{"content_id":"fj8mfh7xaj","slug":"claude-fable-5-1-claims-verification","locale":"id","schema_type":"TechArticle","category":"ai_data","category_name":"Data AI","title":"Apa yang Berubah pada Claude Fable 5.1: Verifikasi Klaim Biaya, Kinerja, dan Keamanan","summary":"Inti pembaruan yang diperkenalkan sebagai Claude Fable 5.1 diklaim bukan berupa penurunan harga token secara umum, melainkan pengurangan biaya pembacaan cache untuk konteks berulang. Namun, karena materi yang diberikan tidak menyertakan URL pengumuman resmi dan kartu model, nama model, spesifikasi, benchmark, serta angka keamanannya harus diverifikasi secara terpisah melalui dokumen resmi Anthropic.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Materi yang diberikan mengklaim bahwa tarif pembacaan cache Claude Fable 5.1 turun 75%, tetapi angka tersebut tidak boleh dikutip sebagai harga pasti sebelum daftar harga resmi diperiksa.","Diskon cache menguntungkan agen yang berulang kali membaca konteks yang sama, tetapi tidak mengurangi biaya pekerjaan dengan banyak output dalam proporsi yang sama.","Materi yang diberikan mengklaim bahwa peningkatan benchmark besar pada penelitian ilmiah dan tugas otomatisasi, tetapi relatif kecil pada tugas pemrograman.","Berkurangnya intervensi pengamanan harus ditafsirkan bukan sebagai penghapusan pembatasan, melainkan sebagai pengurangan deteksi positif palsu dan fallback yang tidak perlu dalam pekerjaan keamanan dan ilmiah yang normal.","Keputusan penerapan harus dibuat setelah memeriksa ID model resmi, daftar harga, region cloud, dan ketentuan penyimpanan data, lalu mengevaluasinya kembali menggunakan sampel pekerjaan sendiri."],"content_markdown":"Pembaruan yang diperkenalkan sebagai Claude Fable 5.1 dijelaskan lebih berfokus pada biaya operasional agen, cara merespons, dan pengurangan kesalahan positif pada pengamanan daripada skor benchmark tertinggi. Khususnya bagi agen pengodean dan pekerjaan yang terus membaca prompt sistem serta riwayat pekerjaan yang sama, harga cache prompt dapat berdampak besar pada biaya aktual.\n\nNamun, materi yang diberikan tidak menyertakan URL menuju pengumuman resmi, daftar harga, atau kartu model Anthropic. Karena itu, uraian di bawah ini secara jelas membedakan angka yang tercantum dalam materi sebagai **klaim dari materi yang diberikan**, sekaligus menjelaskan hal-hal yang perlu diperiksa dalam dokumen resmi dan cara mengevaluasi biaya aktual.\n\n## Kesimpulan yang perlu diperiksa terlebih dahulu\n\n- Materi yang diberikan menyebut nama model sebagai `Claude Fable 5.1` dan ID model API sebagai `claude-fable-5-1`.\n- Tanggal peluncuran, panjang konteks, batas output, tanggal batas pengetahuan, harga, dan angka benchmark harus diperiksa kembali melalui kartu model resmi.\n- Perubahan terbesar yang diklaim dalam materi bukanlah tarif input dan output umum, melainkan penurunan tarif pembacaan cache.\n- Besarnya penghematan biaya berbeda-beda sesuai seberapa sering cache dibaca ulang. Dampaknya mungkin kecil pada kueri sekali jalan atau pekerjaan yang berfokus pada output.\n- Klaim bahwa intervensi pengamanan berkurang tidak berarti semua pembatasan keamanan telah dihapus.\n\n## Spesifikasi dasar yang disajikan oleh materi\n\nTabel berikut bukanlah tabel spesifikasi yang telah dikonfirmasi secara resmi, melainkan penyusunan terstruktur dari isi materi yang diberikan. Sebelum memilih API yang sebenarnya, perlu dipastikan di ringkasan model dan halaman harga Anthropic apakah ID model yang sama memang tersedia.\n\n| Item | Klaim dari materi yang diberikan | Hal yang perlu diperiksa |\n|---|---:|---|\n| Nama model | Claude Fable 5.1 | Apakah tercantum dalam daftar model resmi Anthropic |\n| ID model | `claude-fable-5-1` | String yang tepat dalam konsol API dan dokumentasi model |\n| Tanggal peluncuran | 1 September 2026 | Tanggal pengumuman resmi dan waktu ketersediaan umum |\n| Jendela konteks | 1 juta token | Apakah tersedia secara default, dalam versi beta, atau dengan syarat terpisah |\n| Output maksimum | 128 ribu token | Batas per permintaan dan perbedaan antarplatform |\n| Tanggal batas pengetahuan | Juni 2026 | Tanggal batas pengetahuan dalam kartu model resmi |\n| Harga input | 10 dolar per 1 juta token | Tarif terpisah seperti batch dan konteks panjang |\n| Harga output | 50 dolar per 1 juta token | Apakah mencakup token penalaran |\n| Harga pembacaan cache | 0.25 dolar per 1 juta token | Harga pembuatan cache dan masa berlaku |\n| Effort penalaran | low hingga max, default high | Nama parameter API dan cakupan dukungan |\n| Lingkungan penyediaan | Claude API dan cloud utama | Wilayah, tingkat akun, dan tahap peluncuran |\n\nJika salah satu dari hal tersebut berbeda dari dokumentasi resmi, perhitungan biaya dan rancangan sistem harus disesuaikan berdasarkan dokumen resmi. Spesifikasi model Claude yang sudah ada tidak boleh langsung diterapkan hanya karena nama modelnya mirip.\n\n## Alasan harga pembacaan cache penting bagi biaya agen\n\nPercakapan biasa dapat berakhir setelah satu prompt dan satu jawaban. Sebaliknya, agen mengulangi proses berikut berkali-kali hingga menyelesaikan pekerjaan.\n\n1. Membaca instruksi sistem dan percakapan sebelumnya.\n2. Memanggil alat untuk mencari berkas atau mengambil data.\n3. Menilai kembali hasil alat bersama konteks yang sudah ada.\n4. Mengubah kode atau menentukan tindakan berikutnya.\n5. Membaca hasil pengujian dan mengulangi proses jika gagal.\n\nDalam proses ini, token yang tidak berubah seperti prompt sistem, petunjuk repositori, riwayat percakapan, dan definisi alat dapat dikirimkan kembali pada setiap tahap. Jika bagian tersebut cocok dengan cache, tarif pembacaan cache dapat diterapkan sebagai pengganti tarif input umum.\n\nDengan asumsi harga dalam materi yang diberikan benar, tarif pembacaan cache turun dari 1 dolar menjadi 0.25 dolar per 1 juta token. Persentase penurunan tarif itu sendiri adalah sebagai berikut.\n\n`(1.00 - 0.25) ÷ 1.00 × 100 = 75%`\n\nNamun, hal ini tidak berarti total tagihan turun 75%. Biaya input baru, pembuatan cache, output, eksekusi alat, dan infrastruktur eksternal tetap dikenakan secara terpisah.\n\n### Contoh perhitungan biaya hipotetis\n\nAnggaplah satu kelompok pekerjaan menggunakan 1 juta token input baru, 20 juta token pembacaan cache, dan 200 ribu token output. Biaya pembuatan cache dan alat eksternal tidak disertakan.