Bahasa Indonesia 
English 
Deutsch 
Español 
Italiano 
Français 
Português do Brasil 
Tiếng Việt 
ไทย 
Русский 
العربية 
हिन्दी 
Tiga model coding kelas frontier. Satu dua pekan. Kalau kamu sempat berkedip di awal Juni 2026, kamu melewatkan satu generasi penuh AI bobot terbuka diluncurkan sementara kamu mengisi ulang kopimu.
Saya membangun dengan hal-hal ini setiap hari — agen, alur kerja CLI, pipa tidak glamor yang mengubah sebuah model menjadi sesuatu yang benar-benar menyelesaikan pekerjaan. Jadi ini bukan daftar iseng yang mencomot benchmark. Ini perbandingan yang kuharap seseorang berikan kepadaku pada 14 Juni, saat ketiga model ini tiba-tiba nyata, bisa diunduh, dan berebut slot di stack saya.
Ini versi singkatnya bagi yang tidak sabar: MiniMax M3, GLM 5.2, dan Kimi K2.7-Code bukan alat yang sama dengan logo berbeda. Satu adalah pekerja berat multimodal berkonteks panjang, satu adalah paket coding murah dengan jendela satu juta token, dan satu lagi spesialis penggunaan alat yang diam-diam mengalahkan model berharga lima kali lipat. Salah pilih, kamu akan membayar lebih atau kurang hasilnya. Mari kita perbaiki.
Mengapa Juni 2026 terasa seperti lantai yang ambruk
Mundur selangkah, karena garis waktunya saja sudah bercerita.
- 1 Juni — MiniMax merilis M3, model multimodal bobot terbuka dengan jendela konteks 1 juta token dan arsitektur sparse-attention yang benar-benar baru.
- 12 Juni — Moonshot AI merilis Kimi K2.7-Code, spesialis coding berparameter satu triliun, di Hugging Face.
- 12 Juni — Pemerintah AS memerintahkan Anthropic menangguhkan akses global ke model papan atasnya, Fable 5 dan Mythos 5, dengan alasan arahan kontrol ekspor.
- 13 Juni — Zhipu AI (Z.ai) merilis GLM 5.2 di semua tingkatan paket codingnya dan menjanjikan bobot terbuka berlisensi MIT dalam sepekan.
Jadi dalam rentang sekitar dua belas hari, dua model coding terbuka paling mumpuni di dunia diluncurkan, satu lagi menyusul, dan model frontier Barat paling kuat ditarik dari meja internasional. Kekosongan itu terisi sebelum sebagian besar tim sadar ada kekosongan.
Itulah berita utamanya. Bukan “China menyusul” — kerangka itu sudah usang setahun. Ceritanya sekarang adalah bahwa frontier bobot terbuka bergerak lebih cepat daripada siklus pengadaan mana pun, peta jalan kuartalan mana pun, posting blog mana pun. Saat sebuah model punya benchmark independen, penerusnya sudah dalam pelatihan. Kalau strategi teknologimu mengasumsikan kamu bisa menstandarkan satu model selama delapan belas bulan, strategi itu sudah rusak.
Sisi lainnya benar-benar kabar baik bagi para pembangun: kamu punya daya tawar yang tidak kamu miliki pada 2024. Tiga vendor, semuanya agresif, semuanya saling memotong harga, semuanya merilis bobot yang bisa kamu hosting sendiri. Kompetisi seperti ini persis yang mendorong kualitas naik dan biaya turun. Triknya adalah tahu apa yang sebenarnya kamu pilih.
Kenali tiga pesaingnya
Sebelum adu langsung, perkenalan singkat dan jujur untuk masing-masing — termasuk bagian yang dilewatkan sebagian besar liputan peluncuran: angka mana yang diverifikasi independen dan mana yang merupakan penilaian vendor atas pekerjaannya sendiri.
