Kimi K3 Menempati Peringkat Tiga Besar Model AI Dunia, Menantang Anthropic dan OpenAI

Disusun & Dikompilasi: Shenchao TechFlow

Tamu: Jordan dan Max, analis SemiAnalysis

Host: Jordan (Internal Conversation from SemiAnalysis)

Sumber podcast: SemiAnalysis

Judul asli: [Episode Darurat] Kimi K3 dari Moonshot Telah Tiba! Tiongkok Memiliki Model Terdepan

Tanggal siaran: 18 Juli 2026

Moonshot (Bulan Sisi Gelap) meluncurkan Kimi K3, yang mengungguli Google dan Meta di berbagai benchmark komprehensif, menjadi model terbaik ketiga di dunia, hanya di belakang Fable milik Anthropic dan Soul 5.6 milik OpenAI. Dua analis dari SemiAnalysis, Jordan dan Max, menguraikan makna peluncuran ini dalam acara mendesak: model dengan 2,8T parameter menyediakan layanan dengan harga yang sama seperti Sonnet (3/15 per juta token), dan jika skalanya sebanding dengan model tertutup terdepan, maka margin keuntungan Anthropic sebesar 10/50 bisa jadi berada di level mindboggling.

Penilaian yang lebih tajam datang dari Jordan: kesenjangan terdepan menyempit, yang ia atributkan pada pembatasan pemerintah AS terhadap Anthropic/OpenAI dalam merilis model terkuat, sehingga memberikan jendela waktu buat para pengejar. Open source belum benar-benar mengejar. Sementara itu, open source Barat benar-benar kosong; tidak ada satu pun model open source perusahaan Amerika yang bisa menyamai yang terbaik kelima di Tiongkok. Kompetisi model sedang berubah menjadi kompetisi harness (penggunaan alat) dan geopolitik.

Tentang posisi Kimi K3

• Jika Anda melihat peringkat komprehensif dari semua benchmark utama, hari ini ada tiga besar yang sangat jelas: Fable, Soul 5.6, dan Kimi K3. Mereka selalu berada di atas semua orang lain, termasuk DeepSeek, serta Google, Meta, dan xAI.
• Google seharusnya merasa sangat malu. Pada November dan Desember 2025, semua orang masih percaya bahwa tiga raksasa AI adalah Google, Anthropic, dan OpenAI. Hari ini, saat berbicara dengan beberapa 'orang lama', mereka masih berpikir demikian, tetapi jelas sudah tidak lagi.
• Ini mungkin model terbaik kedua di dunia, karena setiap kali saya menggunakan Fable untuk melakukan sesuatu yang serius, saya selalu ditolak dan dikembalikan ke Opus. Meskipun tidak yakin apakah ia lebih baik daripada Opus, setidaknya tidak akan ditolak.

Tentang margin keuntungan model terdepan

• Jika Kimi kemungkinan besar tidak merugi pada harga 3/15 saat menyediakan K3, maka Fable yang skalanya hampir sama namun mengenakan biaya 10/50 seharusnya benar-benar menghilangkan kekhawatiran bahwa laboratorium AI adalah bisnis yang tidak menguntungkan. Menjual token berdasarkan harga API mungkin lebih menguntungkan daripada SaaS.
• Harga naik lebih dari 3 kali lipat dari K2.7 ke K3, dari 0,95/4 menjadi 3/15. Namun, saya tidak merasa mereka masih memiliki banyak ruang untuk menaikkan harga, karena banyak tugas sudah cukup diselesaikan dengan GLM atau MiniMax M3.

Tentang pemerintah AS dan kesenjangan

• Saya percaya kesenjangan ini menyempit semata-mata karena pemerintah AS membatasi Anthropic, sehingga kami tidak bisa mendapatkan model terkuat dari perusahaan-perusahaan tersebut. Mereka sengaja mengejar ketertinggalan.
• Kami hanya dapat mengaksesnya jika kecerdasan canggih diizinkan. Ini sebenarnya merupakan peluang bagi pemain di posisi keempat, kelima, keenam, dan ketujuh.

