dan &lt;code&gt;usage&lt;/code&gt; untuk jumlah token.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Dengan curl:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl https://api.openai.com/v1/responses \
  -H &lt;span class="s2"&gt;"Authorization: Bearer $OPENAI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
  -d &lt;span class="s1"&gt;'{
    "model": "gpt-6.2-astra",
    "reasoning": { "effort": "high" },
    "input": "Review this migration plan and list the three biggest risks."
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Dengan SDK Python resmi (&lt;code&gt;pip install --upgrade openai&lt;/code&gt;):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="n"&gt;openai&lt;/span&gt; &lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="nc"&gt;OpenAI&lt;/span&gt;

&lt;span class="n"&gt;client&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nc"&gt;OpenAI&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;  &lt;span class="c1"&gt;# reads OPENAI_API_KEY&lt;/span&gt;

&lt;span class="n"&gt;response&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;responses&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gpt-6.2-astra"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;reasoning&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"effort"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"high"&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Review this migration plan and list the three biggest risks."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output_text&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;usage&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Dengan Node.js (&lt;code&gt;npm install openai&lt;/code&gt;):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight javascript"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="nc"&gt;OpenAI&lt;/span&gt; &lt;span class="k"&gt;from&lt;/span&gt; &lt;span class="s2"&gt;"openai"&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;

&lt;span class="kd"&gt;const&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="k"&gt;new&lt;/span&gt; &lt;span class="nc"&gt;OpenAI&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;

&lt;span class="kd"&gt;const&lt;/span&gt; &lt;span class="n"&gt;response&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="k"&gt;await&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;responses&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;
  &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"gpt-6.2-astra"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
  &lt;span class="n"&gt;reasoning&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt; &lt;span class="n"&gt;effort&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"high"&lt;/span&gt; &lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
  &lt;span class="n"&gt;input&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"Review this migration plan and list the three biggest risks."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;

&lt;span class="nb"&gt;console&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;log&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output_text&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Periksa blok &lt;code&gt;usage&lt;/code&gt; pada setiap panggilan awal. Astra memakai token reasoning sebelum menulis satu kata pun, dan token tersebut ditagih sebagai output. Jawaban yang singkat tetap bisa berbiaya lebih besar dari perkiraan Anda.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fqfwe2zobifp9bjjt1cml.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fqfwe2zobifp9bjjt1cml.jpg" alt="Diagram of a GPT-6.2 Astra API request" width="800" height="267"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Memilih reasoning effort untuk GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Reasoning effort adalah faktor terbesar yang memengaruhi kualitas dan biaya. &lt;a href="https://developers.openai.com/api/docs/guides/reasoning" rel="noopener noreferrer"&gt;Panduan reasoning&lt;/a&gt; OpenAI mencantumkan nilai &lt;code&gt;none&lt;/code&gt;, &lt;code&gt;minimal&lt;/code&gt;, &lt;code&gt;low&lt;/code&gt;, &lt;code&gt;medium&lt;/code&gt;, &lt;code&gt;high&lt;/code&gt;, &lt;code&gt;xhigh&lt;/code&gt;, dan &lt;code&gt;max&lt;/code&gt;, serta menyatakan bahwa setiap model hanya mendukung sebagian dari nilai tersebut. Untuk GPT-6.2 Astra dan Sol, satu aturan yang terkonfirmasi adalah &lt;code&gt;none&lt;/code&gt; ditolak, sehingga setiap panggilan selalu melakukan reasoning.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Effort&lt;/th&gt;
&lt;th&gt;Gunakan untuk&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;
&lt;code&gt;low&lt;/code&gt; / &lt;code&gt;medium&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;Edit sederhana, ekstraksi, jawaban singkat&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;high&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Code review, perencanaan, sebagian besar prompt sulit. Default yang masuk akal untuk mulai pengujian&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;xhigh&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Agent run panjang dan pekerjaan asinkron, hanya jika eval menunjukkan keuntungan yang jelas&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;max&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Masalah tersulit Anda, di mana jawaban yang lebih baik sebanding dengan beberapa kali lipat biaya token&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;OpenAI tidak menyatakan effort default Astra, jadi aturlah secara eksplisit di setiap request. Ini menjaga tagihan dan hasil pengujian Anda tetap dapat direproduksi.&lt;/p&gt;

