AI Terbaik untuk Coding? Model yang Benar-Benar Dijalankan 1.200 Developer

Sebagian besar jawaban atas pertanyaan ini berangkat dari benchmark atau dari selera seseorang. Titik awal kami berbeda: catatan tentang model yang dipilih orang saat ada pekerjaan yang harus diselesaikan.

AgentsRoom adalah aplikasi desktop yang menjalankan agen coding berdampingan. Saat seseorang memulai agen, aplikasi mencatat CLI dan modelnya, dan tidak mencatat apa pun tentang pekerjaannya. Artikel ini membaca 28 hari catatan tersebut, dari 9 Oktober hingga 5 November 2026: 205.366 peluncuran dan 1.194 akun yang masuk.

Jawaban singkatnya. Kalau Anda ingin satu nama, jawabannya Opus di Claude Code: model ini berada di urutan pertama dengan cara hitung apa pun. GPT-6.1 Sol di Codex berada di urutan kedua. Namun bagian yang cukup besar dari keunggulan itu berasal dari setelan bawaan yang kami tetapkan sendiri, dan angka-angka ini lebih banyak bercerita tentang cara orang memilih daripada tentang model mana yang menulis kode lebih baik.

Peringkatnya, dihitung dengan tiga cara

Peluncuran tersebar sangat tidak merata. Akun median memulai 10 agen dalam 28 hari, dan sepuluh akun menyumbang 35% dari semua peluncuran. Satu akun dengan beberapa tugas terjadwal bisa menggeser sebuah model beberapa poin, jadi berikut peringkat yang sama dihitung dengan tiga cara: semua peluncuran, peluncuran tanpa sepuluh akun terberat, dan satu akun satu suara (model yang paling sering dijalankan tiap akun).

Ada tiga hal yang bisa dibaca dari tabel itu.

Dua baris pertama Opus adalah satu model. Alias opus mengikuti rilis terbaru, dan Claude Code mengarahkannya ke Opus 5.5 sejak versi 2.1.280. Jika dijumlahkan, Opus 5.5 mencapai 37% peluncuran dan menjadi model utama dari sedikit lebih dari separuh akun.

Sonnet adalah model kedua. Model ini menyumbang 13% peluncuran, tetapi hanya menjadi model utama dari 6% akun: orang memakainya berdampingan dengan model lain.

Menghitung orang mengubah gambarannya. Gemini 3.8 Flash naik dari 1,3% peluncuran menjadi 4,6% akun. Di tingkat CLI, selisihnya lebih lebar:

Setelan bawaan kami sendiri ada di peringkat ini

Inilah bagian yang tidak akan pernah perlu diakui oleh benchmark vendor. Di AgentsRoom, setiap peran bawaan datang dengan model yang disarankan: Opus untuk fullstack, frontend, backend, arsitek, keamanan, dan mobile, Sonnet untuk QA, PM, DevOps, dan git, Haiku untuk marketing dan terjemahan. Buat agen fullstack, dan pemilih modelnya sudah berada di Opus.

Anda bisa melihatnya di data. Di Claude Code, model yang paling sering dijalankan untuk agen DevOps, PM, dan QA adalah Sonnet, dan untuk agen fullstack, backend, dan arsitek adalah Opus. Itu nyaris baris demi baris tabel bawaan kami. Jadi kami tidak akan mengatakan bahwa developer lebih suka Sonnet untuk QA. Sebagian besar mereka hanya mempertahankan apa yang kami sarankan.

Kebiasaan mengerjakan sisanya: bagi 70% akun, model pertama yang dijalankan dalam periode ini juga model yang paling sering mereka jalankan.

Sinyal yang lebih jujur ada pada pilihan yang tidak didapat siapa pun secara tidak sengaja. 198 akun menyematkan Opus 5.5 secara manual walaupun alias sudah memberi mereka model yang sama. 116 menjalankan Fable dan 121 menyematkan Sonnet 5.5, dan keduanya bukan bawaan untuk peran apa pun. Kelompok-kelompok ini lebih kecil, dan merekalah orang yang melihat daftarnya lalu memutuskan.

Apa yang diserahkan orang ke otomatisasi

Tanpa sepuluh akun terberat, 28% peluncuran berasal dari tiket backlog, run tim, atau pemicu, dan sisanya kebanyakan dari seseorang yang membuka atau melanjutkan agen. Sepuluh akun terberat adalah dunia yang berbeda: 68% peluncuran mereka dimulai dari otomatisasi. Akun-akun itu sebagian besar sudah berhenti memulai agen secara manual.

