Duken Marga

Ternyata ada perbedaan waktu pemrosesan ketika menganalisis gambar pada LLM, apakah lebih baik dikompress (reduksi ukuran bukan resolusi gambar) atau tidak? Kenapa perlu dikompress? Harapannya proses upload ke LLM lebih cepat. Namun, kompresi gambar justru memperlambat seluruh proses dibandingkan jika tidak dikompress. Total waktu pada chart sudah termasuk waktu untuk mengkompress, lalu upload ke LLM, dan menerima output.

Aku ga punya Mac, tapi tetap pengen beli suatu saat nanti. Tapi emang Pytorch ga lancar di Mac kah?

Entah perasaanku aja, tapi output bahasa Inggris dari Claude sering menggunakan kalimat yang lebih advance. Berbeda jika dibandingkan dengan output DeepSeek yang cenderung sederhana dan mudah dimengerti, terutama untuk pembahasan teknis.

Wow, sejak kapan Google Map jadi 3D globe kalau di-zoom out?

Makin ke sini makin banyak model LLM yang pintar. Tapi, di kerjaan sekarang ada kasus di mana kita perlunya model dengan latency kecil, tidak perlu yang paling pintar. Sudah coba tiny model masing-masing vendor besar: gpt-5.4-nano, gemini-3.1-flash-lite, gemini-2.5-flash, tapi belum ada satupun yang sesuai ekspektasi, bahkan dengan model non-reasoning sekalipun. Memang, ini kasusnya menganalisis beberapa gambar yang perlu output dari LLM sebagai feedback. Semuanya rata-rata masih di atas 3 detik. Di tambah lagi ada proses lainnya di luar LLM, sehingga total waktu masih di atas 9 detik. Apakah ini saatnya deploy model LLM ringan di server sendiri?

Kalau mau full vibe code: Pilih gpt 5.5, 5.4 atau opus 4.7. Model top tier sesuai hasil benchmark ini paling cocok dipakai: - mau ngoding project/repo baru - baru join ke project/repo existing dan lagi explore tapi kyknya masih kebanyakan yg mau diexplore, dengan model ini sangat membantu - mau solve bug, tp ga tau bugnya di sebelah mana atau ga mau tau sama sekali, biar AI aja yg beresin - mau bikin fitur baru yg kompleks, tp ga tau caranya gimana - handle security code, tp kita ga mau ambil resiko - kalau lagi sakit dan tetap disuruh kerja sama kantor Intinya, semua masalah yg unik yg kita mau semuanya dihandle sama AI, benchmark ini sangat bisa dijadikan referensi. Benchmark lama seperti SWE-bench, mereka menguji berdasarkan repo publik dan kebanyakan model AI bisa cheat dengan melihat solusi yg sudah ada. DeepSWE ini dibuat dengan set masalah yg benar-benar baru dan ditest pada lingkungan yg terisolasi, jadi solusinya benar-benar dipikirin dan dicoding sendiri sama AI. Yang ditest juga bukan hasil codenya seperti apa (syntax checking), tapi apakah behaviour codenya sama seperti yang diharapkan, terserah mau pakai arsitektur apa.

Ga tau lagi mau ngomong apa. Semoga aja model berikutnya udah bisa multimodal dan harganya tetap murah.

Tipikal lowongan programmer di 2026 harus bisa: - Go, Python, TS/JS, C++ - React, Bun, Node.js, Next.js, Vite - AI, ML, RAG, LLM - Tensorflow, Keras, Pytorch - Docker, Kubernetes, CI/CD, DevOps workflow - AWS/GCP/Azure - Crypto/Web 3 - Postgre/NoSQL/Redis - Pengalaman 7 tahun Makin sulit aja hidup ini.

Beberapa tips receh agar model bekerja efektif, mengurangi error dan halusinasi, terutama untuk model murah seperti DeepSeek: 🌀 Selalu bekerja dengan Types. Bahasa dengan static type seperti Go punya keunggulan. Type di sini berfungsi sebagai guard dan hint agar setiap data dan operasi bisa dilakukan dengan benar. Lalu gimana dengan bahasa semisal Python? Segera lengkapi, bila perlu perintahkan AI untuk men-generate type setiap variable penting. Di Go ada struct, di Python bisa mengggunakan class + Pydantic agar semua bentuk struktur data lebih jelas, tidak tebak-menebak. 🫵 Explicit is better than implicit. Jika kita sudah tau mau sumber masalah dan kita ingin melakukan perubahan (fix), informasikan ke AI, misal perbaiki isu infinite loop pada file ini line 100-103. AI akan lebih efisien dalam mengisolasi masalah dan mencarikan solusi yang efektif tanpa mengawang-ngawang, dibandingkan perbaiki isu ini tanpa mengatakan di mana masalahnya. 🧑‍💻 Berkaitan dengan poin 2 di atas, penting untuk mengetahui setiap perubahan kode yang dilakukan AI. Jika AI punya context window terbatas (1 juta token), maka kita sebagai programmer perlu mengetahui context secara lebih luas dan dalam lagi, setidaknya kita tau bahwa kode ini berfungsi untuk ini dan itu, sehingga saat debugging dan perlu solving problem, kita sudah paham mana di mana letak isunya dan apa yang harus diperbaiki. Sehingga perlu pemahaman yang baik dan mendalam tentang pemrograman dan algoritma sebelum masuk ke dalam vibe coding.

