Pada 19 November 2026, beberapa menit setelah bel pembukaan Nasdaq berbunyi, layar di lantai bursa menampilkan angka 111,50 dolar per saham. Angka itu bukan harga penawaran. Sehari sebelumnya Anthropic menetapkan harga IPO di 83 dolar, dan pasar langsung mendorongnya naik 33 persen. Dalam hitungan jam, pembuat Claude berubah dari laboratorium riset swasta menjadi perusahaan terbuka dengan kapitalisasi di atas 2 triliun dolar.
Di Bandung, Rani—CTO startup pembayaran dengan 14 karyawan—membaca berita itu sambil membuka dashboard tagihan model bahasa. Tiga fitur produknya memakai API pihak ketiga: ringkasan transaksi, klasifikasi tiket dukungan, dan chatbot onboarding. Angka di dashboard bulan itu sekitar Rp42 juta, sebuah ilustrasi yang ia hitung sendiri dengan asumsi kurs Rp16.500 per dolar. Pertanyaan di kepalanya sederhana: kalau vendor-nya sekarang harus melapor ke Wall Street setiap kuartal, apakah harga yang ia bayar akan tetap sama tahun depan?
Pertanyaan Rani masuk akal. Selama ini tim produk memperlakukan API model bahasa seperti listrik: selalu ada, makin murah, dan tinggal colok. Pencatatan Anthropic menandai momen ketika penyedia listrik itu mulai menjawab pertanyaan yang berbeda—bukan lagi “seberapa cepat kita tumbuh”, melainkan “seberapa besar margin kita per dolar pendapatan”.
Angka di balik pencatatan terbesar dalam sejarah bursa
Reuters mencatat Anthropic mengumpulkan 81,3 miliar dolar dari penawaran umum, angka terbesar dalam sejarah pasar saham. Perusahaan menaikkan jumlah saham yang ia tawarkan sekitar 19 persen menjadi 980 juta lembar, dan harga akhir 83 dolar melampaui kisaran awal 70 sampai 78 dolar. Total nilai transaksi, termasuk private placement 26 miliar dolar, mencapai 107,3 miliar dolar.
Valuasi penuh, yang memasukkan opsi saham karyawan, menyentuh 1,5 triliun dolar. Pada basis non-dilusi, angkanya sekitar 1,1 triliun dolar. Ketika Nasdaq membuka perdagangan, harga 111,50 dolar mendorong kapitalisasi melewati 2 triliun dolar, sehingga Anthropic melampaui Meta, Tesla, dan Walmart. TechCrunch memperkirakan kas perusahaan setelah rangkaian penawaran ini mencapai 220 miliar dolar.
Pencatatan tersebut mengalahkan rekor SpaceX pada Juni 2026 yang mengumpulkan 75 miliar dolar. Reuters juga menyebut OpenAI, pesaing utama Anthropic, akan menyusul ke pasar publik paling cepat tahun depan. Artinya, gelombang berikutnya baru dimulai: beberapa laboratorium AI besar akan hidup dengan tuntutan laporan kuartalan.
Mengapa developer Indonesia perlu peduli
Bagi tim yang membangun produk di Jakarta, Surabaya, atau Bandung, jarak antara Nasdaq dan sprint mingguan terasa jauh. Namun ada tiga jalur yang menyambungkan keduanya. Pertama, harga API. Kedua, syarat kontrak. Ketiga, ketersediaan model dan fitur yang bisa kamu pakai tanpa negosiasi khusus.
Selama fase pertumbuhan, lab AI bersaing lewat harga murah dan kredit gratis untuk menarik pengembang. Setelah menjadi perusahaan publik, insentif itu bergeser. Manajemen harus menjelaskan biaya komputasi, margin kotor, dan konsentrasi pelanggan kepada analis. Armina Rosenberg, portfolio manager Minotaur Capital, memberi rumusan yang tajam kepada Reuters: begitu Anthropic melapor secara publik, laporannya menjadi salah satu ujian paling jelas apakah ekonomi AI benar-benar bertahan.
