'$85,000 dalam Token' — Apa yang Sebenarnya Diajarkan Tagihan Agentic Coding yang Meledak

Agentic coding — membiarkan agent AI menulis, menguji, dan mengiterasi codebase Anda tanpa pendampingan terus-menerus — berkembang sangat cepat. Lalu dashboard penagihannya ikut melonjak. Sebuah laporan baru-baru ini mengklaim satu tim mencapai sekitar $85,000 dalam token saat menskalakan sebuah workflow agentic. Kalau akurat, angka itu bukan glitch. Itu adalah hasil matematis dari penagihan berbasis pemakaian yang bertemu iterasi tanpa batas. Masalahnya bukan bahwa AI coding itu mahal. Masalahnya adalah konsumsi token yang terbuka tanpa batas mengubah setiap prompt menjadi potensi baris tagihan. Anda bisa mengendalikan biayanya kalau Anda mengerti di mana pengeluaran sebenarnya bocor. Sebagian besar waktu, pemborosannya bukan di proses code generation itu sendiri. Melainkan di overhead yang menumpuk ketika Anda tidak menetapkan batasan. Model berbasis pemakaian memberi hadiah pada kecepatan, tapi menghukum iterasi yang tidak terstruktur.

1. Loop retry tak berujung

Kenapa ini terjadi: Agent tidak tahu kapan harus berhenti. Ketika sebuah prompt gagal atau output-nya menyimpang, naluri alaminya adalah menempel lanjutan dan menekan kirim lagi. Di antarmuka chat itu tidak masalah. Di workflow agentic yang menulis ke disk dan menjalankan perintah, setiap percobaan ulang membakar token untuk konteks, reasoning, dan generation. Satu build yang rusak bisa memicu kaskade prompt "coba lagi" yang membesar dengan cepat. Agent membaca ulang seluruh riwayat percakapan, menambahkan instruksi baru, dan memulai dari awal.

Perbaikannya: Tetapkan batas keras untuk percobaan ulang per tugas dan paksa checkpoint manual setelah masing-masingnya. Daripada membiarkan agent berloop sampai berhasil, jeda prosesnya, tinjau keluaran terminal, dan sesuaikan prompt hanya kalau arahnya memang fundamental salah. Anda menukar beberapa detik pengawasan manual dengan plafon token yang bisa diprediksi.

2. Prompt pembuatan file tanpa batas lingkup

Kenapa ini terjadi: Menggiurkan untuk meminta agent "hasilkan seluruh layer routing" atau "bangun semua model database" dalam sekali jalan. Agent menafsirkan itu sebagai lampu hijau untuk memproses setiap file di direktori, mengurai setiap dependensi yang ada, dan menghasilkan diff raksasa. Jendela konteks cepat penuh ketika Anda meminta cakupan alih-alih kedalaman. Satu prompt dengan mudah menghabiskan ribuan token hanya untuk membaca dan menulis ulang file yang tidak Anda sentuh.

Perbaikannya: Batasi lingkup prompt Anda ke satu modul atau fitur dalam satu waktu. Minta antarmuka intinya dulu, verifikasi ia bisa dikompilasi, lalu minta bagian berikutnya. Prompt yang sempit menjaga jendela konteks tetap ramping, yang secara langsung membatasi biaya token per run. Anda mendapat kode yang sama berfungsinya tanpa kurva harga eksponensial.

3. Jebakan polling/health-check latar belakang

Kenapa ini terjadi: Banyak setup agentic menjalankan proses latar belakang untuk memantau build, memeriksa status server, atau polling sinyal penyelesaian. Proses-proses ini terpicu berulang kali sampai sebuah kondisi terpenuhi. Kalau kondisi itu tidak pernah terpicu dengan bersih, agent terus berputar, membakar token untuk pemeriksaan rutin yang seharusnya jadi peristiwa sekali jalan. Health check yang salah konfigurasi dengan mudah berjalan ratusan kali sebelum seorang developer menyadari terminal hanya mengulang baris status yang sama.

Perbaikannya: Ganti polling terus-menerus dengan pemicu berbasis event atau flag penyelesaian eksplisit. Beri tahu agent untuk menunggu perubahan file tertentu atau exit code terminal, lalu berhenti. Kalau Anda mengelola workflow-nya sendiri, tambahkan flag timeout ke setiap perintah latar belakang. Anda mengubah kebocoran token tanpa batas menjadi satu operasi yang terbatas.

Pola di balik pengeluaran

Sebagian besar kejutan penagihan ini datang dari perlakuan terhadap AI coding agent seolah-olah chatbot tanpa state, alih-alih proses persisten yang menyimpan konteks, menjalankan perintah, dan mengumpulkan riwayat. Perbaikannya, hampir setiap kali, adalah naluri yang sama: batasi loop-nya, batasi lingkup prompt-nya, dan ganti polling dengan sinyal eksplisit. Segitu saja — ini bukan soal menghindari tool AI, melainkan soal menerapkan manajemen dasar atas sumber daya pada sesuatu yang kalau tidak diatur terasa tak berujung.

meshcode adalah app desktop native yang dibangun persis di sekitar workflow ini — ia membuat file, menjalankan perintah terminal, dan membangun software nyata yang berfungsi dari deskripsi bahasa sehari-hari, dengan kode Anda tetap berupa file biasa di mesin Anda sendiri. Anda bisa mulai gratis dengan model bawaan sebelum mengisi saldo apa pun, atau membawa Claude atau Codex milik Anda sendiri kalau Anda sudah membayar salah satunya, dan ia berjalan dengan salah satu biaya token coding terendah di dunia — isi saldo prabayar mulai dari $1, tanpa langganan, tanpa apa pun yang diperpanjang otomatis.

👉 Unduh meshcode — Mac, Windows.