MiniMax M3 — truk jarak jauh multimodal
MiniMax, lab dari Shanghai, merilis M3 pada 1 Juni. Fitur khasnya bukan benchmark — melainkan arsitektur. M3 berjalan di atas MiniMax Sparse Attention (MSA), yang menggantikan attention penuh dengan sistem yang hanya memproses blok relevan dari konteks panjang. Hasil praktisnya: komputasi per token sekitar seperdua puluh pada 1 juta token dibanding generasi sebelumnya, dengan prefill dilaporkan 9× lebih cepat dan decoding lebih dari 15× lebih cepat.
Itu lebih penting daripada kedengarannya. Model berkonteks panjang biasanya tersedak — lambat, mahal, dan makin pelupa semakin dalam kamu masuk. MSA adalah taruhan MiniMax bahwa kamu bisa punya jendela sejuta token yang benar-benar terpakai tanpa tagihan atau latensi meledak.
M3 juga multimodal secara native: teks, gambar, dan video masuk, teks keluar. Ini satu-satunya model di trio ini yang membaca tangkapan layar atau rekaman layar tanpa tambahan. MiniMax melaporkan skor SWE-Bench Pro 59,0%, yang katanya sedikit melampaui GPT-5.5 dan Gemini 3.1 Pro sambil berada di bawah Claude Opus 4.8. Di daftar OpenRouter, harganya sekitar $0,30 per juta token input dan $1,20 per juta output saat peluncuran (tarif promo; harga standar sekitar dua kali lipatnya), dengan pembacaan cache mendekati $0,06.
Catatannya: benchmark itu dijalankan di infrastruktur MiniMax sendiri dengan perangkat agen mereka sendiri. Anggap sebagai petunjuk arah, bukan Injil, sampai papan netral ikut menilai. Dan kalau kamu memakai API terkelola alih-alih hosting sendiri bobotnya, ingat penyedianya beroperasi di bawah yurisdiksi Tiongkok — pertimbangan nyata bagi siapa pun yang menangani data klien atau data teregulasi.
GLM 5.2 — paket coding murah dengan jendela 1M
GLM 5.2 dari Zhipu diluncurkan pada 13 Juni dan membuat dua janji lantang: jendela konteks 1 juta token yang benar-benar bisa dipakai dan bobot terbuka berlisensi MIT yang hadir dalam sepekan setelah rilis. Laporan menyebutnya model Mixture-of-Experts besar — satu angka yang banyak dikutip adalah 744B parameter total dengan 40B aktif — dibangun mengutamakan coding, dengan dua mode berpikir (High dan Max, yang terakhir disarankan untuk hal-hal rumit).
Yang membuat GLM 5.2 menarik bagi developer yang bekerja bukanlah papan peringkat. Melainkan GLM Coding Plan. Tingkat masuk sekitar $18/bulan untuk kira-kira 400 prompt sepekan, naik melalui Pro (~2.000/pekan), Max (~8.000/pekan), dan tingkat Team berbasis kursi — dan GLM 5.2 disertakan di semuanya tanpa biaya tambahan dibanding 5.1. Itu kira-kira sepersepuluh dari biaya tingkat premium Claude Code dan Claude Max yang sebanding. Bagi pembangun solo atau tim kecil, rasio harga terhadap kemampuan itu sulit dibantah.
Ini juga masuk ke alat yang sudah kamu pakai hampir tanpa hambatan. Dukungan hari pertama mencakup Claude Code, Cline, OpenCode, Roo Code, Goose, Crush, OpenClaw, dan Kilo Code. Kalau agenmu berbicara API bergaya OpenAI atau Anthropic dan mengizinkan endpoint khusus, GLM 5.2 cukup tukar konfigurasi — arahkan klien ke endpoint Z.ai dan setel modelnya ke glm-5.2.