Tentang vakum sumber terbuka Barat

• Saya terkejut bahwa dengan pasar yang masih sangat tidak efisien ini, kita tidak memiliki satu pun perusahaan Amerika yang bisa setidaknya menyamai perusahaan kelima terbaik di Tiongkok.
• Meskipun pemerintah tidak melarang model open-source Tiongkok, perusahaan besar Amerika biasa tidak mau memberikan data propietari mereka ke model open-source Tiongkok. Bahkan jika Anda memuat bobot di pusat data air gap, di mana CCP tidak dapat melihat data Anda, para eksekutif pun tidak akan setuju.

Tentang Harness

• Menguji Kimi K3 membuat saya mempertimbangkan Open Code, Hermes, dan Pi untuk pertama kalinya. Harness masih sepenuhnya bagian dari produk.
• Hal-hal sederhana saja bisa membuat saya memilih model ini daripada yang lain: bisakah diinstal di server SSH jarak jauh? Shortcut-nya mudah digunakan? Detail-detail kecil dalam harness ini benar-benar memengaruhi ke mana saya mengirim token, yaitu ke mana saya mengalokasikan anggaran.

Tentang "masih terlalu dini"

• Saya pergi ke ICML minggu lalu, dan minggu sebelumnya pergi ke konferensi AI Engineer. Ini adalah konferensi AI resmi, lebih dari 80% orang belum pernah mendengar SemiAnalysis. Anda mengklaim bekerja di industri AI, tetapi bahkan belum membaca SemiAnalysis? Kita masih terlalu awal.

Jordan: Komentar cepat, apakah Kimi K3 sekarang model terbaik ketiga di dunia?

Max: Jawabannya jelas "ya". Semua orang suka mengeluh tentang benchmark, dan memang benchmark punya masalah, tetapi jika Anda melihat peringkat komprehensif dari semua benchmark utama, arahnya selalu benar. Hari ini ada tiga besar yang sangat jelas: Fable, Soul 5.6, dan Kimi K3, yang selalu berada di atas semua orang lain, termasuk pemain open source seperti DeepSeek, dan juga jauh di atas Google, Meta, dan xAI. Ini merupakan pencapaian luar biasa bagi tim Moonshot.

Google seharusnya merasa sangat malu. Pada November dan Desember 2025, semua orang masih percaya bahwa tiga raksasa AI adalah Google, Anthropic, dan OpenAI. Hari ini, saat berbicara dengan beberapa "orang lama", mereka masih berpikir demikian, tetapi jelas sudah tidak lagi.

Secara keseluruhan, saya masih merasa itu tidak sebaik Fable dan Soul 5.6. Agak lucu, mereka juga secara jelas menyatakan hal ini di blog peluncuran model mereka sendiri. Mungkin ini adalah kerendahan hati ala Tiongkok lama, atau mungkin mereka tidak ingin menarik perhatian pemerintah Amerika, mengingat peluncuran Fable 5.6 sempat mengalami penundaan. Tapi bagaimanapun juga, sangat mengesankan.

Jordan: Mereka menulis di bagian limitations di blog mereka: "Meskipun K3 secara keseluruhan merupakan model yang sangat kompetitif, masih ada jelasnya kesenjangan dalam pengalaman pengguna dibandingkan dengan Fable 5 dan GPT 5.6." Pengalaman pribadi saya adalah, memang cukup baik, tetapi sangat lambat, dan itu menjengkelkan. Ini membuat saya pertama kalinya termotivasi untuk mencoba harness open source. Sejujurnya, saya merasa belajar lebih banyak tentang harness daripada tentang modelnya, karena semua model ini cukup baik untuk menyelesaikan tugas dasar yang saya lakukan saat ini, dan saya sulit menemukan tugas kompleks yang tidak bisa dilakukannya.

Ini mungkin model terbaik kedua bagi saya, karena setiap kali saya menggunakan Fable untuk hal serius, saya selalu ditolak dan dikembalikan ke Opus. Meskipun tidak pasti apakah itu lebih baik daripada Opus, setidaknya tidak ditolak membuatnya kurang menjengkelkan. Namun, saat menggunakan kunci API dengan pembayaran berdasarkan penggunaan, saya tidak pernah ditolak—hanya saat menggunakan web console atau deep research yang saya bertemu batas kuota. Jelas mereka tidak memiliki cukup GPU untuk memenuhi permintaan yang dihasilkan oleh model ini. Masalah ini sebelumnya diatasi dengan strategi open-source, dengan melepaskan bobot agar orang lain yang melayaninya. Tapi kali ini belum ada bobot yang dilepaskan; mereka mengatakan akan merilisnya dalam 10 hari.

