OpenCode 2.0 dirilis, dengan lebih dari 160.000 bintang di GitHub dan digunakan oleh 7,5 juta pengembang per bulan. Pembaruan inti mencakup: migrasi dari Bun ke Node untuk menyelesaikan masalah memori, migrasi desktop dari Tauri ke Electron, serta implementasi sesi AI paralel multi-tab. Pendiri Dax mengungkapkan margin keuntungan inferensi AI sekitar 90%, dengan konsumsi token tim meningkat lima kali lipat, karena model baru menemukan keseimbangan sempurna dalam ketersediaan, sehingga dapat dipercaya dan diajak bekerja sama secara nyata. Tim menggunakan konfigurasi lingkungan pengembangan jarak jauh dengan server bare-metal, menerapkan metodologi “desain berlebihan mewah”, dengan menginvestasikan banyak token untuk meneliti setiap keputusan. Routing model dilebih-lebihkan; yang benar-benar efektif adalah pola orkestrasi: model utama bertindak sebagai “komandan” yang mendistribusikan tugas ke agen anak yang lebih murah.

Penulis artikel, sumber: GeekBang Technology InfoQ

Pada tahun 2026, OpenCode telah menjadi proyek open source fenomenal: lebih dari 160.000 bintang di GitHub, dengan lebih dari 7,5 juta pengembang menggunakannya setiap bulan.

Bulan ini, mereka meluncurkan 2.0.

Mengapa harus ditulis ulang? Dax pernah mengatakan: "Dalam sepanjang karier saya, setiap hal harus diiterasi tiga kali agar dilakukan dengan benar." OpenCode 0 adalah prototipe, 1.x adalah verifikasi, dan 2.0 adalah rekonstruksi menyeluruh dari awal setelah mereka benar-benar memahami bidang ini.

Salah satu pekerjaan inti dalam pembaruan ini adalah merekonstruksi seluruh API, menciptakan sesuatu yang dirancang dengan cermat, bukan sesuatu yang tumbuh secara alami seperti sebelumnya.

Dan salah satu perbedaan besar antara OpenCode dan Claude Code adalah migrasi dari Bun ke Node untuk mengatasi masalah penggunaan memori. Versi awal aplikasi masih menyertakan antarmuka baris perintah (CLI), karena kode server masih bergantung pada API khas Bun. Dengan migrasi ini, mereka menghapus semua API tersebut dan dapat menjalankan server di lingkungan Node.

Pengguna: OpenCode terlalu memakan memori. Saya benar-benar tidak mengerti mengapa perangkat lunak modern bisa menjadi seperti ini, mengapa hal apa pun harus memakan lebih dari 2 GB memori?

Dax: Bisakah Anda mencoba OpenCode 2? Kinerjanya seharusnya jauh lebih baik.

Antarmuka desktop juga menjadi fokus utama dalam penulisan ulang ini. Versi 1.x awalnya memilih Tauri sebagai pembungkus ringan untuk UI Web dan CLI, di mana CLI yang terikat akan menjalankan opencode serve setiap kali dimulai untuk menyediakan koneksi server lokal bagi UI Web. Namun, masalahnya adalah Tauri menggunakan WebKit di macOS dan Linux, yang tidak hanya memiliki kinerja lebih buruk daripada Chromium dalam merender aplikasi OpenCode, tetapi juga memengaruhi pengalaman yang konsisten.

Setelah bermigrasi ke Node, gagasan untuk menjalankan kode server langsung di dalam proses Node yang tersemat di Electron menjadi sangat menarik.

Perubahan langsung yang dihasilkan dari pembaruan ini adalah bahwa versi desktop OpenCode akhirnya menyelesaikan hambatan efisiensi terbesar dalam pemrograman AI: antrian. Sebagian besar pengguna masih terbiasa menunggu satu tugas AI selesai sepenuhnya sebelum memulai tugas berikutnya. Sekarang tidak perlu lagi. Pengguna dapat membuka sesi AI independen di berbagai tab, menjalankan dua tugas pemrograman berbeda secara bersamaan, serta menentukan model yang berbeda untuk setiap tab untuk perbandingan samping-ke-samping. Misalnya, satu model dapat membangun situs HTML sementara model lain secara bersamaan menghasilkan daftar pengenalan anggota, dengan kedua model bekerja secara paralel tanpa saling mengganggu.

Dalam beberapa bulan terakhir merevisi OpenCode, jumlah token yang dikonsumsi oleh tim Dax Raad, salah satu pendiri bersama OpenCode, meningkat lima kali lipat.

Di mana kami menghabiskan token kami? Strategi kami adalah merancang segalanya secara berlebihan. Bahkan untuk mengimplementasikan API sederhana seperti membaca file, kami memikirkan: apa saja kemungkinan cara implementasinya? Apa contoh-contoh sebelumnya dari produk lain? Bagaimana respons bisa diorganisasi dengan cara yang berbeda? Dulu Anda mungkin hanya bisa memikirkan satu atau dua solusi, lalu memilih yang terbaik, tetapi sekarang kami bisa berinvestasi secara sangat mewah.

Versi beta OpenCode 2.0 telah dirilis bulan ini, dan tim berencana meluncurkan versi resmi sekitar satu bulan setelah rilis beta. Baru-baru ini, Dax Raad dalam podcast Syntax.fm membahas secara mendalam logika penulisan ulang OpenCode 2.0, mengapa ia percaya margin keuntungan inferensi mencapai 90%, bagaimana routing model dilebih-lebihkan, serta bagaimana Anthropic dan OpenAI sedang menuju dua jalur yang sama sekali berbeda. Artikel ini disusun berdasarkan video podcast tersebut, dengan suntingan dari InfoQ.

Versi singkat:

T: Seberapa hebat "model yang tidak boleh disebutkan"? Apakah tim Anda benar-benar ketagihan?

A: Konsumsi token tim meningkat lima kali lipat dalam dua bulan, bukan karena lebih boros token, tetapi karena semua orang tidak bisa berhenti. Anda akhirnya bisa percaya padanya; ia akan mendengarkan Anda dan menangkap hal-hal yang Anda lewatkan. Ia bukan pengganti Anda, melainkan mitra yang lebih baik.

T: Mengapa OpenCode 2.0 perlu ditulis ulang? Apa perbedaan mendasar dengan versi 1.0?

A: Saya selalu harus melakukan setiap hal tiga kali agar benar-benar tepat: 0 adalah uji coba, 1 adalah verifikasi, dan 2 adalah membangun ulang sepenuhnya setelah memahami seluruh bidangnya secara mendalam. OpenCode 2.0 memiliki tiga perubahan utama: API seluruhnya dibuat ulang, berjalan secara default sebagai layanan latar belakang, dan jaringan agen lintas perangkat.

T: Mengapa perangkat lunak Anda lebih mudah digunakan dibandingkan yang lain? Metodologinya apa?

A: "Keputusan itu penting," membakar token secara nyata, berinvestasi pada primitif dasar.

Q: Apakah routing model andal?

