Mengapa DeepSeek V4-Flash Melonjak di OpenRouter

DeepSeek-V4-Flash-0731 menjadi contoh betapa cepatnya model AI dapat berubah menjadi pilihan utama ketika tiga faktor hadir bersamaan: harga token rendah, kapasitas konteks besar, dan akses mudah lewat agregator. Model ini dilaporkan memimpin peringkat penggunaan mingguan OpenRouter pada periode 27 Juli–2 Agustus dengan 7,22 triliun token. Namun, angka tersebut perlu ditafsirkan secara hati-hati. 5

Mengapa penggunaannya melonjak

Build 31 Juli ini adalah model mixture-of-experts (MoE) sparse, dengan 284 miliar parameter total dan 13 miliar parameter aktif untuk setiap token. OpenRouter mencantumkan jendela konteks 1.310.720 token dan memposisikannya untuk pemrograman, penalaran, serta alur kerja berbasis agen. 1

Kombinasi ini menarik untuk pekerjaan yang mengonsumsi banyak token, misalnya:

• Basis kode dan dokumen panjang: Konteks yang sangat besar dapat mengurangi kebutuhan memecah materi menjadi banyak permintaan kecil.
• Loop agen: Sistem yang menggunakan alat dapat menghasilkan volume input dan output besar saat merencanakan, menjalankan, lalu memperbaiki pekerjaan.
• Pemrosesan batch: Klasifikasi, ekstraksi, peringkasan, dan transformasi data sangat peka terhadap harga saat dijalankan dalam skala besar.

Arsitektur MoE sendiri tidak otomatis membuktikan biaya riil lebih rendah atau kualitas lebih baik. Relevansinya terutama bersifat ekonomi: hanya sebagian dari parameter total yang diaktifkan per token, sehingga model dapat menawarkan kapasitas besar tanpa profil komputasi per token seperti model padat (dense) dengan ukuran total setara. Manfaat praktisnya tetap bergantung pada latensi, kapasitas penyedia, perutean, desain prompt, dan panjang keluaran.

Peringkatnya nyata, tetapi bukan hasil murni empat hari setelah peluncuran

TechNode melaporkan DeepSeek V4 Flash memproses 7,22 triliun token di OpenRouter selama 27 Juli–2 Agustus. Laporan yang sama menyebut model-model asal Tiongkok mengisi empat posisi teratas, sementara DeepSeek V4 Flash 0731 dan V4 Pro masuk enam besar. 5

Namun, minggu tersebut dimulai sebelum rilis beta publik pada 31 Juli. V4 Flash sebelumnya sudah tersedia sebagai rute pratinjau, lalu rilis 0731 menggantikan pratinjau itu pada endpoint API deepseek-v4-flash. 3 Jadi, total mingguan itu tidak tepat bila disebut sepenuhnya berasal dari penggunaan versi baru yang dirilis 31 Juli.

Akses gratis juga tampak sebagai faktor pengganggu yang besar. Laporan yang sama menyebut OpenCode memproses 8 triliun token untuk model tersebut pada 1 Agustus: 5 triliun token melalui uji coba gratis dan 3 triliun dibayar pengembang. 5 Trafik uji coba tetap bernilai strategis karena memperkenalkan model kepada pengembang dan menurunkan hambatan evaluasi. Akan tetapi, trafik ini berbeda dari permintaan produksi berbayar yang bertahan lama.

Kesimpulan yang lebih kuat adalah V4-Flash memperoleh distribusi dan eksperimen yang luar biasa cepat. Bukti yang tersedia belum membuktikan bahwa seluruh volume awalnya berasal dari migrasi berbayar atau penggunaan produksi yang berkelanjutan.

Harga adalah nilai jual yang paling jelas

Harga berbeda menurut penyedia, rute, diskon, status cache, dan waktu. Angka harga resmi yang dikutip dalam liputan rilis 31 Juli adalah US$0,14 per juta token input tanpa cache dan US$0,28 per juta token output. Sementara itu, OpenRouter pada awal Agustus menampilkan tarif tingkat rute yang berbeda. 3

Daftar OpenRouter yang lebih baru untuk rute bertanggal deepseek-v4-flash-0731 mencantumkan US$0,05 per juta token input, US$0,16 per juta token output, serta US$0,013 per juta token pembacaan cache. 1

Dengan memakai tarif OpenRouter tersebut, selisih dengan harga pembanding yang tersedia terlihat sangat besar:

Model	Harga input / output per 1 juta token	Dibanding V4-Flash pada US$0,05 / US$0,16
DeepSeek V4-Flash-0731	US$0,05 / US$0,16 1	Acuan
Kimi K3	US$3 / US$15 17	Sekitar 60× / 94× lebih tinggi
GPT-5.6 Sol	US$5 / US$30 17	Sekitar 100× / 188× lebih tinggi
Claude Fable 5	US$10 / US$50 17	Sekitar 200× / 313× lebih tinggi

Perbandingan itu adalah hitungan aritmetika dari harga daftar, bukan bukti bahwa semua model memiliki kualitas, kecepatan, keandalan alat, perilaku keselamatan, atau ketersediaan layanan yang setara. Biaya per tugas pun tidak bersifat universal: tagihan tergantung panjang input-output, cache, percobaan ulang, panggilan alat, pilihan penyedia, dan seberapa sering alur kerja perlu dialihkan ke model lain.

