Apa itu token AI?

Token adalah potongan kata, bukan kata utuh

Model tidak membaca huruf dan tidak membaca kata. Sebelum pesan Anda sampai ke model, sebuah tokenizer memecahnya menjadi potongan dari kosakata tetap berisi puluhan ribu fragmen. Kata umum adalah satu token. Kata langka adalah dua atau tiga token. "The" adalah satu token; "tokenization" biasanya dua atau tiga; URL panjang bisa jadi puluhan token.

Aturan praktis yang dipublikasikan OpenAI untuk teks Inggris: satu token kira-kira empat karakter, atau sekitar tiga perempat kata. Jadi 100 token kurang lebih 75 kata, dan 1.000 token setara satu setengah halaman.

Ada dua hal yang membuat hitungannya bergeser. Kode program lebih padat, mendekati satu token per tiga karakter, karena banyaknya simbol dan indentasi. Dan bahasa yang kurang terwakili dalam data pelatihan tokenizer memakan lebih banyak token: makna yang sama dalam bahasa Thai, Hindi atau Arab bisa memakan dua sampai tiga kali lipat token dibanding versi Inggrisnya, yang penting diketahui jika Anda membayar per token dan menulis dalam salah satu bahasa itu.

Anda bisa membuktikannya sendiri. Tempel teks apa saja ke kalkulator biaya token dan ia akan menampilkan jumlah token dan harganya di setiap model.

Token input dan token output punya dua harga berbeda

Setiap pesan punya dua bagian. Token input adalah semua yang dibaca model: pertanyaan Anda, instruksi sistem, percakapan sejauh ini, file apa pun yang Anda lampirkan. Token output adalah apa yang ditulis balik oleh model.

Penyedia model mengenakan tarif berbeda untuk keduanya, dan selisihnya tidak kecil. Tabel ini adalah harga jual per satu juta token dari indeks biaya model AI, dengan harga yang diambil dari OpenRouter pada 2026-08-20.

Output lebih mahal karena cara kerja model. Membaca input terjadi dalam satu langkah paralel atas semua token sekaligus. Menulis output terjadi satu token pada satu waktu, tiap token baru membutuhkan satu langkah lagi melewati seluruh model. Jawaban 500 token berarti 500 langkah berurutan.

Berapa biaya pesan sungguhan, dihitung langkah demi langkah

Ambil contoh percakapan biasa: pertanyaan 300 kata dengan satu paragraf konteks, dijawab dalam 400 kata. Itu kira-kira 400 token input dan 530 token output.

• Di GPT-5.6 Luna: 400 × $0.20 per juta ditambah 530 × $1.20 per juta, yaitu $0.00008 ditambah $0.00064, sekitar $0.0007. Tujuh perseratus sen.
• Di Claude Sonnet 5: 400 × $2 ditambah 530 × $10, per juta, yaitu $0.0008 ditambah $0.0053, sekitar $0.006. Sedikit di atas setengah sen.
• Di GPT-5.5: 400 × $5 ditambah 530 × $30, per juta, yaitu $0.002 ditambah $0.0159, sekitar $0.018. Hampir dua sen.

Perhatikan bahwa bagian output selalu 80 sampai 90 persen dari total tagihan di setiap baris. Bentuk pesan, bukan hanya modelnya, yang menentukan biaya: pertanyaan satu baris yang meminta esai 2.000 kata adalah pola yang mahal, dan dokumen panjang dengan pertanyaan satu baris tentangnya adalah pola yang murah pada model yang sama.

Perbesar sudut pandangnya dan sebaran di seluruh katalog inilah cerita sesungguhnya. Setiap model berharga di indeks biaya model AI ditempatkan pada garis di bawah berdasarkan biaya satu jawaban standar. Yang termurah, Ling-3.0-flash, adalah $0.000053; yang termahal, Claude Opus 4.7 dalam mode cepatnya, adalah $0.105: perbedaan sekitar 2.000 kali lipat untuk 1.500 token yang sama.

Pengganda lainnya adalah riwayat percakapan. Dalam sebuah obrolan, model membaca ulang seluruh percakapan pada setiap giliran, sehingga jumlah input bertambah di setiap pesan. Percakapan 40 giliran mengirim pesan pertama sebanyak 40 kali. Itulah kenapa utas panjang jadi lambat dan kenapa apa itu context window menjadi batas yang akhirnya Anda kena.

Kenapa langganan menyembunyikan meteran tapi tidak menghilangkannya

Paket konsumen mengenakan biaya bulanan tetap, dan di balik biaya itu setiap penyedia tetap menghitung token. Hitungan itu muncul sebagai batas pesan, tembok "Anda telah mencapai batas", dan pengalihan diam-diam ke model yang lebih kecil ketika anggaran menipis.

Whizi mengukur dengan cara sebaliknya. Setiap model punya harga kredit tetap per pesan: 1 kredit untuk model rumahan, 10 untuk Claude Sonnet 5, 20 untuk Claude Opus 5 dan GPT-5.5, dan 100 di puncak tangga harga. Angkanya tidak pernah bergantung pada seberapa panjang pesan atau jawaban Anda. Tangga harga ini dijangkarkan pada giliran token yang sungguhan, 3.000 token masuk dan 800 keluar pada model rumahan, yang menghabiskan sekitar $0.00156 dalam pengeluaran penyedia dan mendefinisikan satu kredit. Cara kerja kredit Whizi memuat tabel lengkapnya.

Pertukaran ini disengaja. Meteran per token itu akurat tapi tak terduga; kredit per pesan sedikit lebih murah hati untuk pesan panjang dan sedikit lebih pelit untuk pesan pendek, dan Anda selalu tahu harganya sebelum menekan kirim.

Token juga menjadi batas kapasitas

Alasan kedua kenapa token penting adalah kapasitas. Setiap model punya jendela konteks yang diukur dalam token: batas maksimum yang bisa dipertimbangkan sekaligus, input dan output digabung. Claude Haiku 4.5 menampung 200.000 token. GPT-5.6 Terra, Claude Sonnet 5 dan Gemini 3.7 Flash menampung sekitar 1 juta. Dengan 750 kata per 1.000 token, satu juta token kurang lebih 750.000 kata, atau sekitar 1.500 halaman.

Jendela ini tidak gratis. Mengisinya menghabiskan token input pada setiap giliran, jadi dokumen 300.000 token yang ditanyai sepuluh pertanyaan adalah 3 juta token input, yang berharga $6 di Claude Sonnet 5 dengan harga jual. Retrieval, di mana aplikasi mencari dalam dokumen dan hanya mengirim halaman yang relevan, hadir untuk menghindari tagihan seperti itu. Apa itu RAG menjelaskan mekanismenya, dan perbandingan context window memuat batas setiap model dalam satu tabel. Kirim halaman yang dibutuhkan pertanyaannya, jangan pernah seluruh file.