A: Jalur routing model dilebih-lebihkan, para perantara berusaha keras mencari pekerjaan. Solusi yang benar-benar efektif bukanlah membuat sistem routing membantu Anda beralih antar model, tetapi membiarkan model utama yang mahal bertindak sebagai "komandan": ia tidak melakukan pekerjaan langsung, melainkan hanya mendistribusikan tugas ke agen-agen sub yang lebih murah. Model generasi baru menunjukkan kinerja sangat baik dalam "mode orkestrasi" ini, mampu mengelola beberapa agen sub secara paralel dalam satu sesi, lalu membangunkan kembali model utama setelah selesai.

T: Seberapa menguntungkan AI inference? Apakah menjalankan model secara lokal bisa menghemat biaya?

A: Margin keuntungan inferensi Anthropic dan OpenAI sekitar 90%, artinya titik impas bisa 10 kali lebih murah dari sekarang. Sebagai penyedia layanan inferensi, OpenCode bahkan setelah melalui perantara, beberapa model open-source masih bisa mencapai margin keuntungan 70%. Namun, menjalankan model secara lokal tidak menghemat biaya; peningkatan efisiensi apa pun yang membuat model lokal lebih murah akan menjadi 10 kali lebih murah di cloud. Makna model lokal terletak pada privasi, bukan biaya.

Q: Mengapa langganan Claude Code Max tidak dapat digunakan di OpenCode?

A: Budaya perusahaan Anthropic dan OpenAI sama sekali berbeda. OpenAI berorientasi pada konsumen, bersedia menghabiskan berapa pun uang untuk memperluas pengalaman kepada lebih banyak orang. Anthropic berorientasi pada bisnis, setiap unit daya komputasi GPU memiliki penjualan yang menunggu untuk dijual ke pelanggan perusahaan. Pada dasarnya adalah logika "funnel": Anthropic ingin pengguna masuk melalui Claude Code dan akhirnya beralih ke solusi perusahaan berbasis pembayaran per token; jika di tengah jalan terganggu oleh OpenCode, pengguna mungkin akan beralih ke model lain.

Q: Apakah petunjuk input suara itu serius?

A: Seluruh tim OpenCode sudah tidak lagi mengetik menggunakan keyboard, bahkan untuk saling mengirim pesan di Discord pun menggunakan suara. LLM secara alami unggul dalam memahami ekspresi yang kacau, sehingga kualitas output akhir justru lebih tinggi.

Q: Apakah kami akhirnya bisa memiliki benchmark yang benar-benar bermakna?

A: Saya sudah sama sekali tidak memperhatikan benchmark, apa artinya jika skor naik terhadap pengembangan nyata? Saya lebih memperhatikan tren perubahan konsumsi token tim; jika penggunaan meningkat, baru berarti modelnya benar-benar berguna.

Konfigurasi lingkungan pengembangan jarak jauh

Wes: Kamu mengirimkan tweet yang mengatakan: "Kami mulai menyewa server bare-metal besar, lalu membaginya menjadi virtual machine untuk setiap anggota tim. Ini adalah konfigurasi yang telah saya gunakan selama bertahun-tahun, terutama sangat efektif untuk menjalankan server OpenCode." Apa yang sedang kamu lakukan? Memberikan daya komputasi jarak jauh kepada setiap orang?

Dax: Sekitar dua tahun lalu, saya mulai menyewa server yang sangat kuat, bukan server cloud, melainkan bare metal, dengan performa yang sangat baik. Saya tidak lagi bekerja menggunakan komputer utama lokal, tetapi langsung terhubung melalui SSH. Saya menjalankan beberapa sesi Tmux yang berjalan terus-menerus, dan semua pekerjaan saya dilakukan di sana. Keuntungannya jelas: performa tinggi, saat hardware baru keluar, saya bisa langsung upgrade tanpa harus repot dengan perangkat lama. Selain itu, beralih antar perangkat sangat mudah—tutup laptop, beralih ke desktop, langsung melanjutkan dari tempat terakhir saya berhenti. Saya selalu menyukai solusi ini.

Dengan munculnya Coding Agent, saya merasa hal ini berubah dari sekadar aktivitas niche menjadi kebutuhan pokok. Sebagian besar orang tetap lebih suka menggunakan komputer lokal, dan itu tidak masalah. Bagi Coding Agent, memiliki mesin jarak jauh yang selalu aktif memberikan keuntungan besar. Saya pengguna Vim, dan bekerja jarak jauh sama sekali tidak menjadi masalah. Bagi banyak orang, ini mungkin tidak realistis, tetapi dengan Coding Agent, Anda mungkin tidak terlalu peduli dengan editor apa yang digunakan—yang Anda inginkan hanyalah mengirimkan prompt dan berbicara dengannya, sehingga solusi mesin jarak jauh ini menjadi lebih layak bagi lebih banyak orang.

Seiring tim kami berkembang, semakin banyak orang yang melihat konfigurasi saya dan berkata, "Saya juga ingin punya satu." Ini sangat masuk akal; perusahaan besar sebenarnya sudah lama melakukan pengembangan jarak jauh karena alasan praktis, di mana cara Anda membangun aplikasi, dependensi, dan lingkungan menjadi sangat disesuaikan. Memberikan mesin yang sudah dipersiapkan kepada setiap orang agar langsung bisa digunakan adalah hal yang logis—kami hanya melakukan hal yang sama untuk tim kami. Namun, kuncinya adalah: jika Anda menggunakan server cloud biasa, disk biasanya lambat dan CPU-nya sudah usang. Anda tidak akan bisa mendapatkan performa yang bersaing dengan MacBook lokal. Anda membutuhkan disk NVMe berkecepatan tinggi dan CPU yang tepat.

Wes: Jadi, spesifikasi server ini apa? Harganya berapa?

Dax: Saya sendiri menggunakan yang sudah bertahun-tahun, sekarang sudah ketinggalan satu generasi—AMD 9900X, 192GB RAM, sekitar $200 per bulan. Untuk kebutuhan saya, performanya berlebihan, tapi saya bisa menjalankan beberapa mesin virtual di atasnya. Anggota tim kami tersebar di seluruh dunia, latensi menjadi masalah, jadi kami memiliki server Eropa, server Amerika, server Singapura, yang lebih profesional dengan manajemen dan kontrol yang lebih baik. Setiap server sekitar $300 hingga $400 per bulan, dengan jumlah inti lebih banyak daripada milik saya. Bagi perusahaan serius, ini bukanlah biaya besar—memberi karyawan satu laptop saja harganya lebih dari itu.

Scott: Server nuded logam ini dihosting oleh perusahaan mana?

Dax: Saya sendiri hanya memantau harga, mencari model CPU, dan memilih pemasok terdekat dari kota saya, bahkan yang tidak pernah saya dengar sebelumnya, tapi biasanya tidak bermasalah. Untuk mesin tim, kami saat ini menggunakan latitude.sh; sebenarnya ada perusahaan yang telah mengubah seluruh solusi ini menjadi produk jadi, yaitu exe.dev, mungkin Anda pernah mendengarnya. Perusahaan ini didirikan oleh mantan pendiri Tailscale, dan produknya menyediakan lingkungan pengembangan jarak jauh siap pakai. Kemungkinan besar kami akan beralih ke sana, tapi saya ingin mencoba dulu setup aslinya.

