DEV Community

Cover image for Harga GPT-5.4 Mini dan Cara Menggunakan API GPT-5.4 Mini
Walse
Walse

Posted on • Originally published at apidog.com

Harga GPT-5.4 Mini dan Cara Menggunakan API GPT-5.4 Mini

Ringkasan

GPT-5.4 mini memiliki harga $0,75 per 1 juta token input dan $4,50 per 1 juta token output, dengan jendela konteks 400 ribu serta kecepatan dua kali lipat dibanding GPT-5 mini. Anda bisa mengakses API GPT-5.4 mini menggunakan ID model gpt-5.4-mini melalui API OpenAI. Pengujian dapat dilakukan secara visual dengan Apidog maupun secara programatik via Python, termasuk pembuatan pengujian unit untuk validasi respons.

Coba Apidog hari ini

Pendahuluan

OpenAI merilis GPT-5.4 mini pada Maret 2026 sebagai model kecil paling mumpuni, menghadirkan performa setara flagship dengan biaya lebih rendah. Jika Anda sedang mempertimbangkan Harga GPT-5.4 mini untuk workload produksi atau ingin mengintegrasikan API GPT-5.4 mini ke aplikasi Anda, panduan ini memberikan langkah teknis praktis. Bahasan meliputi detail harga, kemampuan API, serta dua jalur integrasi: alur GUI dengan Apidog, dan pendekatan Python lengkap dengan pengujian unit.

đź’ˇ Tips:

Sebelum mulai memanggil API GPT-5.4 mini, unduh Apidog gratis. Uji prompt, cek respons, tambah pengujian unit, serta lacak penggunaan token secara visual—semua tanpa menulis kode atau menghabiskan token.

Rincian Harga GPT-5.4 mini

Harga GPT-5.4 mini dirancang agar AI canggih dapat diakses dengan biaya produksi massal. Berikut detail penting sebelum integrasi API GPT-5.4 mini:

Biaya Token Input dan Output GPT-5.4 mini

  • Token input: $0,75 per 1 juta token
  • Token output: $4,50 per 1 juta token
  • Jendela konteks: 400.000 token

Jika menggunakan endpoint regional (data residency), berlaku kenaikan harga 10%:

  • Token input: $0,825/1 juta
  • Token output: $4,95/1 juta

Perbandingan Harga GPT-5.4 mini vs GPT-5.4 nano

Model Input (per 1 juta token) Output (per 1 juta token) Jendela Konteks
GPT-5.4 ~$5.00 ~$20.00 400k
GPT-5.4 mini $0.75 $4.50 400k
GPT-5.4 nano $0.20 $1.25 400k

GPT-5.4 nano adalah opsi termurah, tapi GPT-5.4 mini menawarkan keseimbangan terbaik antara biaya dan kapabilitas, khususnya untuk pengkodean, penalaran, dan tugas multimodal.

Harga GPT-5.4 mini di Codex

Menggunakan API GPT-5.4 mini di lingkungan Codex hanya mengonsumsi 30% dari kuota GPT-5.4. Cocok untuk sistem multi-agen: GPT-5.4 untuk perencanaan, sub-agen GPT-5.4 mini untuk subtugas paralel—biaya hanya sepertiganya.

Kemampuan API GPT-5.4 mini

API GPT-5.4 mini bukan sekadar model murah—fiturnya antara lain:

  • Input teks & gambar (multimodal)
  • Function calling & tool use (output terstruktur)
  • Pencarian web (web grounding built-in)
  • File search (kueri dokumen yang diunggah)
  • Komputasi desktop (interaksi programatik)
  • Skills (modul tugas yang dapat disusun)

Model ini berjalan 2x lebih cepat dari GPT-5 mini dan mendekati performa GPT-5.4 di benchmark SWE-Bench Pro & OSWorld-Verified.

ID model untuk API:

gpt-5.4-mini
Enter fullscreen mode Exit fullscreen mode

Cara Menggunakan API GPT-5.4 mini dengan Apidog

Apidog merupakan platform API all-in-one: desain, debug, uji, dan dokumentasi API tanpa kode. Berikut langkah praktis untuk menguji API GPT-5.4 mini dan menulis pengujian unit dari GUI.

Unduh Apidog gratis dan ikuti langkah berikut:

Menyiapkan Permintaan API GPT-5.4 mini di Apidog

  1. Buka Apidog dan buat proyek baru (misal: GPT-5.4 mini API Test).
  2. Buat permintaan HTTP baru:
    • Metode: POST
    • URL: https://api.openai.com/v1/chat/completions
  3. Tambah header (tab Header):

| Kunci | Nilai |
|------------------|------------------------------|
| Authorization | Bearer YOUR_OPENAI_API_KEY |
| Content-Type | application/json |

  1. Atur badan permintaan (Body → JSON): 
   {
     "model": "gpt-5.4-mini",
     "messages": [
       {
         "role": "user",
         "content": "Jelaskan apa itu pengujian unit dalam satu kalimat."
       }
     ],
     "temperature": 0.7,
     "max_tokens": 200
   }
Enter fullscreen mode Exit fullscreen mode
  1. Klik Kirim. Apidog menampilkan respons lengkap, termasuk penggunaan token untuk estimasi biaya real-time.

