MIDM K 3.0 Pro vs Gemini 4 Argon: Sepuluh Kali Lipat Harga, Lima Puluh Poin Indeks

Cara termurah untuk membandingkan Mi:dm K 3.0 Pro dan Gemini 4 Argon bukanlah lembar spesifikasi, melainkan soal pembagian. Gemini 4 Argon berbiaya $2.00 per juta token masukan dan $10.00 per juta token keluaran, dan Artificial Analysis mengukurnya pada $1.99 untuk menjalankan satu tugas Intelligence Index. Mi:dm K 3.0 Pro berbiaya $0.20 dan $0.80, dan tidak memiliki biaya tugas indeks karena tidak memiliki skor indeks. Jadi kerangka yang jujur bukanlah "model murah versus model mahal" — melainkan model terukur dengan biaya per unit kemampuan yang diketahui terhadap model yang tidak terukur dengan biaya per token yang diketahui, dan kedua fakta itu tidak dapat saling dikurangkan. Yang bisa dilakukan adalah memberi harga pada risikonya: hitung skor apa yang harus dicapai model Korea tersebut agar keunggulan harganya tetap bertahan ketika dihadapkan pada beban kerja nyata, lalu putuskan apakah angka itu masuk akal.

Posisi masing-masing model per 11 November 2026

• Gemini 4 Argon — diumumkan oleh Google pada 30 September 2026 dan tersedia secara umum di Gemini API sejak 13 Oktober 2026. Konteks 1.048.576 token, hingga 943.718 token keluaran dalam satu respons, dan input multimodal mencakup teks, gambar, audio, video, dan file. Harga $2,00 untuk input dan $10,00 untuk output per juta, dengan input yang di-cache sebesar $0,10.

• Mi:dm K 3.0 Pro — dapat ditagih di platform Token Factory KT sejak 29 Oktober 2026 dan terdaftar secara internasional pada 5 November. Konteks 261.795 token, hingga 235.615 token keluaran, teks masuk dan teks keluar. $0,20 untuk input dan $0,80 untuk output per juta, input yang di-cache seharga $0,04, dengan diskon promosi 30% yang saat ini berlaku di platform KT sendiri.

• Evaluasi independen — Gemini 4 Argon memperoleh skor 52,6 pada Artificial Analysis Intelligence Index dan menempati peringkat pertama pada Vals Index dengan 68,90%. Mi:dm K 3.0 Pro tidak tercantum pada keduanya.

• Arsitektur — Google tidak memublikasikan jumlah parameter untuk Argon. KT memublikasikan jumlahnya untuk modelnya: total 120B, 12B aktif, hibrida Mamba/MoE/attention, dilayani dari checkpoint dengan pakar NVFP4.

Perhitungan aritmetika yang menentukan apakah model murah layak diuji

Mulailah dengan berapa biaya permintaan yang sebenarnya. Dokumen 30.000 token yang diringkas menjadi 1.500 token ditagih $0.06 untuk input ditambah $0.015 untuk output pada Gemini 4 Argon — $0.075. Permintaan yang sama pada Mi:dm K 3.0 Pro ditagih $0.006 ditambah $0.0012, atau $0.0072. Sepuluh kali lebih murah, kurang lebih begitulah.

Sekarang bagian yang mengubah keputusan. Misalkan model Gemini benar pada 92% ringkasan tersebut pada proses pertama dan model Korea, yang belum diukur, mencapai 84%. Dengan harga sepuluh kali lipat, model murah tetap menang dalam hal biaya token murni — $0,0072 versus $0,075. Tetapi jika tingkat kegagalan 8% memerlukan proses kedua dengan model yang lebih kuat, dan jika proses kedua itu lebih mahal daripada yang pertama karena mencakup verifikasi, biaya efektif per ringkasan yang diterima akan cepat mendekat. Itulah keseluruhan argumennya, dan itulah sebabnya "tanpa benchmark" adalah fakta penetapan harga, bukan keluhan editorial.

Tetapkan saja angka untuk titik impasnya. Agar model Korea menjadi pilihan yang lebih baik karena sepuluh kali lebih murah pada tugas yang dapat diperiksa, model itu perlu berada dalam kisaran sekitar faktor sepuluh dari keluaran berguna Argon per dolar. Jika indeks 52,6 milik Argon sesuai dengan tingkat keberhasilan tugas yang sudah Anda ketahui dari evaluasi Anda sendiri, maka pertanyaannya adalah apakah hibrida 120B dengan seperlima harga unggulan DeepSeek berada dalam sepuluh poin akurasi dari model garis depan Google. Bisa jadi. Belum ada yang membuktikannya, dan beban pembuktian ada pada pihak yang bermigrasi, bukan pada pihak yang bertahan.

Biaya per tugas, yang merupakan angka yang sebenarnya diterbitkan oleh Artificial Analysis

Tugas indeks Argon seharga $1,99 per tugas layak dipahami, karena itu bukan hal yang sama dengan harga tokennya dan itulah angka yang membuat perbandingan antarmodel menjadi jujur.

