Program
Pengembangan Aplikasi Kecerdasan Buatan
21 jam
Anthropic baru saja merilis Claude 4, yang hadir dalam dua versi: Claude 4 Sonnet dan Claude 4 Opus.
Claude Sonnet 4 adalah model generalis yang sangat cocok untuk sebagian besar kasus penggunaan AI dan sangat andal untuk pengkodean. Menurut saya, ini salah satu model terbaik yang bisa Anda gunakan secara gratis.
Claude Opus 4 dirancang untuk tugas-tugas yang berat dalam penalaran seperti penelusuran agentik dan alur kerja kode yang berjalan lama. Anthropic menyebut Opus 4 sebagai “model coding terbaik di dunia,” tetapi saya merasa klaim itu agak hampa.
Ya, saat ini model tersebut menjadi yang teratas pada tolok ukur SWE-bench Verified. Namun dengan jendela konteks hanya 200K, saya sulit membayangkan model ini menangani basis kode yang sangat besar dengan mulus. Dan jujur saja: selalu ada model lain yang lebih kuat muncul setiap bulan atau sekitar itu. Mengklaim gelar selama beberapa minggu rasanya kurang masuk akal.
Meski begitu, Claude 4 tetap merupakan rilis yang sangat kuat. Saya akan memandu Anda melalui detail terpenting—fitur, kasus penggunaan, tolok ukur—dan saya juga akan menjalankan beberapa uji saya sendiri.
Kami terus memberi tahu pembaca tentang kabar terbaru di bidang AI lewat The Median, buletin gratis setiap Jumat yang merangkum cerita-cerita kunci pekan ini. Berlangganan dan tetap tajam hanya dalam beberapa menit per minggu:
Claude Sonnet 4
Claude Sonnet 4 adalah model yang lebih kecil dalam keluarga Claude 4. Model ini dirancang untuk penggunaan serbaguna dan berkinerja baik di sebagian besar tugas AI umum—pengkodean, penulisan, tanya jawab, analisis data. Model ini juga tersedia bagi pengguna gratis, yang membuatnya sangat mudah diakses untuk model dengan kualitas seperti ini.
Model ini mendukung jendela konteks 200K, yang memungkinkannya menangani prompt besar dan menjaga kesinambungan selama interaksi panjang. Itu berguna untuk kasus penggunaan seperti menganalisis dokumen panjang, meninjau basis kode, atau menghasilkan respons multi-bagian dengan struktur yang konsisten. Namun, Sonnet 4 mungkin kewalahan dengan basis kode besar. Sebagai perbandingan, Gemini 2.5 Flash memiliki jendela konteks 1 juta token.
Dibandingkan dengan Claude Sonnet 3.7, versi ini lebih cepat, lebih baik dalam mengikuti instruksi, dan lebih andal dalam alur kerja yang banyak melibatkan kode. Model ini mendukung hingga 64K token keluaran, yang membantu untuk keluaran yang sedikit lebih panjang seperti rencana terstruktur, jawaban multi-bagian, atau pelengkapan kode yang besar.
Laporan awal menunjukkan lebih sedikit kesalahan navigasi dan kinerja yang lebih baik di seluruh tugas pengembangan aplikasi. Model ini tidak sekuat Opus 4 dalam hal penalaran kompleks atau perencanaan tugas jangka panjang, tetapi untuk sebagian besar alur kerja, ini sudah lebih dari cukup.
Claude Opus 4
Claude Opus 4 adalah model unggulan dalam seri Claude 4. Model ini dibangun untuk tugas-tugas yang memerlukan penalaran lebih dalam, memori jangka panjang, dan keluaran yang lebih terstruktur—seperti penelusuran agentik, refaktorisasi kode berskala besar, pemecahan masalah multi-langkah, dan alur kerja riset yang diperpanjang.
Seperti Sonnet 4, model ini mendukung jendela konteks 200K, sehingga bisa menjadi kelemahan jika Anda ingin menggunakannya dengan basis kode besar. Sebagai perbandingan, Gemini 2.5 Pro (model unggulan Google) memiliki jendela konteks 1 juta token.
Model ini juga dapat berjalan dalam mode “extended thinking”, di mana ia beralih dari respons cepat ke penalaran yang lebih lambat dan lebih cermat. Mode ini memungkinkannya menggunakan alat, melacak memori di setiap langkah, dan membuat ringkasan proses berpikirnya sendiri saat diperlukan.