&lt;p&gt;Berapa besar pengaruh effort terhadap tagihan? Simon Willison menjalankan prompt gambar yang sama pada setiap model dengan tiga tingkat effort pada hari peluncuran dan &lt;a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/" rel="noopener noreferrer"&gt;mempublikasikan biayanya&lt;/a&gt;. Astra berbiaya 11,55 sen pada &lt;code&gt;high&lt;/code&gt;, 17,70 sen pada &lt;code&gt;xhigh&lt;/code&gt;, dan 88,71 sen pada &lt;code&gt;max&lt;/code&gt;. Dari &lt;code&gt;high&lt;/code&gt; ke &lt;code&gt;max&lt;/code&gt;, biayanya melonjak hampir delapan kali lipat.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F2nu6x5vpcm60m574el0m.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F2nu6x5vpcm60m574el0m.jpg" alt="Bar chart of cost per run" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Perhatikan bahwa GPT-6.2 Astra lebih murah daripada GPT-6 Astra pada &lt;code&gt;high&lt;/code&gt; dan &lt;code&gt;xhigh&lt;/code&gt;, tetapi lebih mahal pada &lt;code&gt;max&lt;/code&gt;. Harga per token turun 20%, namun effort &lt;code&gt;max&lt;/code&gt; berpikir lebih lama. Ukur biaya per tugas yang selesai, bukan biaya per juta token.&lt;/p&gt;

&lt;h2&gt;
  
  
  Menggunakan tools dan structured outputs dengan API GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Astra mendukung function calling, structured outputs, dan daftar panjang hosted tools di API Responses: web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP, dan tool search.&lt;/p&gt;

&lt;p&gt;Function tool tampak sama seperti pada GPT-6 Astra:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;response&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;client&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;responses&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="n"&gt;model&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"gpt-6.2-astra"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;reasoning&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"effort"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"high"&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="n"&gt;tools&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;
        &lt;span class="s2"&gt;"type"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"function"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="s2"&gt;"name"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"get_order_status"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="s2"&gt;"description"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"Look up an order by its ID."&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="s2"&gt;"parameters"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;
            &lt;span class="s2"&gt;"type"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"object"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
            &lt;span class="s2"&gt;"properties"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"order_id"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"type"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"string"&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
            &lt;span class="s2"&gt;"required"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"order_id"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="p"&gt;}&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
    &lt;span class="nb"&gt;input&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s2"&gt;"Where is order A-1042?"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;item&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;output&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;item&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="kd"&gt;type&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s2"&gt;"function_call"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;item&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;name&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;item&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;arguments&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Jalankan fungsi tersebut sendiri, lalu kirimkan hasilnya kembali sebagai item &lt;code&gt;function_call_output&lt;/code&gt; dengan &lt;code&gt;call_id&lt;/code&gt; yang cocok. Astra akan menulis jawaban akhir dari situ.&lt;/p&gt;

&lt;p&gt;Untuk output yang dapat dibaca mesin, berikan skema JSON di &lt;code&gt;text.format&lt;/code&gt; dengan &lt;code&gt;"type": "json_schema"&lt;/code&gt; dan &lt;code&gt;"strict": true&lt;/code&gt;. Model kemudian mengembalikan JSON yang sesuai dengan skema Anda, sehingga Anda bisa mem-parsingnya tanpa menebak-nebak.&lt;/p&gt;

&lt;p&gt;Dua kebiasaan membantu dengan model sekapabel ini. Pertama, berikan setiap tool deskripsi yang ringkas dan skema yang ketat; para pengulas pada hari peluncuran melaporkan bahwa Astra bisa tersesat pada tugas panjang yang terbuka. Kedua, atur &lt;code&gt;max_output_tokens&lt;/code&gt; pada agent loop agar satu langkah yang tidak terkendali tidak menghabiskan anggaran Anda. Untuk latar belakang tentang endpoint itu sendiri, lihat &lt;a href="https://apidog.com/id/blog/openai-responses-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan OpenAI Responses API&lt;/a&gt; kami.&lt;/p&gt;

&lt;h2&gt;
  
  
  Harga dan rate limit API GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Harga Astra dihitung per juta token, dengan biaya tambahan untuk prompt yang sangat panjang. Tarif berikut berasal dari halaman model:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Item&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;th&gt;GPT-6 Astra (untuk perbandingan)&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Input&lt;/td&gt;
&lt;td&gt;$8.00&lt;/td&gt;
&lt;td&gt;$10.00&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Cached input&lt;/td&gt;
&lt;td&gt;$0.40&lt;/td&gt;
&lt;td&gt;$1.00&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Penulisan cache (retensi 30 menit)&lt;/td&gt;
&lt;td&gt;$10.00&lt;/td&gt;
&lt;td&gt;tidak tersedia&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output&lt;/td&gt;
&lt;td&gt;$40.00&lt;/td&gt;
&lt;td&gt;$50.00&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Jebakannya ada pada aturan konteks panjang. Begitu sebuah request melebihi 272K token input, tarif input dan cache berlipat dua serta output berbiaya 1,5x untuk seluruh request tersebut. Prompt 300K token ditagih $16 input dan $60 output, bukan hanya token yang melewati batas. Jika Anda memasukkan seluruh repositori ke Astra, pecah atau gunakan cache di bawah 272K bila memungkinkan.&lt;/p&gt;

&lt;p&gt;Job Batch cocok untuk eval dan backfill yang bisa menunggu; &lt;a href="https://venturebeat.com/technology/essentially-unusable-openai-launches-gpt-6-2-astra-and-sol-to-negative-reception-from-ai-power-users" rel="noopener noreferrer"&gt;VentureBeat melaporkan&lt;/a&gt; Batch berjalan dengan harga setengah.&lt;/p&gt;

