Anda memulai dengan satu coding agent. Sekarang Claude Code berjalan di satu terminal, Codex di terminal lain, dan Gemini CLI di terminal ketiga. Masing-masing menagih dengan caranya sendiri: langganan di sini, API key bermeteran di sana, tier gratis yang diam-diam berubah menjadi penggunaan berbayar minggu lalu. Di akhir bulan Anda punya tiga tagihan dan tidak punya jawaban untuk pertanyaan sederhana. Berapa biaya sebenarnya untuk membangun fitur minggu lalu?
Manajemen biaya coding agent adalah praktik mengatribusikan pengeluaran agent ke pekerjaan yang menyebabkannya, lalu menjaga pengeluaran itu tetap terlihat dan dapat ditinjau di setiap alat yang tim Anda gunakan. Bagian sulitnya bukan harga per token dari satu agent mana pun. Harga berubah, dan setiap vendor mempublikasikannya. Bagian sulitnya adalah pengeluaran terpecah ke berbagai sistem penagihan yang terpisah begitu Anda menjalankan lebih dari satu agent, sehingga tidak ada yang bisa mengaitkan angka dolar ke sebuah tugas, repo, atau orang.
Artikel ini membahas dari mana biaya setiap alat sebenarnya berasal, tuas apa yang Anda kendalikan, dan bagaimana lapisan manajemen seperti Sharkly menjaga pengeluaran per tugas tetap terlihat tanpa meminta Anda meninggalkan alat yang sudah Anda gunakan. Sharkly berada di atas para agent. Anda tetap memakai langganan Claude Code, Codex, dan Gemini Anda, dan catatan setiap eksekusi kembali ke Task tempatnya bernaung.
Apa arti manajemen biaya ketika Anda menjalankan tiga agent
Dengan satu agent, biaya adalah angka yang bisa Anda baca dari satu dasbor. Dengan tiga, biaya menjadi masalah koordinasi. Pengeluarannya nyata, tetapi tersebar di tiga tempat yang tidak pernah direkonsiliasi: penggunaan Claude Code milik Anthropic, halaman penagihan OpenAI untuk Codex, dan proyek Google Cloud untuk Gemini.
Inilah batasan yang perlu dinyatakan secara jelas. Manajemen biaya tidak sama dengan pengurangan biaya. Mengurangi pengeluaran berarti memakai lebih sedikit token. Mengelola pengeluaran berarti mengetahui ke mana token pergi dan memutuskan apakah itu sepadan. Anda bisa menjalani bulan yang mahal secara sengaja, merilis tiga fitur secara paralel, dan tetap dalam kendali, selama Anda bisa mengatribusikan pengeluaran itu dan ada orang yang menyetujuinya.
Atribusi itulah lapisan yang hilang. Sebagian besar tim yang menjalankan beberapa agent hanya bisa memberi tahu Anda total tagihan AI mereka dan tidak lebih rinci dari itu. Mereka tidak bisa menyebut repo mana, engineer mana, atau tugas mana yang menyebabkannya. Ketika pengeluaran tidak terlihat di tingkat tugas, percakapan tentang biaya berubah menjadi dugaan, dan reaksi yang biasa muncul adalah membatasi alat yang paling mudah terlihat, bukan alat yang sebenarnya menghabiskan anggaran.
Dari mana sebenarnya biaya ketiga alat ini berasal
Setiap agent menagih untuk hal yang kurang lebih sama, token masuk dan token keluar, tetapi model penagihannya cukup berbeda sehingga mengubah cara Anda menyusun anggaran. Jika dibandingkan pada kondisi terbaiknya, tidak ada satu pun yang sekadar lebih murah daripada yang lain. Masing-masing lebih murah untuk bentuk pekerjaan yang berbeda.
| Alat | Model penagihan yang umum | Apa yang membuat tagihan naik |
|---|---|---|
| Claude Code | Paket langganan atau Anthropic API key | Sesi agentic yang panjang, context window besar, pembacaan file berulang |
| Codex | Paket langganan atau OpenAI API key | Tugas yang berat penalaran, konkurensi tinggi, loop tool-call |
| Gemini CLI | Tier gratis, lalu Google Cloud API key | Tugas berkonteks besar setelah melewati jatah gratis, panggilan gambar dan multimodal |
Model langganan menyembunyikan biaya marginal. Paket bulanan tetap terasa gratis di batas marginal, sehingga para engineer sering menggunakannya, dan pertanyaan sebenarnya bergeser dari "berapa biaya ini" menjadi "apakah kita sudah menyentuh batas paket." Model API key bermeteran melakukan yang sebaliknya: setiap eksekusi punya harga yang terlihat, sehingga penyusunan anggaran lebih rapi tetapi menggoda tim untuk mengurangi penggunaan agent yang cakap demi menghemat receh.
Gunakan paket langganan ketika satu atau dua orang menjalankan agent secara stabil sepanjang hari dan penagihan yang dapat diprediksi lebih penting daripada detail per tugas. Gunakan API key bermeteran ketika Anda perlu mengatribusikan pengeluaran secara presisi, menjalankannya dalam otomasi, atau menyebarkan pekerjaan ke seluruh tim di mana seseorang harus bertanggung jawab atas totalnya. Banyak tim akhirnya memakai keduanya, dan itulah tepatnya alasan mengapa satu tampilan yang direkonsiliasi itu penting. Jika Anda sedang memilih agent mana yang menangani pekerjaan mana, mencocokkan model dengan tugas lebih berdampak pada tagihan Anda daripada berganti vendor.