Anthropic memposisikannya sebagai model kelas atas untuk pengembang, peneliti, dan tim yang membangun agen AI. Model ini memimpin pada SWE-bench Verified dan Terminal-bench, dan pengguna awal melaporkan kinerja kuat dalam agen pengkodean, alur kerja penelusuran, dan tugas berjam-jam seperti refaktorisasi proyek open-source atau simulasi perencanaan jangka panjang.
Berbeda dengan Sonnet, Opus 4 hanya tersedia pada paket berbayar. Biaya pengoperasiannya lebih tinggi, dan kemungkinan berlebihan untuk penggunaan chatbot sederhana. Namun untuk aplikasi yang memerlukan penalaran konsisten di banyak komponen yang bergerak, ini adalah pilihan yang lebih mumpuni.
Menguji Claude 4
Saat menguji model baru, saya biasanya menggunakan tugas yang sama—dengan begitu saya bisa melihat bagaimana perbandingannya dengan model lain yang pernah saya uji sebelumnya. Ini tidak dimaksudkan sebagai evaluasi yang ekstensif. Tujuannya hanya untuk merasakan bagaimana model-model ini berperilaku di dalam antarmuka chat.
Mari coba Claude 4 pada dua area: matematika dan pengkodean.
Matematika
Saya suka memulai dengan perhitungan sederhana yang sering membingungkan model bahasa. Ini bukan tentang memeriksa aritmetika dasar—saya bisa saja menggunakan kalkulator. Tujuannya adalah melihat bagaimana model mendekati masalah yang agak rumit, dan apakah ia bisa kembali menggunakan alat atau menunjukkan penalarannya dengan jelas saat dibutuhkan.
Mari lihat seberapa baik Claude Sonnet 4 menanganinya:
Seperti yang Anda lihat, model ini salah menjawab pada percobaan pertama. Namun saat saya memintanya menggunakan alat—kalkulator—ia merespons dengan menulis skrip satu baris dalam JavaScript dan menyelesaikan masalahnya dengan benar.
Claude Opus 4 menjawab dengan benar pada percobaan pertama.
Selanjutnya, saya ingin melihat seberapa baik Claude Sonnet 4 menangani masalah yang lebih kompleks: gunakan semua digit dari 0 hingga 9 masing-masing tepat satu kali untuk membuat tiga bilangan x, y, z sehingga x + y = z.
Setelah sekitar lima menit mencoba brute-force acak, saya mendapat pesan bahwa batas keluaran telah tercapai dan saya perlu mengeklik “Lanjutkan” untuk meneruskan. Saya lakukan, dan Claude mencoba lagi—namun kemudian mencapai batas lagi. Yang saya hargai, ia tidak mengarang jawaban. Ia hanya menolak menjawab jika tidak bisa menemukan solusinya. Menurut saya, itu sebuah nilai tambah besar—jauh lebih bermasalah jika berhalusinasi solusi.
Lalu saya mencoba Claude Opus 4 pada tugas yang sama. Jawabannya kembali hampir seketika, dan benar: 246 + 789 = 1035. Opus 4 mengesankan!!
Pengkodean
Untuk tugas pengkodean, saya memutuskan langsung memakai Claude Opus 4. Jenis generasi kreatif seperti ini terasa lebih cocok dengan kemampuannya. Saya tidak mengujinya pada basis kode besar di sini—hanya tugas pengkodean yang relatif sepele.
Saya memintanya membuat gim p5.js sederhana menggunakan prompt yang saya gunakan untuk Gemini 2.5 Pro dan o4-mini:
Prompt: Buatkan saya gim endless runner yang memikat. Instruksi kunci di layar. Adegan p5.js, tanpa HTML. Saya suka dinosaurus bergaya piksel dan latar yang menarik.
Biasanya, saya akan menyalin-tempel kode ke editor p5.js daring untuk mengujinya. Namun salah satu fitur bagus di Claude 4 adalah Artifacts, yang memungkinkan saya melihat dan menjalankan keluaran kode langsung di dalam chat.
Mari lihat hasilnya:
Sempurna! Saya belum pernah mendapatkan versi gim yang begitu bersih dan dapat dimainkan dari model lain mana pun.
Tolok Ukur Claude 4
Model Claude 4 diuji pada berbagai tolok ukur standar di bidang pengkodean, penalaran, dan tugas agentik. Meskipun skor ini tidak menceritakan keseluruhan kualitas model, skor tersebut tetap berguna sebagai titik perbandingan. Di bawah ini adalah hasil kunci untuk Claude Sonnet 4 dan Claude Opus 4.