Jordan: Menurutmu strategi penundaan ini apa?

Max: Saya jelaskan ini semuanya hanya spekulasi saya. Salah satu alasan besar mungkin mereka perlu memberi tim pengembang mesin inferensi seperti vLLM dan SGLang waktu yang cukup untuk memastikan dapat melayani model ini dengan kinerja tinggi. Jika bobotnya dirilis hari ini dan semua orang mencoba melayaninya tetapi hanya memberikan 20 token/detik, itu akan sangat buruk bagi citra mereka. Mereka sekarang memiliki peluang luar biasa untuk mendapatkan banyak PR dan adopsi; jika rilisnya langsung terhambat oleh kinerja, justru akan melemahkan momentumnya.

Kemungkinan lain adalah mereka sedang bernegosiasi dengan penyedia layanan inferensi seperti Together AI, Fireworks, Nebius, dan Groq untuk lisensi kerja sama, sehingga mereka dapat menggunakan chip terbaru seperti GB300 untuk melayani kapasitas tambahan. Kedua hal ini kemungkinan besar adalah alasan utama penundaan selama 10 hari.

Jordan: Mari bicarakan arsitektur model. Model ini memiliki 2,8T parameter, tidak bisa dimuat ke B200; Anda memerlukan B300, GB300, atau AMD MI355X untuk menjalankannya di satu server HGX 8-GPU. Tentu saja, Anda bisa melakukan pipeline parallelism lintas node, tetapi itu akan sangat memengaruhi kinerja. Jadi, hanya mereka yang memiliki chip terbaru yang dapat menjalankan model ini.

Kembali ke topik Google yang baru saja Anda sebutkan, model ini sudah mencapai daya saing terdepan dengan 2,8T parameter, yang sebenarnya memberi kita beberapa petunjuk tentang seberapa besar model terdepan tertutup. Jika mereka menggunakan model 10T parameter untuk dibandingkan dengan ini, maka akan lebih memalukan. Kita harus mengasumsikan bahwa ia berada pada tingkat yang sama dengan Soul dan Fable.

Max: Ya, kamu benar. Saya tetap percaya pada kemampuan dan ketajaman tim peneliti Anthropic. Jika ada seseorang di Twitter mengatakan model tertutup saat ini memiliki 10T parameter, jika itu benar, teman-teman sebaiknya mulai packing, saham NVIDIA akan jatuh 50% besok, dan semuanya berakhir.

Saya cukup yakin Kimi K3 tidak jauh lebih kecil daripada model tertutup terkini, bahkan mungkin sedikit lebih besar. Jika ini benar, ini semakin memperkuat salah satu poin yang selalu kami tekankan di SemiAnalysis: margin keuntungan laboratorium tertutup ini benar-benar luar biasa. Jika Kimi kemungkinan besar tidak menjual K3 dengan harga 3/15 dengan kerugian, sejajar dengan harga Sonnet; sementara Fable berukuran sekitar sama tetapi mematok harga 10/50, maka kekhawatiran tentang ketidakmampuan laboratorium AI untuk menghasilkan keuntungan harus benar-benar hilang. Menjual token berdasarkan harga API saat ini mungkin lebih menguntungkan daripada SaaS.

Jordan: Tidak ada biaya karyawan, hanya GPU. Bagaimana dibandingkan harga sebelumnya? Anda menyebut 3/15, tetapi harga langsung versi sebelumnya Moonshot adalah 0,95/4, jadi harga naik lebih dari tiga kali dari K2,7 ke K3. Masih berapa banyak ruang kenaikan harga yang mereka miliki?

Max: Saya tidak berpikir mereka masih punya banyak ruang untuk mendorong harga lebih tinggi. Bahkan di harga 3/15, banyak orang akan merasa terlalu mahal. Tugas mereka sudah cukup terpenuhi dengan GLM atau MiniMax M3. Ada sebuah cabang menarik di sini: kami seperti SemiAnalysis yang tidak peduli dengan pemborosan token Dylan akan terus menggunakan Fable untuk hampir semua hal; sementara yang sangat sensitif terhadap biaya, seperti Tesla, Uber yang hanya menggunakan $200 token per minggu, akan memilih lapisan harga GLM. Lalu, siapa sebenarnya pengguna yang akan beralih ke Kimi K3? Mungkin hanya sekelompok orang yang secara filosofis mencintai open source dan ingin mendukung model baru. Apakah perusahaan besar benar-benar akan mengadopsi model ini? Saya tidak akan terkejut jika jawabannya tidak.

