Model

Models

Model frontier US & China — tarif credit per 1M token dari katalog.

Models

Tabel di bawah memuat model yang saat ini bisa dipakai lewat API, dibaca live dari gateway: daftar model dari /v1/public/models, tarif dari /v1/public/pricing — bukan angka ketik tangan. Bila daftar model tidak terbaca, atau gateway tidak terjangkau sehingga tabel memakai snapshot katalog yang di-commit, tabel memuat semua model aktif, termasuk yang belum tersedia; banner di atas tabel menyebut keadaannya. Kolom diskon = komponen terburuk pada tier itu. Detail tiap operasi model: OpenAPI: Models.

Data live dari gateway (/v1/public/pricing). Tabel hanya memuat model yang saat ini bisa dipakai (/v1/public/models).

Model	Region	Konteks	Tier	Credit/1M in	Credit/1M out	Diskon min
`claude-opus-5-5` Claude Opus 5.5 · Anthropic	US	1 jt	standar	128	640	82,12%
`claude-opus-5` Claude Opus 5 · Anthropic	US	1 jt	standar	160	800	82,12%
`claude-opus-4-8` Claude Opus 4.8 · Anthropic	US	1 jt	standar	160	800	82,12%
`claude-opus-4-7` Claude Opus 4.7 · Anthropic	US	1 jt	standar	160	800	82,12%
`claude-opus-4-6` Claude Opus 4.6 · Anthropic	US	1 jt	standar	160	800	82,12%
`claude-opus-4-5` Claude Opus 4.5 · Anthropic	US	200 rb	standar	160	800	82,12%
`claude-sonnet-5` Claude Sonnet 5 · Anthropic	US	1 jt	standar	64	320	82,12%
`claude-sonnet-4-6` Claude Sonnet 4.6 · Anthropic	US	1 jt	standar	96	480	82,12%
`claude-sonnet-4-5` Claude Sonnet 4.5 · Anthropic	US	200 rb	standar	96	480	82,12%
`claude-haiku-4-5` Claude Haiku 4.5 · Anthropic	US	200 rb	standar	32	160	82,12%
`gpt-5.4` GPT-5.4 · OpenAI	US	1,05 jt	standar	80	480	82,12%
`gpt-5.4` GPT-5.4 · OpenAI	US	1,05 jt	≥ 272,001 rb	160	720	82,12%
`gpt-5.4-mini` GPT-5.4 mini · OpenAI	US	400 rb	standar	24	144	82,12%
`gpt-5.4-nano` GPT-5.4 nano · OpenAI	US	400 rb	standar	6,4	40	82,12%
`gpt-5.2` GPT-5.2 · OpenAI	US	400 rb	standar	56	448	82,12%
`gpt-5.1` GPT-5.1 · OpenAI	US	400 rb	standar	40	320	82,12%
`gpt-5` GPT-5 · OpenAI	US	400 rb	standar	40	320	82,12%
`gpt-5-mini` GPT-5 mini · OpenAI	US	400 rb	standar	8	64	82,12%
`gpt-5-nano` GPT-5 nano · OpenAI	US	400 rb	standar	1,6	12,8	82,12%
`gemini-3.1-flash-lite` Gemini 3.1 Flash-Lite · Google	US	1,049 jt	standar	8	48	82,12%
`gemini-3-flash-preview` Gemini 3 Flash Preview · Google	US	1,049 jt	standar	16	96	82,12%
`gemini-3.8-flash` Gemini 3.8 Flash · Google	US	1,049 jt	standar	24	120	82,12%
`gemini-3.7-flash` Gemini 3.7 Flash · Google	US	1,049 jt	standar	24	120	82,12%
`gemini-3.6-flash` Gemini 3.6 Flash · Google	US	1,049 jt	standar	24	120	82,12%
`gemini-3.5-flash` Gemini 3.5 Flash · Google	US	1,049 jt	standar	48	288	82,12%
`gemini-3.5-flash-lite` Gemini 3.5 Flash-Lite · Google	US	1,049 jt	standar	9,6	80	82,12%
`gemini-3.1-pro-preview` Gemini 3.1 Pro Preview · Google	US	1,049 jt	standar	64	384	82,12%
`gemini-3.1-pro-preview` Gemini 3.1 Pro Preview · Google	US	1,049 jt	≥ 200,001 rb	128	576	82,12%
`grok-4.20-multi-agent-0309` Grok 4.20 Multi-Agent · xAI	US	1 jt	standar	40	80	82,12%
`grok-4.20-multi-agent-0309` Grok 4.20 Multi-Agent · xAI	US	1 jt	≥ 200 rb	80	160	82,12%
`grok-4.20-0309-reasoning` Grok 4.20 Reasoning · xAI	US	1 jt	standar	40	80	82,12%
`grok-4.20-0309-reasoning` Grok 4.20 Reasoning · xAI	US	1 jt	≥ 200 rb	80	160	82,12%
`grok-4.20-0309-non-reasoning` Grok 4.20 Non-Reasoning · xAI	US	1 jt	standar	40	80	82,12%
