Sebulan mencoba ngoding hanya dengan GLM 5.3 Flash

Thibaud Colas, yang mengerjakan CMS Wagtail, membuat aturan sederhana untuk September: seluruh pekerjaan ngoding berbantuan AI harus lewat satu open model murah, GLM 5.3 Flash, dan tidak yang lain. Ia tak sepenuhnya berhasil. Sepanjang bulan itu ia memakai sekitar 2 miliar token, tetapi hanya kira-kira separuhnya yang benar-benar masuk ke model yang ingin ia uji. Sisanya lari ke model lain tiap kali sebuah tugas terasa terlalu berat atau API bermasalah, dan justru itulah temuan jujurnya: disiplin satu model sulit dipertahankan begitu pekerjaan nyata ikut campur.

Yang mengangkat tulisan ini di atas sekadar catatan harian adalah ia mengukur semuanya. Paruh pertama bulan yang masih fokus menghabiskan sekitar $68, dan ia mencatat energi selain uang, dan di sinilah kejutannya tidak menyenangkan: pemakaian energi nyata mencapai sekitar 35 kWh dari proyeksi kasar yang lebih dekat ke 10 kWh. Sebagai pembanding ia menyebut DeepSeek V4.1 Flash yang mencapai akurasi 95% pada rangkaian tugasnya dengan biaya sekitar $0,09 dan 14,9 Wh per tugas, pengingat bahwa harga utama sebuah model bukan keseluruhan tagihan. Tulisannya ditutup dengan perbaikan praktis untuk percobaan berikutnya: routing antarmodel yang lebih baik, anggaran token yang nyata, dan prompt yang lebih tajam untuk memangkas panggilan sia-sia.

Kenapa ini penting

Kalau tim Anda sedang berupaya menyeragamkan satu model untuk ngoding demi menekan belanja, ini pemeriksaan realitas yang berguna. Bertahan pada satu model lebih sulit dari kelihatannya, dan energi, bukan sekadar angka dolar di faktur, layak diukur sebelum Anda benar-benar berkomitmen.