Catatannya: saat peluncuran, Zhipu menerbitkan Tidak ada benchmark resmi. Tidak ada SWE-bench, tidak ada LiveCodeBench, tidak ada apa-apa. Beberapa pembacaan pihak ketiga awal sudah menetes keluar (satu media mencatatnya di puncak benchmark penalaran bernama BridgeBench dan sekitar 300 token/detik), tapi verifikasinya benar-benar tipis saat ini. Kalau kualitas model penting untuk produksi, ujilah sendiri sebelum percaya pemasarannya.
Kimi K2.7-Code — spesialis penggunaan alat yang menantang kelas di atasnya
K2.7-Code dari Moonshot AI tiba 12 Juni dan paling sempit fokusnya di antara ketiganya. Ini adalah model Mixture-of-Experts 1 triliun parameter dengan 32B aktif per token (384 expert, 8 dipilih plus 1 dibagi, 61 lapisan, attention MLA), jendela konteks 256K token, dan encoder visi 400M parameter untuk gambar dan video. Bobotnya ada di Hugging Face dengan lisensi Modified MIT, dikirim dalam INT4 native.
Jualannya adalah efisiensi, bukan ukuran mentah. K2.7-Code memakai sekitar 30% lebih sedikit token “thinking” daripada pendahulunya K2.6 sambil mencetak skor lebih tinggi pada benchmark coding Moonshot (+21,8% di Kimi Code Bench v2, +11,0% di Program Bench, +31,5% di rangkaian multi-bahasa). Token penalaran lebih sedikit untuk hasil lebih baik adalah jalan langsung ke tagihan lebih rendah pada alur kerja berbayar per token.
Tapi angka yang membuat saya tegak duduk adalah MCPMark Verified: K2.7-Code mencetak 81,1, mengalahkan 76,4 milik Claude Opus 4.8 pada tugas penggunaan alat nyata di lingkungan seperti GitHub, Postgres, Filesystem, dan Playwright. Untuk pekerjaan agentic — di mana model bukan menulis fungsi secara terpisah melainkan mengorkestrasi alat di banyak langkah — itulah metrik yang memprediksi apakah agenmu benar-benar menyelesaikan pekerjaan. Harga API sekitar $0,95 input / $4,00 output per juta token, dengan paket Kimi Code CLI mulai $19/bulan.
Catatan kakinya (ada dua): Pertama, setiap benchmark K2.7 yang diterbitkan sejauh ini adalah milik Moonshot sendiri — belum ada angka SWE-bench Verified, LiveCodeBench, atau Terminal-Bench yang independen. Kedua, “thinking” selalu aktif (dengan preserve_thinking di antar percakapan) dan tidak ada mode instan, jadi kamu membayar pajak penalaran di setiap panggilan mau atau tidak. Dan hosting sendiri itu berat: quant K2.6 yang sebanding berbobot sekitar 340GB dan butuh RAM plus VRAM gabungan 350GB+. Bagi hampir semua orang, itu berarti menyewa API, bukan memiliki modelnya.
Adu langsung, dalam satu tabel
Ini perbandingan yang dilucuti sampai hal yang benar-benar menentukan keputusan. Kalau sebuah angka dilaporkan vendor, saya sebutkan — karena perbandingan yang menyembunyikan ketidakpastiannya hanyalah pemasaran dengan tabel.