Jordan: Ini adalah arsitektur baru. 2,8T parameter, dengan delta attention Kimi, potential residuals, stable latent, pada dasarnya versi diperbesar dari model sebelumnya, sekitar dua kali lebih besar. Sebelumnya pada K2.5, kami melihat Cursor menggunakannya sebagai composer, berdasarkan continued pre-training dan MRL, lalu muncul checkpoint 2.5, 2.6, 2.6.7, dll. Ini adalah model dasar baru, tetapi penggunaannya sudah cukup lengkap tanpa munculnya tepi kasar yang biasa ditemukan pada model asli. Langkah selanjutnya? K3.1 kapan akan dirilis? Harganya akan berubah? Akan ada composer berbasis K3?

Max: Kemungkinan besar tidak akan ada composer berbasis K3, karena tim Cursor telah memutuskan untuk melatih model mereka dari nol. Mengenai K3.1, K3.2, diperkirakan dalam satu hingga dua bulan mendatang akan ada dua hingga tiga pembaruan, yang merupakan lanjutan dari post-training. Saya menduga harga akan tetap sama, karena dalam dua hingga tiga bulan ke depan mereka tidak mungkin menjalankannya di perangkat keras baru tanpa peningkatan throughput untuk menurunkan harga. Mungkin ada insinyur kernel yang sangat ahli bisa menekan biaya hingga setara DeepSeek V4, tetapi saya meragukan model 3T parameter bisa mencapai hal ini. Harga GLM dan MiniMax saat ini mungkin sudah merupakan batas maksimum yang bisa dilayani oleh model 1T hingga 1.5T.

Max: Pertanyaan yang lebih menarik adalah apakah kesenjangan antara open source dan closed source akan terus menyempit, dan apakah open source benar-benar bisa mencapai parity dengan tingkat terdepan. Jika ini terjadi, dampaknya terhadap seluruh industri kita akan sangat besar. Bagaimana pendapatmu?

Jordan: Menurut saya, kesenjangan sekarang menyempit, dan penyebabnya secara tepat adalah pembatasan pemerintah Amerika terhadap Anthropic, yang membuat kita tidak bisa mendapatkan model terkuat dari perusahaan-perusahaan tersebut. Mereka sengaja dikejar.

Kami dapat melihat perbandingan antara Mythos dan Fable. Saya tidak bisa menggunakan Mythos, sedangkan Fable saya harus meminta dengan susah payah baru bisa menggunakannya sesekali. 5.6 Soul, menurut penilaian internal kami, bukanlah model terbesar yang dilatih oleh OpenAI, ukurannya tidak sebesar 4.5. Mereka memiliki model yang lebih besar. Akibatnya, kami hanya bisa mengaksesnya jika kecerdasan mutakhir diizinkan oleh pemerintah.

Ini sebenarnya merupakan peluang bagi pemain di peringkat empat, lima, enam, dan tujuh untuk melepaskan segalanya dalam batas tertentu dan mulai merebut pangsa pengguna, tetapi mereka tidak akan pernah menyentuh frontier sejati. Saya merasa frontier mungkin akan melangkah jauh lebih maju pada akhir musim panas ini, atau mungkin arah politik berubah sedikit lagi. Bisa juga kita mulai menemukan modus selain kode, sehingga mereka benar-benar dapat menjelajahi bidang-bidang tersebut.

Sambil menyebutkan peluncuran Inkling dari Thinking Machines, saya merasa input audio asli sangat menarik, merupakan sinyal masa depan.

