Stack AI self-hosted adalah cara kerja ketika menjalankan model, routing cadangan, kompresi konten, pembuatan aplikasi, dan agen pengembangan program semuanya dikerjakan oleh alat open source di mesin atau server Anda sendiri. Cara ini berpeluang membuat Anda menata ulang ke mana uang langganan dibelanjakan, tetapi tidak membuat tagihan menjadi nol: biayanya berubah menjadi perangkat keras, waktu perawatan, dan penilaian pemakaian. Berikut penjelasan tentang bagian mana yang dijaga oleh masing-masing dari lima alat, berdasarkan isi video kanal Fireship.

Buka tagihan kartu kredit bulan ini, dan langganan berjajar satu per satu: editor untuk menulis kode, paket premium dari satu model chat, paket premium dari model chat lainnya, lalu sebuah kunci API yang Anda daftarkan dua tahun lalu dan tidak pernah Anda pikirkan lagi.

Kalau dilihat satu per satu, tidak ada yang berlebihan. Namun setelah dijumlahkan, muncul satu pertanyaan: jangan-jangan sebagian dari semua ini bisa dikerjakan sendiri?

Video kanal Fireship yang terbit pada 7 September 2026 berangkat dari pikiran yang sama. Pembicara lebih dulu menghitung pengeluarannya sendiri: Cursor 20 dolar AS per bulan, lalu Claude Max, GPT Pro, dan Gemini Ultra masing-masing 100 dolar AS, total 320 dolar AS, dan itulah asal angka "$320/mo" di judul video. Semua ini adalah pengeluaran pribadi menurut pengakuan pembicara, tidak mewakili pengeluaran pengguna pada umumnya. Ia juga menyebut layanan yang di transkrip tertulis "11 Labs" (diduga ElevenLabs, ejaan hasil pengenalan suara masih perlu dicek), DeepSeek, dan sejumlah kunci API yang terlupakan, tanpa menyebut nominalnya. Setelah itu ia memperkenalkan lima alat open source yang menurutnya bisa dijalankan sendiri.

Artikel ini bukan sekadar mengulang isi video. Artikel ini menaruh kelima alat itu pada satu garis, untuk melihat bagian mana yang dijaga masing-masing, dan dalam kondisi apa tagihan benar-benar mengecil.

Apa itu Ollama? Bagian pertama stack self-hosted: menjalankan model sendiri

Menurut pembicara, setiap stack AI membutuhkan model terlebih dahulu. Ia menggambarkan Ollama sebagai "Docker untuk large language model": menyediakan antarmuka baris perintah dan API agar Anda bisa mengunduh dan menjalankan model di mesin sendiri, terutama cocok untuk mencoba berbagai model open-weight.

Ada dua keunggulan yang ditekankan pembicara: isi prompt tidak keluar dari mesin Anda, dan proses inferensinya sendiri tidak ditagih per pemakaian. (Tambahan dari kami: ini hanya berlaku untuk inferensi lokal murni; begitu Anda meneruskan permintaan ke model cloud lewat lapisan cadangan, isinya terkirim ke penyedia tersebut.) Ia sendiri juga menyebut batasannya: perangkat keras kebanyakan orang tidak sanggup menjalankan model dengan kelas mendekati yang tercanggih. Model kecil bisa jalan hampir di mana saja, tetapi untuk model skala terdepan dibutuhkan perangkat yang nyaris setara pusat data kecil.

Dengan kata lain, bagian pertama menyelesaikan soal privasi dan biaya per permintaan, tetapi mengubah masalahnya menjadi ambang perangkat keras.

Apa fungsi Nine Router? Bagian kedua: satu pintu masuk untuk semua model dengan lapisan cadangan

Karena mesin lokal tidak kuat menjalankan model besar, dibutuhkan cara untuk berpindah antara model lokal dan model cloud. Di transkrip, alat ini disebut Nine Router (karena transkrip adalah hasil pengenalan suara, ejaan resmi nama ini masih perlu dicocokkan dengan halaman proyek resminya).

Menurut penjelasan pembicara, alat ini berada di antara alat AI Anda dan berbagai penyedia model, menyediakan endpoint lokal dan proxy yang kompatibel dengan OpenAI, sehingga Anda cukup mengarahkan semua alat ke localhost tanpa mengelola banyak kunci satu per satu. Yang paling ia hargai adalah lapisan cadangan bertingkat. Ia memberi contoh: lapisan pertama bisa diisi langganan yang memang sudah Anda bayar (misalnya Claude Max), lapisan kedua model OpenAI berbayar per pemakaian dengan harga lebih rendah sebagai cadangan, dan lapisan ketiga sumber gratis seperti model dari Tiongkok dan kuota percobaan Vertex. Begitu lapisan pertama habis, sistem otomatis turun ke lapisan berikutnya. Pembicara juga mengatakan alat ini mencatat pemakaian dan mengompresi keluaran alat untuk mengurangi konsumsi token, tetapi video tidak memberikan angka penghematan yang konkret.