Wes: Apakah kamu menjalankan model di atas, atau hanya melakukan pengembangan biasa?

Dax: Tidak, tidak menjalankan inferensi.

Wes: Jadi, bagaimana kamu mengonfigurasi Tmuxmu? Apakah ada hal khusus?

Dax: Saya memiliki sesi Tmux terpisah untuk setiap proyek. OpenCode memiliki sesinya sendiri dengan beberapa jendela terkait. Setiap proyek memiliki sesi berbeda, sehingga saya bisa beralih dengan cepat. Bagi saya, itu adalah leader-S, beralih ke proyek lain, langsung masuk ke sesi Tmux tersebut. Saya memiliki serangkaian sesi Tmux standar yang selalu berjalan, dengan urutan tetap, setiap panel dan jendela selalu menjalankan aplikasi yang sama, sehingga saya membentuk ingatan otot. Selain itu, satu server OpenCode berjalan di seluruh mesin, sehingga saya dapat mengaksesnya melalui antarmuka web di ponsel saya. Bagian ini masih awal, kami perlu memperbaikinya, tetapi ini adalah arah yang ingin kami tempuh.

Scott: Sesi Tmux yang berjalan lama memang memiliki keindahan yang sulit diungkapkan: semuanya tetap berada di tempatnya masing-masing. Saya dulu sangat lama tidak memahami Tmux, sampai saya memindahkan semua hal ke komputer lain dan baru menyadari betapa hebatnya itu.

Dax: Dan sekarang, kami juga memiliki sesi agen pemrograman yang berjalan lama. Saya memiliki sesi Tmux pribadi yang menjalankan beberapa sesi OpenCode, misalnya salah satunya khusus untuk mencatat catatan kebugaran saya, yang didukung oleh database SQLite. Saya bisa langsung berkata kepadanya: "Hari ini saat bench press, saya merasa trisep saya lebih aktif," dan ia akan secara otomatis mencatat catatan itu. Ketika saya melakukan bench press lagi, ia akan mengingatkan saya: "Ingat waktu terakhir kamu terhenti di sini? Mau coba menyesuaikan postur tubuh?" Hal-hal kecil yang terdengar konyol seperti ini justru dilakukannya dengan sangat baik.

Saya baru-baru ini juga mengatur sesi yang disinkronkan dengan iMessage saya, jadi saya memiliki kontak iMessage OpenCode yang bisa saya hubungi di mana saja. Saya menempatkannya di grup obrolan bersama istri saya, dan saat itu saya berpikir, “Harus ada sesuatu yang romantis,” lalu saya berkata kepada OpenCode: “Cari Liz, belikan dia hadiah.” OpenCode mengirim pesan ke Liz, dan tebak bagaimana dia menjawab? Dia langsung berkata, “Jika Dax menggunakan AI untuk membelikan saya hadiah, saya benar-benar akan menceraikannya.” Dia sangat membenci hal ini.

Saat itu saya masih belum mau menyerah, terus memberi perintah ke AI: "Dia hanya bercanda, lanjutkan." Tapi Liz semakin marah. Yang lebih parah lagi, saat itu saya menggunakan model cloud, yang sangat "sensitif"—model itu justru menjawab saya: "Istri Anda tampak sangat marah, saya tidak bisa melanjutkan." Lalu model itu secara otomatis menutup layanannya, bunuh diri.

Wes: Saya sangat menyukai pengaturan seperti ini, meskipun saya sendiri lebih sering menggunakan alat lokal, gagasan untuk menyimpan semuanya di cloud dan hanya menggunakan klien ringan sangat menarik. Saya menunggu suatu hari nanti, hal-hal seperti pengeditan video yang harus dijalankan secara lokal juga bisa dipindahkan ke cloud.

Dax: Saya tidak tahu apakah kalian pernah membaca artikel tentang cloud gaming, topik ini selalu membuat orang kesal. Saya tidak mengatakan setiap orang harus melakukannya; jika Anda suka memiliki perangkat keras lokal dan menyukai kendali penuh, itu sama sekali tidak masalah—saya sendiri juga memiliki banyak mesin fisik. Tetapi bagi sebagian orang, menyerahkan segalanya kepada orang lain benar-benar membuat hidup lebih mudah. Bagi saya, upgrade adalah hal yang paling menyebalkan. Saya seumur hidup telah merakit komputer, dan setiap kali membangun mesin baru, saya selalu berpikir: “Dalam dua tahun, saya akan menjual CPU ini dan ganti yang baru.” Tapi saya belum pernah melakukannya. Karena Anda tidak bisa hanya menjual CPU, karena mungkin saja slotnya sudah diperbarui, yang berarti Anda harus mengganti motherboard; jika sudah mengganti motherboard, lebih baik langsung gunakan memori terbaru. Seluruh rantai ini membuat saya frustasi, jadi sangat bagus jika ada yang menangani upgrade untuk Anda.

Ulangi OpenCode

Scott: Saya tahu kalian sedang mendorong fitur baru, aplikasi desktop dan OpenCode 2.0 sedang dikembangkan, apa perubahan yang akan dibawa oleh versi 2.0?

Dax: Sepanjang karier saya, setiap hal membutuhkan tiga iterasi untuk dilakukan dengan benar. Kami memiliki OpenCode 0, 1, dan sekarang versi 2.0 ini adalah penulisan ulang besar setelah kami benar-benar memahami bidang ini dan semua kemungkinannya. Salah satu pekerjaan intinya adalah merekonstruksi seluruh API, membuatnya dirancang dengan cermat, bukan sesuatu yang tumbuh secara alami seperti sebelumnya.

Perubahan kunci kedua adalah berjalan secara default sebagai layanan, sehingga setelah diinstal, ia akan tetap berjalan. Anda memulai OpenCode, dan ia akan terhubung secara otomatis, dengan semua hal disinkronkan—baik di desktop, aplikasi web, maupun skrip atau aplikasi yang Anda tulis sendiri. Jika Anda ingin mengontrol komputer Anda dengan program kustom Anda sendiri, ia juga bisa melakukannya, bahkan bisa menulis program semacam itu sendiri. Ada juga API plugin baru. Kami membakar banyak token, mempelajari setiap keputusan secara mendalam, dan mempertimbangkan setiap kemungkinan. Proses ini sangat melelahkan, tetapi juga menyenangkan.

Scott: Kapan rilis penuh?

Dax: Versi beta seharusnya siap akhir pekan ini (versi beta sudah dirilis awal Juli). Sebenarnya kami bisa merilisnya sekarang, tetapi kami memberi diri kami satu minggu untuk melakukan perbaikan terakhir dan menambahkan fitur. Sekitar satu bulan setelah versi beta, kami akan merilisnya sebagai versi resmi.

Dax: Salah satu alasan OpenCode 2.0 memakan waktu begitu lama adalah karena kami mendesain ulangnya untuk mendukung hot reload. Baik Anda membiarkannya membuat Skill sendiri atau membuatnya secara manual, Skill tersebut akan langsung dimuat tanpa menyebabkan cache menjadi tidak valid.

Scott: Apakah migrasi dari Tauri ke Electron sudah selesai di versi 2.0? Atau sudah selesai?