Max: Mengenai Inkling, memang benar-benar sangat, sangat, sangat kurangnya model open source yang baik di Barat. Pasar masih sangat tidak efisien, dan kita ternyata tidak memiliki satu pun perusahaan Amerika yang setidaknya bisa menyamai model terbaik kelima dari Tiongkok, yang membuat saya terkejut. Di satu sisi, larangan pemerintah Amerika terhadap model open source Tiongkok mungkin hanya masalah waktu. Di sisi lain, bahkan jika tidak dilarang, perusahaan besar Amerika biasa tidak mau memberikan data propietaris mereka ke model open source Tiongkok. Bahkan jika Anda memuat bobot di pusat data air gap, CCP tidak bisa melihat data Anda, tetapi para eksekutif tetap tidak akan setuju. Banyak perusahaan peduli dengan anggaran token dan hanya bersedia menjalankan model Barat atau model non-Tiongkok. Inkling adalah OSS Barat terbaik yang bisa kita dapatkan sekarang, tetapi masih jauh dari garis depan open source, yang membuat saya terkejut.

Jordan: Sebelumnya Neotron, sekarang Inkling. Saya melihat dua peluang dalam strategi Inkling: pertama, mereka harus lebih baik daripada sebagian besar sumber terbuka Tiongkok untuk bisa masuk. Kedua, mereka juga harus lebih baik daripada model sekunder dan tersier dari laboratorium terdepan, lebih baik daripada Sonnet, karena Anda bisa mendapatkan kecerdasan mendekati terdepan dengan Bedrock atau Foundry, sekaligus menghemat biaya dengan model sekunder tertutup. Saya selalu kurang memahami sudut pandang "membantu orang menghemat uang" dalam sumber terbuka Barat. Memang benar bahwa mendorong model ke ekosistem seperti Fireworks, Together, Base10 adalah hal baik, tetapi pasar utama berada di tingkat pemerintah.

Jordan: Hal lain yang patut disebutkan, blog K3 menyebutkan bahwa pada tahap SFT dilakukan kuantisasi, menggunakan MXFP4 dan MXFP8 secara native untuk bobot dan aktivasi, dengan alasan resmi "kompatibilitas perangkat keras luas". Menurutmu, apakah Moonshot masih peduli pada perangkat keras lain?

Max: Saya memiliki daftar 11 akselerator Tiongkok, Anda sebaiknya berlangganan model akselerator SemiAnalysis untuk mempelajari lebih lanjut. Huawei Ascend, Baidu Kunlun, Cambricon, Moore Threads, berbagai chip muncul dalam makalah dan juga terlihat dalam kode. Menjalankan model mutakhir di akselerator buatan dalam negeri sudah menjadi prioritas nasional Tiongkok. Jika pada akhir 2025 kita masih mengatakan Google adalah laboratorium mutakhir, maka sekarang kita juga harus menyebut Moonshot sebagai laboratorium mutakhir.

Jordan: Ngomong-ngomong, ayah saya sedang dalam perjalanan dinas ke Tiongkok, katanya semua hotel penuh karena Xi Jinping segera akan memberikan pidato di wilayah itu tentang AI sebagai prioritas utama Tiongkok. Banyak yang Anda katakan memang benar.

Jordan: Pelajaran terbesar yang saya dapatkan selama menggunakan model-model ini adalah, pertama, semakin sulit membedakan perbedaan antara menggunakan model paling mutakhir dengan mode pemikiran max, dan menggunakan upaya menengah. Dalam tugas sehari-hari, saya benar-benar tidak menemukan hal apa pun yang tidak bisa dilakukan model-model ini. Perilaku saya secara default adalah mengaktifkan mode paling besar dan paling sulit, karena saya tidak peduli dengan anggaran Dylan.

Namun ada satu aspek di mana Harness sendiri merupakan bagian dari produk. Mengukur Kimi K3 membuat saya pertama kali secara serius meninjau Open Code, Hermes, dan Pi. Harness benar-benar masih bagian dari produk. Beberapa detail sederhana bisa membuat saya memilih model ini daripada yang lain: bisakah diinstal di server SSH jarak jauh? Shortcut-nya mudah digunakan? Bisakah mengedit perintah sebelumnya? Detail-detail kecil dalam Harness ini sebenarnya memengaruhi ke mana saya mengirim token, yaitu ke mana saya mengalokasikan anggaran.

Max: Banyak orang membahas anggaran token, tetapi dari deskripsi alur kerja Anda, bahkan untuk tugas yang bisa ditangani oleh GLM, saya tetap lebih suka mengarahkannya ke Fable dengan kecerdasan Max, karena ROI masih sepadan. Benchmark menyatakan banyak tugas dapat dipindahkan ke GLM, tetapi Anda tetap lebih suka tetap menggunakan model dari Anthropic atau OpenAI.