&lt;p&gt;Rate limit standar per tier:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tier&lt;/th&gt;
&lt;th&gt;Request/menit&lt;/th&gt;
&lt;th&gt;Token/menit&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Build&lt;/td&gt;
&lt;td&gt;5.000&lt;/td&gt;
&lt;td&gt;1.000.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Launch&lt;/td&gt;
&lt;td&gt;10.000&lt;/td&gt;
&lt;td&gt;4.000.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grow&lt;/td&gt;
&lt;td&gt;15.000&lt;/td&gt;
&lt;td&gt;40.000.000&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Tangani respons &lt;code&gt;429&lt;/code&gt; dengan exponential backoff. Satu agent run panjang pada &lt;code&gt;xhigh&lt;/code&gt; bisa menghabiskan kuota token tier Build dengan cepat.&lt;/p&gt;

&lt;h2&gt;
  
  
  Migrasi dari GPT-6 Astra ke GPT-6.2 Astra
&lt;/h2&gt;

&lt;p&gt;Sebagian besar kode hanya memerlukan satu perubahan: string model. Sebelum Anda mengaktifkannya di production, periksa hal-hal berikut:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Model ID:&lt;/strong&gt; &lt;code&gt;gpt-6-astra&lt;/code&gt; menjadi &lt;code&gt;gpt-6.2-astra&lt;/code&gt;.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Effort &lt;code&gt;none&lt;/code&gt;:&lt;/strong&gt; jika ada jalur kode yang mengirimkannya, sekarang akan gagal. Gunakan nilai terendah yang diterima oleh eval Anda.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Prompt caching:&lt;/strong&gt; harga cached input turun dari $1,00 menjadi $0,40, jadi system prompt dan daftar tool yang stabil kini layak di-cache.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Prompt panjang:&lt;/strong&gt; periksa ulang request yang mendekati 272K token terhadap aturan konteks panjang di atas.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Keamanan:&lt;/strong&gt; OpenAI menyatakan kedua model GPT-6.2 mencapai ambang keamanan siber "Critical" dan dilengkapi pengaman yang lebih ketat. Prompt untuk tool keamanan mungkin mendapatkan penolakan yang sebelumnya tidak muncul.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Ulasan awal beragam, jadi lakukan pengujian sebelum beralih. Ethan Mollick menyebut Astra "sangat tidak konsisten &amp;amp; aneh," dan Dan Shipper mengatakan ia sering berhenti terlalu dini pada build end-to-end, menurut rangkuman VentureBeat. Yang lain memuji kemampuan code review dan computer use-nya. Prompt Anda sendirilah tolok ukur satu-satunya yang benar-benar penting. &lt;a href="https://apidog.com/id/blog/gpt-6-astra-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan API GPT-6 Astra&lt;/a&gt; membahas apa saja yang tetap berlaku dari generasi sebelumnya, dan jika sebagian besar trafik Anda bersifat rutin, &lt;a href="https://apidog.com/id/blog/gpt-6-1-sol-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API GPT-6.1 Sol&lt;/a&gt; menunjukkan bentuk request dari tier yang lebih murah.&lt;/p&gt;

&lt;h2&gt;
  