| GLM 5.2 | MiniMax M3 | Kimi K2.7-Code | |
|---|---|---|---|
| Lab | Zhipu AI (Z.ai), Beijing | MiniMax, Shanghai | Moonshot AI, Beijing |
| Dirilis | June 13, 2026 | June 1, 2026 | June 12, 2026 |
| Jendela konteks | 1 juta token | 1 juta token | 256K token |
| Arsitektur | MoE (~744B/40B aktif, dilaporkan) | MoE + Sparse Attention (MSA) | MoE, 1T total / 32B active |
| Multimodal | Tidak (mengutamakan coding) | Ya — teks, gambar, video | Ya — gambar, video via encoder visi |
| Lisensi | MIT (bobot terbuka, ~1 pekan setelah rilis) | Bobot terbuka dijanjikan (~10 hari) | Modified MIT (bobot sudah tersedia) |
| Kekuatan utama | konteks 1M + paket coding murah | Multimodal konteks panjang + kecepatan | Penggunaan alat / MCP, efisiensi token |
| Sinyal harga | paket ~$18/bln (≈1/10 tingkat Claude) | ~$0,30/$1,20 per 1M (promo) | ~$0,95/$4,00 per 1M; CLI $19/bln |
| Status benchmark | Tidak ada yang resmi saat peluncuran | Dijalankan vendor (59% SWE-Bench Pro) | Dijalankan vendor (81,1 MCPMark, mengalahkan Opus 4.8) |
| Jebakan terbesar | Belum terbukti, tanpa skor independen | Dihosting di bawah yurisdiksi Tiongkok | Thinking selalu aktif; 340GB+ untuk hosting sendiri |
Satu peringkat developer yang beredar setelah pengujian langsung menempatkan bidang yang lebih luas kira-kira sebagai Fable 5 di depan, lalu Kimi K2.7, lalu setara Opus 4.8 dengan GLM 5.2, lalu GPT-5.5, lalu MiniMax M3 — tapi ambil itu dengan segenggam garam. Itu urutan satu penguji, pada satu set tugas, di pekan ketika separuh model ini tidak punya angka terverifikasi sama sekali. Beban kerjamu adalah satu-satunya papan peringkat yang berlaku.
Jadi di mana “vibe coding” masuk dalam semua ini?
Perlu berhenti sejenak di sini, karena istilah itu dipakai dengan longgar. Vibe coding adalah alur kerja di mana kamu menjelaskan apa yang kamu mau dengan bahasa biasa dan membiarkan model menulis, menjalankan, dan memperbaiki kode — kamu mengarahkan lewat niat dan vibes, bukan mengetik setiap baris sendiri. Bagi banyak orang (termasuk saya, di banyak proyek), ini sekarang cara default perangkat lunak dibangun.
Ini bukan lagi ide pinggiran. Zhipu bahkan memberi judul makalah teknis GLM-5 “from Vibe Coding to Agentic Engineering” — lab-lab itu sendiri melihat ini sebagai lintasannya: prototipe longgar dan percakapan yang matang menjadi rekayasa terstruktur dan otonom yang bisa berjalan berjam-jam tanpa diawasi.
Tapi inilah yang tidak diberitahu siapa pun: model terbaik untuk vibe coding sepenuhnya bergantung pada tahap vibe-mu.
- Prototipe awal, eksploratif, “buatkan saja sesuatu” — di mana kamu beriterasi cepat, melempar tangkapan layar, berubah pikiran tiap dua menit — menginginkan model murah, cepat, dan pemaaf dengan input multimodal. MiniMax M3 bersinar di sini. Biaya token yang rendah berarti kamu bisa beriterasi tanpa rasa bersalah, dan memberinya tangkapan layar desain alih-alih mendeskripsikannya adalah pembuka alur kerja yang nyata.
- Vibe coding pada basis kode besar — “baca seluruh repo saya dan refactor lapisan auth” — adalah tempat di mana jendela konteks berkuasa. GLM 5.2 punya jendela sejuta token (dan paket coding murah itu) yang memungkinkanmu menjaga seluruh proyek tetap terlihat tanpa terus menjelaskan ulang, yang merupakan sumber gesekan terbesar dalam pekerjaan agentic.
- Ujung yang serius — build agentic berat alat berhorizon panjang yang menyentuh basis data, sistem berkas, dan riwayat Git-mu di ratusan langkah — menginginkan model yang tidak kehilangan alur di tengah tugas. Kimi K2.7-Code punya skor penggunaan alat yang dibangun persis untuk ini. Ketika pekerjaannya bukan lagi sekadar “tulis fungsi” melainkan “jalankan seluruh toolchain saya untuk mengirim fitur,” panggilan alat yang andal selalu mengalahkan contoh kode yang lebih cantik.