Contoh respons sukses:

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "model": "gpt-5.4-mini",
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "Pengujian unit adalah pemeriksaan otomatis yang memverifikasi bahwa satu fungsi atau komponen berperilaku seperti yang diharapkan secara terpisah."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 18,
    "completion_tokens": 28,
    "total_tokens": 46
  }
}
Enter fullscreen mode Exit fullscreen mode

Menulis Pengujian Unit untuk API GPT-5.4 mini di Apidog

Apidog mendukung scripting pengujian. Setelah kirim permintaan, buka tab Tests lalu tambahkan assertion berikut:

// Pengujian unit 1: Verifikasi status HTTP adalah 200
pm.test("Status code is 200", function () {
  pm.response.to.have.status(200);
});

// Pengujian unit 2: Konfirmasi model yang benar digunakan
pm.test("Model API GPT-5.4 mini sudah benar", function () {
  const json = pm.response.json();
  pm.expect(json.model).to.include("gpt-5.4-mini");
});

// Pengujian unit 3: Respons berisi pesan
pm.test("Respons memiliki pesan asisten", function () {
  const json = pm.response.json();
  pm.expect(json.choices[0].message.content).to.be.a("string").and.not.empty;
});

// Pengujian unit 4: Penggunaan token dilaporkan (untuk pelacakan Harga GPT-5.4 mini)
pm.test("Penggunaan token ada", function () {
  const json = pm.response.json();
  pm.expect(json.usage.total_tokens).to.be.above(0);
});
Enter fullscreen mode Exit fullscreen mode

Keempat assertion di atas memvalidasi status, model, isi pesan, dan pelaporan token. Semua dijalankan otomatis oleh Apidog setiap permintaan. Simpan request sebagai rangkaian uji dan jalankan di pipeline CI/CD menggunakan runner CLI Apidog.

Cara Menggunakan API GPT-5.4 mini dengan Python

Untuk integrasi produksi, berikut contoh lengkap pemanggilan API GPT-5.4 mini dan pengujian unit berbasis Python + pytest.

Instalasi 

pip install openai pytest
Enter fullscreen mode Exit fullscreen mode

Panggilan API GPT-5.4 mini Dasar 

# gpt54mini_client.py
from openai import OpenAI

client = OpenAI()  # membaca OPENAI_API_KEY dari environment

def ask_gpt54_mini(prompt: str) -> dict:
    """Memanggil API GPT-5.4 mini dan mengembalikan respons lengkap."""
    response = client.chat.completions.create(
        model="gpt-5.4-mini",  # ID model API GPT-5.4 mini
        messages=[
            {"role": "user", "content": prompt}
        ],
        temperature=0.7,
        max_tokens=500
    )
    return {
        "content": response.choices[0].message.content,
        "model": response.model,
        "total_tokens": response.usage.total_tokens,
        "prompt_tokens": response.usage.prompt_tokens,
        "completion_tokens": response.usage.completion_tokens,
    }

if __name__ == "__main__":
    result = ask_gpt54_mini("Apa itu pengujian unit?")
    print(result["content"])
    # Perkiraan biaya berdasarkan Harga GPT-5.4 mini
    input_cost = (result["prompt_tokens"] / 1_000_000) * 0.75
    output_cost = (result["completion_tokens"] / 1_000_000) * 4.50
    print(f"Perkiraan biaya: ${input_cost + output_cost:.6f}")
Enter fullscreen mode Exit fullscreen mode

Pengujian Unit untuk API GPT-5.4 mini 

# test_gpt54mini_client.py
import pytest
from unittest.mock import patch, MagicMock
from gpt54mini_client import ask_gpt54_mini

@pytest.fixture
def mock_openai_response():
    """Mem-mock respons API GPT-5.4 mini untuk pengujian unit."""
    mock_response = MagicMock()
    mock_response.choices[0].message.content = (
        "Pengujian unit memverifikasi satu fungsi secara terpisah."
    )
    mock_response.model = "gpt-5.4-mini"
    mock_response.usage.total_tokens = 46
    mock_response.usage.prompt_tokens = 18
    mock_response.usage.completion_tokens = 28
    return mock_response

@patch("gpt54mini_client.client.chat.completions.create")
def test_returns_content(mock_create, mock_openai_response):
    """API GPT-5.4 mini mengembalikan konten yang tidak kosong."""
    mock_create.return_value = mock_openai_response
    result = ask_gpt54_mini("Apa itu pengujian unit?")
    assert isinstance(result["content"], str)
    assert len(result["content"]) > 0