\n\n| Komponen biaya | Asumsi tarif cache lama | Asumsi tarif baru |\n|---|---:|---:|\n| Input baru | 10 dolar | 10 dolar |\n| Pembacaan cache | 20 dolar | 5 dolar |\n| Output | 10 dolar | 10 dolar |\n| Total | 40 dolar | 25 dolar |\n\nDalam contoh ini, total biaya berkurang 37.5%. Sebaliknya, jika hampir tidak ada pembacaan cache atau porsi output besar, persentase pengurangannya akan jauh lebih kecil.\n\n### Variabel yang menentukan tingkat penghematan biaya\n\n- Ukuran prompt dan riwayat pekerjaan yang berulang\n- Tingkat kecocokan cache dan masa berlaku cache\n- Jumlah hasil alat baru yang ditambahkan pada setiap tahap\n- Panjang respons dan tarif output\n- Jumlah percobaan ulang setelah kegagalan\n- Biaya pembuatan cache pertama kali\n- Tarif terpisah platform cloud dan ketentuan wilayah\n\nMateri yang diberikan menyatakan bahwa pengurangan biaya sekitar 25% diukur pada pekerjaan umum dan sekitar 45% pada agen yang banyak melakukan pemanggilan alat. Karena angka ini mungkin merupakan hasil dari pola penggunaan tertentu, angka tersebut tidak boleh digunakan sebagai tingkat penghematan yang dijamin untuk semua beban kerja.\n\n## Batas langganan dan biaya API bukan konsep yang sama\n\nAPI umumnya menghitung biaya berdasarkan token input, output, dan cache yang benar-benar digunakan. Sebaliknya, produk Claude dengan tarif tetap dapat mengelola batas penggunaan dengan mempertimbangkan berbagai faktor, seperti jumlah pesan, durasi sesi, beban model, dan penggunaan alat.\n\nKarena itu, penurunan biaya per pekerjaan sebesar 30% pada API tidak serta-merta berarti waktu penggunaan pada paket tarif tetap bertambah tepat 30%. Pengguna langganan harus memeriksa informasi batas di dalam produk dan dokumentasi dukungan resmi Anthropic.\n\n## Bagaimana angka benchmark diklaim berubah\n\nNilai perbandingan dan besarnya perubahan yang tercantum dalam materi adalah sebagai berikut. Untuk skor persentase, akan lebih akurat jika turut melihat selisih poin persentase, bukan hanya tingkat kenaikan relatif.\n\n| Item evaluasi | Nilai klaim Fable 5 | Nilai klaim Fable 5.1 | Perubahan |\n|---|---:|---:|---:|\n| Terminal-Bench-Science | 24.7% | 52.6% | +27.9%p |\n| Terminal-Bench 4.0 | 42.0% | 55.8% | +13.8%p |\n| GDPval-AA v2 | 1,723 | 1,853 | +130 |\n| AutomationBench | 17.1% | 31.4% | +14.3%p |\n| CursorBench 3.2 | 70.5% | 73.4% | +2.9%p |\n| Konfigurasi HLE 1 | 57.8% | 60.9% | +3.1%p |\n| Konfigurasi HLE 2 | 63.8% | 65.0% | +1.2%p |\n\nJika hanya melihat materi tersebut, peningkatan dalam pekerjaan terminal untuk riset ilmiah dan evaluasi otomatisasi cukup besar, tetapi beberapa evaluasi pengodean dan pengetahuan menunjukkan peningkatan bertahap. Sulit untuk menafsirkannya sebagai pergantian generasi secara menyeluruh.\n\nSaat membandingkan benchmark, kondisi berikut harus sama.\n\n- Data dan versi evaluasi yang sama\n- Izin akses alat dan internet yang sama\n- Pengaturan effort atau penalaran yang sama\n- Jumlah percobaan ulang dan kondisi sampling yang sama\n- Apakah model fallback digunakan\n- Biaya dan waktu pemrosesan per evaluasi\n\nJika skornya lebih tinggi tetapi biaya atau latensinya meningkat secara signifikan, model tersebut tidak dapat langsung dianggap lebih efisien untuk pekerjaan nyata.\n\n## Peningkatan gaya penulisan harus dievaluasi secara terpisah\n\nKualitas penulisan sulit diringkas dengan satu skor benchmark. Dalam pekerjaan dokumentasi nyata, sebaiknya dilakukan perbandingan buta dengan model sebelumnya berdasarkan kriteria berikut.\n\n- Apakah gaya dan format yang diminta dipatuhi sejak awal\n- Apakah pendahuluan yang tidak perlu dan ungkapan berulang berkurang\n- Apakah model tidak mengarang detail tanpa dasar\n- Apakah istilah dan kesimpulan tetap konsisten dalam dokumen panjang\n- Apakah hanya bagian yang diperlukan yang diperbaiki secara tepat saat diminta melakukan revisi\n- Apakah kalimat bahasa Korea terdengar alami tanpa kesan seperti hasil terjemahan\n- Apakah makna kutipan dan teks asli tidak diubah secara sepihak\n\nPrompt yang sama harus dijalankan beberapa kali agar mengurangi kemungkinan perbedaan respons yang kebetulan disalahartikan sebagai peningkatan model.\n\n## Makna tepat dari berkurangnya intervensi pengamanan\n\nMateri yang diberikan mengklaim bahwa intervensi pengamanan terkait keamanan siber pada Claude Code berkurang rata-rata sekitar 60% per sesi dan fallback pada pekerjaan biologi dasar serta medis umum berkurang sekitar 85%. Jika tidak ada laporan evaluasi resmi, perlu diperiksa sampel, periode pengukuran, definisi sesi, dan penyebut yang digunakan untuk persentase tersebut.\n\nPerubahan ini dapat berarti berkurangnya frekuensi pekerjaan normal untuk tujuan defensif yang secara keliru dinilai sebagai permintaan berbahaya. Contohnya adalah mengurangi penghentian yang tidak perlu saat memeriksa kerentanan kode yang telah diotorisasi, mengusulkan patch, atau meninjau konfigurasi aman.\n\nNamun, pengurangan kesalahan positif berbeda dengan penghapusan kebijakan keselamatan. Permintaan yang secara nyata membantu intrusi, pencurian kredensial, distribusi malware, atau otomatisasi serangan mungkin tetap dibatasi. Organisasi tidak boleh menganggap fakta bahwa model memberikan respons sebagai kewenangan hukum atau persetujuan pekerjaan.\n\n## Klaim perlindungan data perusahaan juga harus diperiksa dalam ketentuan kontrak\n\nMateri yang diberikan menjelaskan bahwa kerangka bernama `Enterprise Frontier Safeguard` dirancang untuk menyimpan data pelanggan di lingkungan cloud milik pelanggan dan agar peninjauan oleh manusia, jika diperlukan, juga dilakukan oleh organisasi pelanggan. Materi tersebut juga mengklaim bahwa kerangka ini dikembangkan bersama pelanggan dan penyedia cloud utama, termasuk dari bidang keuangan, medis, hukum, dan publik.\n\nUntuk memproses data sensitif, jangan hanya melihat nama atau kalimat pengantar. Hal-hal berikut harus diperiksa dalam kontrak dan dokumentasi teknis.