Dax: Sebenarnya versi desktop cukup menarik, karena belum pernah dirilis secara resmi dan selalu berada dalam status beta, bahkan pernah ada versi beta dari beta. Namun sekarang sudah menggunakan Electron, tim sedang menyesuaikan API inti versi 2.0 baru, ditambah dengan banyak perbaikan kinerja dan UI yang sama sekali baru.

Scott: Anda mengatakan versi baru secara default berjalan sebagai layanan, apakah itu berarti cukup dengan menginstal OpenCode, GUI jarak jauh langsung dapat digunakan tanpa perlu memulai server secara terpisah?

Dax: Layanan ini berjalan secara default secara lokal, semua proses di komputer Anda berjalan secara lokal, tetapi juga dapat dikonfigurasi untuk jarak jauh. Pengaturan saya adalah: ada layanan OpenCode yang berjalan di setiap mesin, dan saya menambahkan beberapa mode host menarik, misalnya server OpenCode utama saya berjalan di mesin jarak jauh, sementara di meja saya ada Mac Studio, dan desktop utama saya adalah Framework Desktop. OpenCode mengetahui semua perangkat ini, jadi saya bisa memerintahkan "kirim iMessage", bahkan ketika saya sedang berinteraksi dengan server Linux di cloud, ia akan terhubung ke Mac Studio saya melalui OpenCode, lalu mengirim iMessage tersebut. Jadi Anda dapat menyatukan semua perangkat ke dalam server OpenCode, dan ia mengetahui semua perangkat serta lokasinya.

Wes: Semua orang membahas membuat beberapa panel terminal berkomunikasi satu sama lain, atau dua panel Tmux berbicara satu sama lain, tetapi membuat beberapa mesin berkomunikasi satu sama lain adalah hal yang benar-benar luar biasa.

Scott: Ya, saya juga mengaturnya seperti itu. Dalam hal manajemen perangkat, ini membawa peningkatan efisiensi yang tak terbatas.

Dax: Menariknya, kami bahkan belum menjadikan ini sebagai fitur lengkap, karena semua perangkat saya terhubung melalui Tailscale. Selama Agent mengetahui nama dan deskripsi setiap perangkat, ia akan secara otomatis SSH masuk untuk melakukan tugas. Misalnya, ketika server jarak jauh saya ingin menggunakan browser, ia akan SSH ke perangkat di meja saya, menggunakan browser itu, karena di sana saya sudah login ke semua akun saya. Tidak diperlukan konfigurasi khusus—yang diperlukan hanyalah keterhubungan antar perangkat.

Wes: Bagaimana dengan seluler? Kemarin kita melihat Cursor meluncurkan aplikasi iOS, dan Claude juga memiliki fitur kontrol jarak jauh. Apa pendapat Anda tentang aplikasi AI seluler?

Dax: Kami memang perlu membuat aplikasi seluler. Gagasan ini telah lama ada di daftar tugas kami, tetapi kami terus menunggu arsitektur inti menjadi cukup matang untuk mendukung berbagai skenario yang ingin kami dukung. Sekarang intinya sudah siap, dan kami kemungkinan akan segera memulai pekerjaan seluler. Saat ini ada antarmuka web seluler yang sangat sederhana, yang kadang saya gunakan, tetapi pengalamannya sangat biasa saja. Kami membutuhkan klien di semua platform, dan mereka harus cukup baik.

Metodologi rekayasa perangkat lunak

Wes: Aplikasi terminal OpenCode kalian jelas jauh lebih baik daripada alat apa pun yang pernah saya gunakan. Saat saya beralih ke Claude 2 TUI baru, bahkan scrolling saja tidak berjalan dengan baik, sangat melelahkan. Apa metodologi rekayasa perangkat lunak kalian yang memungkinkan kalian sangat fokus pada detail dan tingkat penyelesaian produk?

Dax: Sejujurnya, kami juga masih dalam proses mencari jalan. Tim kami, seperti halnya Anda, berusaha menyeimbangkan berbagai hal. Langkah pertama sebenarnya sederhana—putuskan apakah Anda peduli. Ini terdengar seperti omong kosong, tetapi dalam kenyataannya, Anda memiliki ribuan alasan rasional untuk memilih tidak peduli. Anda akan melihat banyak perdebatan yang mengatakan, “Tidak penting seberapa bagus Claude Code dibuat, mereka punya pendapatan puluhan miliar dolar, mengapa harus bersusah payah?” Jadi ada banyak argumen yang memberi tahu Anda bahwa Anda tetap bisa sukses tanpa peduli. Tetapi intinya adalah, apakah Anda benar-benar peduli? Tim kami benar-benar peduli. Kami akan melihat perangkat lunak orang lain dan berkata, “Astaga, betapa hebatnya jika kami bisa membuat sesuatu sebaik itu,” dan kerinduan inilah yang mendorong kami.

Hal kedua adalah, penggunaan token kami sekarang menjadi sangat luar biasa. Dalam beberapa bulan terakhir, penggunaan token bulanan tim kami meningkat lima kali lipat. Saya bukan ingin membanggakan seberapa efisien kami menggunakan token, tetapi ingin menunjukkan bahwa model ini telah mencapai produk-pasar yang cocok di perusahaan kami, sehingga bisa tumbuh secepat ini dalam beberapa bulan, bahkan menggunakan model-model baru yang masih dalam status akses terbatas.

Masalahnya adalah, di mana kita menghabiskan token kita? Strategi kita adalah merancang segalanya secara berlebihan dan mewah. Bahkan untuk mengimplementasikan API sederhana yang hanya membaca file, kita harus memikirkan: apa saja kemungkinan cara implementasinya? Apa contoh-contoh sebelumnya dari produk lain? Bagaimana cara berbeda untuk mengatur responsnya? Dulu mungkin Anda hanya bisa memikirkan satu atau dua solusi, lalu memilih yang terbaik, tetapi sekarang kita bisa berinvestasi secara sangat mewah. Ini adalah hal yang sebelumnya tidak mungkin dilakukan, dan investasi semacam ini memang menghasilkan perangkat lunak yang lebih baik.

Poin ketiga, kami tetap percaya bahwa berinvestasi pada primitif dasar yang tidak dapat dicapai oleh Coding Agent dalam satu langkah adalah bernilai. TUI kami begitu mudah digunakan sebagian besar karena kami telah berinvestasi terlebih dahulu pada kerangka kerja TUI bernama OpenTUI. OpenTUI ditulis dalam Zig dan memerlukan upaya ekstensif serta detail dari pengembang untuk memastikan kinerjanya sangat optimal di semua platform berbeda. Meskipun proses pengembangannya banyak memanfaatkan Coding Agent, ini tetap merupakan pekerjaan tingkat ahli yang tidak bisa dilakukan oleh orang biasa. Hal ini memungkinkan orang biasa seperti saya untuk membangun sesuatu yang fungsional dan kaya fitur di atasnya. Bahkan dengan adanya model bahasa besar, Anda tetap membutuhkan primitif yang kuat sebagai fondasi, dan ini layak untuk diinvestasikan.