Apa itu Headroom? Bagian ketiga: memangkas isi sebelum dikirim

Kalau token yang Anda habiskan per hari sudah sangat besar (pembicara menyebut skala "miliaran per hari"), ia merekomendasikan alat yang di transkrip disebut Headroom (nama perlu dicek), dan memposisikannya sebagai "lapisan kompresi konteks" untuk agen AI. Alat ini berada di antara aplikasi Anda dan penyedia model, mengompresi keluaran alat, log, dan konten panjang lainnya sebelum masuk ke model, karena bagian yang masuk akan dihitung sebagai token input yang ditagih.

Pembicara menyebut satu rancangan khusus: kompresinya dapat dibalik. Versi terkompresi dikirim ke model, sementara konten aslinya di-cache di mesin lokal dan tetap bisa diambil kembali ketika model membutuhkannya. Ia juga memakai lelucon yang sangat berlebihan untuk menggambarkan agen yang membaca terlalu banyak konten tak berguna; itu bahan tertawaan, bukan data, jadi tidak kami kutip.

Apa tugas Dify dan OpenHands? Dari infrastruktur menuju aplikasi

Tiga alat pertama adalah infrastruktur. Selanjutnya pembicara membahas untuk apa semuanya dipakai.

Dify (di transkrip berkali-kali tertulis Diffy, nama perlu dicek) adalah alat pembuat visual: Anda menyeret node di kanvas, bukan menaruh seluruh logika ke dalam prompt. Pembicara menjelaskan alurnya: aplikasi mengirim data, workflow visual mengambil item yang sesuai dari database, lalu large language model menafsirkan hasilnya, dan seluruh workflow akhirnya disediakan sebagai API sehingga front end cukup memanggilnya. Aplikasi contoh dalam video adalah proyek candaan fiktif dan tidak berkaitan dengan produk sungguhan.

Alat yang di transkrip disebut OpenHands (nama perlu dicek) dijelaskan pembicara sebagai agen pengembangan program otonom yang open source. Menurut pembicara, alat ini berada di jajaran atas pada SWE-bench verified (evaluasi dengan soal berupa issue GitHub sungguhan); ini pendapat pembicara dan belum diverifikasi secara independen. Cara pakainya: tulis pekerjaan sebagai issue GitHub lalu serahkan agar dikerjakan di latar belakang; karena berjalan di server Anda sendiri, alat ini bisa dihubungkan ke model OpenAI atau Anthropic, atau ke model lokal yang sudah Anda pasang lewat Ollama.

Setelah self-hosted, apakah biaya langganan benar-benar hilang? Hanya berpindah tempat

Sampai di sini, kelima alat yang dirangkai tampak rapi: Ollama menyediakan model lokal, Nine Router mengatur pintu masuk dan cadangan, Headroom mengompresi input, Dify membangun aplikasi, OpenHands mengerjakan pengembangan.

Tetapi judul video berbunyi "menggantikan", sedangkan logika tagihan berjalan begini: 320 dolar AS itu tidak dilenyapkan, melainkan dipecah dan dibagikan ke beberapa jenis biaya.

Jenis pertama adalah perangkat keras atau host. Pembicara sendiri mengakui bahwa perangkat keras kebanyakan orang tidak sanggup menjalankan model terdepan, dan lapisan cadangan yang ia contohkan pun memasukkan langganan yang sudah ada serta model cloud berbayar per pemakaian sebagai lapisan yang bisa dipakai. Jenis kedua dan ketiga di bawah ini adalah inferensi dari kami, bukan pendapat pembicara. Jenis kedua adalah waktu perawatan: kelima alat harus Anda pasang, sambungkan, dan perbarui sendiri, dan bila ada masalah Anda pula yang menanganinya. Jenis ketiga adalah biaya penilaian: keperluan mana yang lewat lapisan mana, dan berapa banyak yang terpakai di tiap lapisan, tetap harus Anda putuskan dan tafsirkan sendiri (pembicara menyebut Nine Router mencatat pemakaian, tetapi video tidak menjelaskan cara membacanya).

Satu hal lagi perlu dicatat: semua klaim dalam video tentang hasil dan penghematan, termasuk penilaian pembicara bahwa cara ini "lebih murah dan lebih produktif", adalah pengalaman pribadinya, dan video tidak menyertakan data pembanding sebelum dan sesudah yang bisa dicek. Karena itu cara membacanya bukan "320 dolar menjadi 0", melainkan "ada sekumpulan alat yang memberi peluang menata ulang ke mana uang dibelanjakan".

Video ini juga memuat sponsor Hostinger, dan pembicara menyebut VPS-nya bisa dipakai untuk men-deploy proyek-proyek di atas. Artikel ini tidak merekomendasikan layanan tersebut dan tidak menyalin kode promo apa pun; lokasi self-hosting bisa berupa mesin Anda sendiri, server cloud, atau server internal perusahaan, dan pilihannya berbeda untuk tiap orang.