\n\n| Area pemeriksaan | Pertanyaan spesifik |\n|---|---|\n| Lokasi penyimpanan | Di wilayah mana prompt, output, log, dan sinyal keselamatan disimpan |\n| Periode retensi | Berapa periode retensi default dan apa saja opsi penghapusan langsung |\n| Akses manusia | Dalam kondisi apa dan petugas dari organisasi mana yang dapat melihat teks asli |\n| Penggunaan untuk pelatihan | Apakah data pelanggan digunakan untuk pelatihan model atau peningkatan produk |\n| Enkripsi | Apakah enkripsi saat transit dan saat tersimpan serta kunci yang dikelola pelanggan didukung |\n| Subpemroses | Siapa penyedia cloud dan layanan yang dapat mengakses data |\n| Fungsi audit | Apakah tersedia catatan akses, log administrator, dan fungsi ekspor |\n| Respons insiden | Bagaimana tenggat pemberitahuan pelanggaran dan cakupan tanggung jawab ditentukan |\n\nPenjelasan bahwa data tetap berada di cloud pelanggan tidak otomatis memenuhi persyaratan kepatuhan terhadap regulasi atau kerahasiaan.\n\n## Prosedur verifikasi yang perlu dilakukan sebelum penerapan nyata\n\nVerifikasi menggunakan beban kerja sendiri lebih penting daripada benchmark publik. Pengujian dengan urutan berikut memungkinkan biaya dan kualitas dibandingkan secara bersamaan.\n\n1. Periksa nama model dan ID model dalam daftar model resmi Anthropic.\n2. Catat masing-masing tarif input, output, pembuatan cache, dan pembacaan cache dari daftar harga.\n3. Siapkan sampel pekerjaan representatif yang pernah dijalankan dengan model sebelumnya tanpa informasi pribadi atau rahasia, lalu tentukan ukuran sampel berdasarkan standar evaluasi internal.\n4. Atur effort, izin alat, jumlah percobaan ulang, dan output maksimum agar sama untuk setiap model.\n5. Ukur tingkat keberhasilan, total token, jumlah kecocokan cache, latensi, dan waktu revisi oleh manusia.\n6. Untuk pekerjaan yang mengutamakan pengamanan, seperti keamanan dan medis, uji secara terpisah kesalahan positif pada permintaan normal dan pemblokiran permintaan berbahaya.\n7. Hitung perkiraan biaya bulanan hanya untuk pekerjaan yang lolos standar kualitas.\n\n### Metrik utama yang perlu dicatat\n\n- Tingkat penyelesaian pekerjaan dan tingkat keberhasilan pada percobaan pertama\n- Token input baru, pembacaan cache, dan output per pekerjaan\n- Tingkat kecocokan cache\n- Jumlah pemanggilan alat dan jumlah kegagalan\n- Latensi rata-rata dan persentil ke-95\n- Waktu yang diperlukan manusia untuk melakukan revisi\n- Jumlah intervensi pengamanan dan fallback model\n- Total biaya API per pekerjaan\n\nMetrik tersebut diperlukan untuk menilai apakah penurunan tarif benar-benar menghasilkan peningkatan produktivitas. Jika waktu untuk meninjau kesalahan bertambah karena biaya token yang rendah, total biaya pekerjaan justru dapat meningkat.\n\n## Hal yang perlu diperhatikan saat membandingkan dengan model pesaing\n\nMateri yang diberikan juga menyebut harga model dari perusahaan lain, tetapi tidak menyediakan URL resmi untuk memeriksa nama model dan ketentuan promosi tersebut. Karena itu, tidak tepat untuk mengutip kembali harga pesaing yang belum diverifikasi sebagai nilai definitif.\n\nSaat membandingkan model, selain harga nominal per 1 juta token, hal-hal berikut juga harus disetarakan.\n\n- Panjang konteks dan batas output yang benar-benar dapat digunakan\n- Harga pembuatan dan pembacaan cache serta masa berlakunya\n- Metode penagihan token penalaran\n- Tingkat keberhasilan pemanggilan alat\n- Jumlah percobaan ulang untuk mencapai kualitas yang sama\n- Ketentuan retensi data dan penggunaan untuk pelatihan\n- Batas wilayah dan kapasitas pemrosesan\n- Perilaku fallback saat terjadi gangguan\n\nModel dengan output mahal dapat memiliki total biaya lebih rendah jika mampu menyelesaikan pekerjaan dalam sekali percobaan, sedangkan model dengan tarif rendah dapat menjadi lebih mahal jika berulang kali gagal.\n\n## Penilaian keseluruhan\n\nDengan asumsi penjelasan dalam materi yang diberikan dikonfirmasi oleh dokumentasi resmi, inti Claude Fable 5.1 bukanlah penurunan harga secara umum, melainkan **peningkatan efisiensi operasional agen yang banyak membaca konteks berulang**. Kenaikan benchmark ilmiah dan otomatisasi, peningkatan cara penulisan, serta berkurangnya kesalahan positif pengamanan dalam pekerjaan normal juga disajikan sebagai perubahan utama.\n\nNamun, berdasarkan bukti yang tersedia saat ini, nama model, tanggal peluncuran, harga, benchmark, dan kerangka perlindungan perusahaan sulit dikutip sebagai fakta yang telah dikonfirmasi. Saat benar-benar menerapkannya, dokumentasi model dan daftar harga resmi Anthropic harus diperiksa terlebih dahulu, lalu tingkat kecocokan cache, tingkat penyelesaian, dan total biaya perlu diukur pada pekerjaan internal.","content_html":"\u003cp\u003ePembaruan yang diperkenalkan sebagai Claude Fable 5.1 dijelaskan lebih berfokus pada biaya operasional agen, cara merespons, dan pengurangan kesalahan positif pada pengamanan daripada skor benchmark tertinggi. Khususnya bagi agen pengodean dan pekerjaan yang terus membaca prompt sistem serta riwayat pekerjaan yang sama, harga cache prompt dapat berdampak besar pada biaya aktual.\u003c/p\u003e\n\u003cp\u003eNamun, materi yang diberikan tidak menyertakan URL menuju pengumuman resmi, daftar harga, atau kartu model Anthropic. Karena itu, uraian di bawah ini secara jelas membedakan angka yang tercantum dalam materi sebagai \u003cstrong\u003eklaim dari materi yang diberikan\u003c/strong\u003e, sekaligus menjelaskan hal-hal yang perlu diperiksa dalam dokumen resmi dan cara mengevaluasi biaya aktual.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kesimpulan-yang-perlu-diperiksa-terlebih-dahulu\" class=\"anchor\" id=\"kesimpulan-yang-perlu-diperiksa-terlebih-dahulu\"\u003e\u003c/a\u003eKesimpulan yang perlu diperiksa terlebih dahulu\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eMateri yang diberikan menyebut nama model sebagai \u003ccode\u003eClaude Fable 5.1\u003c/code\u003e dan ID model API sebagai \u003ccode\u003eclaude-fable-5-1\u003c/code\u003e.\u003c/li\u003e\n\u003cli\u003eTanggal peluncuran, panjang konteks, batas output, tanggal batas pengetahuan, harga, dan angka benchmark harus diperiksa kembali melalui kartu model resmi.\u003c/li\u003e\n\u003cli\u003ePerubahan terbesar yang diklaim dalam materi bukanlah tarif input dan output umum, melainkan penurunan tarif pembacaan cache.\u003c/li\u003e\n\u003cli\u003eBesarnya penghematan biaya berbeda-beda sesuai seberapa sering cache dibaca ulang. Dampaknya mungkin kecil pada kueri sekali jalan atau pekerjaan yang berfokus pada output.