Membayar langganan Claude tiap bulan terasa masuk akal, sampai saya benar-benar menghitung apa yang saya dapatkan dibandingkan apa yang harus saya korbankan. Biayanya terus bertambah, dan sepertinya semakin banyak orang mulai menyadari hal yang sama. Kalau kamu juga merasakan hal serupa, empat tools di bawah ini layak untuk kamu ketahui. Semuanya mencakup fitur-fitur utama yang dimiliki Claude, tanpa kekurangan besar dan batasan yang sering jadi masalah.
1. Jalankan Model AI Langsung di Komputer Sendiri
Cara tercepat untuk berhenti membayar biaya bulanan
Saya sudah mencoba langganan Claude, dan menurut saya itu tidak sepadan. Saya sekarang menggunakan Llama.cpp karena ini cara paling ringan dan cepat untuk menjalankan LLM di perangkat sendiri. Llama.cpp adalah mesin inferensi yang dibangun dari nol menggunakan C dan C++ agar seefisien mungkin. Karena hasil kompilasinya berupa satu file biner yang portabel, kamu tidak perlu repot mengurus dependensi berat, virtual environment, atau framework seperti PyTorch.
Llama.cpp berkomunikasi langsung dengan CPU dan GPU tanpa banyak lapisan tambahan. Selain mudah dipasang, tools ini tidak mengenakan biaya bulanan, tidak ada biaya per-token seperti API, dan tidak ada satu pun data kamu yang dikirim ke server pihak lain.
Tantangan terbesar saat berpindah dari cloud ke perangkat sendiri adalah kebutuhan memori. Untungnya, ada banyak model terkuantisasi (quantized) yang bisa dijalankan dengan lebih ringan. Saya pernah membuka Firefox dan Chrome bersamaan sambil menjalankan Llama, dan yang saya rasakan hanya kipas laptop bekerja lebih keras, tanpa benar-benar mengganggu performa PC secara keseluruhan. Jadi ini adalah pengganti Claude yang cukup mudah, asalkan kamu mau meluangkan waktu untuk mengaturnya.
2. Jaga Privasi Kode Kamu Saat Bekerja
Ekstensi ini menghubungkan model lokal langsung ke editor kode kamu
Tools coding berbasis cloud seperti Claude atau GitHub Copilot memang berguna, tapi menyimpan risiko privasi yang cukup serius. Setiap kali kamu memakainya, source code, keputusan arsitektur, hingga logika bisnis kamu ikut terkirim ke server milik orang lain. Bagi tim dengan aturan kepatuhan (compliance) yang ketat, atau siapa pun yang ingin menjaga kekayaan intelektualnya tetap berada di sistem internal, ini jelas menjadi masalah.
Continue.dev adalah ekstensi open-source untuk VS Code dan JetBrains yang memungkinkan kamu menghubungkan model AI lokal langsung ke editor. Semua proses berjalan di perangkat kamu sendiri, sehingga kode kamu tidak pernah menyentuh server pihak ketiga. Tidak ada transfer data, dan tidak perlu khawatir ke mana kode kamu berakhir.
Menghubungkannya pun cukup mudah karena Continue.dev tidak punya backend sendiri, sehingga kamu bisa menyambungkannya ke inference engine lokal apa pun yang sudah kamu pakai, seperti Ollama, LM Studio, atau server llama.cpp. Konfigurasinya cukup dilakukan dalam satu file, tempat kamu menentukan model mana yang menangani tugas apa.
3. Hubungkan Model Lokal Kamu ke Aplikasi Lain
Editor visual yang memungkinkan otomatisasi tanpa harus menulis banyak kode
[Isi gambar]
Menjalankan model bahasa besar di perangkat sendiri memang mengesankan, tapi AI hanya akan berguna kalau bisa benar-benar melakukan sesuatu. Untungnya, n8n adalah tools open-source yang menghubungkan model lokal kamu dengan semua aplikasi lain yang kamu gunakan, sehingga LLM kamu bisa “berbicara” dengan aplikasi lain dan memindahkan data secara otomatis.