Kebenaran yang tidak nyaman: vibe coding memperkuat model apa pun yang kamu berikan. Model hebat dengan konteks bagus mengubah niat samar menjadi perangkat lunak yang berjalan. Model lemah mengubahnya menjadi tumpukan bug percaya diri yang tidak kamu tulis dan tidak kamu pahami. Pilih model untuk tahap, bukan hype-nya.
Mana yang sebenarnya harus kamu pakai?
Tanpa basa-basi diplomatis. Ini cara saya memetakan keputusannya.
Pilih MiniMax M3 jika pekerjaanmu berkonteks panjang dan multimodal — meninjau basis kode besar, bernalar lintas berkas, atau alur kerja apa pun di mana tangkapan layar, diagram, atau video menjadi bagian dari input. Ini juga yang akan saya pakai ketika biaya per iterasi menjadi kendala utama, karena arsitektur sparse-attention menjaga pekerjaan konteks panjang tetap cepat dan murah. Untuk apa pun yang sensitif, hosting sendiri bobotnya.
Pilih GLM 5.2 jika kamu ingin kemampuan terbanyak per euro dan kamu hidup di basis kode besar. Paket coding sekitar sepersepuluh harga Claude premium, plus jendela 1 juta token yang nyata dan dukungan pasang langsung tanpa hambatan untuk Claude Code dan kawan-kawan, menjadikannya default jelas bagi pembangun solo dan tim kecil. Jebakannya adalah keyakinan — kamu memercayainya sebelum benchmark independen tiba, jadi prototipekan dulu sebelum mempertaruhkan tenggat.
Pilih Kimi K2.7-Code jika kamu membangun agen otonom yang mengorkestrasi alat — server MCP, basis data, peramban, sistem berkas — selama sesi panjang. Performa penggunaan alatnya adalah hasil paling menonjol di seluruh perbandingan ini, dan keuntungan efisiensi token langsung memotong biaya operasionalmu. Bayar tarif API alih-alih bergulat dengan kebutuhan hosting sendiri 340GB, dan terima bahwa thinking selalu aktif.
Atau — dan ini yang sebenarnya saya lakukan — pakai ketiganya. Rutekan berdasarkan tugas. Iterasi multimodal murah ke M3, refactor konteks besar ke GLM 5.2, jalannya agen berat alat ke Kimi. Alat seperti Kilo Code, OpenCode, dan Claude Code membuat pergantian penyedia sekadar perubahan konfigurasi, bukan migrasi. Di pasar yang bergerak secepat ini, portabilitas mengalahkan loyalitas. Bangun alur kerjamu agar kamu bisa berganti model dalam satu sore, dan kamu mengubah kekacauan Juni 2026 dari ancaman menjadi keuntungan.
Catatan tentang memercayai angka-angka ini
Cek cepat, karena ini akan menyelamatkanmu dari kekecewaan. Hampir setiap benchmark di artikel ini dilaporkan vendor. GLM 5.2 diluncurkan tanpa satu pun. Bahkan rangkaian publik yang dihormati punya masalah kontaminasi — SWE-Bench Pro ada sebagian karena benchmark lama bocor ke data pelatihan dan menggelembungkan skor.
Tidak satu pun dari itu membuat model-model ini buruk. Artinya, satu-satunya benchmark yang penting adalah repo-mu sendiri, tugasmu sendiri, definisimu sendiri tentang “selesai.” Siapkan eval kecil yang bisa diulang — tiga atau empat tiket nyata dari backlog-mu — dan jalankan setiap model terhadapnya sebelum memutuskan. Satu sore pengujian akan memberitahumu lebih banyak daripada semua posting blog hari peluncuran digabung, termasuk yang ini.