Dibandingkan dengan Kimi K3, GPT-5.6 Sol, dan Claude Fable 5

Kimi K3, GPT-5.6 Sol, dan Claude Fable 5 tidak seharusnya dianggap saling menggantikan hanya karena sama-sama dapat dipakai untuk pemrograman tingkat lanjut dan agen AI. Sumber pembanding menyebut Kimi K3 sebagai model MoE 2,8 triliun parameter dengan konteks 1 juta token; GPT-5.6 Sol memiliki konteks 1,05 juta token; sedangkan Claude Fable 5 memiliki konteks 1 juta token. 17

Bagi pembeli, pembeda yang berguna bersifat operasional, bukan ideologis:

• V4-Flash adalah kandidat ekonomis untuk pekerjaan bervolume tinggi. Harga tingkat rutenya membuatnya menarik untuk diuji pada tugas berulang, intensif token, atau memakai konteks panjang. 1
• Kimi K3 adalah alternatif berbobot terbuka dengan harga lebih tinggi dalam perbandingan ini. Harganya tetap dapat masuk akal bila evaluasi internal, fitur, atau opsi implementasinya lebih cocok untuk beban kerja tertentu. 17
• GPT-5.6 Sol dan Claude Fable 5 merupakan opsi berharga premium dalam perbandingan tersebut. Tarif yang lebih tinggi mungkin layak untuk tugas ketika evaluasi tim menunjukkan kualitas penyelesaian, keandalan, integrasi, atau kecepatan yang jauh lebih baik. 17

Benchmark publik dapat membantu menyusun daftar pendek, tetapi satu skor tidak cukup untuk menentukan model default produksi. Perbandingan skor “Agent Ultimate” 25,2 versus 25,7 dalam klaim awal tidak dapat dikukuhkan secara independen dari sumber bergaya primer yang tersedia, sehingga tidak layak digunakan sebagai bukti kesetaraan performa. Materi rilis DeepSeek memang melaporkan skor 82,7 pada Terminal Bench 2.1 dan 54,2 pada NL2Repo, tetapi hasil benchmark tetap perlu diuji terhadap beban kerja spesifik. 10

Titik keputusan sebenarnya: kualitas cukup, biaya turun nyata

Bagi tim pengembang berukuran menengah, pertanyaan utamanya jarang berbunyi, “Model mana yang menang di papan peringkat?” Pertanyaan yang lebih tepat adalah: model mana yang cukup andal untuk pekerjaan nyata kami dan mampu menghemat biaya setelah memperhitungkan perutean serta ongkos kegagalan?

Evaluasi praktis dapat dilakukan dengan langkah berikut:

1. Susun set pengujian yang representatif. Sertakan permintaan biasa, kasus tepi yang sulit, input berkonteks panjang, keluaran terstruktur, panggilan alat, serta batasan keamanan atau kepatuhan yang relevan.
2. Ukur kualitas tugas yang benar-benar selesai, bukan hanya harga token. Pantau akurasi, keberhasilan penggunaan alat, kepatuhan terhadap skema, waktu penyelesaian, percobaan ulang, intervensi manusia, dan tingkat fallback.
3. Hitung biaya gabungan. Masukkan input, output, token cache, upaya gagal, serta eskalasi ke model premium—bukan hanya tagihan panggilan API pertama.
4. Lakukan perutean berdasarkan risiko. Gunakan model murah untuk volume rutin setelah memenuhi ambang kualitas yang dibutuhkan; simpan model premium untuk tugas sulit, sensitif terhadap kegagalan, atau dibatasi kebijakan.
5. Pantau setelah peluncuran. Nilai praktis model dapat berubah karena perutean penyedia, batas laju, perubahan prompt, dan pergeseran kebutuhan aplikasi.

Inilah alasan kenaikan V4-Flash penting, bahkan jika angka token awalnya terdorong oleh uji coba. Agregator model seperti OpenRouter memungkinkan pengembang menguji opsi berkonteks panjang dan berbiaya sangat rendah dengan segera. Bila model itu cukup baik dalam evaluasi produksi, volume pekerjaan rutin dapat bergeser dari model default yang lebih mahal.

Hal yang masih belum terverifikasi

Bukti yang tersedia mendukung peringkat mingguan OpenRouter sebesar 7,22 triliun token, tumpang tindihnya periode tersebut dengan rute pratinjau, serta komponen uji coba gratis yang dilaporkan OpenCode. 35 Namun, bukti tersebut belum cukup untuk mendukung klaim bahwa model Tiongkok menempati sembilan dari 10 posisi teratas, melampaui volume panggilan AS selama 14 minggu berturut-turut, memicu migrasi luas pengembang AS dan Eropa, menghasilkan penurunan biaya inferensi terealisasi 60–85%, atau memaksa pemotongan harga 80% oleh GPT-5.6 Luna.

Klaim-klaim itu membutuhkan data dashboard OpenRouter secara langsung, catatan harga penyedia, atau studi beban kerja yang dapat direproduksi. Untuk saat ini, kesimpulan berbasis bukti lebih sempit: DeepSeek V4-Flash memadukan harga rute yang sangat rendah, jendela konteks besar, dan akses luas pada saat pengembang terdorong menguji model agen dan pemrograman yang lebih murah. Kombinasi itu cukup untuk memicu lonjakan penggunaan cepat—tetapi belum cukup, dengan sendirinya, untuk membuktikan perubahan pasar yang permanen.