DeepSeek Naikkan Harga API, OpenAI Perluas Chat Teks Gratis

Keputusan harga terbaru DeepSeek dan kebijakan akses OpenAI menunjukkan bahwa persaingan AI Amerika Serikat–China semakin tersegmentasi. DeepSeek menaikkan tarif untuk penggunaan API bervolume tinggi sekaligus memperkenalkan penagihan berdasarkan waktu. Di sisi lain, OpenAI memperluas akses gratis ke percakapan teks agar pengguna tetap berada di dalam ekosistem ChatGPT.

Artinya, kompetisi AI tidak lagi sesederhana menentukan siapa yang menawarkan model paling murah. Kapasitas komputasi, distribusi produk, adopsi pengembang, dan ekonomi menjalankan AI dalam skala besar kini sama pentingnya.

Harga API DeepSeek V4 kini mengikuti tingkat permintaan

DeepSeek mengumumkan kenaikan harga untuk API V4-Flash dan V4-Pro pada 13 Agustus. Struktur baru mulai berlaku pada 16 Agustus pukul 16.00 UTC—atau 17 Agustus di Beijing—dan menggantikan tarif tunggal dengan tarif peak serta off-peak.

Periode peak berlangsung pada 01.00–04.00 UTC dan 06.00–10.00 UTC. Di luar waktu tersebut, permintaan masuk periode off-peak. Tarif peak ditetapkan dua kali lipat dari tarif off-peak.

Tarif baru DeepSeek V4

Berikut harga dalam dolar AS per 1 juta token:

Model	Periode	Input cache hit	Input cache miss	Output
V4-Flash	Off-peak	$0,007	$0,22	$0,66
V4-Flash	Peak	$0,014	$0,44	$1,32
V4-Pro	Off-peak	$0,022	$0,66	$1,98
V4-Pro	Peak	$0,044	$1,32	$3,96

Besarnya kenaikan berbeda-beda, tergantung model, jenis token, status cache, dan waktu penggunaan. Reuters menyebut kenaikan tersebut berada dalam rentang 50% hingga 1.100% dibandingkan harga sebelumnya.

Dampak paling terasa pada sistem yang menghasilkan banyak output selama jam peak. Harga output V4-Pro, misalnya, naik dari $0,87 per 1 juta token menjadi $1,98 pada periode off-peak dan $3,96 pada periode peak.

Dengan demikian, agen coding yang menghasilkan 10 juta token output per bulan akan membayar sekitar $8,70 berdasarkan tarif lama. Biayanya menjadi sekitar $19,80 jika seluruh output diproses pada periode off-peak, atau sekitar $39,60 jika seluruhnya jatuh pada jam peak—belum termasuk biaya token input.

Pengembang harus mulai mengatur waktu pemrosesan

Struktur baru DeepSeek menjadikan penjadwalan sebagai bagian dari strategi penghematan biaya API. Pekerjaan yang tidak mendesak, seperti pemrosesan batch, agen coding, evaluasi model, dan tugas otomatis lainnya, dapat diarahkan ke 17 jam off-peak setiap hari.

Namun, aplikasi interaktif memiliki ruang gerak yang lebih terbatas. Permintaan pengguna datang ketika mereka membutuhkan jawaban, bukan ketika tarif API sedang murah.

Caching dan routing juga semakin penting. Pengembang dapat mengurangi paparan terhadap tarif baru dengan meningkatkan tingkat cache hit, mengirim tugas rutin ke V4-Flash, atau mengalihkan sebagian permintaan ke penyedia lain. Bagi perusahaan, pemilihan model kini menjadi keputusan operasional yang harus terus dievaluasi, bukan sekadar perbandingan benchmark yang dilakukan sekali.

Kenaikan harga tersebut tidak menghapus daya tarik biaya DeepSeek, tetapi mempersempit keunggulan yang sebelumnya berasal dari inferensi yang sangat murah. Penerapan tarif peak dapat dibaca sebagai upaya mengelola permintaan sekaligus memperoleh nilai lebih dari kapasitas komputasi yang terbatas. Meski begitu, materi publik yang tersedia belum membuktikan bahwa DeepSeek telah mencapai profitabilitas atau memiliki jalur yang pasti menuju ke sana.

OpenAI bersaing lewat akses dan kebiasaan pengguna

OpenAI mengambil pendekatan berbeda. Pada 6 Agustus, perusahaan mengumumkan bahwa GPT-5.6 Luna akan menjadi model bawaan bagi pengguna ChatGPT Free dan Go, menggantikan GPT-5.5. Kedua kelompok pengguna itu juga memperoleh percakapan teks harian tanpa batas serta opsi Think untuk pertanyaan yang lebih sulit, dengan tetap tunduk pada perlindungan terhadap penyalahgunaan.

Namun, istilah tanpa batas tidak berarti seluruh fitur ChatGPT bebas digunakan tanpa pembatasan. OpenAI tetap menerapkan batas terpisah untuk unggahan file, pembuatan gambar, dan berbagai alat lainnya. Pengguna Free dan Go juga tidak mendapatkan GPT-5.6 Sol. Luna merupakan model bawaan untuk kedua tingkat akun tersebut dan menjadi model yang menjalankan fitur Think.