Porsi peluncuran tiap model yang dimulai dari otomatisasi, tanpa sepuluh akun tersebut:

Di Claude Code, tingkat model terpisah seperti yang Anda duga: sekitar 20% untuk Opus, sekitar 40% untuk Sonnet dan Haiku. Setelan bawaan kami menggelembungkan angka Sonnet, karena posisi QA dan PM dalam run tim dimulai dengan model itu, dan Sonnet 5.5 yang disematkan berada di 18%. Di Codex tidak ada pola seperti itu, dan GPT-6 Astra, model terdepan dalam daftar, berada di 40%. Jadi kami tidak akan menjadikan ini hukum. Hal terdekat dengan aturan yang bisa kami pertahankan: di Claude Code, orang menyimpan tingkat terkuat untuk pekerjaan yang mereka awasi, dan menyerahkan lebih banyak pekerjaan rutin ke tingkat yang lebih murah.

Tingkat penalaran mengikuti logika yang sama. Di antara peluncuran yang menetapkan tingkat, high memimpin di Opus (48%) dan di GPT-6.1 Sol (59%), dan medium memimpin di Sonnet (61%). Tingkat penalaran adalah pengaturan tersendiri, dan orang yang menyematkan Opus 5.5 mendorongnya lebih jauh: xhigh atau max pada 25% peluncuran mereka, dibandingkan 20% pada alias.

Sedikit orang berhenti di satu

30% akun menjalankan satu model saja dalam 28 hari, dan 21% menjalankan enam model atau lebih. Bawaan per peran menggelembungkan angka itu, karena bisa menaruh Opus dan Sonnet di akun yang sama tanpa ada yang memutuskan. Hitungan CLI lebih bersih, karena CLI kedua berarti satu instalasi dan satu login: 45% akun menjalankan setidaknya dua.

Tumpang tindihnya timpang. Lebih dari delapan dari sepuluh akun Codex juga menjalankan Claude. Kurang dari tiga dari sepuluh akun Claude menjalankan Codex. Bagi cukup banyak developer ini, jawaban atas “model mana yang terbaik” adalah sepasang model, dan itu hasil yang masuk akal.

Satu detail kecil, dari sampel kecil: 6 dari 34 akun di GitHub Copilot menjalankan sesuatu pada akhir pekan, dibandingkan 47% akun Claude dan 52% akun Codex. Itu akan cocok dengan alat yang dibayari pemberi kerja, meski kami tidak bisa membuktikannya.

Model baru mengambil alih dalam sekitar seminggu, jika menjadi bawaan

GPT-6.1 Sol pertama kali muncul di catatan kami pada 29 September, dan pada 1 Oktober menjadi model yang didapat agen Codex baru kecuali Anda memilih yang lain. Di antara model utama Codex, porsi peluncurannya berjalan seperti ini, minggu demi minggu: 19%, 50%, 53%, 61%, 68%, 65%. Selama enam minggu yang sama, GPT-5.6 Sol turun dari 82 akun menjadi 24.

24 akun itu menarik. Begitu juga 17 akun yang masih menjalankan Opus 5 pada minggu 2 November, minggu yang masih berjalan saat kami mengambil angka-angka ini. Sebagian bertahan karena pilihan, dan sebagian karena paketnya tidak menawarkan model yang lebih baru. Data kami tidak bisa memisahkan mereka.

Di Claude Code, Anda nyaris tidak bisa melihat sebuah rilis. Semua orang yang memakai alias berpindah tanpa melakukan apa pun, dan itulah sebabnya Opus 5.5 yang disematkan menampilkan model ini lebih rendah dari kenyataannya.

Ada juga jebakan saat membaca peluncuran sebagai popularitas. Tanpa sepuluh akun terberat, Codex turun dari 26% peluncuran pada minggu 21 September menjadi 16% pada minggu 2 November. Namun porsi akun aktif yang menjalankan Codex adalah 36% di kedua ujungnya, dan tetap antara 33% dan 38% di antaranya. Porsi orang yang kurang lebih sama, menjalankan porsi agen mereka yang lebih kecil di sana. Kalau Anda hanya punya angka pertama, Anda akan menulis judul yang salah.

Model gratis dan lokal

Banyak orang mencari model gratis terbaik, atau yang terbaik untuk dijalankan secara lokal. Data ini tidak bisa menjawabnya. Freebuff, yang gratis dan didanai iklan, menyumbang 0,3% peluncuran. Model lokal melalui Ollama menyumbang 0,2%, dari 47 akun. Sebagian besar pengguna kami sudah membayar langganan, jadi porsi yang rendah di sini bukan vonis. Kalau yang Anda cari adalah lokal, mulai dari cara kami menjalankan Ollama di samping agen cloud.