Indeks menormalisasi skor terhadap pengeluaran token yang diperlukan untuk memperolehnya, sehingga model yang bertele-tele dan mahal per tugas tampak lebih buruk daripada yang disiratkan oleh kartu tarifnya. Dengan $1,99, Argon membeli satu kali menjalani rangkaian sembilan evaluasi yang membentuk Intelligence Index v5.0.1 — AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2, dan Terminal-Bench-Science. Menjalankan seluruh rangkaian terhadap Argon sekali membutuhkan biaya $2.407. Terhadap GLM-5.3, model yang lebih murah di band yang sama, biayanya $2.503 — lebih mahal, meskipun tarif utamanya lebih rendah, karena model tersebut membutuhkan lebih banyak token untuk menyelesaikan tugas yang sama.

Inversi itulah alasan untuk tidak memercayai perbandingan tarif murni. Model dengan harga $2 dan $10 bisa lebih murah dioperasikan daripada model dengan harga $1.40 dan $4.40 jika model itu berpikir lebih sedikit dan menjawab lebih singkat. Batas atas keluaran 235.615 token yang lapang dan jejak penalaran yang terbuka dari Mi:dm K 3.0 Pro sama-sama berdampak sebaliknya: model yang dapat mengeluarkan penalaran dan jawaban panjang akan melakukannya, dan tagihannya mengikuti token keluaran, bukan harga masukan yang tampak begitu menarik.

Input multimodal bukanlah kesenjangan fitur, melainkan kesenjangan pipeline

Argon menerima teks, gambar, audio, video, dan file. Mi:dm K 3.0 Pro menerima teks. Kalimat itu terdengar seperti kotak centang dan sebenarnya merupakan perbedaan arsitektural dalam hal apa yang harus dibangun oleh sebuah tim.

Alur kerja dokumen di Argon mengirim PDF. Alur kerja dokumen di Mi:dm K 3.0 Pro mengirim teks hasil ekstraksi, yang berarti ada tahap OCR atau parsing di depan model, yang berarti vendor kedua, mode kegagalan kedua, dan lini biaya kedua yang tidak muncul dalam tarif $0.20. Untuk korpus PDF digital yang bersih, tahap ekstraksi murah dan andal. Untuk formulir hasil pindai, tangkapan layar dasbor, dek presentasi, dan panggilan yang direkam, tahap ekstraksi adalah tempat error berada, dan berapa pun harga model tidak dapat mengimbangi parser yang mengacaukan tabel.

Audio dan video menjawab pertanyaan itu sepenuhnya untuk beban kerja yang menggunakannya. Model yang tidak dapat mendengar rekaman panggilan bukanlah opsi yang lebih murah untuk analisis transkripsi; model itu berada di luar kategori.

Konteks: 1M dibandingkan 262K, dan untuk apa sebenarnya masing-masing angka itu

Jendela sejuta token Argon berpasangan dengan batas keluaran 943.718 token, kombinasi yang tidak biasa — sebagian besar model menawarkan input panjang dan output yang jauh lebih pendek. Materi promosi Google menyebutnya sebagai dukungan dekode panjang: satu respons dapat membawa sekitar satu juta token. Itu adalah kemampuan pembuatan dokumen, bukan sekadar kemampuan membaca dokumen.

Pasangan input Mi:dm K 3.0 Pro sebanyak 261.795 dengan keluaran 235.615, yang secara proporsional serupa — model dapat menulis hampir sebanyak yang dapat dibacanya. Perbedaannya adalah batas absolut. Seperempat juta token kira-kira 190.000 kata, yang setara dengan buku tebal. Satu juta setara dengan empat buku.

Kedua plafon itu cukup besar sehingga sebagian besar beban kerja tidak pernah mendekati keduanya. Celah itu terasa pada kasus yang sudah menjadi biasa pada 2026: agen yang memegang seluruh repositori, atau tugas riset yang menumpuk rantai panjang hasil alat. Semuanya tumbuh melewati 262K dan tidak berhenti tumbuh, dan solusi sementaranya — kompaksi, peringkasan, pengambilan — justru merupakan bagian dari harness agen yang kehilangan informasi. Jendela Argon menghilangkan mode kegagalan tersebut untuk 738.000 token lagi.

Korea, dan kasus yang sebenarnya dimiliki model Korea

Google tidak melatih secara khusus untuk bahasa Korea; Google melatih untuk segalanya dan bahasa Korea adalah salah satu dari segalanya itu. KT telah membangun empat generasi model yang ditujukan untuk teks bahasa Korea, dari rilis 12B dan 2B yang berpusat pada Korea dari Mi:dm 2.0 hingga model ini, dan materi perusahaan menyebut lini tersebut sebagai disetel untuk masyarakat, budaya, dan pengetahuan domain Korea.