\u003c/li\u003e\n\u003cli\u003eKlaim bahwa intervensi pengamanan berkurang tidak berarti semua pembatasan keamanan telah dihapus.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#spesifikasi-dasar-yang-disajikan-oleh-materi\" class=\"anchor\" id=\"spesifikasi-dasar-yang-disajikan-oleh-materi\"\u003e\u003c/a\u003eSpesifikasi dasar yang disajikan oleh materi\u003c/h2\u003e\n\u003cp\u003eTabel berikut bukanlah tabel spesifikasi yang telah dikonfirmasi secara resmi, melainkan penyusunan terstruktur dari isi materi yang diberikan. Sebelum memilih API yang sebenarnya, perlu dipastikan di ringkasan model dan halaman harga Anthropic apakah ID model yang sama memang tersedia.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem\u003c/th\u003e\n\u003cth\u003eKlaim dari materi yang diberikan\u003c/th\u003e\n\u003cth\u003eHal yang perlu diperiksa\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eNama model\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003eClaude Fable 5.1\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eApakah tercantum dalam daftar model resmi Anthropic\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eID model\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e\u003ccode\u003eclaude-fable-5-1\u003c/code\u003e\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eString yang tepat dalam konsol API dan dokumentasi model\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eTanggal peluncuran\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e1 September 2026\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eTanggal pengumuman resmi dan waktu ketersediaan umum\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eJendela konteks\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e1 juta token\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eApakah tersedia secara default, dalam versi beta, atau dengan syarat terpisah\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eOutput maksimum\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e128 ribu token\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eBatas per permintaan dan perbedaan antarplatform\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eTanggal batas pengetahuan\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003eJuni 2026\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eTanggal batas pengetahuan dalam kartu model resmi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eHarga input\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e10 dolar per 1 juta token\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eTarif terpisah seperti batch dan konteks panjang\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eHarga output\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e50 dolar per 1 juta token\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eApakah mencakup token penalaran\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eHarga pembacaan cache\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003e0.25 dolar per 1 juta token\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eHarga pembuatan cache dan masa berlaku\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eEffort penalaran\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003elow hingga max, default high\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eNama parameter API dan cakupan dukungan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eLingkungan penyediaan\u003c/td\u003e\n\u003ctd data-label=\"Klaim dari materi yang diberikan\"\u003eClaude API dan cloud utama\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eWilayah, tingkat akun, dan tahap peluncuran\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika salah satu dari hal tersebut berbeda dari dokumentasi resmi, perhitungan biaya dan rancangan sistem harus disesuaikan berdasarkan dokumen resmi. Spesifikasi model Claude yang sudah ada tidak boleh langsung diterapkan hanya karena nama modelnya mirip.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#alasan-harga-pembacaan-cache-penting-bagi-biaya-agen\" class=\"anchor\" id=\"alasan-harga-pembacaan-cache-penting-bagi-biaya-agen\"\u003e\u003c/a\u003eAlasan harga pembacaan cache penting bagi biaya agen\u003c/h2\u003e\n\u003cp\u003ePercakapan biasa dapat berakhir setelah satu prompt dan satu jawaban. Sebaliknya, agen mengulangi proses berikut berkali-kali hingga menyelesaikan pekerjaan.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eMembaca instruksi sistem dan percakapan sebelumnya.\u003c/li\u003e\n\u003cli\u003eMemanggil alat untuk mencari berkas atau mengambil data.\u003c/li\u003e\n\u003cli\u003eMenilai kembali hasil alat bersama konteks yang sudah ada.\u003c/li\u003e\n\u003cli\u003eMengubah kode atau menentukan tindakan berikutnya.\u003c/li\u003e\n\u003cli\u003eMembaca hasil pengujian dan mengulangi proses jika gagal.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDalam proses ini, token yang tidak berubah seperti prompt sistem, petunjuk repositori, riwayat percakapan, dan definisi alat dapat dikirimkan kembali pada setiap tahap. Jika bagian tersebut cocok dengan cache, tarif pembacaan cache dapat diterapkan sebagai pengganti tarif input umum.\u003c/p\u003e\n\u003cp\u003eDengan asumsi harga dalam materi yang diberikan benar, tarif pembacaan cache turun dari 1 dolar menjadi 0.25 dolar per 1 juta token. Persentase penurunan tarif itu sendiri adalah sebagai berikut.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e(1.00 - 0.25) ÷ 1.00 × 100 = 75%\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003eNamun, hal ini tidak berarti total tagihan turun 75%. Biaya input baru, pembuatan cache, output, eksekusi alat, dan infrastruktur eksternal tetap dikenakan secara terpisah.