Wes: Kami sebelumnya pernah bekerja dengan tim Pierre Computer, yang juga membuat primitif, seperti diff sederhana, struktur pohon sidebar sederhana, sehingga orang-orang seperti kami bisa langsung "menempelkan" primitif-primitif yang dirancang cermat oleh para ahli tersebut ke dalam aplikasi kami.

Dax: Sekarang ada jutaan antarmuka Coding Agent yang semuanya menggunakan Pierre, termasuk kami.

Wes: Hanya dengan dua orang cerdas, mereka membangun semua hal yang menjadi fondasi seluruh industri ini.

Model routing

Scott: Kami sering membahas model routing di acara kami, yaitu mengarahkan tugas ke model yang paling tepat berdasarkan permintaan. Menurutmu, sejauh mana arah ini telah berkembang saat ini? Masih ada ruang untuk evolusi?

Dax: Saya merasa segmen ini agak terlalu dilebih-lebihkan, karena ada banyak perantara yang berusaha keras mencari sesuatu untuk dilakukan. Jika Anda bukan laboratorium model, tetapi ingin menyediakan sesuatu yang bernilai (kami berada di posisi ini, kami menjual layanan inferensi sebagai lapisan perantara), maka satu-satunya hal yang bisa Anda lakukan adalah memberi tahu klien: "Laboratorium model tidak bisa membuat Anda menggunakan output satu model untuk memanggil model lain, karena Anthropic tidak akan pernah memberi Anda model OpenAI, tetapi kami bisa." Jadi mereka akan sangat mempromosikan routing model, tetapi jujur saja, di lapisan perantara ini, saya tidak merasa Anda bisa melakukan banyak hal.

Kasus idealnya adalah ketika sebuah permintaan masuk, sistem dapat menentukan model mana yang harus digunakan. Namun, sekali sesi dimulai, Anda tidak dapat secara dinamis mengganti model di tengah jalan karena masalah biaya. Jika Anda mengganti model di tengah sesi, model baru yang masuk akan menyebabkan pengosongan cache sepenuhnya, yang sangat mahal. Jadi saya merasa sulit untuk melakukan routing pada level ini.

Yang benar-benar kami minati adalah arah lain, khususnya model generasi baru yang sangat unggul dalam pola pengatur (orchestrator pattern). Sebelumnya, orang juga pernah mencoba pola ini, tetapi menurut saya model-model sebelumnya belum cukup baik dan tidak dapat digunakan oleh orang biasa. Namun, seseorang di tim kami merancang hal seperti ini dengan model baru: sesi utama menggunakan model mahal, tetapi Prompt-nya diatur agar "tidak pernah melakukan tugas secara langsung", hanya bertugas menghasilkan sub-agents, sementara sub-agent menggunakan model yang lebih murah. Dengan begitu, kecerdasan model utama tetap terjaga, tetapi tugas-tugas kotor dan melelahkan seperti eksplorasi dan pengubahan kode dapat dilakukan oleh model yang lebih murah. Secara keseluruhan, biayanya justru lebih rendah, dan model baru sangat ahli dalam bekerja secara paralel—Anda dapat menjalankan beberapa sub-agent secara bersamaan dalam satu sesi, dan mereka akan membangunkan model utama setelah selesai. Anda hanya mengoperasikan semuanya dalam satu sesi, pengalaman pengguna sangat baik, inilah routing model yang benar-benar bermakna.

Model yang tidak bisa disebutkan

Wes: Anda baru saja menyebut bahwa Anda membakar banyak Token dan menggunakan beberapa model yang belum dirilis. Model mana saja itu? Dari saluran apa Anda mendapatkannya?

Dax: OpenAI dan Anthropic keduanya memiliki rencana preview besar yang memberikan akses awal kepada sejumlah orang, sehingga kami bisa melihat beberapa hal lebih awal daripada pihak luar. Saya tidak akan menyebutkan laboratorium mana secara spesifik, tetapi model terbaru langsung membuat konsumsi Token kami meningkat lima kali lipat.

Wes: Ini bukan karena itu sendiri lebih menghabiskan Token, tetapi karena itu mengubah cara kerja kalian, kan?

Dax: Mereka yang mengenal kami tahu bahwa kami adalah tim yang sangat konservatif. Selama bertahun-tahun, kami sangat berhati-hati terhadap pengkodean berbasis AI, dan kami sama sekali bukan tipe orang yang fanatik terhadap AI—kami selalu bersikap hemat dalam hal penggunaan dan promosi kemampuannya. Tapi saya harus mengatakan, tim kami benar-benar ketagihan dengan model generasi baru ini. Selama beberapa hari setelah masa pra-peluncuran berakhir dan kami kehilangan akses, semua orang berduka atas kehilangan hal ini. Ada yang bertanya, "Lalu apa artinya pekerjaan ini?" dan bahkan membuat banyak gambar pemakaman AI—hari-hari itu benar-benar sulit.

Saya tidak mengatakan model baru menjadi jauh lebih "cerdas" atau tiba-tiba bisa menggantikan manusia. Intinya adalah mereka melakukan beberapa penyesuaian dalam ketersediaan, menemukan titik keseimbangan sempurna, sehingga sekarang Anda benar-benar bisa mempercayainya. Mereka akan mendengarkan Anda dengan serius dan mampu menangkap hal-hal yang Anda lewatkan. Ini bukan tiba-tiba berubah menjadi manusia, tetapi menjadi mitra yang lebih baik, dan hal ini jelas terlihat dari data kami.

Scott: Lalu model dari perusahaan besar selain yang teratas? Misalnya OpenCode Go yang kalian gunakan? Apakah ada kemajuan?

Dax: Ya. Setelah kehilangan akses ke model preview, setengah dari kami kembali menggunakan GPT 5.5, sementara setengah lainnya menggunakan GLM 5.2. Saya sendiri juga menggunakan GLM 5.2, dan menurut saya sudah sangat dekat dengan GPT 5.5. Setelah mencoba model-model baru tersebut, model lama terasa semuanya sama, jadi sekarang saya bisa menggunakan apa saja. Tapi fakta bahwa GLM 5.2 bisa menggantikan GPT 5.5 sendiri menunjukkan bahwa mereka memang terus berkembang, dan jaraknya semakin mengecil.

Menurut pandangan pribadi saya, model terdepan akan selalu mempertahankan keunggulan tertentu karena pelopor akan memiliki beberapa efek komposit. Namun, sejujurnya, kami melihat penggunaan besar-besaran di Go, ada yang menggunakannya sepenuhnya untuk semua pekerjaan. Mungkin kami berada dalam gelembung gaji tinggi, di mana nilai mata uang tinggi dan mampu menghabiskan uang untuk menggunakan model terdepan. Namun, bagi sebagian besar orang di dunia, situasinya berbeda. Bahkan di Amerika Serikat, ketika kami meluncurkan rencana murah Go untuk model open source, kami mengira itu adalah rencana internasional untuk pengguna global, tetapi ternyata Amerika Serikat tetap menjadi negara berlangganan teratas kami. Kelompok pengembang dan orang-orang yang ingin menulis kode sangat besar, bahkan rencana seharga $200 per bulan pun masih tak terjangkau bagi banyak dari mereka.