Apa yang tidak bisa dikatakan angka-angka ini

• Peluncuran bukan skor kualitas. Tidak ada di sini yang mengukur apakah kodenya berfungsi atau di-merge.
• Peluncuran bukan volume kerja. Perbaikan lima menit dan run semalaman dihitung sama, dan sesi yang dilanjutkan dihitung sebagai peluncuran (20% dari total).
• Sampel ini bukan semua developer. Mereka adalah orang yang sudah mengendalikan beberapa agen dari aplikasi desktop yang bermula di sekitar Claude Code, jadi Claude terwakili berlebihan, dan hanya akun yang membiarkan berbagi data penggunaan aktif yang dihitung.
• Setelan bawaan kami ada di dalam angka-angka ini, seperti dijelaskan di atas.

Cara memilih di kode Anda sendiri

Karena tidak ada peringkat yang mengenal repo Anda, inilah pengujian yang akan kami lakukan:

1. Ambil tugas nyata yang hasilnya bisa Anda nilai, idealnya yang sudah pernah Anda selesaikan.
2. Berikan prompt yang persis sama ke dua atau tiga model, masing-masing di git worktree sendiri agar tidak bisa menyentuh file satu sama lain.
3. Bandingkan diff, waktu, dan biayanya.
4. Lakukan tiga kali pada tugas yang berbeda. Satu kali percobaan tidak membuktikan apa pun.

Bandingkan agen mengerjakan langkah 2 dan 3 dari satu peluncur, dan halaman itu juga memberikan metode manual dengan perintah git biasa, kalau Anda lebih suka tidak memasang apa pun. Untuk menemukan tingkat yang sama di berbagai CLI, gunakan tabel padanan model AI. Untuk pilihan alat alih-alih model, lihat cara memilih sesuai cara kerja Anda. Versi langsung angka-angka ini, selama 7, 30, atau 90 hari atau 12 bulan, ada di halaman penggunaan.

Pertanyaan yang sering diajukan

Apa model AI terbaik untuk coding saat ini?

Tidak ada pengukuran yang bisa menyebut satu nama untuk kode Anda. Yang bisa kami katakan adalah apa yang dipakai: selama 28 hari yang berakhir pada 5 November 2026, Opus di Claude Code adalah model yang paling sering dijalankan, 37% peluncuran setelah alias dan Opus 5.5 yang disematkan dijumlahkan, dan menjadi model utama dari sedikit lebih dari separuh akun. GPT-6.1 Sol di Codex berada di urutan kedua dengan 13%. Sebagian keunggulan Opus berasal dari setelan bawaan kami sendiri, dan peluncuran tidak mengatakan apa pun tentang kualitas hasilnya.

AI gratis mana yang terbaik untuk coding?

Angka-angka ini tidak bisa menjawabnya. Orang-orang dalam sampel ini sebagian besar membayar langganan: Freebuff, yang gratis dan didanai iklan, menyumbang 0,3% peluncuran, dan model lokal melalui Ollama menyumbang 0,2%. Porsi yang rendah di sini bukan vonis atas alat-alat itu. Jalankan pengujian yang dijelaskan di atas pada salah satu tugas Anda, dengan opsi gratis yang benar-benar bisa Anda pakai.

Apakah Opus lebih baik daripada GPT-6.1 Sol untuk coding?

Kami tidak tahu, dan data ini tidak bisa mengatakannya. Data ini menunjukkan bahwa lebih banyak akun menjalankan Opus, bukan bahwa Opus menulis kode yang lebih baik. Lebih dari delapan dari sepuluh akun Codex juga menjalankan Claude selama periode ini, yang mengisyaratkan banyak developer menyimpan keduanya alih-alih memutuskan salah satu. Pengujian yang jujur adalah tugas yang sama di keduanya, pada repo Anda, diulang beberapa kali.

Sebaiknya menyematkan versi model atau memakai alias?

Alias seperti opus mengikuti rilis terbaru, jadi Anda mendapat model baru tanpa melakukan apa pun, dan hasil Anda bisa berubah tanpa peringatan. Versi yang disematkan seperti Opus 5.5 tetap di tempatnya sampai Anda memindahkannya, yang berguna untuk tugas terjadwal dan untuk membandingkan run. 198 akun menyematkan Opus 5.5 selama periode ini walaupun alias sudah mengarah ke sana.

Tingkat penalaran apa yang dipakai developer?

Di antara peluncuran yang menetapkan tingkat, high memimpin di Opus (48%) dan di GPT-6.1 Sol (59%), dan medium memimpin di Sonnet (61%). Akun yang menyematkan Opus 5.5 melangkah lebih jauh daripada alias: xhigh atau max pada 25% peluncuran dibandingkan 20%.

Bagaimana angka-angka ini dikumpulkan?

Saat agen dimulai, aplikasi desktop AgentsRoom mencatat CLI, model, tingkat penalaran, peran agen, dan cara agen dimulai, tidak lebih: tanpa prompt, tanpa proyek, tanpa file, tanpa nama. Hanya pengguna yang membiarkan “Bagikan data penggunaan” aktif yang berkontribusi. Versi langsungnya, diperbarui setiap sepuluh menit, ada di halaman penggunaan publik.