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#contoh-perhitungan-biaya-hipotetis\" class=\"anchor\" id=\"contoh-perhitungan-biaya-hipotetis\"\u003e\u003c/a\u003eContoh perhitungan biaya hipotetis\u003c/h3\u003e\n\u003cp\u003eAnggaplah satu kelompok pekerjaan menggunakan 1 juta token input baru, 20 juta token pembacaan cache, dan 200 ribu token output. Biaya pembuatan cache dan alat eksternal tidak disertakan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKomponen biaya\u003c/th\u003e\n\u003cth\u003eAsumsi tarif cache lama\u003c/th\u003e\n\u003cth\u003eAsumsi tarif baru\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponen biaya\"\u003eInput baru\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif cache lama\"\u003e10 dolar\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif baru\"\u003e10 dolar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponen biaya\"\u003ePembacaan cache\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif cache lama\"\u003e20 dolar\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif baru\"\u003e5 dolar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponen biaya\"\u003eOutput\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif cache lama\"\u003e10 dolar\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif baru\"\u003e10 dolar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Komponen biaya\"\u003eTotal\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif cache lama\"\u003e40 dolar\u003c/td\u003e\n\u003ctd data-label=\"Asumsi tarif baru\"\u003e25 dolar\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDalam contoh ini, total biaya berkurang 37.5%. Sebaliknya, jika hampir tidak ada pembacaan cache atau porsi output besar, persentase pengurangannya akan jauh lebih kecil.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#variabel-yang-menentukan-tingkat-penghematan-biaya\" class=\"anchor\" id=\"variabel-yang-menentukan-tingkat-penghematan-biaya\"\u003e\u003c/a\u003eVariabel yang menentukan tingkat penghematan biaya\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUkuran prompt dan riwayat pekerjaan yang berulang\u003c/li\u003e\n\u003cli\u003eTingkat kecocokan cache dan masa berlaku cache\u003c/li\u003e\n\u003cli\u003eJumlah hasil alat baru yang ditambahkan pada setiap tahap\u003c/li\u003e\n\u003cli\u003ePanjang respons dan tarif output\u003c/li\u003e\n\u003cli\u003eJumlah percobaan ulang setelah kegagalan\u003c/li\u003e\n\u003cli\u003eBiaya pembuatan cache pertama kali\u003c/li\u003e\n\u003cli\u003eTarif terpisah platform cloud dan ketentuan wilayah\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eMateri yang diberikan menyatakan bahwa pengurangan biaya sekitar 25% diukur pada pekerjaan umum dan sekitar 45% pada agen yang banyak melakukan pemanggilan alat. Karena angka ini mungkin merupakan hasil dari pola penggunaan tertentu, angka tersebut tidak boleh digunakan sebagai tingkat penghematan yang dijamin untuk semua beban kerja.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#batas-langganan-dan-biaya-api-bukan-konsep-yang-sama\" class=\"anchor\" id=\"batas-langganan-dan-biaya-api-bukan-konsep-yang-sama\"\u003e\u003c/a\u003eBatas langganan dan biaya API bukan konsep yang sama\u003c/h2\u003e\n\u003cp\u003eAPI umumnya menghitung biaya berdasarkan token input, output, dan cache yang benar-benar digunakan. Sebaliknya, produk Claude dengan tarif tetap dapat mengelola batas penggunaan dengan mempertimbangkan berbagai faktor, seperti jumlah pesan, durasi sesi, beban model, dan penggunaan alat.\u003c/p\u003e\n\u003cp\u003eKarena itu, penurunan biaya per pekerjaan sebesar 30% pada API tidak serta-merta berarti waktu penggunaan pada paket tarif tetap bertambah tepat 30%. Pengguna langganan harus memeriksa informasi batas di dalam produk dan dokumentasi dukungan resmi Anthropic.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#bagaimana-angka-benchmark-diklaim-berubah\" class=\"anchor\" id=\"bagaimana-angka-benchmark-diklaim-berubah\"\u003e\u003c/a\u003eBagaimana angka benchmark diklaim berubah\u003c/h2\u003e\n\u003cp\u003eNilai perbandingan dan besarnya perubahan yang tercantum dalam materi adalah sebagai berikut. Untuk skor persentase, akan lebih akurat jika turut melihat selisih poin persentase, bukan hanya tingkat kenaikan relatif.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem evaluasi\u003c/th\u003e\n\u003cth\u003eNilai klaim Fable 5\u003c/th\u003e\n\u003cth\u003eNilai klaim Fable 5.1\u003c/th\u003e\n\u003cth\u003ePerubahan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eTerminal-Bench-Science\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e24.7%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e52.6%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+27.9%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eTerminal-Bench 4.0\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e42.0%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e55.8%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+13.8%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eGDPval-AA v2\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e1,723\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e1,853\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+130\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eAutomationBench\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e17.1%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e31.4%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+14.3%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eCursorBench 3.2\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e70.5%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e73.4%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+2.9%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eKonfigurasi HLE 1\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e57.8%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e60.9%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+3.1%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item evaluasi\"\u003eKonfigurasi HLE 2\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5\"\u003e63.8%\u003c/td\u003e\n\u003ctd data-label=\"Nilai klaim Fable 5.1\"\u003e65.0%\u003c/td\u003e\n\u003ctd data-label=\"Perubahan\"\u003e+1.2%p\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika hanya melihat materi tersebut, peningkatan dalam pekerjaan terminal untuk riset ilmiah dan evaluasi otomatisasi cukup besar, tetapi beberapa evaluasi pengodean dan pengetahuan menunjukkan peningkatan bertahap. Sulit untuk menafsirkannya sebagai pergantian generasi secara menyeluruh.\u003c/p\u003e\n\u003cp\u003eSaat membandingkan benchmark, kondisi berikut harus sama.