Kembali ke tagihan itu

Menengok kembali tagihan di awal, yang layak diubah belum tentu jumlah langganannya, melainkan apakah Anda bisa menjawab tiga pertanyaan: keperluan mana yang memang harus memakai model terdepan? Mana yang cukup dengan model kecil lokal? Berapa pemakaian sebenarnya di tiap lapisan?

(Paragraf ini adalah saran dari kami, bukan pendapat pembicara.) Kalau ketiga pertanyaan itu bisa Anda jawab, stack self-hosted adalah opsi yang layak dicoba; kalau belum, memahami pemakaian dengan jelas lebih penting daripada langsung memasang lima alat. Pada tagihan berikutnya, yang sebaiknya Anda lihat adalah hasil dari penataan yang disengaja, bukan angka yang menumpuk begitu saja.

Pertanyaan yang sering diajukan (FAQ)

Q1: Benarkah kelima alat ini bisa menggantikan langganan AI bulanan?

Pembicara video menyatakan ia membatalkan langganannya sendiri dan beralih ke stack self-hosted ini, tetapi itu pendapat pribadinya, dan video tidak menyediakan perbandingan biaya sebelum dan sesudah yang dapat dicek. Lagi pula, lapisan cadangan yang ia contohkan juga memasukkan langganan yang sudah ada (misalnya Claude Max) dan model berbayar per pemakaian sebagai lapisan yang bisa dipakai, sehingga cara membaca yang lebih aman adalah realokasi, bukan pembatalan total.

Q2: Seberapa besar model yang bisa dijalankan Ollama di mesin lokal?

Pembicara mengatakan model kecil bisa berjalan di hampir semua mesin, sedangkan model yang mendekati kelas terdepan membutuhkan perangkat keras setara pusat data kecil. Berapa persisnya kebutuhan memori atau kartu grafis tidak dijelaskan dalam video; silakan menilainya dari persyaratan resmi model yang ingin Anda jalankan.

Q3: Apakah Nine Router adalah nama resmi alat ini?

Belum tentu. Sumber artikel ini adalah transkrip hasil pengenalan suara, sehingga penyebutan Nine Router mungkin mengandung kesalahan ejaan. Sebelum memakainya, cari dulu di sumber resmi dengan deskripsi fungsinya (proxy lokal yang kompatibel dengan OpenAI, lapisan cadangan bertingkat, pelacakan pemakaian).

Q4: Apakah kompresi Headroom bisa membuat model melewatkan informasi penting?

Pembicara menjelaskan bahwa kompresinya dapat dibalik: konten asli di-cache di mesin lokal dan bisa diambil kembali ketika model membutuhkannya. Efek nyata dan besar penghematannya tidak didukung data dalam video, jadi sebaiknya diuji sendiri dengan beban kerja yang sebenarnya.

Q5: Apakah Hostinger dalam video harus ikut dipakai?

Tidak perlu. Hostinger adalah sponsor video, dan pembicara memakainya sebagai contoh lokasi deployment. Artikel ini tidak merekomendasikan maupun menyalin penawarannya. Anda bebas memilih lingkungan host apa pun yang Anda percaya.

Pernyataan sumber data

Fakta inti artikel ini dirangkum dari video kanal Fireship (The Code Report) yang terbit pada 2026-09-07 berjudul "5 open source tools that replaced my $320/mo AI stack..." (https://www.youtube.com/watch?v=Y5rSSvXfL4g). Video berbahasa Inggris; artikel ini disusun ulang berdasarkan makna ke dalam bahasa Indonesia, bukan terjemahan kata demi kata. Transkripnya adalah hasil pengenalan suara, sehingga nama alat dan sebagian istilah mungkin keliru, dan telah ditandai dalam teks sebagai perlu dicek. Angka biaya bulanan, fungsi alat, dan performa SWE-bench semuanya adalah klaim pembicara dan belum diverifikasi secara independen. Video memuat sponsor Hostinger. Lelucon dan hiperbola dalam video (misalnya soal penjualan minuman beralkohol, pemakaian air kolam renang, dan aplikasi perjodohan fiktif) tidak dikutip sebagai fakta. Artikel ini tidak menambahkan harga, performa, atau persentase penghematan yang tidak disebut dalam video.

Bacaan lanjutan

Di situs kami telah terbit beberapa artikel terkait: tentang berapa biaya sebenarnya sebuah AI Token dan mengapa biaya langganan AI terasa murah, tentang lima teknik yang teruji untuk menekan biaya token pada AI coding, tentang mengapa AI Token begitu mahal dilihat dari cara kerja autoregresif yang membuat coding agent boros, dan tentang mengapa perangkat lunak mulai beralih ke penetapan harga per token serta apa artinya bagi logika pengadaan dan tata kelola biaya di era AI Agent.

Ingin melihat dulu model apa saja yang tersedia

Kalau Anda berencana menyambungkan beberapa model dalam satu stack alat, Anda bisa lebih dulu membuka AI Token King untuk melihat daftar model yang tersedia di akun Anda beserta informasi harganya, lalu memutuskan pekerjaan mana yang diserahkan ke cloud dan mana yang tetap di lokal.