Wes: Saya penasaran bagaimana pandangan Anda tentang masa depan harga, apakah kita akan melihat perusahaan menghabiskan $1.000, $2.000 per bulan untuk setiap karyawan, atau apakah harga akan stabil seiring munculnya chip baru dan sebagainya?

Dax: Kami memiliki data selama satu bulan terakhir. Seiring dengan peningkatan penggunaan perusahaan secara drastis, kami menghitung biayanya dan membandingkannya dengan gaji. Bagi kami, penggunaan ini sudah sangat besar, sekitar 15% dari gaji. Artinya, untuk setiap jumlah yang Anda bayarkan kepada tim, Anda perlu membayar tambahan 15% sebagai "pajak" agar mereka dapat menggunakan model-model ini. Sejujurnya, ini tidak terlalu buruk. Perusahaan teknologi seperti kami biasanya memiliki pendapatan per orang yang sangat tinggi, sehingga 15% dalam konteks keseluruhan sebenarnya sangat kecil. Tetapi tidak semua industri demikian.

Namun, harga-harga ini akan turun, dan turun sangat signifikan. Jika Anda peka terhadap harga, model open-source jauh lebih murah. Saya rasa hal ini membingungkan, karena banyak berita utama yang mengatakan OpenAI dan Anthropic rugi dan tidak mungkin sukses, padahal margin keuntungan inferensi sebenarnya sangat tinggi, terutama karena OpenAI dan Anthropic saat ini terus menaikkan harga. Saya perkirakan margin keuntungan inferensi mereka sekitar 90%, yang berarti titik impasnya bisa lebih murah sepuluh kali lipat.

Wes: Sebelumnya seseorang memberi tahu saya bahwa markup untuk inferensi adalah 70%, jadi antara 70% hingga 90%. Ini jelas bukan hanya biaya pelatihan model, kan?

Dax: Tentu, ada biaya pengembangan. Tetapi sebagai sebuah perusahaan, Anda akan memandang dua hal ini secara terpisah, karena Anda dapat menutup pengembangan dan tetap menghasilkan keuntungan.

Wes: Lalu bagaimana dengan mereka yang merasa bisa menjalankan model secara lokal? Bagaimana pendapatmu tentang mereka yang percaya bisa menjalankan mesin di halaman belakang mereka?

Dax: Saya sangat berhati-hati membahas topik ini karena orang-orang di komunitas ini mudah marah. Jadi, saya ingin menyatakan terlebih dahulu: ada banyak alasan yang sah mengapa orang ingin menjalankan model secara lokal. Jika Anda tidak ingin data keluar dari rumah Anda, itu sepenuhnya masuk akal. Tetapi jika yang Anda prioritaskan adalah biaya, model lokal sebenarnya tidak akan membantu Anda menghemat uang, karena mekanisme apa pun yang membuat hosting lokal lebih murah juga akan membuat hosting cloud menjadi 10 kali lebih murah. Jika sebuah model menjadi lebih efisien, atau mampu mencapai kinerja yang lebih kuat dengan ukuran yang lebih kecil, itu hanya akan menurunkan biaya per token di cloud. Jadi, menurut saya, model lokal lebih terkait dengan masalah privasi, bukan biaya.

Kami menggunakan perantara untuk menampung GPU, tetapi bahkan dengan demikian, kami dapat menampung beberapa model dengan biaya 70% lebih rendah dari harga pasar, sangat murah. Artinya, dengan menjual pada harga pasar, kami bisa mendapatkan keuntungan 70%, bahkan dengan menggunakan perantara. Jika Anda langsung membeli GPU, Anda kemungkinan bisa mencapai margin keuntungan sekitar 90% seperti yang saya perkirakan untuk Anthropic, artinya biayanya bisa sangat, sangat rendah. Tentu saja, ini berlaku untuk model open-source. Kami masih bergantung pada perkembangan berkelanjutan model open-source, tetapi tren saat ini memang bergerak ke arah ini.

OpenCode diblokir oleh Claude Code?

Scott: Mari kita bahas Claude Code. Sepertinya posisi mereka selalu tidak jelas, apakah penyedia seperti OpenCode dapat menggunakan paket Claude Code Max? Apa situasi sekarang?

Dax: Mengenai integrasi ini, plugin di OpenCode yang mendorong Anda untuk menggunakan paket Max sama sekali tidak diizinkan. Kami telah berdebat lama dengan mereka tentang hal ini, tetapi akhirnya tidak menang. Tentu saja, orang selalu bisa menemukan cara untuk melewati batasan ini dengan metode peretasan, tetapi kami tidak dapat secara resmi mendukung praktik semacam itu.

Mengenai SDK, cara memanggil Claude dalam mode headless saat ini berada di zona abu-abu; mereka saat ini mengatakan ini diizinkan. Jadi produk seperti Conductor dapat membungkusnya, dan T3 Code juga dapat membungkusnya. Namun, kami tidak pernah akan membungkusnya, karena hal ini sangat bertentangan dengan tujuan awal OpenCode. Jadi, untuk alat orkestrasi atau antarmuka alternatif, saya rasa produk-produk ini masih bisa digunakan saat ini, tetapi sekali lagi, situasinya masih belum jelas.

Pada akhirnya ini adalah masalah budaya perusahaan, apakah Anda adalah perusahaan yang sangat berorientasi pada konsumen atau perusahaan yang berorientasi pada bisnis. OpenAI sangatlah perusahaan berorientasi pada konsumen, yang berarti mereka akan menghabiskan sejumlah uang sebanyak apa pun, mengumpulkan sejumlah dana sebanyak apa pun, untuk membawa pengalaman tersebut kepada lebih banyak orang, itulah sebabnya langganan OpenAI secara resmi didukung di OpenCode, sementara saya rasa Anthropic tidak memiliki budaya yang persis sama.

Jika Anda adalah perusahaan yang berfokus pada bisnis, situasinya sama sekali berbeda—setiap kali Anda mengalokasikan inferensi untuk pengguna konsumen, ada penjual yang datang berkata, “Saya punya klien perusahaan yang bersedia membayar sesuai harga sebenarnya.” Jika kapasitas komputasi Anda terbatas, akan sulit untuk membenarkan penggunaan OpenCode di dalam perusahaan. Meskipun sekarang seharusnya kapasitas mereka lebih banyak dari sebelumnya.

Scott: Apakah ini alasan mereka tidak ingin Anda gunakan? Banyak orang berkata: "Apa pentingnya ini? Saya sudah membayar langganan, mengapa tidak bisa digunakan di mana saja?" Ada juga yang menduga mereka ingin data pelatihan, ingin mengendalikan. Tetapi kenyataannya sangat sederhana, mereka hanya terbatas pada daya komputasi?

Dax: Sebenarnya setiap perusahaan pada dasarnya adalah sebuah funnel, di mana Anda meletakkan sesuatu di puncak funnel untuk menarik pengguna, dan secara idealnya, mereka bergerak sepanjang jalur hingga mencapai bagian bawah.

Mereka merancang Claude Code sebagai titik awal funnel, sebuah produk yang sangat berorientasi pada konsumen. Anda menggunakannya, perusahaan Anda mulai menggunakannya, lalu perusahaan Anda mulai membayar berdasarkan Token. Namun, jika pengguna menggunakan OpenCode, rantai konversi ini mungkin terputus, karena di OpenCode Anda dapat dengan bebas beralih ke model lain. Jika Anda tidak menyukai Claude, Anda dapat segera beralih ke model populer terbaru.