Luna diposisikan sebagai anggota GPT-5.6 yang lebih ekonomis, bukan model flagship Sol. Sejumlah laporan pihak ketiga mencantumkan harga API Luna sebesar $0,20 per 1 juta token input dan $1,20 per 1 juta token output, tetapi angka tersebut tidak dapat dikonfirmasi oleh sumber dengan otoritas tertinggi dalam materi yang tersedia.

Perbedaan strategisnya tetap jelas: penggunaan Luna untuk chat teks di ChatGPT Free dan Go pada dasarnya gratis bagi pengguna, sementara akses melalui API tetap merupakan produk berbayar yang terpisah.

Mengapa data OpenRouter menjadi penting

Perubahan tersebut muncul ketika model AI asal China mencatat pertumbuhan besar di kalangan pengembang. Bloomberg melaporkan bahwa model China mengungguli platform Amerika Serikat di OpenRouter pada Juni dan menguasai lebih dari 60% pangsa token pada bulan berikutnya.

OpenRouter adalah platform yang memungkinkan pengembang mengakses dan merutekan permintaan ke banyak model AI. Karena itu, datanya berguna untuk membaca perilaku pengembang, tetapi tidak dapat dianggap sebagai gambaran lengkap penggunaan AI global.

Peringkat OpenRouter pada Juli juga menempatkan model buatan China di seluruh lima posisi teratas berdasarkan volume token: MiMo-V2.5 milik Xiaomi, DeepSeek, MiniMax, keluarga Qwen dari Alibaba, dan Kimi dari Moonshot. Analisis lain mencatat DeepSeek sebagai penyedia individual terbesar di platform tersebut, dengan pangsa 17,6% dalam salah satu pemeringkatan Juni.

Tren ini menjelaskan mengapa harga token tetap menjadi faktor penting. Beban kerja coding dan agen AI yang memproses token dalam jumlah besar cenderung menguntungkan model yang cukup murah untuk dijalankan berulang kali.

Pada saat yang sama, langkah OpenAI menunjukkan bahwa penggunaan dapat dimenangkan melalui distribusi produk, bukan hanya harga API. Menempatkan model yang mumpuni di hadapan pengguna gratis membantu membentuk kebiasaan, menghasilkan umpan balik, dan membuka peluang konversi ke produk berbayar pada masa mendatang.

Dua tekanan komersial yang berbeda

DeepSeek dan OpenAI sedang merespons tekanan pasar yang sama dari arah berbeda:

• DeepSeek memonetisasi permintaan. Tarif peak dan off-peak dapat meningkatkan pendapatan saat kapasitas banyak digunakan sekaligus mendorong pelanggan menjadwalkan pekerjaan fleksibel di luar jam sibuk.
• OpenAI mempertahankan distribusi. Chat teks tanpa batas membuat pengguna Free dan Go tetap aktif, sementara fitur yang lebih mahal dan model tingkat tinggi tetap dibedakan melalui batasan serta tingkatan produk.
• Pengembang menghadapi optimasi yang lebih rumit. Tim harus menilai kualitas model, harga, perilaku cache, tarif berdasarkan waktu, latensi, routing, dan biaya berpindah penyedia.
• Pasar bergerak menuju strategi multi-model. Perusahaan dapat menggunakan model murah untuk ekstraksi berulang, penerjemahan, coding, atau rangkaian kerja agen, lalu memakai model premium untuk tugas yang membutuhkan performa, kontrol, atau integrasi ekosistem tertentu.

Karena itu, kenaikan harga pada sebagian layanan tidak berarti perang harga AI berakhir. Kompetisi justru terpecah ke beberapa lapisan: inferensi murah dan ketersediaan model terbuka di satu sisi, serta jangkauan konsumen, integrasi produk, kemampuan premium, dan kontrol perusahaan di sisi lain.

Kesimpulan

Kenaikan harga DeepSeek mengingatkan bahwa tarif API yang sangat murah dapat menarik penggunaan dalam jumlah besar, tetapi tidak menjamin biaya tersebut akan terus rendah. Sementara itu, peluncuran Luna secara gratis merupakan taruhan OpenAI untuk mensubsidi pengalaman konsumen yang luas demi memperkuat distribusi, lalu membedakan produk melalui tingkatan model dan fitur nonteks.

Bagi pengembang dan pembeli teknologi perusahaan, pelajaran praktisnya adalah tidak menganggap satu lembar harga atau satu hasil benchmark sebagai sesuatu yang permanen. Biaya dapat berubah berdasarkan permintaan, tingkat model, status cache, dan waktu penggunaan.

Arsitektur yang lebih tangguh perlu mengukur beban kerja nyata, mempertahankan opsi routing, dan mencocokkan setiap tugas dengan model serta tingkat akses yang sesuai dengan risiko bisnis dan anggaran.