@patch("gpt54mini_client.client.chat.completions.create")
def test_correct_model(mock_create, mock_openai_response):
    """Konfirmasi ID model gpt-5.4-mini digunakan."""
    mock_create.return_value = mock_openai_response
    result = ask_gpt54_mini("Halo")
    assert result["model"] == "gpt-5.4-mini"

@patch("gpt54mini_client.client.chat.completions.create")
def test_token_usage_reported(mock_create, mock_openai_response):
    """Penggunaan token ada untuk pelacakan Harga GPT-5.4 mini."""
    mock_create.return_value = mock_openai_response
    result = ask_gpt54_mini("Halo")
    assert result["total_tokens"] > 0
    assert result["prompt_tokens"] + result["completion_tokens"] == result["total_tokens"]
Enter fullscreen mode Exit fullscreen mode

Jalankan pengujian unit:

pytest test_gpt54mini_client.py -v
Enter fullscreen mode Exit fullscreen mode

Output contoh:

test_gpt54mini_client.py::test_returns_content     LULUS
test_gpt54mini_client.py::test_correct_model       LULUS
test_gpt54mini_client.py::test_token_usage_reported LULUS

3 lulus dalam 0.31s
Enter fullscreen mode Exit fullscreen mode

Dengan mock di atas, pipeline CI Anda tidak menghabiskan token saat uji otomatisasi—mengontrol biaya Harga GPT-5.4 mini.

Praktik Terbaik API GPT-5.4 mini

Agar penggunaan API GPT-5.4 mini optimal:

  1. Lacak penggunaan token — Catat prompt_tokens dan completion_tokens untuk estimasi biaya. Jaga prompt tetap ringkas.
  2. Gunakan Apidog untuk eksplorasi awal — Prototipe prompt & validasi respons di Apidog sebelum coding penuh.
  3. Tulis pengujian unit sedini mungkin — Mock API untuk uji cepat tanpa biaya. Gunakan skrip test Apidog (GUI) dan pytest + unittest.mock (kode).
  4. Manfaatkan jendela konteks 400 ribu secara selektif — Jangan isi seluruh konteks jika tidak perlu, khususnya untuk pipeline RAG.
  5. Hindari endpoint regional kecuali memang wajib — Ada kenaikan 10% biaya untuk kepatuhan data residency.
  6. Delegasikan ke GPT-5.4 mini dalam sistem multi-agen — Di pipeline Codex, GPT-5.4 untuk perencanaan, GPT-5.4 mini untuk subtugas paralel dengan konsumsi kuota rendah.

Kesimpulan

Harga GPT-5.4 mini ($0,75/1M input & $4,50/1M output) menjadikannya solusi AI hemat biaya dengan kapabilitas tinggi. API GPT-5.4 mini mendukung input multimodal, function calling, pencarian web, dan lainnya, dengan kecepatan dua kali lipat pendahulunya.

Anda bisa mulai dari GUI Apidog untuk eksplorasi API, lanjut ke implementasi Python dan setup pengujian unit untuk validasi otomatis.

Coba Apidog gratis, tanpa kartu kredit.

FAQ

Apa itu Harga GPT-5.4 mini?

GPT-5.4 mini berharga $0,75 per 1 juta token input dan $4,50 per 1 juta token output. Endpoint regional menambah 10% dari harga standar.

Apa ID model API GPT-5.4 mini?

Gunakan gpt-5.4-mini di parameter model pada panggilan API.

Bagaimana cara uji API GPT-5.4 mini tanpa kode?

Gunakan Apidog. Buat request POST ke https://api.openai.com/v1/chat/completions dengan API key dan model ID gpt-5.4-mini. Di UI Apidog, Anda bisa menulis pengujian unit langsung.

Bagaimana menulis pengujian unit untuk API GPT-5.4 mini?

Mock klien API menggunakan unittest.mock di Python dan asumsikan struktur respons. Di Apidog, gunakan tab Tests dan tulis assertion JavaScript.

Bagaimana perbandingan Harga GPT-5.4 mini dengan GPT-5.4 nano?

GPT-5.4 nano lebih murah ($0,20/$1,25 per 1M input/output), namun GPT-5.4 mini jauh lebih baik untuk pengkodean dan penalaran (SWE-Bench Pro).

Bisakah saya menggunakan API GPT-5.4 mini di Codex?

Ya, tersedia di Codex dan hanya mengonsumsi 30% kuota GPT-5.4.

Apakah GPT-5.4 mini tersedia di ChatGPT?

Ya. GPT-5.4 mini bisa diakses melalui OpenAI API, Codex, dan ChatGPT.

Top comments (0)