`grok-4.20-0309-non-reasoning` Grok 4.20 Non-Reasoning · xAI	US	1 jt	≥ 200 rb	80	160	82,12%
`grok-4.7` Grok 4.7 · xAI	US	500 rb	standar	64	192	82,12%
`grok-4.7` Grok 4.7 · xAI	US	500 rb	≥ 200 rb	128	384	82,12%
`grok-4.6` Grok 4.6 · xAI	US	500 rb	standar	64	192	82,12%
`grok-4.6` Grok 4.6 · xAI	US	500 rb	≥ 200 rb	128	384	82,12%
`grok-4.5` Grok 4.5 · xAI	US	500 rb	standar	64	192	82,12%
`grok-4.5` Grok 4.5 · xAI	US	500 rb	≥ 200 rb	128	384	82,12%
`grok-4.3` Grok 4.3 · xAI	US	1 jt	standar	40	80	82,12%
`grok-4.3` Grok 4.3 · xAI	US	1 jt	≥ 200 rb	80	160	82,12%
`grok-build-0.1` Grok Build 0.1 · xAI	US	256 rb	standar	32	64	82,12%
`grok-build-0.1` Grok Build 0.1 · xAI	US	256 rb	≥ 200 rb	64	128	82,12%
`muse-spark-1.3` Muse Spark 1.3 · Meta	US	1,049 jt	standar	40	136	82,12%
`muse-spark-1.3-contributor` Muse Spark 1.3 Contributor · Meta Prompt dan jawaban model ini dipakai Meta untuk melatih model. Jangan kirim data pribadi atau rahasia lewat model ini.	US	1,049 jt	standar	3,2	6,4	82,12%
`muse-spark-1.2` Muse Spark 1.2 · Meta	US	1,049 jt	standar	40	136	82,12%
`muse-spark-1.2-contributor` Muse Spark 1.2 Contributor · Meta Prompt dan jawaban model ini dipakai Meta untuk melatih model. Jangan kirim data pribadi atau rahasia lewat model ini.	US	1,049 jt	standar	3,2	6,4	82,12%
`muse-spark-1.1` Muse Spark 1.1 · Meta	US	1,049 jt	standar	40	136	82,12%
`qwen3.8-flash` Qwen3.8 Flash · Alibaba Qwen	China	1 jt	standar	6	18,8	77,65%
`qwen3.8-max` Qwen3.8 Max · Alibaba Qwen	China	1 jt	standar	80	240	77,65%
`qwen3.7-max` Qwen3.7 Max · Alibaba Qwen	China	1 jt	standar	100	300	77,65%
`qwen3.7-plus` Qwen3.7 Plus · Alibaba Qwen	China	1 jt	standar	16	64	77,65%
`qwen3.7-plus` Qwen3.7 Plus · Alibaba Qwen	China	1 jt	≥ 256,001 rb	48	192	77,65%
`deepseek-v4.1-flash` DeepSeek V4.1 Flash · DeepSeek	China	1 jt	standar	6	24	77,65%
`deepseek-v4-pro` DeepSeek V4 Pro · DeepSeek	China	1 jt	standar	26,4	79,2	77,65%
`deepseek-v4-pro-0813` DeepSeek V4 Pro 0813 · DeepSeek	China	1 jt	standar	26,4	79,2	77,65%
`deepseek-v4-flash` DeepSeek V4 Flash · DeepSeek	China	1 jt	standar	6	24	77,65%
`glm-5.3` GLM-5.3 · Zhipu Z.ai	China	1 jt	standar	56	176	77,65%
`glm-5.2` GLM-5.2 · Zhipu Z.ai	China	1 jt	standar	56	176	77,65%
`glm-5.3-flash` GLM-5.3 Flash · Zhipu Z.ai	China	1 jt	standar	6	20	77,65%
`glm-5.3-flashx` GLM-5.3 FlashX · Zhipu Z.ai	China	1 jt	standar	14,8	50	77,65%
`glm-5.1` GLM-5.1 · Zhipu Z.ai	China	200 rb	standar	56	176	77,65%
`kimi-k3` Kimi K3 · Moonshot Kimi	China	1,049 jt	standar	120	600	77,65%
`kimi-k2.7-code` Kimi K2.7 Code · Moonshot Kimi	China	262,144 rb	standar	38	160	77,65%
`kimi-k2.6` Kimi K2.6 · Moonshot Kimi	China	262,144 rb	standar	38	160	77,65%
`minimax-m2.5` MiniMax M2.5 · MiniMax	China	204,8 rb	standar	12	48	77,65%
`minimax-m2.7` MiniMax M2.7 · MiniMax	China	204,8 rb	standar	12	48	77,65%
`minimax-m3` MiniMax M3 · MiniMax	China	1 jt	standar	12	48	77,65%
`minimax-m3` MiniMax M3 · MiniMax	China	1 jt	≥ 512,001 rb	24	96	77,65%
`mimo-v2.6-pro` MiMo V2.6 Pro · Xiaomi MiMo	China	1 jt	standar	17,4	34,8	77,65%
`mimo-v2.6-flash` MiMo V2.6 Flash · Xiaomi MiMo	China	1 jt	standar	5,6	11,2	77,65%
`mimo-v2.5-pro` MiMo V2.5 Pro · Xiaomi MiMo	China	1 jt	standar	17,4	34,8	77,65%
`mimo-v2.5` MiMo V2.5 · Xiaomi MiMo	China	1 jt	standar	5,6	11,2	77,65%