  
  Minta coding agent Anda menguji GPT-6.2 Astra dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Menempelkan prompt ke terminal hanya memberi tahu Anda performa Astra hari ini. Itu tidak akan memberi tahu Anda ketika sebuah pembaruan merusak skema Anda bulan depan. Sebaiknya minta coding agent Anda membangun pemeriksaan tersebut dan menjalankannya dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;; Anda cukup menulis satu prompt.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Kemudian berikan satu prompt kepada Claude Code, Codex, atau Cursor:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;projectId&amp;gt;, create a test case for POST https://api.openai.com/v1/responses
with model "gpt-6.2-astra", reasoning effort "high" and a get_order_status function tool.
Assert status 200, that the output contains a function_call named get_order_status,
that its arguments parse as JSON with an order_id, and that usage.output_tokens is under 4000.
Read the API key from the OPENAI_API_KEY variable in environment &amp;lt;envId&amp;gt;, then run it.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan membaca skema payload, memeriksa filenya, membuat test case, dan menjalankannya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Simpan kunci di environment Apidog, bukan di dalam prompt, agar kunci itu tidak pernah berada di konteks agent Anda. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; untuk meninjau hasil run di aplikasi Apidog, atau &lt;code&gt;-n 5&lt;/code&gt; untuk mengulanginya dan melihat seberapa stabil tool call Astra. Masukkan &lt;code&gt;-r junit&lt;/code&gt; ke dalam pipeline dan pemeriksaan akan dijalankan ulang di setiap deploy; &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan Apidog CLI dalam CI/CD&lt;/a&gt; menunjukkan penyetelannya, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-claude-code?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Claude Code&lt;/a&gt; membahas sisi agent-nya. Paket Gratis Apidog mencakup tim hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Berapa model ID API GPT-6.2 Astra?&lt;/strong&gt; &lt;code&gt;gpt-6.2-astra&lt;/code&gt;. Saudara lebih murahnya adalah &lt;code&gt;gpt-6.2-sol&lt;/code&gt;. Keduanya berfungsi pada endpoint Responses, Chat Completions, dan Batch.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Berapa biaya API GPT-6.2 Astra?&lt;/strong&gt; $8 per juta token input, $0,40 per juta token cached input, dan $40 per juta token output. Request dengan lebih dari 272K token input dikenakan biaya input dua kali lipat dan output 1,5x untuk seluruh request.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Mengapa request GPT-6.2 Astra saya gagal dengan reasoning effort none?&lt;/strong&gt; Kedua model GPT-6.2 menolak &lt;code&gt;"effort": "none"&lt;/code&gt;. Gunakan &lt;code&gt;high&lt;/code&gt;, atau tingkat terendah yang menurut pengujian Anda cocok untuk tugas Anda.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Berapa jendela konteks GPT-6.2 Astra?&lt;/strong&gt; 1.050.000 token secara total, dengan hingga 922.000 token input dan 128.000 token output.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya menggunakan GPT-6.2 Astra dengan API Chat Completions?&lt;/strong&gt; Ya. Ini didukung, tetapi hosted tools seperti web search, computer use, dan apply patch tercantum untuk API Responses, jadi gunakan Responses untuk pekerjaan agent.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Astra tersedia gratis?&lt;/strong&gt; Tidak di API; setiap panggilan ditagih. Di ChatGPT Work dan Codex, ia termasuk dalam paket Plus, Pro, Enterprise, dan Edu, menurut &lt;a href="https://community.openai.com/t/gpt-6-2-astra-and-sol-are-now-available/1417531" rel="noopener noreferrer"&gt;pengumuman peluncuran&lt;/a&gt; OpenAI.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>api</category>
      <category>llm</category>
      <category>openai</category>
    </item>
    <item>
      <title>Apa Itu GPT-6.2 Astra?</title>
      <dc:creator>Walse</dc:creator>
      <pubDate>Wed, 18 Nov 2026 03:39:22 +0000</pubDate>
      <link>https://dev.to/walse/apa-itu-gpt-62-astra-2llb</link>
      <guid>https://dev.to/walse/apa-itu-gpt-62-astra-2llb</guid>
      <description>&lt;h1&gt;
  
  
  GPT-6.2 Astra vs Sol: Harga, Benchmark, dan Cara Memilih
&lt;/h1&gt;

&lt;p&gt;GPT-6.2 Astra adalah model frontier baru dari OpenAI untuk pekerjaan berat dan berdurasi panjang, dirilis pada 17 November 2026 bersama GPT-6.2 Sol, model sehari-hari yang lebih murah. Astra dihargai $8 untuk input dan $40 untuk output per juta token; Sol dihargai $2 dan $10. Keduanya memiliki jendela konteks 1,05 juta token, 128K token output, serta ID API &lt;code&gt;gpt-6.2-astra&lt;/code&gt; dan &lt;code&gt;gpt-6.2-sol&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://apidog.com/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary"&gt;Coba Apidog hari ini&lt;/a&gt;
&lt;/p&gt;

&lt;p&gt;Lalu, apa itu GPT-6.2 Astra, dan apakah Anda perlu beralih? Singkatnya: Astra 20% lebih murah daripada GPT-6 Astra dan mengunggulinya pada grafik milik OpenAI sendiri, namun ulasan awal dari para pengembang beragam. Sol tetap mempertahankan harga Sol yang lama dan menjadi lebih baik di sebagian besar pengujian. Panduan ini membahas apa itu masing-masing model, berapa harganya, di mana Anda bisa menggunakannya, dan cara memilih di antara keduanya.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa itu GPT-6.2 Astra?
&lt;/h2&gt;

&lt;p&gt;GPT-6.2 Astra adalah model teratas OpenAI per November 2026, yang dijelaskan dalam postingan peluncuran sebagai "model frontier baru untuk proyek-proyek tersulit Anda." Ia menggantikan GPT-6 Astra di posisi teratas lini model, bernalar pada tingkat effort yang dapat dikonfigurasi, menerima hingga 922K token input, dan mengembalikan hingga 128K token output. Batas pengetahuannya adalah 18 Mei 2026.&lt;/p&gt;

&lt;p&gt;Astra adalah model yang Anda andalkan ketika sebuah tugas panjang, multi-langkah, dan mahal kesalahanannya: refactoring di seluruh codebase besar, sesi agen yang berlangsung berjam-jam, analisis hukum atau ilmiah, serta computer use. OpenAI menyediakannya di API, di Codex, dan di ChatGPT Work.&lt;/p&gt;