Langganan berbayar seperti Claude cenderung mengunci kamu di dalam platform mereka dan mengenakan biaya tambahan hanya untuk terhubung ke layanan luar. n8n gratis dan bisa langsung menghubungkan server inferensi lokal kamu ke email, database, dan berbagai tools pihak ketiga lainnya. Semua ini dilakukan lewat editor visual drag-and-drop, jadi kamu tidak perlu menulis banyak kode hanya untuk membuat semuanya saling terhubung.
Bagian terbaik dari n8n adalah kamu bisa mengatur workflow agar berjalan otomatis berdasarkan kejadian tertentu. Kamu bahkan bisa membuatnya menyaring spam dan newsletter sebelum email tersebut sampai ke AI kamu, sehingga tidak ada daya komputasi yang terbuang untuk hal-hal yang tidak penting.
4. Bawa AI Lokal Kamu Langsung ke Browser
Bisa mengobrol dengan halaman web dan mencari informasi secara lokal
Salah satu kendala terbesar menjalankan AI secara lokal adalah model tersebut tidak terhubung ke internet. Page Assist hadir untuk mengatasi masalah ini. Ini adalah ekstensi browser open-source yang menghubungkan AI lokal kamu langsung ke browser dalam bentuk sidebar. Alih-alih bolak-balik antara terminal dan browser, model lokal kamu langsung tersedia saat kamu bekerja.
Fitur paling berguna dari Page Assist adalah kemampuannya untuk mengobrol langsung dengan halaman web yang sedang kamu buka. Biasanya, kamu harus menyalin seluruh isi halaman lalu menempelkannya ke prompt secara manual. Page Assist justru mengambil isi halaman tersebut dan langsung mengirimkannya ke model AI kamu.
Fitur ini bekerja di banyak halaman karena mengambil HTML halaman yang sudah dirender, mengubahnya menjadi format Markdown yang bersih, lalu memasukkan seluruh isinya sekaligus ke dalam context model. Cara ini sangat cocok kalau kamu menjalankan model dengan context window besar, karena bisa memproses seluruh artikel atau dokumen teknis dalam satu kali proses tanpa ada bagian yang terlewat.
Cara kedua lebih cocok untuk konten yang panjang atau saat memori perangkat kamu terbatas. Halaman akan dipecah menjadi beberapa bagian, diindeks menggunakan model embedding lokal, lalu hanya bagian yang benar-benar relevan dengan pertanyaan kamu yang akan diambil.
Page Assist juga dilengkapi fitur pencarian web bawaan dan basis pengetahuan pribadi, di mana kamu bisa mengunggah file PDF, CSV, dan dokumen Word milikmu sendiri lalu mengobrol dengannya langsung dari sidebar. Ada juga dukungan eksperimental untuk Model Context Protocol kalau kamu ingin memperluas integrasi tools lebih jauh, meski sebenarnya ini tidak wajib digunakan.
Ekstensi ini kompatibel dengan hampir semua backend AI lokal, baik itu Ollama, LM Studio, llama.cpp, bahkan Gemini Nano bawaan Chrome. Kamu tinggal mengarahkannya ke local API endpoint milikmu, dan semuanya siap digunakan.
Karena semua data tersimpan di local storage browser kamu, tidak ada data browsing yang dikirim ke mana pun. Model lokal kamu tetap bisa membaca konten web secara langsung, tanpa ada satu pun data yang bocor ke server luar.
Butuh Waktu Semalam untuk Setup, Tapi Kamu Dapat Kendali Penuh atas Data Kamu
Tidak satu pun dari keempat tools ini bisa langsung dipakai dengan sekali klik. Menghubungkan semuanya membutuhkan waktu untuk pengaturan, dan kamu perlu perangkat keras yang cukup kuat agar model bisa berjalan lancar tanpa tersendat. Namun, begitu semuanya berjalan, kamu tidak perlu lagi membayar biaya bulanan, tidak ada data yang keluar dari perangkat kamu, dan tidak ada penyedia layanan yang menentukan apa yang boleh atau tidak boleh kamu lakukan dengan tools tersebut. Kalau itu sepadan dengan waktu beberapa jam untuk konfigurasi, maka jawabannya, ya, sepadan.