Sumber harga resmi tiap lab ditautkan di landing dan dibuktikan per model di dokumen bukti harga internal. Klaim diskon selalu memakai dasar: ≥ 80% (US) / ≥ 75% (China) lebih murah dari harga resmi pada kurs ≥ Rp16.000/USD — lihat Credit & harga.

Region

US — Anthropic, OpenAI, Google, xAI, Meta. Tarif = harga resmi USD × 32.
China — DeepSeek, Alibaba Qwen, Moonshot Kimi, Zhipu Z.ai, MiniMax, Xiaomi MiMo. Tarif = harga resmi USD × 40.

Tier contributor

Berlaku untuk model yang id-nya memuat -contributor (mis. muse-spark-1.3-contributor); tabel di atas memberi peringatan yang sama di baris modelnya:

Prompt dan jawaban model ini dipakai Meta untuk melatih model. Jangan kirim data pribadi atau rahasia lewat model ini.

Tier konteks panjang

Model dengan tier kedua (mis. seri GPT-6 di atas ambang prompt tertentu) memakai tarif tier yang minPromptTokens-nya terbesar namun ≤ total token prompt (input + cache read + cache write). Cache write 5 menit vs 1 jam mengikuti pemisahan Anthropic; lab lain tanpa harga cache terpisah memakai harga input (konservatif).