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eData dan versi evaluasi yang sama\u003c/li\u003e\n\u003cli\u003eIzin akses alat dan internet yang sama\u003c/li\u003e\n\u003cli\u003ePengaturan effort atau penalaran yang sama\u003c/li\u003e\n\u003cli\u003eJumlah percobaan ulang dan kondisi sampling yang sama\u003c/li\u003e\n\u003cli\u003eApakah model fallback digunakan\u003c/li\u003e\n\u003cli\u003eBiaya dan waktu pemrosesan per evaluasi\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eJika skornya lebih tinggi tetapi biaya atau latensinya meningkat secara signifikan, model tersebut tidak dapat langsung dianggap lebih efisien untuk pekerjaan nyata.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#peningkatan-gaya-penulisan-harus-dievaluasi-secara-terpisah\" class=\"anchor\" id=\"peningkatan-gaya-penulisan-harus-dievaluasi-secara-terpisah\"\u003e\u003c/a\u003ePeningkatan gaya penulisan harus dievaluasi secara terpisah\u003c/h2\u003e\n\u003cp\u003eKualitas penulisan sulit diringkas dengan satu skor benchmark. Dalam pekerjaan dokumentasi nyata, sebaiknya dilakukan perbandingan buta dengan model sebelumnya berdasarkan kriteria berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eApakah gaya dan format yang diminta dipatuhi sejak awal\u003c/li\u003e\n\u003cli\u003eApakah pendahuluan yang tidak perlu dan ungkapan berulang berkurang\u003c/li\u003e\n\u003cli\u003eApakah model tidak mengarang detail tanpa dasar\u003c/li\u003e\n\u003cli\u003eApakah istilah dan kesimpulan tetap konsisten dalam dokumen panjang\u003c/li\u003e\n\u003cli\u003eApakah hanya bagian yang diperlukan yang diperbaiki secara tepat saat diminta melakukan revisi\u003c/li\u003e\n\u003cli\u003eApakah kalimat bahasa Korea terdengar alami tanpa kesan seperti hasil terjemahan\u003c/li\u003e\n\u003cli\u003eApakah makna kutipan dan teks asli tidak diubah secara sepihak\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003ePrompt yang sama harus dijalankan beberapa kali agar mengurangi kemungkinan perbedaan respons yang kebetulan disalahartikan sebagai peningkatan model.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#makna-tepat-dari-berkurangnya-intervensi-pengamanan\" class=\"anchor\" id=\"makna-tepat-dari-berkurangnya-intervensi-pengamanan\"\u003e\u003c/a\u003eMakna tepat dari berkurangnya intervensi pengamanan\u003c/h2\u003e\n\u003cp\u003eMateri yang diberikan mengklaim bahwa intervensi pengamanan terkait keamanan siber pada Claude Code berkurang rata-rata sekitar 60% per sesi dan fallback pada pekerjaan biologi dasar serta medis umum berkurang sekitar 85%. Jika tidak ada laporan evaluasi resmi, perlu diperiksa sampel, periode pengukuran, definisi sesi, dan penyebut yang digunakan untuk persentase tersebut.\u003c/p\u003e\n\u003cp\u003ePerubahan ini dapat berarti berkurangnya frekuensi pekerjaan normal untuk tujuan defensif yang secara keliru dinilai sebagai permintaan berbahaya. Contohnya adalah mengurangi penghentian yang tidak perlu saat memeriksa kerentanan kode yang telah diotorisasi, mengusulkan patch, atau meninjau konfigurasi aman.\u003c/p\u003e\n\u003cp\u003eNamun, pengurangan kesalahan positif berbeda dengan penghapusan kebijakan keselamatan. Permintaan yang secara nyata membantu intrusi, pencurian kredensial, distribusi malware, atau otomatisasi serangan mungkin tetap dibatasi. Organisasi tidak boleh menganggap fakta bahwa model memberikan respons sebagai kewenangan hukum atau persetujuan pekerjaan.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#klaim-perlindungan-data-perusahaan-juga-harus-diperiksa-dalam-ketentuan-kontrak\" class=\"anchor\" id=\"klaim-perlindungan-data-perusahaan-juga-harus-diperiksa-dalam-ketentuan-kontrak\"\u003e\u003c/a\u003eKlaim perlindungan data perusahaan juga harus diperiksa dalam ketentuan kontrak\u003c/h2\u003e\n\u003cp\u003eMateri yang diberikan menjelaskan bahwa kerangka bernama \u003ccode\u003eEnterprise Frontier Safeguard\u003c/code\u003e dirancang untuk menyimpan data pelanggan di lingkungan cloud milik pelanggan dan agar peninjauan oleh manusia, jika diperlukan, juga dilakukan oleh organisasi pelanggan. Materi tersebut juga mengklaim bahwa kerangka ini dikembangkan bersama pelanggan dan penyedia cloud utama, termasuk dari bidang keuangan, medis, hukum, dan publik.\u003c/p\u003e\n\u003cp\u003eUntuk memproses data sensitif, jangan hanya melihat nama atau kalimat pengantar. Hal-hal berikut harus diperiksa dalam kontrak dan dokumentasi teknis.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eArea pemeriksaan\u003c/th\u003e\n\u003cth\u003ePertanyaan spesifik\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eLokasi penyimpanan\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eDi wilayah mana prompt, output, log, dan sinyal keselamatan disimpan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003ePeriode retensi\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eBerapa periode retensi default dan apa saja opsi penghapusan langsung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eAkses manusia\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eDalam kondisi apa dan petugas dari organisasi mana yang dapat melihat teks asli\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003ePenggunaan untuk pelatihan\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eApakah data pelanggan digunakan untuk pelatihan model atau peningkatan produk\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eEnkripsi\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eApakah enkripsi saat transit dan saat tersimpan serta kunci yang dikelola pelanggan didukung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eSubpemroses\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eSiapa penyedia cloud dan layanan yang dapat mengakses data\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eFungsi audit\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eApakah tersedia catatan akses, log administrator, dan fungsi ekspor\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Area pemeriksaan\"\u003eRespons insiden\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan spesifik\"\u003eBagaimana tenggat pemberitahuan pelanggaran dan cakupan tanggung jawab ditentukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003ePenjelasan bahwa data tetap berada di cloud pelanggan tidak otomatis memenuhi persyaratan kepatuhan terhadap regulasi atau kerahasiaan.