Sumber: Anthropic
Claude Sonnet 4
Claude Sonnet 4 berkinerja mengejutkan baik untuk model yang tersedia bagi pengguna gratis. Pada SWE-bench Verified, yang menguji tugas pengkodean dunia nyata, model ini meraih 72,7%, sedikit mengungguli Opus 4 (72,5%) dan jauh di depan Claude 3.7 Sonnet (62,3%). Model ini juga mengungguli GPT-4.1 dari OpenAI (54,6%) dan Gemini 2.5 Pro (63,2%).
Pada tolok ukur lainnya:
- TerminalBench (pengkodean berbasis CLI): 35,5% – di atas GPT-4.1 (30,3%) dan Gemini (25,3%)
- GPQA Diamond (penalaran tingkat pascasarjana): 75,4% – kuat, meski sedikit di bawah OpenAI o3 dan Gemini
- TAU-bench (penggunaan alat agentik): 80,5% Ritel / 60,0% Maskapai – sebanding dengan Opus 4 dan di atas GPT-4.1 serta o3
- MMLU (tanya jawab multibahasa): 86,5% – tepat di belakang Opus dan o3, namun tetap solid
- MMMU (penalaran visual): 74,4% – skor terakhir di seluruh jajaran model
- AIME (kompetisi matematika): 70,5% – lebih baik daripada Sonnet 3.7, tetapi belum cukup kompetitif
Sonnet 4 bisa dibilang salah satu model tingkat gratis dengan performa terbaik saat ini dan kompetitif dengan model yang memerlukan pembayaran atau akses komersial.
Claude Opus 4
Opus 4 adalah model unggulan Anthropic, dan berkinerja di puncak atau mendekati puncak di sebagian besar tolok ukur. Pada SWE-bench Verified, model ini meraih 72,5%, dan dalam pengaturan komputasi tinggi, angka tersebut melonjak ke 79,4%—tertinggi di antara semua model yang dibandingkan.
Model ini juga memimpin atau berada di papan atas pada:
- TerminalBench (pengkodean CLI agentik): 43,2% (50,0% dalam mode komputasi tinggi) – skor terkuat di bagan
- GPQA Diamond (penalaran tingkat pascasarjana): 79,6% (83,3%) – solid, sedikit di belakang OpenAI o3 dan Gemini 2.5 Pro
- TAU-bench (penggunaan alat agentik): 81,4% Ritel / 59,6% Maskapai – setara dengan Sonnet 4 dan 3.7
- MMLU (tanya jawab multibahasa): 88,8% – setara dengan OpenAI o3
- MMMU (penalaran visual): 76,5% – di belakang o3 dan Gemini 2.5 Pro
- AIME (kompetisi matematika): 75,5% (90,0% komputasi tinggi) – jauh di atas Claude Sonnet 4
Cara Mengakses Claude 4
Claude 4 tersedia melalui beragam saluran, bergantung pada bagaimana Anda ingin menggunakannya—apakah untuk chat santai, pengembangan via API, atau integrasi ke alur kerja perusahaan. Berikut cara aksesnya:
Akses chat
Anda dapat menggunakan Claude 4 langsung melalui Claude.ai di web atau aplikasi seluler (iOS dan Android).
- Claude Sonnet 4 tersedia untuk semua pengguna, termasuk pada tingkat gratis. Ini menjadikannya salah satu model paling andal yang bisa Anda coba tanpa membayar.
- Claude Opus 4 hanya tersedia untuk pengguna berbayar pada paket Pro, Max, Team, atau Enterprise.
Akses API
Bagi pengembang, kedua model dapat diakses melalui Anthropic API, dan juga tersedia di Amazon Bedrock, serta Google Cloud Vertex AI.
Harga API (per Mei 2025):
- Claude Opus 4: $15 per satu juta token input, $75 per satu juta token output
- Claude Sonnet 4: $3 per satu juta token input, $15 per satu juta token output
Pemrosesan batch dan cache prompt dapat mengurangi biaya hingga 90% dalam beberapa kasus.
Kesimpulan
Claude Sonnet 4 menawarkan nilai nyata sebagai model yang cepat dan andal, gratis digunakan, serta berkinerja baik di bidang pengkodean, penalaran, dan tugas asisten umum. Untuk kebutuhan sehari-hari, ini sudah lebih dari cukup.
Di sisi lain, Opus 4 dibangun untuk penalaran lebih dalam dan alur kerja kompleks. Hasil pengkodean—terutama dalam generasi kreatif dan pemecahan masalah—termasuk yang terbaik yang pernah saya lihat dari model mana pun sejauh ini.