&lt;p&gt;Jika Anda menggunakan generasi sebelumnya, &lt;a href="https://apidog.com/id/blog/gpt-6-astra-api?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;panduan API GPT-6 Astra&lt;/a&gt; masih menggambarkan bentuk request yang sama. Model ID adalah hal utama yang berubah.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa itu GPT-6.2 Sol?
&lt;/h2&gt;

&lt;p&gt;GPT-6.2 Sol adalah saudara yang efisien, yang oleh OpenAI disebut sebagai "model yang efisien dan serbaguna untuk pekerjaan sehari-hari." Ia memiliki jendela konteks 1,05 juta dan batas output 128K yang sama dengan Astra, batas pengetahuan sedikit lebih baru (1 Juni 2026), dan harga empat kali lebih murah. OpenAI menyatakan banyak karyawannya sendiri menggunakan Sol sebagai model default mereka.&lt;/p&gt;

&lt;p&gt;Sol cocok untuk asisten chat, pipeline retrieval, klasifikasi, code review pada diff berukuran normal, dan segala hal yang Anda panggil ribuan kali sehari. Ia adalah penerus &lt;a href="https://apidog.com/id/blog/what-is-gpt-6-1-sol?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;GPT-6.1 Sol&lt;/a&gt;, dengan harga resmi yang sama.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fzj73od9c3i0or32epzdo.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fzj73od9c3i0or32epzdo.jpg" alt="Kartu berdampingan: GPT-6.2 Astra seharga $8 input dan $40 output per 1M token untuk proyek tersulit dan sesi agen panjang, GPT-6.2 Sol seharga $2 input dan $10 output untuk pekerjaan sehari-hari dan volume tinggi, keduanya dengan konteks 1,05 juta dan output 128K" width="800" height="533"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  GPT-6.2 Astra vs GPT-6.2 Sol secara singkat
&lt;/h2&gt;

&lt;p&gt;Kedua model berasal dari rilis yang sama dan berbagi sebagian besar infrastrukturnya. Perbedaannya ada pada harga, tanggal cutoff, dan seberapa keras masing-masing model berpikir. Angka-angka berikut berasal dari halaman model OpenAI untuk &lt;a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra" rel="noopener noreferrer"&gt;GPT-6.2 Astra&lt;/a&gt; dan &lt;a href="https://developers.openai.com/api/docs/models/gpt-6.2-sol" rel="noopener noreferrer"&gt;GPT-6.2 Sol&lt;/a&gt;, diverifikasi pada 18 November 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Spesifikasi&lt;/th&gt;
&lt;th&gt;GPT-6.2 Astra&lt;/th&gt;
&lt;th&gt;GPT-6.2 Sol&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;API model ID&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gpt-6.2-astra&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;&lt;code&gt;gpt-6.2-sol&lt;/code&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input, per 1M token&lt;/td&gt;
&lt;td&gt;$8.00&lt;/td&gt;
&lt;td&gt;$2.00&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input cache, per 1M&lt;/td&gt;
&lt;td&gt;$0.40&lt;/td&gt;
&lt;td&gt;$0.10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Penulisan cache, per 1M (retensi 30 menit)&lt;/td&gt;
&lt;td&gt;$10.00&lt;/td&gt;
&lt;td&gt;$2.50&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output, per 1M token&lt;/td&gt;
&lt;td&gt;$40.00&lt;/td&gt;
&lt;td&gt;$10.00&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Jendela konteks&lt;/td&gt;
&lt;td&gt;1.050.000&lt;/td&gt;
&lt;td&gt;1.050.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Input maksimum&lt;/td&gt;
&lt;td&gt;922.000&lt;/td&gt;
&lt;td&gt;922.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Output maksimum&lt;/td&gt;
&lt;td&gt;128.000&lt;/td&gt;
&lt;td&gt;128.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Batas pengetahuan&lt;/td&gt;
&lt;td&gt;18 Mei 2026&lt;/td&gt;
&lt;td&gt;1 Juni 2026&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Endpoint&lt;/td&gt;
&lt;td&gt;Responses, Chat Completions, Batch&lt;/td&gt;
&lt;td&gt;Responses, Chat Completions, Batch&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Kedua model menolak request yang mengatur reasoning effort ke &lt;code&gt;none&lt;/code&gt;, sehingga setiap panggilan melakukan sedikit reasoning. Para pengembang yang menguji pada hari peluncuran menjalankannya pada effort &lt;code&gt;high&lt;/code&gt;, &lt;code&gt;xhigh&lt;/code&gt;, dan &lt;code&gt;max&lt;/code&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Berapa harga GPT-6.2 Astra?
&lt;/h2&gt;

&lt;p&gt;Astra di daftar harga resmi adalah $8 untuk input dan $40 untuk output per juta token. GPT-6 Astra seharga $10 dan $50, sehingga model baru ini 20% lebih murah per token. Sol tetap di $2 dan $10, sama seperti GPT-6.1 Sol dan GPT-6 Sol.&lt;/p&gt;