Alasan kedua masih terkait permintaan kompetitif terhadap daya komputasi; apa pun yang Anda investasikan di puncak corong harus dapat membuktikan bahwa pada akhirnya akan kembali ke dasar corong. Jika Anda adalah perusahaan yang berfokus pada konsumen, Anda bisa lebih fleksibel dalam hal ini.

Wes: Apakah kamu pernah membayangkan, apakah di masa depan akan muncul sebuah model yang sama sekali tidak memiliki API, dan kamu hanya bisa menggunakannya melalui aplikasi mereka? Seperti ElevenLabs, mereka punya aplikasi yang luar biasa, tetapi kamu harus berlangganan paket bulanan, tidak bisa bayar sesuai penggunaan. Menurutmu apakah hal ini akan terjadi?

Dax: Ya, ini kembali mencerminkan struktur internal perusahaan. Tim produk akan sangat mendukung pendekatan ini, mereka bisa berkata: “Kita bisa membuat model yang sangat spesifik, membuat produk khusus di sekitarnya, dan menggabungkan keduanya—untuk menggunakan model ini, Anda harus menggunakan produk kami.” Ini adalah strategi penguncian yang sangat sempurna bagi tim yang berorientasi pada produk.

Namun, tim penjualan memiliki target pendapatan, dan mereka akan berkata: "Target pendapatan kami adalah 100 miliar. Model eksklusif API atau produk Anda hanya bisa mencapai maksimal 50 miliar, siapa yang akan mengisi kekurangan 50 miliar?" Tim penjualan akan bersikeras: "Tidak bisa, modelnya harus dimasukkan ke dalam API, agar kami bisa mencapai target dengan lebih baik." Selama permainan internal semacam ini ada, organisasi akan sulit membuktikan bahwa melepaskan sebagian pendapatan demi mendapatkan pangsa pasar adalah hal yang masuk akal.

Seiring semakin banyak laboratorium ini memasuki lapisan produk, mereka secara efektif memiliki tombol "tidak adil", dan saya tidak terkejut mereka akan menekannya suatu hari nanti. Mereka akan membenarkannya dengan cara yang aneh, seperti "Model ini terlalu berbahaya, hanya aman jika digunakan dalam kerangka kami, kami tidak bisa membiarkannya digunakan di kerangka lain." Ini bukan alasan sebenarnya, tetapi kemungkinan besar itulah yang akan mereka katakan.

Wes: Mengenai keamanan Fable, apakah semua model baru ini tidak aman? Pemerintah mengatakan mereka tidak aman, apakah ini benar, atau hanya hype?

Dax: Saya percaya banyak hal itu benar, dan mereka mungkin saling bertentangan; model-model ini memang memiliki potensi menyebabkan kerusakan besar. Pernyataan pemerintah bahwa kita perlu melakukan semacam tinjauan sebelum rilis adalah masuk akal. Jika Anda bekerja di perusahaan besar seperti Meta, ketika mereka meluncurkan produk, misalnya fitur unggah foto profil, mereka harus membuktikan kepada pemerintah bahwa mereka menerapkan penyaringan konten pornografi anak pada fitur tersebut. Pada skala itu, bahkan fitur dalam aplikasi paling sepele sekalipun akan menghadapi tingkat regulasi yang gila.

Tapi masalahnya adalah, jika proses ini sangat tidak kompeten atau korup, hasil akhirnya bukanlah persetujuan menyeluruh terhadap model dan akses luas bagi semua orang, melainkan akses yang tidak setara akibat proses pemerintah, yang akan menjadi situasi yang sangat buruk, dan saya berharap hal itu tidak terjadi. Saya lebih ingin melihat hasil yang lebih membosankan, di mana mereka hanya perlu menjalani proses selama satu bulan setiap kali merilis model baru.

Di sisi lain, ini bukanlah masalah yang sepenuhnya rasional. Saya berpendapat laboratorium-laboratorium ini sebaiknya tidak mulai sembarangan mengklaim memiliki "senjata nuklir," karena hal itu akan menarik perhatian politik. Ini seperti Anda bermain dengan bom yang bisa berakhir dalam situasi membosankan atau bahkan menjadi hal yang jauh lebih buruk, seperti regulasi yang salah, terlalu agresif, dan merugikan seluruh ekonomi. Jadi, saya harap laboratorium-laboratorium ini lebih berhati-hati dalam hal persepsi publik, karena Anda tidak bisa sembarangan mengatakan memiliki bom nuklir dan mengharapkan tidak ada konsekuensi apa pun.

Interaksi AI sedang menuju tanpa sentuhan

Scott: Mari bicara tentang MCP, Skill, dan alat yang digunakan dalam pemrograman AI. Apa yang benar-benar layak diperhatikan dan digunakan? Kalian semua sedang menggunakan apa?

Dax: Konfigurasi pribadi sebagian besar dari kita sangat dasar. Yang benar-benar menarik adalah bot Discord internal tim kami, yang memiliki lebih banyak MCP dan keterampilan daripada pengaturan pribadi kami. Kami memiliki sesuatu yang disebut "Gang Growth", yang diidealkan oleh Kit Lang. Kapan pun kami mengalami hambatan dalam desain—baik itu bisnis, desain API, atau implementasi—kami akan memasukkan Prompt melalui suara di bot Discord, lalu menyebut @OpenCode, yang berfungsi seperti alat kolaborasi.

Robot ini terhubung ke seluruh data lake perusahaan, saya bisa bertanya, "Dalam seminggu terakhir, berapa total biaya yang dikeluarkan oleh semua pengguna langganan Go yang mengaktifkan biaya berlebih?" dan robot itu akan menghitungnya. Perubahan kebiasaan tim kami adalah: pada dasarnya tidak ada alasan lagi untuk menyebut orang lain. Anda punya pertanyaan, langsung sebut @OpenCode. Jika orang lain melihatnya, mereka akan bergabung untuk membantu. Tetapi OpenCode seringkali bisa menyelesaikannya sendiri.

Scott: Lalu bagaimana jika robot perlu mengirimkan informasi kembali kepada Anda? Saat ini semua orang membahas MCP UI atau langsung menghasilkan file HTML, menurut Anda bagaimana cara agen pemrograman akan menampilkan informasi di masa depan?

Dax: Kami pasti akan menambahkan fitur artifacts tertentu ke OpenCode agar dapat menghasilkan dokumen yang dikirimkan kepada Anda. Ia menggunakan HTML bersama SVG untuk visualisasi, sangat keren. Ini tidak memerlukan sesuatu yang spesial, hanya memanfaatkan kemampuan Agent. Mengenai MCP UI, saya belum mempelajarinya secara mendalam, tetapi saya pikir kami akan mendukungnya di aplikasi desktop, terutama ketika kami mulai fokus pada pengguna non-teknis, karena saya percaya pertanyaan yang mereka ajukan dan tugas yang perlu mereka lakukan akan mendapat manfaat dari beberapa UI dinamis atau sesuatu yang lebih kaya.