Pertanyaan yang sering diajukan
Apakah GLM 5.2 benar-benar gratis? Bobotnya berlisensi MIT dan gratis diunduh serta dihosting sendiri setelah rilis. GLM Coding Plan terkelola berbayar, mulai sekitar $18/bulan — tapi itu kira-kira sepersepuluh dari tingkat Claude premium yang sebanding, dan GLM 5.2 disertakan di setiap tingkat paket tanpa biaya tambahan.
Mana yang terbaik khusus untuk vibe coding? Tidak ada satu pemenang. MiniMax M3 terbaik untuk prototipe multimodal yang cepat dan murah; GLM 5.2 untuk vibe coding di dalam basis kode besar berkat jendela 1 juta token-nya; Kimi K2.7-Code untuk build agentic serius yang berat alat. Cocokkan model dengan tahap yang sedang kamu jalani.
Bisakah saya memakai ini dengan Claude Code? Bisa. GLM 5.2 mendukung Claude Code sejak hari pertama — arahkan klien ke endpoint Z.ai dan setel modelnya ke glm-5.2. Kimi dan MiniMax sama-sama menyediakan API yang kompatibel dengan OpenAI/Anthropic, jadi sebagian besar alat coding agentic menerimanya sebagai endpoint khusus dengan mengganti kuncinya.
Mana yang punya jendela konteks terbesar? GLM 5.2 dan MiniMax M3 sama-sama menawarkan 1 juta token. Kimi K2.7-Code menawarkan 256K — lebih kecil, tapi masih cukup besar untuk sebagian besar pekerjaan satu repo.
Apakah skor benchmark-nya bisa diandalkan? Anggap sebagai petunjuk arah. Per pertengahan Juni 2026, sebagian besar skor yang diterbitkan dijalankan vendor di infrastruktur lab mereka sendiri, dan GLM 5.2 diluncurkan tanpa benchmark resmi. Jalankan evaluasimu sendiri pada tugas nyata sebelum berkomitmen ke produksi.
Bisakah saya menjalankan salah satunya di mesin biasa? Bukan bobot penuhnya. Kimi K2.7-Code butuh sekitar 350GB+ RAM dan VRAM gabungan untuk hosting sendiri, dan yang lain juga model MoE besar. Bagi kebanyakan orang, API terkelola atau penyedia terkelola adalah jalur praktis; hosting sendiri untuk tim dengan anggaran GPU serius atau kebutuhan residensi data yang ketat.
Intinya
Dua pekan pada Juni 2026 memberi developer tiga model coding bobot terbuka yang serius, frontier yang kini benar-benar kompetitif dalam harga, dan sinyal jelas bahwa lajunya tidak melambat. MiniMax M3 adalah mesin prototipe multimodal, berkonteks panjang, dan hemat biaya untukmu. GLM 5.2 adalah taruhan kemampuan per euro terbaik untuk pekerjaan basis kode besar, kalau kamu bisa memercayainya sebelum benchmark tiba. Kimi K2.7-Code adalah spesialis penggunaan alat untuk build agentic sungguhan.
Langkah terpintar bukan memilih favorit — melainkan membangun alur kerja yang cukup fleksibel untuk memakai mana pun yang cocok dengan tugas di hadapanmu, dan menukar model berikutnya saat ia pasti rilis bulan depan. Di pasar secepat ini, kemampuan beradaptasi adalah adalah strateginya.
Kalau kamu sedang mencari cara agar ini masuk ke stack-mu sendiri — entah merangkai model-model ini ke agen coding, membangun otomasi AI di bisnismu, atau sekadar mendapat pendapat kedua yang lugas sebelum berkomitmen — itulah jenis pekerjaan yang saya lakukan di Graham Miranda. Hubungi saya dan mari bangun sesuatu yang bertahan lebih lama daripada siklus berita.
Punya model yang menurutmu pantas masuk perbandingan ini, atau beban kerja yang kamu tidak bisa putuskan cara merutekannya? Tulis di komentar — saya membacanya, dan saya memperbarui panduan ini seiring pergerakan bidangnya (yang belakangan ini terus bergerak).