&lt;p&gt;Beberapa detail harga yang lebih penting daripada tarif utamanya:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Prompt panjang lebih mahal.&lt;/strong&gt; &lt;a href="https://venturebeat.com/technology/essentially-unusable-openai-launches-gpt-6-2-astra-and-sol-to-negative-reception-from-ai-power-users" rel="noopener noreferrer"&gt;VentureBeat melaporkan&lt;/a&gt; bahwa request di atas 272K token input ditagih pada tarif lebih tinggi, dengan Astra naik menjadi $16 input dan $60 output.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Batch setengah harga&lt;/strong&gt; untuk pekerjaan yang bisa menunggu, menurut laporan yang sama.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Mode Fast dan Ultrafast lebih mahal&lt;/strong&gt;: Fast berjalan dua kali tarif standar dan Ultrafast mulai dari tiga kali, tambah VentureBeat.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Tingkat effort menentukan tagihan.&lt;/strong&gt; Pengujian Simon Willison pada hari peluncuran menggambar gambar SVG yang sama dengan setiap model. Astra menghabiskan 11,55 sen pada effort high dan 88,71 sen pada max. Sol menghabiskan 2,41 sen pada high dan 13,69 sen pada max.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Poin terakhir inilah yang sering terlewat oleh tim. Harga per token hanyalah separuh cerita; model yang berpikir lebih lama menghabiskan lebih banyak token. Ukur biaya per tugas yang selesai, bukan biaya per juta token.&lt;/p&gt;

&lt;p&gt;Untuk pembahasan lebih dalam tentang trade-off biaya antara kedua tingkatan di generasi sebelumnya, lihat &lt;a href="https://apidog.com/id/blog/gpt-6-astra-to-sol-migration?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;GPT-6 Astra ke GPT-6 Sol: migrasinya&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Di mana Anda bisa menggunakan GPT-6.2 Astra dan Sol?
&lt;/h2&gt;

&lt;p&gt;&lt;a href="https://community.openai.com/t/gpt-6-2-astra-and-sol-are-now-available/1417531" rel="noopener noreferrer"&gt;Pengumuman peluncuran OpenAI di forum pengembang&lt;/a&gt; mencantumkan tiga tempat:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;API&lt;/strong&gt;, sebagai &lt;code&gt;gpt-6.2-astra&lt;/code&gt; dan &lt;code&gt;gpt-6.2-sol&lt;/code&gt;, pada endpoint Responses, Chat Completions, dan Batch.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Codex&lt;/strong&gt;, di aplikasi desktop dan CLI, untuk pengguna Plus, Pro, Enterprise, dan Edu.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;ChatGPT Work&lt;/strong&gt;, untuk paket yang sama. OpenAI mencatat bahwa peluncuran ini tidak menambahkan kedua model ke Chat biasa, dan akses bergantung pada paket, izin workspace, serta waktu peluncuran.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Pelanggan Pro 500 mendapatkan Ultrafast pada kedua model. Pelanggan Pro 200 mendapatkan Ultrafast pada Sol. Admin Enterprise dan Edu dapat mengaktifkannya untuk workspace yang memenuhi syarat.&lt;/p&gt;

&lt;p&gt;Pada Responses API, kedua model mendukung web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP, dan tool search. Realtime, Assistants, dan fine-tuning tidak didukung.&lt;/p&gt;

&lt;h2&gt;
  
  
  Apa yang berubah dari GPT-6 Astra?
&lt;/h2&gt;

&lt;p&gt;Grafik peluncuran OpenAI membandingkan Astra dengan GPT-6 Astra dan Sol dengan GPT-6.1 Sol di sembilan benchmark. Astra memenangkan sembilan sembilannya. Sol memenangkan delapan dan turun di satu. Berikut adalah skor yang &lt;a href="https://venturebeat.com/technology/essentially-unusable-openai-launches-gpt-6-2-astra-and-sol-to-negative-reception-from-ai-power-users" rel="noopener noreferrer"&gt;ditranskripsi VentureBeat&lt;/a&gt; dari postingan peluncuran:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;6.2 Astra&lt;/th&gt;
&lt;th&gt;6 Astra&lt;/th&gt;
&lt;th&gt;6.2 Sol&lt;/th&gt;
&lt;th&gt;6.1 Sol&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Agents' Last Exam&lt;/td&gt;
&lt;td&gt;78,3%&lt;/td&gt;
&lt;td&gt;73,1%&lt;/td&gt;
&lt;td&gt;73,0%&lt;/td&gt;
&lt;td&gt;72,5%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Terminal-Bench-Science&lt;/td&gt;
&lt;td&gt;77,1%&lt;/td&gt;
&lt;td&gt;68,1%&lt;/td&gt;
&lt;td&gt;68,0%&lt;/td&gt;
&lt;td&gt;57,0%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;BenchCAD 2.1 Core&lt;/td&gt;
&lt;td&gt;82,5%&lt;/td&gt;
&lt;td&gt;62,6%&lt;/td&gt;
&lt;td&gt;73,1%&lt;/td&gt;
&lt;td&gt;52,6%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;AutomationBench&lt;/td&gt;
&lt;td&gt;52,4%&lt;/td&gt;
&lt;td&gt;41,4%&lt;/td&gt;
&lt;td&gt;41,2%&lt;/td&gt;
&lt;td&gt;36,1%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Vals Science Index&lt;/td&gt;
&lt;td&gt;68,4%&lt;/td&gt;
&lt;td&gt;65,1%&lt;/td&gt;
&lt;td&gt;58,5%&lt;/td&gt;
&lt;td&gt;59,6%&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Angka independen menunjukkan hasil yang lebih datar. Artificial Analysis menempatkan Astra di 62 pada Intelligence Index-nya, lima poin di atas GPT-6 Astra dan kedua di bawah Claude Fable 5.2. Skor coding-agent untuk Astra tidak bergerak, dan Sol turun tiga poin.&lt;/p&gt;

