Begitu Claude Code mulai terasa berat, refleks pertama biasanya memadatkan konteks atau pindah ke model yang lebih ringan. Kadang berhasil. Sering juga tidak, dan itu bukan karena triknya salah, tapi karena yang lambat sebenarnya bukan bagian yang Anda sentuh.
Lambatnya Claude Code hampir selalu bermuara ke salah satu dari dua tempat. Yang satu lokal: makin panjang sesi, makin banyak token yang harus dibaca model sebelum menjawab. Yang lain ada di jaringan: agent ini bolak-balik ke API untuk membaca berkas, menjalankan perintah, lalu membaca hasilnya, dan tiap perjalanan itu menanggung latensi sendiri. Membenahi yang pertama tidak akan menyentuh yang kedua sedikit pun. Maka langkah pertama bukan memperbaiki apa pun, melainkan memastikan Anda berurusan dengan yang mana.
Dua pola yang sering tertukar
Pola pertama: kerja yang merosot sepanjang hari. Pagi gesit, menjelang sore perintah yang persis sama terasa molor. Ini akumulasi konteks. Sesi yang dibuka di lima belas ribu token berperilaku jauh berbeda begitu menyentuh enam puluh ribu, karena tiap balasan kini menalar lebih banyak.
Pola kedua tidak peduli jam berapa atau seberapa panjang sesinya. Perintah pertama pun sudah lambat, dan biang keladinya jarak ke API. Tiap permintaan menempuh jalur panjang sebelum sampai dan kembali. Karena satu tugas bisa memicu belasan operasi baca-tulis berurutan, penundaan kecil di tiap langkah menumpuk jadi jeda yang terasa.
Ada satu kasus yang gampang menipu: laptop lancar di rumah, melambat begitu nyambung ke jaringan kantor atau ruang kerja bersama. Mesinnya sama, jadi godaannya menyalahkan konfigurasi atau memasang ulang. Padahal yang berubah cuma jalur keluar Anda — pindah ke rute yang lebih memutar dan lebih padat. Kalau gejalanya "ganti tempat, langsung lemot", curigai dulu ruas jaringannya sebelum mengutak-atik yang lain.
Memastikan biangnya dalam dua menit
Tes konteks: buka sesi baru, ulangi perintahnya
Mulai sesi yang benar-benar kosong, lalu kirim ulang perintah yang tadi terasa lambat. Kalau sesi baru langsung gesit sementara sesi lama tetap berat, jelas masalahnya konteks, bukan jaringan. Kalau begitu, perbaikannya soal kebiasaan: padatkan lebih awal sebelum input mendekati seratus ribu token, buka sesi terpisah untuk tugas yang tidak berkaitan, dan tahan diri menarik bundel besar atau aset hasil generasi ke dalam konteks. Model harus membaca tiap byte yang Anda muat sebelum mulai berpikir.
Tes jaringan: hitung latensi per pemanggilan
Kalau sesi baru pun masih lambat, ukur waktu pulang-pergi ke host API. Angka yang konsisten di atas 200 milidetik artinya tiap pemanggilan tool mewarisi latensi itu. Inilah inti masalahnya. Karena Claude Code bekerja secara agentik — baca berkas, jalankan perintah, baca hasil, sunting, ulangi — satu tugas saja bisa menumpuk lebih dari dua puluh pulang-pergi. Rute 250 milidetik berubah jadi beberapa detik menunggu sebelum model sempat mengeluarkan satu kata. Ini sebab paling umum kenapa Claude Code tetap lambat walau konteks sudah Anda pangkas habis-habisan.