Tiga tuas yang benar-benar Anda kendalikan
Harga vendor bukanlah tuas; Anda tidak bisa menegosiasikannya dari terminal. Ada tiga hal yang benar-benar ada di tangan Anda, dan itu lebih penting daripada harga yang tertera.
Disiplin konteks. Biaya terbesar yang bisa dihindari adalah mengirim ulang konteks yang sudah dimiliki agent. Agent yang membaca ulang seluruh codebase di setiap giliran membayar codebase itu di setiap giliran. Menyimpan konteks antar eksekusi, sehingga agent memulai dari keadaan terkini alih-alih membangunnya ulang, biasanya merupakan penghematan terbesar. Ini adalah mekanisme yang sama di balik codebase memory dan biaya tokennya: apa yang Anda simpan, tidak perlu Anda beli lagi.
Pencocokan model dengan tugas. Mengarahkan penggantian nama satu baris ke model penalaran berat itu membuang uang, dan mengarahkan refactor arsitektural ke model kecil yang cepat itu membuang waktu satu sore. Penghematannya datang dari mencocokkan model dengan tugas alih-alih selalu mengarahkan setiap pekerjaan ke agent Anda yang paling cakap.
Batas paralelisme. Menjalankan agent secara paralel adalah tempat keuntungan output yang sesungguhnya berada, sekaligus tempat pengeluaran paling cepat menumpuk. Lima agent yang bekerja sekaligus memakan biaya sekitar lima kali lebih besar per satuan waktu nyata. Itu tidak masalah ketika ada lima tugas yang siap dan sepadan, dan mahal ketika tiga di antaranya hanya bersifat spekulatif. Tuasnya bukan "jalankan lebih sedikit agent." Tuasnya adalah memutuskan, sebelum Anda memulai, pekerjaan mana yang layak mendapat slot paralel. Memantau agent yang berjalan secara paralel itulah yang mengubah keputusan tersebut dari dugaan menjadi keputusan yang bisa Anda pertanggungjawabkan.
Tabel keputusan berdasarkan ukuran tim
Persamaan biaya berubah seiring berapa banyak orang dan agent yang Anda koordinasikan. Apa yang baik-baik saja bagi developer solo menjadi beban bagi tim platform.
| Bentuk tim | Di mana biaya berada | Apa yang perlu dioptimalkan |
|---|---|---|
| Developer solo, satu atau dua agent | Satu atau dua dasbor yang bisa Anda baca langsung | Penagihan yang dapat diprediksi; paket langganan biasanya cukup |
| Tim kecil, beberapa agent | Terpecah di antara langganan dan key per orang | Atribusi: mengetahui pekerjaan mana yang menyebabkan pengeluaran |
| Tim platform atau engineering | Banyak repo, banyak agent, anggaran bersama | Visibilitas, tinjauan, dan biaya per tugas yang dapat digulirkan ke pemiliknya |
Jika Anda solo dan nyaman di satu terminal dengan satu agent, Anda tidak memerlukan lapisan manajemen untuk mengendalikan biaya. Dasbor Anda sudah memberi tahu apa yang Anda butuhkan. Persamaannya berubah ketika pengeluaran melampaui satu tampilan: banyak agent, banyak repo, dan anggaran yang harus dipertanggungjawabkan oleh orang lain selain Anda. Pada titik itu pertanyaannya berhenti menjadi "agent mana yang paling murah" dan menjadi "siapa yang bisa melihat gambaran keseluruhan dan memutuskan."
Membuat pengeluaran per tugas terlihat
Inilah lapisan yang dibangun Sharkly, dan penting untuk tepat menjelaskan apa yang dilakukannya dan tidak dilakukannya. Sharkly bukan alat penagihan, dan tidak menggantikan Claude Code, Codex, atau Gemini. Penggunaan model tetap berjalan melalui langganan atau API key yang dikonfigurasi di alat-alat tersebut; Anda membawa langganan Anda sendiri. Yang ditambahkan Sharkly adalah catatan bersama di sekitarnya: setiap eksekusi agent terjadi di dalam sebuah Task, dan eksekusi, kemajuan, hambatan, serta hasilnya kembali ke Task tersebut di mana tim dapat melihatnya.
Catatan bersama itulah yang membuat biaya mudah dipahami. Ketika setiap eksekusi terlampir pada sebuah Task dengan pemilik dan repo, pengeluaran berhenti menjadi satu total bulanan anonim dan mulai menjadi sekumpulan keputusan yang bisa Anda tunjuk. Anda bisa melihat pekerjaan mana yang sedang berjalan, di Computer siapa, dan terhadap anggaran mana, dari permintaan hingga rilis. Dasbor coding agent yang menunjukkan apa yang sedang berjalan adalah perbedaan antara mengelola pengeluaran dan menemukannya setelah tagihan datang.
Kontrak manusia-agent juga berlaku di sini. Agent melakukan riset, eksekusi, pengujian, dan pelaporan. Manusia menetapkan arah, memberikan wewenang, dan memutuskan apakah pengeluaran itu sepadan dengan hasilnya. Otomasi berhenti di tempat penilaian tim dibutuhkan, yang untuk biaya berarti manusia, bukan skrip, yang memutuskan bahwa eksekusi paralel lima agent memang beralasan sebelum dimulai.
Jika Anda ingin tetap menggunakan beberapa coding agent alih-alih berkomitmen pada satu ekosistem untuk menyederhanakan penagihan, itulah masalah yang dirancang untuk diatasi Sharkly. Jalankan coding agent Anda yang sudah ada melalui Sharkly dan biarkan biaya setiap eksekusi kembali ke tugas yang menyebabkannya.