&lt;p&gt;OpenAI juga menyatakan kedua model mencapai ambang keamanan siber "Critical"-nya, sehingga keduanya dirilis dengan pengamanan yang lebih ketat daripada generasi sebelumnya.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mengapa ulasan awal beragam?
&lt;/h2&gt;

&lt;p&gt;Peluncuran ini mendapat kritik lebih tajam daripada rilis OpenAI lainnya, sebagaimana ditunjukkan oleh &lt;a href="https://venturebeat.com/technology/essentially-unusable-openai-launches-gpt-6-2-astra-and-sol-to-negative-reception-from-ai-power-users" rel="noopener noreferrer"&gt;rangkuman VentureBeat&lt;/a&gt;. Pengembang Theo Browne melaporkan bahwa pada tugas panjang model "bisa memanggil banyak subagent" lalu macet pada pertanyaan internal yang aneh. Ethan Mollick menyebut Astra "sangat tidak stabil &amp;amp; aneh" dan lebih sulit diarahkan. Dan Shipper mengatakan model ini sering berhenti terlalu dini pada build end-to-end.&lt;/p&gt;

&lt;p&gt;Pujian juga spesifik. Browne mengakui kekuatan Astra dalam code review, pekerjaan 3D, dan computer use. Yang lain menyoroti animasi dan penyuntingan video. &lt;a href="https://simonwillison.net/2026/Nov/17/gpt62-astra-and-sol/" rel="noopener noreferrer"&gt;Simon Willison&lt;/a&gt; menemukan output Astra pada effort max paling detail dalam pengujian, sambil mencatat bahwa ia tertinggal dari Fable 5.2 di beberapa benchmark.&lt;/p&gt;

&lt;p&gt;Kesimpulan praktisnya: jangan mengganti model produksi Anda pada hari peluncuran hanya karena sebuah grafik berubah. Jalankan prompt Anda sendiri pada kedua model dan bandingkan hasil yang benar-benar Anda rilis.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fio4csyno44l4pf3kfd7x.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fio4csyno44l4pf3kfd7x.jpg" alt="Bagan alur untuk memilih model GPT-6.2: jika tugasnya berat, panjang, dan multi-langkah gunakan Astra; jika volumenya tinggi atau sensitif terhadap latensi gunakan Sol; jika tidak, mulai dengan Sol dan naik ke Astra jika eval gagal" width="800" height="533"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Mana yang sebaiknya Anda gunakan?
&lt;/h2&gt;

&lt;p&gt;Pilih berdasarkan beban kerja, lalu konfirmasi dengan eval Anda sendiri:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Gunakan GPT-6.2 Sol&lt;/strong&gt; untuk panggilan bervolume tinggi, chat, retrieval, ekstraksi, dan coding rutin. Harganya seperempat dan meningkat di delapan dari sembilan benchmark OpenAI.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gunakan GPT-6.2 Astra&lt;/strong&gt; untuk 10% tugas tersulit: sesi agen panjang, refactoring besar, pekerjaan CAD dan ilmiah, serta computer use, di mana jawaban yang lebih baik menghemat lebih dari harga 4 kali lipatnya.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Mulai dengan Sol dan eskalasi.&lt;/strong&gt; Alihkan request ke Astra hanya jika Sol gagal pada pemeriksaan. Ini menjaga sebagian besar lalu lintas tetap di $2 dan $10.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Memanggil salah satu model hanya perlu mengubah satu baris jika Anda sudah menggunakan Responses API:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;curl https://api.openai.com/v1/responses \
  -H &lt;span class="s2"&gt;"Authorization: Bearer $OPENAI_API_KEY"&lt;/span&gt; \
  -H &lt;span class="s2"&gt;"Content-Type: application/json"&lt;/span&gt; \
  -d &lt;span class="s1"&gt;'{
    "model": "gpt-6.2-sol",
    "reasoning": { "effort": "high" },
    "input": "Summarize the breaking changes in this changelog."
  }'&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Ganti &lt;code&gt;gpt-6.2-sol&lt;/code&gt; dengan &lt;code&gt;gpt-6.2-astra&lt;/code&gt; untuk membandingkan. Pertahankan prompt, tingkat effort, dan input yang sama agar perbandingannya adil.&lt;/p&gt;