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#prosedur-verifikasi-yang-perlu-dilakukan-sebelum-penerapan-nyata\" class=\"anchor\" id=\"prosedur-verifikasi-yang-perlu-dilakukan-sebelum-penerapan-nyata\"\u003e\u003c/a\u003eProsedur verifikasi yang perlu dilakukan sebelum penerapan nyata\u003c/h2\u003e\n\u003cp\u003eVerifikasi menggunakan beban kerja sendiri lebih penting daripada benchmark publik. Pengujian dengan urutan berikut memungkinkan biaya dan kualitas dibandingkan secara bersamaan.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePeriksa nama model dan ID model dalam daftar model resmi Anthropic.\u003c/li\u003e\n\u003cli\u003eCatat masing-masing tarif input, output, pembuatan cache, dan pembacaan cache dari daftar harga.\u003c/li\u003e\n\u003cli\u003eSiapkan sampel pekerjaan representatif yang pernah dijalankan dengan model sebelumnya tanpa informasi pribadi atau rahasia, lalu tentukan ukuran sampel berdasarkan standar evaluasi internal.\u003c/li\u003e\n\u003cli\u003eAtur effort, izin alat, jumlah percobaan ulang, dan output maksimum agar sama untuk setiap model.\u003c/li\u003e\n\u003cli\u003eUkur tingkat keberhasilan, total token, jumlah kecocokan cache, latensi, dan waktu revisi oleh manusia.\u003c/li\u003e\n\u003cli\u003eUntuk pekerjaan yang mengutamakan pengamanan, seperti keamanan dan medis, uji secara terpisah kesalahan positif pada permintaan normal dan pemblokiran permintaan berbahaya.\u003c/li\u003e\n\u003cli\u003eHitung perkiraan biaya bulanan hanya untuk pekerjaan yang lolos standar kualitas.\u003c/li\u003e\n\u003c/ol\u003e\n\u003ch3\u003e\n\u003ca href=\"#metrik-utama-yang-perlu-dicatat\" class=\"anchor\" id=\"metrik-utama-yang-perlu-dicatat\"\u003e\u003c/a\u003eMetrik utama yang perlu dicatat\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eTingkat penyelesaian pekerjaan dan tingkat keberhasilan pada percobaan pertama\u003c/li\u003e\n\u003cli\u003eToken input baru, pembacaan cache, dan output per pekerjaan\u003c/li\u003e\n\u003cli\u003eTingkat kecocokan cache\u003c/li\u003e\n\u003cli\u003eJumlah pemanggilan alat dan jumlah kegagalan\u003c/li\u003e\n\u003cli\u003eLatensi rata-rata dan persentil ke-95\u003c/li\u003e\n\u003cli\u003eWaktu yang diperlukan manusia untuk melakukan revisi\u003c/li\u003e\n\u003cli\u003eJumlah intervensi pengamanan dan fallback model\u003c/li\u003e\n\u003cli\u003eTotal biaya API per pekerjaan\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eMetrik tersebut diperlukan untuk menilai apakah penurunan tarif benar-benar menghasilkan peningkatan produktivitas. Jika waktu untuk meninjau kesalahan bertambah karena biaya token yang rendah, total biaya pekerjaan justru dapat meningkat.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#hal-yang-perlu-diperhatikan-saat-membandingkan-dengan-model-pesaing\" class=\"anchor\" id=\"hal-yang-perlu-diperhatikan-saat-membandingkan-dengan-model-pesaing\"\u003e\u003c/a\u003eHal yang perlu diperhatikan saat membandingkan dengan model pesaing\u003c/h2\u003e\n\u003cp\u003eMateri yang diberikan juga menyebut harga model dari perusahaan lain, tetapi tidak menyediakan URL resmi untuk memeriksa nama model dan ketentuan promosi tersebut. Karena itu, tidak tepat untuk mengutip kembali harga pesaing yang belum diverifikasi sebagai nilai definitif.\u003c/p\u003e\n\u003cp\u003eSaat membandingkan model, selain harga nominal per 1 juta token, hal-hal berikut juga harus disetarakan.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePanjang konteks dan batas output yang benar-benar dapat digunakan\u003c/li\u003e\n\u003cli\u003eHarga pembuatan dan pembacaan cache serta masa berlakunya\u003c/li\u003e\n\u003cli\u003eMetode penagihan token penalaran\u003c/li\u003e\n\u003cli\u003eTingkat keberhasilan pemanggilan alat\u003c/li\u003e\n\u003cli\u003eJumlah percobaan ulang untuk mencapai kualitas yang sama\u003c/li\u003e\n\u003cli\u003eKetentuan retensi data dan penggunaan untuk pelatihan\u003c/li\u003e\n\u003cli\u003eBatas wilayah dan kapasitas pemrosesan\u003c/li\u003e\n\u003cli\u003ePerilaku fallback saat terjadi gangguan\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eModel dengan output mahal dapat memiliki total biaya lebih rendah jika mampu menyelesaikan pekerjaan dalam sekali percobaan, sedangkan model dengan tarif rendah dapat menjadi lebih mahal jika berulang kali gagal.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#penilaian-keseluruhan\" class=\"anchor\" id=\"penilaian-keseluruhan\"\u003e\u003c/a\u003ePenilaian keseluruhan\u003c/h2\u003e\n\u003cp\u003eDengan asumsi penjelasan dalam materi yang diberikan dikonfirmasi oleh dokumentasi resmi, inti Claude Fable 5.1 bukanlah penurunan harga secara umum, melainkan \u003cstrong\u003epeningkatan efisiensi operasional agen yang banyak membaca konteks berulang\u003c/strong\u003e. Kenaikan benchmark ilmiah dan otomatisasi, peningkatan cara penulisan, serta berkurangnya kesalahan positif pengamanan dalam pekerjaan normal juga disajikan sebagai perubahan utama.\u003c/p\u003e\n\u003cp\u003eNamun, berdasarkan bukti yang tersedia saat ini, nama model, tanggal peluncuran, harga, benchmark, dan kerangka perlindungan perusahaan sulit dikutip sebagai fakta yang telah dikonfirmasi. Saat benar-benar menerapkannya, dokumentasi model dan daftar harga resmi Anthropic harus diperiksa terlebih dahulu, lalu tingkat kecocokan cache, tingkat penyelesaian, dan total biaya perlu diukur pada pekerjaan internal.\u003c/p\u003e\n","tags":["AI generatif","Perlindungan data pribadi","Agen AI","Anthropic","Pengembangan AI","Claude"],"faqs":[{"question":"Apakah Claude Fable 5.1 merupakan model yang diumumkan secara resmi oleh Anthropic?","answer":"Materi yang diberikan menyatakan demikian, tetapi tidak menyertakan pengumuman resmi atau URL kartu model. Sebelum ID model yang persis sama, yaitu `claude-fable-5-1`, dikonfirmasi dalam ikhtisar model Anthropic dan konsol API, sebaiknya jangan menyimpulkan bahwa model tersebut telah dirilis secara resmi."