Perbedaan itu nyata sebagaimana penyetelan domain selalu nyata: terukur pada kosakata dan register layanan pelanggan domestik, regulasi, dan teks sektor publik, serta tak terlihat pada tolok ukur pengodean berbahasa Inggris. Jika korpus Anda adalah transkrip pusat panggilan Korea, model yang dilatih pada register tersebut layak diuji sebelum model frontier dianggap akan menang. Jika korpus Anda adalah perangkat lunak berbahasa Inggris, penyetelan itu tidak bernilai apa-apa dan batas 262K bernilai lebih rendah daripada sejuta Argon.

Tes ini murah dan ini satu-satunya cara untuk menyelesaikannya. Ambil 200 item nyata dari korpus bahasa Korea Anda sendiri, minta kedua model menghasilkan keluaran terstruktur, lalu nilai terhadap kunci jawaban yang disisihkan. Dengan tarif $0.20 dan $0.80, bagian model Korea dalam eksperimen itu biayanya jauh di bawah satu dolar; bagian Argon sekitar delapan dolar. Hasilnya lebih bernilai daripada indeks terbitan mana pun untuk keputusan spesifik ini, karena indeks tersebut tidak dibangun berdasarkan data Anda.

Menelusuri satu kunci, dan apa yang diubahnya

Gemini 4 Argon kini tersedia di OrcaRouter sebagai google/gemini-4-argon dengan tarif daftar Google dan tanpa markup tambahan — $2,00 input, $10,00 output, $0,10 cache read — bersama lebih dari 200 model lain di endpoint yang sama dan invoice yang sama. Mi:dm K 3.0 Pro hanya dilayani oleh KT; kami tidak merutekannya, dan tidak ada penyedia kedua untuk model itu di mana pun.

Asimetri itu lebih penting di sini daripada di sebagian besar perbandingan, karena kedua model berada di ujung yang berlawanan dari profil risiko. Argon adalah model yang dirutekan: jika endpoint Google melambat atau mengalami error, aturan perutean dapat memindahkan permintaan ke model lain tanpa disadari oleh aplikasi. Mi:dm K 3.0 Pro adalah panggilan langsung ke infrastruktur satu perusahaan, dan pembacaan ketersediaan 100% selama sehari terakhir adalah pengukuran terhadap satu endpoint itu — jujur, dan bukan jaminan, karena tidak ada opsi failover.

Pola yang bisa diterapkan adalah mempertahankan Argon sebagai default yang dirutekan untuk apa pun yang harus berhasil dan memanggil model Korea secara langsung, di balik timeout dan fallback Anda sendiri, untuk tier massal tempat permintaan yang gagal cukup dicoba ulang atau dibuang. Di OrcaRouter, aturan fallback dapat menyebutkan model yang lebih murah untuk percobaan ulang, yang membuat eksperimen sepuluh kali lebih murah tetap murah bahkan ketika endpoint murah berperilaku tidak semestinya. Yang tidak bisa kami lakukan adalah failover ke Mi:dm K 3.0 Pro itu sendiri, karena satu penyedia adalah satu pintu.

Untuk apa setiap model, dinyatakan secara gamblang

Gemini 4 Argon ditujukan untuk pekerjaan yang inputnya berantakan, konteksnya panjang, atau outputnya penting. Model ini membaca gambar, audio, dan video, menampung satu juta token, menulis hampir satu juta token, mencetak 52.6 pada indeks independen, dan menempati peringkat pertama pada Vals Index dengan 68.90% — sebuah tolok ukur keuangan, hukum, pemrograman, dan pajak yang selisih lima poin atas model berikutnya merupakan jarak yang besar. Biayanya sepuluh kali lipat biaya model Korea dan sekitar seperlima biaya Claude Opus 5.5 per tugas indeks, yang menjadikannya berada di tengah rentang terdepan, bukan di puncaknya.

Mi:dm K 3.0 Pro ditujukan untuk pekerjaan yang masukannya berupa teks, konteksnya muat dalam seperempat juta token, keluarannya dapat diperiksa, dan volume mendominasi. Model ini memiliki plafon keluaran yang lebih tinggi daripada kebanyakan model pada harganya, arsitektur hibrida yang benar-benar menarik, satu penyedia, dan tidak ada evaluasi yang dipublikasikan dalam bentuk apa pun. Harga promonya sebesar $0.14 dan $0.56 di platform KT sendiri memperkuat argumen untuk penggunaan massal selama harga itu masih berlaku.

Kesenjangan antara kedua paragraf itu bukanlah vonis tentang kualitas — melainkan ketiadaan vonis. Model tanpa skor bukanlah model yang buruk; ia adalah sesuatu yang belum diketahui, dan hal yang belum diketahui diuji dalam skala kecil sebelum dimigrasikan ke sana. Itulah keseluruhan rekomendasinya: Argon ketika jawabannya harus benar, model Korea ketika jawabannya harus murah dan ada yang memeriksa, serta tes 200 item pada korpus Anda sendiri untuk mengetahui mana dari keduanya yang menggambarkan beban kerja Anda berikutnya.