Tidak sedang mengultuskan model Chinese. Tapi, model murah sangat dibutuhkan dalam jangka panjang. Kita bakal hidup di era AI. Model dengan harga terjangkau adalah kuncinya. GPT 5.5 paling pintar, tapi terlalu overkill untuk 90% kasus, kecuali kalo mau dipakai riset Master/PhD. Tapi bukan berarti model mahal itu ga berguna ya. Tetap perlu terutama untuk planning dan menyusun strategi. Bahkan kalau perlu kolaborasi model sangat bagus/mahal dan model bagus/murah itu sudah jadi hal yang umum sekarang ini.

@dalangcloud @Windalfin Kalau dalang mau ke arah sana, bisa jadi harganya malah mendekat ke global provider, karna biasanya ini yang bikin mahal.

@Windalfin Valid point 👍 Memang untuk B2B (especially banking & healthcare), requirement seperti ISO, security assessment, dan SLA itu non-negotiable. That’s exactly the direction we’re building towards. Happy to explore your requirement lebih detail, let’s connect via DM

Hot take: Kebanyakan startup di Indo overpay cloud. Pakai global provider → mahal Padahal traffic lokal. Kenapa bayar USD kalau user lo di Indonesia?

I made an quick comparison table for some trending AI models these days. Pricing is based on their official website (there is variation depend on input token, but that's okay). Saya pribadi cuman pernah pake keluarga Gemini, Deepseek (favorite so far 🤟), & openAI.

@bukanpamanmu Pake Deepseek v4, tapi ga multi modal. x.com/dukenmarga/sta…

kepada vibecoder minta referensi dong selain opencode kalian pakai apalagi yang bisa multiple model di cli? karena gw ada 2 subs yaitu claude code dan codex jadi pengennya session pembahasan lanjut terus misal sonnet habis/kena limit, bisa lanjut di gpt soal opencode gk support claude subs $20 🥲

Menurutku, kita sebagai programmer bisa belajar juga dari thinking process yang dikeluarkan, ga cuma terima hasil kenapa code ini dikeluarkan. Sejauh ini saya sering pake V4 Flash (max). Saya juga coba yang V4 Pro, secara kualiatas harusnya lebih bagus, tapi lambat banget.

Deepseek V4 Flash: Super 🚀 Ternyata saya punya sisa credit dari tahun lalu. Pas saya coba, wow ini model ga kaleng2. Model berpikirnya terstruktur, melihat berbagai possibility, namun tetap bisa memutuskan apa solusi yang dicari. Dengan harga yang super cheap, ini warbiasa sih

@levifikri Jelas Claude+GPT lebih unggul dari raw score, tapi Kimi ga jauh di belakang, Mas Levi. Sehari-hari saya ngoding juga cuman menambahkan fitur saja, jarang banget buat arsitektur & planning baru yang saya yakin Claude juaranya. Pertimbangannya murni = price/token*performance.

@dukenmarga Kenapa tertarik coba Kimi 2.6 instead of Claude & Codex?

Bertanya untuk yang coding pake selain Codex dan Claude: Kalau di luar faktor harga (dan compliance company), apa alasannya ya?

Today I learned, `wc -l` doesn't show number of lines. Instead, it shows number of newlines.

Hari ini full Vibe Coding untuk buat 1 app komplit, tp ujung-ujungnya mentok juga. Ada 1 bug, AI sudah diceramahin sana-sini masih dan beberapa kali prompt, masih aja ga bisa fix. Baru bisa selesai setelah debugging manual dan ditunjukin kesalahan logic-nya di mana.

Pernyataan Bapak ini kontradiktif dengan istilah korupsi. Justru proyek telat itu masuk kategori korupsi waktu, proyek cepat selesai (bagus) ya prestasi. Kalau gini sih, besok-besok proyek apapun ga bakalan ada yang berlomba cepat selesai karna bakal selalu ada indikasi korupsi.