Jangan cuma lihat rata-rata, lihat jitter-nya
Latensi rata-rata bisa terlihat wajar padahal pemakaiannya menyiksa. Rute yang tidak stabil berayun keras dan sesekali menjatuhkan paket yang harus dikirim ulang. Satu ping yang kebetulan bagus bisa menutupi puluhan ping lain yang buruk, jadi nilai tengahnya menipu. Jalankan mtr sebentar dan perhatikan persentase loss di tiap hop, bukan cuma angka rata-ratanya. Pengiriman ulang tidak kelihatan saat Anda ping sekilas, tapi paling merusak coding interaktif — tiap paket yang macet membekukan kursor tepat saat Anda menunggu jawaban, dan itu yang bikin sesi terasa patah-patah meski grafik latensinya kelihatan adem.
Soal pemilihan model
Satu lagi sumber lambat yang sering luput, dan ini murni di sisi Anda: memakai model terkuat untuk hal yang remeh. Pertanyaan sintaks atau penjelasan singkat tidak butuh penalaran berat; model yang lebih ringan balik dalam pecahan waktu. Sisakan yang berat dan kuat untuk tugas yang memang menuntutnya. Menyelaraskan model dengan beban tugas menghapus latensi yang Anda timbulkan sendiri — tapi ini cuma pelengkap. Rute yang buruk tetap tidak bisa diselamatkan dengan ganti model.
Empat penyebab, di mana letaknya, dan apa yang menyentuhnya
| Penyebab | Gejala khas | Letak masalah | Yang menanganinya |
|---|---|---|---|
| Konteks menumpuk | Makin sore makin lambat | Sesi lokal | Kebiasaan sesi: padatkan, mulai bersih |
| Latensi per pemanggilan | Lambat sejak perintah pertama | Rute ke API | Rute jaringan yang lebih pendek (NasaCode) |
| Jitter dan packet loss | Membeku acak di tengah tugas | Rute ke API | Rute stabil dengan loss rendah (NasaCode) |
| Model terlalu berat | Tugas sepele tetap lama | Konfigurasi Anda | Pilih model sesuai bobot tugas |
Yang sering ditanyakan
Laptop saya kencang, kenapa Claude Code masih lambat?
Karena sebagian besar penantian itu waktu jaringan dan waktu berpikir model, bukan komputasi di mesin Anda. CPU cepat memang menjalankan tool dengan ringan, tapi ia tidak memperpendek jarak ke API maupun mempercepat penalaran model di atas konteks yang besar.
Memadatkan konteks beneran mempercepat, atau cuma sugesti?
Beneran mempercepat — tapi hanya untuk lambat jenis "sesi panjang". Konteks lebih ramping berarti tiap balasan memproses lebih sedikit. Yang tidak tersentuh sama sekali adalah rute jaringan yang lambat. Di situlah orang yang rajin memadatkan tetap merasa tidak ada bedanya.
Kabel atau Wi-Fi?
Kalau bisa, kabel. Jalur kabel umumnya lebih kecil jitter-nya dan lebih jarang menjatuhkan paket dibanding Wi-Fi yang padat, apalagi di kantor atau kafe tempat puluhan perangkat berebut kanal yang sama. Coding interaktif termasuk yang paling sensitif terhadap lonjakan semacam itu, karena tiap pemanggilan tool harus selesai sebelum yang berikutnya jalan. Kalau memang harus pakai Wi-Fi, dekatkan posisi ke router dan hindari band yang sesak akan sedikit membantu.
Intinya: berhenti menebak, belah masalahnya jadi dua. Pastikan dulu apakah lambatnya naik seiring sesi atau sudah ada sejak ketukan pertama. Paruh konteks Anda benahi sendiri lewat kebiasaan sesi yang lebih rapi. Paruh jaringan butuh rute yang memang dirancang untuk lalu lintas berlatensi rendah dan konsisten — dan di situlah NasaCode mengambil bagian, menjaga tiap pulang-pergi tetap pendek dan stabil. Kalau diagnosis Anda menunjuk ke jaringan, mengalirkan tool coding lewat NasaCode adalah cara paling langsung menghapus pajak latensi yang menumpuk di tiap pemanggilan.