&lt;h2&gt;
  
  
  Biarkan coding agent Anda menguji kedua model dengan Apidog CLI
&lt;/h2&gt;

&lt;p&gt;Membandingkan dua model dengan menempelkan prompt ke jendela chat tidak skalabel, dan tidak mendeteksi regresi bulan depan. Biarkan coding agent Anda menulis pemeriksaan dan menjalankannya dengan &lt;a href="https://apidog.com/apidog-cli/?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI&lt;/a&gt;. Anda menulis satu prompt; agent yang mengurus penyiapannya.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;npm install -g apidog-cli@latest
apidog login --with-token &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;YOUR_TOKEN&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;
npx -y skills add https://apidog.com   &lt;span class="c"&gt;# pick your agent when prompted&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Lalu berikan Claude Code, Codex, atau Cursor satu prompt:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;In Apidog project &amp;lt;projectId&amp;gt;, create a test case for POST https://api.openai.com/v1/responses
that sends the same prompt to gpt-6.2-sol and gpt-6.2-astra at "high" effort.
Assert status 200, that the response "model" field starts with the requested ID,
and that usage.output_tokens is under 4000. Run it against the &amp;lt;envId&amp;gt; environment
and summarize latency and token usage for each model.
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Agent akan membaca skema payload, memvalidasi filenya, membuat test case, dan menjalankannya:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight shell"&gt;&lt;code&gt;apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --file case.json
apidog run --test-case &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;caseId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; --project &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;projectId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -e &lt;span class="o"&gt;&amp;lt;&lt;/span&gt;envId&lt;span class="o"&gt;&amp;gt;&lt;/span&gt; -r cli,json
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Simpan &lt;code&gt;OPENAI_API_KEY&lt;/code&gt; sebagai environment variable di Apidog, bukan di dalam prompt, agar key tidak pernah tersimpan dalam konteks agent Anda. Tambahkan &lt;code&gt;--upload-report&lt;/code&gt; jika Anda ingin meninjau hasil eksekusi di aplikasi Apidog setelahnya.&lt;/p&gt;

&lt;p&gt;Perintah &lt;code&gt;apidog run&lt;/code&gt; yang sama dengan &lt;code&gt;-r junit&lt;/code&gt; dapat langsung dipakai di pipeline, sehingga perbandingan dijalankan ulang setiap kali OpenAI memperbarui salah satu model. &lt;a href="https://apidog.com/id/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Panduan Apidog CLI di CI/CD&lt;/a&gt; menunjukkan penyiapannya, dan &lt;a href="https://apidog.com/id/blog/apidog-cli-in-codex?utm_source=dev.to&amp;amp;utm_medium=wanda&amp;amp;utm_content=n8n-post-automation"&gt;Apidog CLI di Codex&lt;/a&gt; membahas sisi agent-nya. Paket Free Apidog mencakup tim hingga 4 pengguna.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Apa itu GPT-6.2 Astra dalam satu kalimat?&lt;/strong&gt; Ini adalah model frontier OpenAI untuk tugas berat dan berdurasi panjang, dirilis 17 November 2026, dihargai $8 untuk input dan $40 untuk output per juta token dengan jendela konteks 1,05 juta token.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Astra lebih baik dari GPT-6 Astra?&lt;/strong&gt; Menurut grafik OpenAI, ya: ia memenangkan sembilan benchmark head-to-head dan 20% lebih murah. Pengujian independen menunjukkan peningkatan yang lebih kecil, dan beberapa pengembang melaporkan model ini lebih sulit diarahkan pada tugas panjang.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah GPT-6.2 Sol gratis?&lt;/strong&gt; Tidak. Sol dihargai $2 untuk input dan $10 untuk output per juta token di API. Di ChatGPT, kedua model tersedia di ChatGPT Work dan Codex untuk paket Plus, Pro, Enterprise, dan Edu, bukan di Chat biasa.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Berapa jendela konteks GPT-6.2 Astra?&lt;/strong&gt; 1.050.000 token, dengan hingga 922.000 token input dan 128.000 token output. Sol memiliki batasan yang sama.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Bisakah saya menggunakan GPT-6.2 Astra di Codex?&lt;/strong&gt; Bisa. Kedua model tersedia di aplikasi desktop dan CLI Codex untuk pengguna Plus, Pro, Enterprise, dan Edu, dan pelanggan Pro 500 dapat menggunakan Ultrafast dengan salah satunya.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Apakah saya harus beralih dari GPT-6.1 Sol ke GPT-6.2 Sol?&lt;/strong&gt; Harganya sama, sehingga beralih murah untuk diuji. Jalankan prompt Anda sendiri pada keduanya terlebih dahulu: Sol meningkat di delapan dari sembilan benchmark OpenAI tetapi turun tiga poin pada skor coding-agent independen.&lt;/p&gt;

</description>
    </item>
  </channel>
</rss>