},{"question":"Jika harga pembacaan cache turun 75%, apakah total biaya API juga berkurang 75%?","answer":"Tidak. Angka 75% adalah tingkat penurunan harga satuan pembacaan cache itu sendiri. Biaya input baru, pembuatan cache, output, dan alat eksternal tetap ada, sehingga tingkat penghematan keseluruhan bergantung pada porsi biaya pembacaan cache dalam total biaya."},{"question":"Jenis tugas apa yang paling diuntungkan oleh diskon cache prompt?","answer":"Agen pengodean dan otomatisasi pekerjaan yang berulang kali membaca instruksi sistem yang panjang, informasi repositori, riwayat percakapan, atau definisi alat dalam beberapa tahap akan lebih diuntungkan. Efeknya terbatas untuk pertanyaan satu kali atau tugas yang konteksnya berubah drastis setiap kali."},{"question":"Jika biaya API turun, apakah batas langganan Claude juga meningkat dengan persentase yang sama?","answer":"Hal itu tidak dapat dipastikan. Penagihan token API dan batas penggunaan paket berbiaya tetap dapat dijalankan berdasarkan kebijakan yang berbeda. Perubahan batas aktual pada produk langganan harus diperiksa secara terpisah dalam informasi produk resmi Anthropic."},{"question":"Jika skor tolok ukur meningkat, apakah hasilnya akan lebih baik untuk semua pekerjaan?","answer":"Tidak. Tolok ukur adalah hasil yang diukur menggunakan data, alat, dan kondisi evaluasi tertentu. Tingkat penyelesaian dan biaya harus diukur kembali menggunakan sampel pekerjaan yang benar-benar akan digunakan, seperti penulisan dokumen berbahasa Korea, modifikasi kode internal perusahaan, atau tugas agen berdurasi panjang."},{"question":"Apakah berkurangnya intervensi perlindungan berarti semua permintaan terkait keamanan diperbolehkan?","answer":"Tidak. Hal itu harus ditafsirkan sebagai pengurangan deteksi positif palsu dan fallback yang tidak perlu dalam pekerjaan defensif yang sah. Permintaan yang berpotensi menimbulkan bahaya besar, seperti intrusi nyata, penyebaran malware, atau pencurian kredensial, masih dapat dibatasi."},{"question":"Jika data perusahaan disimpan di cloud milik sendiri, apakah kepatuhan terhadap regulasi terjamin?","answer":"Tidak. Selain lokasi penyimpanan data, periode retensi, akses oleh manusia, penggunaan untuk pelatihan, subpemroses, enkripsi, log audit, dan ketentuan pemberitahuan insiden harus diperiksa dalam kontrak dan dokumentasi teknis."},{"question":"Apa indikator terpenting untuk menentukan apakah Fable 5.1 perlu diadopsi?","answer":"Tingkat penyelesaian pekerjaan sendiri, jumlah cache hit, total token per tugas, jumlah percobaan ulang, latensi, waktu revisi oleh manusia, dan total biaya API harus diukur bersama-sama. Keputusan untuk mengadopsinya tidak boleh dibuat hanya berdasarkan satu tolok ukur publik."}],"sources":[{"url":"https://docs.anthropic.com/en/docs/about-claude/models/overview","title":"Dokumentasi Anthropic — Ikhtisar model","type":"source"},{"url":"https://docs.anthropic.com/en/docs/about-claude/pricing","title":"Dokumentasi Anthropic — Harga","type":"data_point"},{"url":"https://www.anthropic.com/news","title":"Berita Anthropic","type":"source"}],"images":[{"id":1037,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MjUsInB1ciI6ImJsb2JfaWQifX0=--88627a9169f91e2f5d1d6aba13072e24e1e4bd22/ai-a85979fa.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"서버실에서 터치스크린으로 시스템 상태를 확인하는 기술자","caption":"기술자가 서버 랙 옆에서 시스템 모니터링 화면을 점검하고 있다.","description":null},"en":{"alt":"Technician checking system status on a touchscreen in a server room","caption":"A technician reviews monitoring data beside rows of server racks.","description":null},"ja":{"alt":"サーバールームでタッチスクリーンのシステム状態を確認する技術者","caption":"技術者がサーバーラックの横で監視データを点検している。","description":null},"es":{"alt":"Técnica revisando el estado del sistema en una pantalla táctil de una sala de servidores","caption":"Una técnica examina datos de monitoreo junto a varios racks de servidores.","description":null},"id":{"alt":"Teknisi memeriksa status sistem pada layar sentuh di ruang server","caption":"Seorang teknisi meninjau data pemantauan di samping deretan rak server.","description":null},"pt":{"alt":"Técnica verificando o status do sistema em uma tela sensível ao toque na sala de servidores","caption":"Uma técnica analisa dados de monitoramento ao lado de racks de servidores.","description":null},"zh-hant":{"alt":"技術人員在伺服器機房透過觸控螢幕查看系統狀態","caption":"技術人員在成排伺服器機櫃旁檢查監控資料。","description":null},"de":{"alt":"Technikerin prüft den Systemstatus auf einem Touchscreen in einem Serverraum","caption":"Eine Technikerin kontrolliert Überwachungsdaten neben mehreren Serverracks.","description":null}}},{"id":1038,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MzEsInB1ciI6ImJsb2JfaWQifX0=--5857ba722b25c8c08da7fe4bb6c910dec3cbcabb/ai-50a0ff25.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"AI 칩을 중심으로 비용 감소, 성능 지표, 보안 점검을 나타낸 인포그래픽","caption":"AI 시스템의 비용·성능·안전성 검증 과정을 시각화한 개념도다.","description":null},"en":{"alt":"Infographic of an AI chip with falling costs, performance charts, and security checks","caption":"The illustration visualizes the evaluation of an AI system’s cost, performance, and safety.","description":null},"ja":{"alt":"AIチップを中心にコスト低下、性能指標、セキュリティ確認を示す図","caption":"AIシステムのコスト、性能、安全性を検証する流れを可視化している。","description":null},"es":{"alt":"Infografía de un chip de IA con costes a la baja, métricas de rendimiento y controles de seguridad","caption":"La ilustración representa la evaluación del coste, el rendimiento y la seguridad de un sistema de IA.","description":null},"id":{"alt":"Infografik cip AI dengan biaya menurun, grafik kinerja, dan pemeriksaan keamanan","caption":"Ilustrasi ini memvisualkan evaluasi biaya, kinerja, dan keamanan sistem AI.","description":null},"pt":{"alt":"Infográfico de chip de IA com custos em queda, métricas de desempenho e verificações de segurança","caption":"A ilustração representa a avaliação de custo, desempenho e segurança de um sistema de IA.","description":null},"zh-hant":{"alt":"以AI晶片為中心，呈現成本下降、效能指標與安全檢查的資訊圖","caption":"此圖呈現評估AI系統成本、效能與安全性的流程。","description":null},"de":{"alt":"Infografik eines KI-Chips mit sinkenden Kosten, Leistungsdiagrammen und Sicherheitsprüfungen","caption":"Die Grafik veranschaulicht die Bewertung von Kosten, Leistung und Sicherheit eines KI-Systems.","description":null}}}],"published_at":"2026-09-03T19:59:42+09:00","updated_at":"2026-09-03T19:59:42+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/claude-fable-5-1-claims-verification"}