Konsekuensinya praktis. Vendor akan lebih sulit memberi diskon agresif kepada pelanggan baru, sementara kontrak jangka panjang dengan komitmen volume menjadi lebih menarik bagi vendor karena membantu mereka memproyeksikan pendapatan. Untuk startup dengan pemakaian tidak stabil, model kontrak seperti itu bisa terasa seperti jebakan.
Tiga hal yang berubah pada cara vendor menetapkan harga
Pertama, harga mengikuti margin, bukan pangsa pasar. Selama masa privat, potongan harga adalah biaya akuisisi yang wajar. Di pasar publik, setiap potongan harus dijelaskan sebagai investasi dengan periode pengembalian. Tim yang biasa menegosiasi ulang setiap bulan akan menemukan ruang gerak lebih sempit, terutama untuk akun kecil.
Kedua, informasi keuangan vendor jadi lebih terbuka. Ini kabar baik saat kamu melakukan uji tuntas terhadap vendor. Laporan kuartalan memaksa vendor mengungkap konsentrasi pelanggan, biaya inferensi, dan tren harga. Kamu bisa memakai data itu saat rapat anggaran, alih-alih mengandalkan brosur penjualan. Namun transparansi ini juga memperlihatkan seberapa besar tekanan biaya yang mereka hadapi, dan tekanan itu biasanya bermuara pada harga per token.
Ketiga, fitur eksklusif menjadi alat retensi. Perusahaan publik butuh cerita pertumbuhan yang berulang. Salah satu caranya adalah mengunci fitur terbaik—konteks panjang, akses awal model baru, kuota throughput—di balik kontrak enterprise. Developer individu tetap dapat versi standar, tetapi jarak antara versi standar dan versi korporat cenderung melebar.
Tabel: apa yang bergeser dan apa yang perlu kamu siapkan
| Aspek | Fase privat | Fase publik | Aksi untuk tim kamu |
|---|---|---|---|
| Harga per token | Turun cepat demi akuisisi | Turun selektif, mengikuti margin | Hitung biaya per fitur, bukan per akun |
| Diskon & kredit | Vendor mudah memberi diskon | Terikat komitmen volume | Batasi komitmen maksimal 6 bulan pemakaian |
| Informasi vendor | Tertutup | Terbuka lewat laporan kuartalan | Baca laporan, jadikan bahan negosiasi |
| Fitur terbaik | Tersedia luas | Bertahap ke paket enterprise | Siapkan jalur mundur ke model alternatif |
| Stabilitas produk | Cepat berubah | Lebih hati-hati, ada tekanan pertumbuhan | Pantau changelog dan kebijakan deprecation |
Studi kasus: Rani dan anggaran LLM yang berubah tiga kali
Sepanjang 2026, Rani mengubah struktur biaya fitur AI-nya tiga kali. Pada Februari, ia memakai satu vendor karena integrasinya paling cepat. Pada Mei, ia menambah vendor kedua setelah tagihan naik 40 persen dalam sebulan, tepat ketika semua pengguna mulai memakai fitur ringkasan transaksi. Pada September, ia memasang gateway internal sederhana supaya tim bisa memindahkan lalu lintas antarpenyedia lewat konfigurasi, tanpa mengubah kode produk.
Perubahan ketiga itu yang paling berdampak. Gateway tersebut tidak canggih: satu lapisan di depan API yang mencatat jumlah token, biaya, dan latensi per fitur. Namun data itu mengubah cara ia berdiskusi dengan CEO. Alih-alih mengatakan “tagihan AI kita besar”, ia bisa menunjukkan bahwa 62 persen biaya berasal dari satu fitur yang hanya menyentuh 8 persen pengguna. Keputusan berikutnya menjadi jelas: batasi panjang konteks untuk fitur itu, dan pindahkan klasifikasi tiket ke model yang lebih kecil.
Pengalaman Rani sejalan dengan pembahasan biaya token yang pernah saya tulis di panduan menghitung biaya token AI coding. Prinsipnya sama: tanpa pengukuran per fitur, optimasi hanya jadi tebakan. Artikel lain tentang tiga kesalahan scaling yang membunuh startup juga menyorot pola serupa, yakni keputusan arsitektur yang diambil sebelum ada data pemakaian.