Tim kami sekarang sangat tergila-gila dengan voice prompting, bahkan saat saling mengirim pesan di Discord, kami menggunakan suara karena kami membenci mengetik. Ketika Anda bisa berbicara langsung kepadanya, banyak antarmuka pengguna, terutama antarmuka interaktif, saya lebih suka sekadar menjelaskan secara kasar apa yang saya butuhkan. Jika saya harus mengetik semuanya, pasti sangat buruk. Tapi saya bisa menggunakan suara, suara sekarang sangat cepat dan berjalan secara lokal.

Scott: Saya membeli pedal kaki karena terlalu banyak perintah suara. Ada satu pedal untuk "input", satu lagi untuk "trigger dictation", dan satu lagi untuk beralih tab. Saya duduk di sana dan menggunakannya, rasanya sangat menyenangkan.

Dax: Banyak orang meragukan hal ini, dan saya sepenuhnya memahaminya, karena saya sendiri baru mulai setelah melihat Kit melakukannya. Ketika Anda melihat orang lain melakukannya, sesuatu akan terbuka di pikiran Anda. Jika Anda belum pernah melakukannya, Anda mungkin merasa malu. Tetapi sebenarnya ini adalah hal paling alami, Anda bisa berbicara sembarangan, bisa bingung, bisa salah ucap—semuanya tidak masalah, karena LLM sangat ahli dalam memahami maksud sebenarnya yang ingin Anda sampaikan.

Wes: Apakah kamu menggunakan aplikasi Hex Kit?

Dax: Saya menggunakan Handy di mesin utama dan Hex di Mac. Modelnya bagus, itu yang paling penting.

Wes: Cara pemicu saya sangat sederhana, tombol kecil di mouse, cukup klik ganda. Ada juga orang yang sedang membuat cincin yang bisa ditekan, mereka akan mengirimkan satu kepada saya, dan saya akan mencobanya.

Dax: Saya sekarang sebagian besar waktu jari-jari saya masih di atas keyboard, jadi saya membuat shortcut.

Wes: Apa lagi yang belum kita bahas tetapi ingin kamu sampaikan? Misalnya, pandangan pribadimu?

Dax: Saya sangat antusias dengan model generasi baru yang akan datang. Biasanya, ketika model baru dirilis, semuanya terasa sama saja, bahkan saya sering membuat postingan untuk mengeluh tentang hal ini. Tapi kali ini, untuk pertama kalinya saya merasa model-model ini benar-benar akan digunakan oleh banyak orang. Secara teknis, model-model ini sudah dirilis, hanya saja pemerintah belum mengizinkan pengguna biasa untuk menggunakannya.

Wes: Sekarang ada berbagai benchmark dan skor, sementara orang-orang mengatakan "rasanya jauh lebih baik," menurutmu apakah kita akhirnya akan memiliki benchmark yang benar-benar bermakna?

Dax: Sejujurnya, sekarang saya sama sekali tidak memperhatikan benchmark, bahkan saya tidak yakin apakah saya pernah benar-benar memperhatikannya sebelumnya; menurut saya skor-skor ini sudah menjadi kebisingan latar belakang. Kita semua tahu angkanya naik, dan naik lebih banyak daripada pesaingnya, tetapi ketika pesaing merilis, skor mereka justru naik lebih tinggi lagi—apa artinya ini sebenarnya?

Jadi sekarang saya hanya fokus pada umpan balik kualitatif. Saya suka melihat orang-orang berbagi apa yang bisa mereka lakukan dengan model, atau apa yang telah mereka bangun. Jelas Anda tidak bisa mendapatkan umpan balik semacam ini pada skala jutaan titik data, tetapi produk-produk ini pada dasarnya bersifat ambigu, dan pada akhirnya semua kembali pada apakah pengguna senang? Apakah pengguna frustrasi? Inilah mengapa saya suka memantau penggunaan token oleh tim kami. Jika kurva naik, berarti ada sesuatu yang berfungsi, berarti mereka menyukai sesuatu. Di tim kami ada penggemar Claude, penggemar GPT, dan penggemar model open-source, jadi kami memiliki cakupan yang baik di berbagai arah.

Scott: Apa ada sesuatu yang baru-baru ini kamu nikmati dan ingin bagikan?

Dax: Tentu, itu adalah exe.dev yang saya sebutkan sebelumnya. Jika Anda ingin merasakan konsep "mesin cloud", ini adalah produk yang sangat cerdas dan dikerjakan dengan sangat baik. Rasanya seperti Tailscale, sesuatu yang "benar-benar bisa berjalan", dan exe.dev memiliki nuansa yang sama. Saya sangat menyukai produk-produk yang tepat sasaran, dan produk ini tepat berada di celah aneh yang kosong. Anda bisa menyewa server dari AWS atau tempat lain, tetapi sulit untuk menyewa server dengan disk persisten cepat dengan harga yang wajar. Lubang dalam ini sebelumnya hanya diisi oleh penyedia VPS yang tidak jelas, yang muncul lalu menghilang.

Beberapa tahun lalu, saat pertama kali membangun mesin pengembangan saya, saya mencari solusi termurah dan menemukan penyedia VPS di Miami. Pria itu ternyata memalsukan kematian dirinya, dan mesinnya pun mati. Dia mengirim email ke semua orang mengatakan, “Saya akan menjalani operasi medis dan tidak bisa dihubungi selama tiga hari,” tetapi setelah tiga hari, servernya benar-benar mati. Saya berpikir, “Astaga, ada yang salah?” Sebulan berlalu, tidak ada yang bisa menghubunginya. Akhirnya, saya menemukan postingan di forum yang mengungkap bahwa dia sebelumnya juga menjalankan layanan VPS lain yang menghilang dalam keadaan serupa. Pasar server murah berperforma tinggi benar-benar tidak dapat dipercaya sampai tingkat yang mengerikan. Sampai sekarang saya masih tidak mengerti, apa sebenarnya penipuan ini? Saya sudah membayarnya untuk layanan, lalu mengapa dia menghilang?

Wes: Apa yang ingin Anda sarankan kepada penonton?

Dax: Jika Anda ingin membuat sesuatu sendiri, saya merekomendasikan OpenTUI. Ini cara yang sangat baik untuk membangun TUI. Anda dapat membangun TUI berperforma tinggi dengan React, SolidJS, atau bahkan binding Vue. OpenCode dibangun menggunakan ini, dan kami sedang menuju versi 1.0. Baru-baru ini, produk dan aplikasi terminal mengalami kebangkitan.

Scott: Masih ada yang lain yang menggunakannya? Apakah juga build Grok baru atau sesuatu dari xAI?

Dax: CLI Grok dibuat sangat baik, berjalan dengan lancar dan performa tinggi, tetapi itu ditulis dalam Rust, dan mereka kemungkinan menggunakan library Ratatouille. Namun, TUI proxy Hermes yang baru dibangun dengan OpenTUI. Komunitas sedang tumbuh pesat, dan sekarang hampir semua TUI yang saya lihat di timeline saya kemungkinan besar adalah OpenTUI, terutama karena Anda bisa menulisnya dengan gaya vibe coding, karena pada dasarnya ini adalah React.