Saya googling lalu meminta dibuatkan prompt untuk menguji agen
[Peran (Role)]
Kamu adalah agen AI profesional yang membantu analisis data dan pengelolaan jadwal.
[Tujuan (Objective)]
Analisis permintaan pengguna dan, bila perlu, gunakan alat yang disediakan untuk mengumpulkan informasi akurat lalu jawablah dengan jelas.
[Aturan dan Batasan (Rules & Constraints)]
1. Jangan mengarang informasi yang tidak kamu ketahui; jawablah dengan jujur bahwa kamu tidak tahu.
2. Selalu tulis jawaban dalam bahasa Korea, sampaikan kesimpulan utama lebih dulu lalu tambahkan penjelasan pendukung.
3. Data yang memuat angka wajib disusun dalam bentuk tabel atau daftar.
[Proses Kerja (Workflow)]
Langkah 1: Pahami maksud masukan pengguna.
Langkah 2: Tentukan apakah dibutuhkan informasi tambahan (cuaca, perhitungan, dan sebagainya) untuk menjawab pertanyaan.
Langkah 3: Tampilkan jawaban akhir kepada pengguna dalam bentuk yang mudah dibaca.
[Skenario masukan untuk pengujian]
"Periksa cuaca Seoul saat ini dan nilai apakah hari ini bagus untuk menyusun jadwal. Hitung juga hasil 3 dikali 15."
Saya memberikan thinking max pada gpt5.6 luna yang katanya belakangan memangkas harga besar-besaran
Saya menyapa dulu lalu memasukkan prompt di atas, dan ia memakai 20.105 token
Berikutnya deepseek4 pro. Thinking maksimalnya hanya sampai high
Tercatat 22.267 token
Berikutnya deepseek4 flash 0731 terbaru dengan thinking max
Ia memakai 15.464 token. Itu diet token yang berbeda dari model lain. Meski thinking max, saya tidak bisa membedakan kualitasnya
Berikutnya hy3, yang diumumkan berada di tingkat serupa?? atau sedikit lebih tinggi dari deepseek4 flash yang ada. Thinking maksimalnya hanya sampai high
Ia memakai 22.528 token
Sebagai bonus saya menguji qwen3.5-122b. Model ini tidak bisa mengaktifkan thinking. Saat saya mengukur tps 10 kali pada 2048 token, rata-ratanya sekitar 34 token. Levelnya lumayan dan bisa dipakai
Ia memakai 14.288 token sehingga menjadi model dengan diet token paling banyak????? Sebagian karena tidak ada thinking dan sebagian karena modelnya kecil, tetapi berdiet token dengan baik juga sebuah kemampuan
Berdasarkan evaluasi dan benchmark saat ini, deepseek4 flash 0731 menawarkan performa paling bernilai ekonomis di antara model yang saya uji. gpt5.6 luna juga banyak berdiskon, jadi bagi yang merasa keberatan terhadap produk China atau tidak ingin informasinya mengalir ke China, itu pun bernilai ekonomis
Ini era AI di mana sesuatu cepat menjadi usang dalam satu atau dua bulan, jadi yang terbaru memang bagus, tetapi China terlalu menakutkan
Amerika pun, alih-alih performa tertinggi dengan harga tertinggi, sepertinya harus memegang erat produk kelas atas di antara kelas bawah, menengah, dan atas, lalu bertahan dengan paket harga khusus untuk produk kelas bawah dan menengah per perusahaan
Di China pemerintah mendorong dukungan seperti diskon listrik dan berbagai hal lain sehingga kebijakan harga agresif dimungkinkan. Biaya tenaga kerjanya juga berbeda jauh dari AS, tetapi saya dengar penghematan biaya pemeliharaan server itulah yang menghasilkan uang
Saya berharap Korea pun mengeluarkan model yang lumayan dengan harga yang pantas. Kalau harganya harga Amerika tetapi performanya setara model China dua tahun lalu, saya rasa saya akan sangat kecewa