Checklist enam langkah sebelum kuartal berikutnya
- Petakan pemakaian per fitur. Catat token masuk, token keluar, dan biaya dalam rupiah untuk setiap fitur, bukan hanya total bulanan.
- Pasang lapisan abstraksi. Satu antarmuka internal untuk semua penyedia model. Cukup dukungan dua vendor agar kamu punya opsi nyata saat harga berubah.
- Tetapkan plafon biaya per fitur. Batas keras yang memicu peringatan, plus jalur degradasi ke model lebih murah ketika plafon hampir tercapai.
- Periksa klausul kontrak. Fokus pada komitmen volume minimum, mekanisme kenaikan harga, dan ketentuan keluar. Minta masa transisi minimal 60 hari untuk perubahan harga.
- Simpan evaluasi kuartalan. Uji kualitas keluaran setiap kali vendor merilis model baru. Naik versi tanpa evaluasi adalah cara paling mahal untuk menurunkan biaya.
- Siapkan jalur mundur. Dokumentasikan langkah memindahkan beban kerja ke penyedia lain, termasuk perbedaan format prompt, tokenizer, dan batas laju.
Risiko yang jarang masuk pembahasan
Pencatatan ini terjadi saat Anthropic masih membukukan kerugian operasi, sesuatu yang Reuters soroti dalam sorotan beritanya. Valuasi di atas 2 triliun dolar dengan laba yang belum positif membuat harga saham sensitif terhadap setiap koreksi sentimen. Ketika pasar menekan, tekanan itu merambat ke keputusan produk: efisiensi biaya, kenaikan harga, atau pengurangan kuota gratis.
Risiko kedua adalah pembiayaan melingkar. TechCrunch menyorot bahwa IPO Anthropic menjadi ujian bagi pola investasi yang saling terkait antara lab AI, penyedia cloud, dan produsen chip. Jika salah satu simpul melemah, efeknya terasa pada ketersediaan kapasitas komputasi, dan pada akhirnya pada latensi serta harga layanan yang kamu pakai.
Risiko ketiga bersifat lokal. Pasokan chip masih menjadi variabel politik, seperti yang saya bahas dalam artikel tentang pembatasan ekspor chip AI ke Indonesia. Tim yang mengandalkan satu region cloud tertentu perlu memeriksa ulang asumsi kapasitasnya, terutama jika produknya menargetkan pasar dengan latensi ketat.
Risiko keempat bersifat struktural: biaya pindah bukan hanya teknis, tetapi juga biaya menguji ulang prompt, menyetel parameter, dan meyakinkan pengguna bahwa kualitas tidak turun.
Kesimpulan: AI makin murah, tapi makin tidak netral
Harga per token kemungkinan tetap turun dalam beberapa tahun ke depan, karena persaingan model terbuka dan efisiensi inference terus menekan biaya. Namun arah penurunan itu kini bergantung pada perusahaan yang harus menjawab pemegang saham setiap tiga bulan, bukan oleh lab yang bebas membakar uang untuk merebut pengguna.
Bagi developer Indonesia, sikap yang paling waras bukan menghindari vendor besar, melainkan berhenti memperlakukan mereka sebagai utilitas netral. Ukur pemakaian per fitur, jaga opsi pindah, dan baca laporan keuangan vendor seperti kamu membaca dokumentasi API. Dario Amodei menyebut langkah ini sebagai “race to the top” dalam pidatonya sebelum bel pembukaan. Bagi tim produk, kompetisi yang sebenarnya justru berlangsung di dashboard biaya masing-masing.
Referensi
- Reuters — Anthropic valued at $1.5 trillion as IPO raises record $81 billion
- TechCrunch — Anthropic hits Nasdaq exchanges at $111, 33% above IPO price
Eksplorasi konten lain dari Oentoro
Berlangganan untuk dapatkan pos terbaru lewat email.