Jordan: Pada dasarnya ya. Tapi saya menggunakan banyak bot Slack, dan saya tidak tahu model apa yang berjalan di belakangnya. Misalnya, integrasi Slack dari Perplexity, jika mulai mengarahkan ke K3, ke GLM, ke Sonnet, sebenarnya saya tidak peduli. Baru setelah melihat penggunaan, saya menyadari seberapa besar model OpenAI yang digunakan, karena keputusan itu dibuat oleh sistemnya sendiri. Justifikasi bagian itu adalah keputusan yang diambil oleh harness.

Max: Ini justru merupakan peluang untuk pricing berbasis outcome. Jika suatu laboratorium menerapkan pricing berbasis outcome, mereka mungkin bisa mendapatkan margin kotor lebih dari 95%, karena tugas-tugas yang Anda bersedia bayar dengan harga stabil sebenarnya bisa diselesaikan dengan biaya sepele hari ini.

Jordan: Poin kedua, saya tidak percaya laboratorium-laboratorium ini sudah kehabisan ide. Mereka bisa terus melatih model yang luar biasa untuk mengalahkan RSI di sisi coding, tetapi tidak melepaskannya kepada kita, mempertahankan "kelas bawah permanen" mereka. Mereka bisa terus melakukan distilasi, memberi kita sedikit rasa, sambil terus mengeksplorasi penggunaan lain seperti generasi video, audio ke audio, penelitian mendalam, yang tidak terlalu mirip dengan coding. Robotika dan model dunia adalah arah yang sederhana—bagaimana jika Anthropic mengalihkan tujuannya dari pekerjaan pengetahuan ke pekerjaan fisik? Saya tidak percaya mereka tidak bisa membangun bisnis dengan ROI yang berkelanjutan dan baik menggunakan teknologi terhebat di dunia.

Max: Bahkan tanpa membahas hal-hal ini, saya menggunakan model-model ini setiap hari dalam jumlah yang sangat besar; teman-teman saya yang menjadi insinyur perangkat lunak menggunakannya sepuluh kali lebih sedikit dan menghabiskan sepuluh kali lebih sedikit. Seseorang yang menggunakan Fable menggunakan sebanyak orang yang menggunakan Sonnet, tetapi orang yang menggunakan Fable menghabiskan sepuluh kali lebih banyak uang, dengan margin kotor 90%, yang mendukung sebagian besar bisnis. Begitu orang-orang ini mulai menggunakan model yang lebih besar dan menggunakannya lebih sering, permintaan hanya akan meningkat lebih besar lagi, bahkan tanpa perlu membuat model menjadi lebih baik. Lalu saya masih harus berbicara dengan tetangga saya yang tidak berkecimpung di teknologi; di kalangan mereka, saya pasti berada di 0,1% atau bahkan 0,01%, dengan potensi pertumbuhan hingga 1.000 kali lipat. Kembali ke "kurva indeks angsa emas" Masa-san (Son Masayoshi).

Jordan: Pernyataannya bahwa "masih terlalu dini" benar sekali, dan itulah mengapa saya percaya Kimi K3 tidak akan memperlambat pertumbuhan ARR bersih Anthropic dan OpenAI. Bahkan jika sebagian pengguna Fable dan 5.6 hari ini secara tak terbendung beralih ke Kimi K3, kelompok ini akan sepenuhnya tenggelam oleh mereka yang belum benar-benar mencoba teknologi ini. Orang-orang tersebut setiap hari menemukan kasus penggunaan baru dengan ROI tinggi, dan mereka tetap akan secara default menggunakan 5.6 Soul atau Fable 5 untuk membuka skenario-skenario baru tersebut. Anda tidak akan melihat laju pertumbuhan ARR melambat.

Max: Bayangkan masih berapa banyak orang yang belum berlangganan podcast ini, belum mengikuti SemiAnalysis. Minggu lalu saya pergi ke ICML, minggu sebelumnya ke konferensi AI Engineer, konferensi AI resmi, lebih dari 80% orang belum pernah mendengar tentang SemiAnalysis. Anda mengaku bekerja di industri AI, tapi bahkan belum membaca SemiAnalysis? Kita masih terlalu awal.

Jordan: Ini adalah bentuk pengecekan ego untukmu sendiri, Max, tenanglah.