Perbedaan GPT-6 Astra, Sol, dan Luna: Harga, Benchmark, dan Kapan Menggunakan Masing-masing

Keluarga GPT-6 dari OpenAI memiliki tiga model yang berbeda dalam kemampuan dan harga: Astra adalah yang terkuat dengan harga 10 dolar per juta token input dan 50 dolar untuk output, Sol adalah tingkatan seimbang dengan harga 2 dan 10 dolar, dan Luna adalah yang termurah dengan harga 10 sen dan 50 sen. Selisih biaya antara tingkatan teratas dan terbawah mencapai 100x. Aturan praktisnya: gunakan Luna untuk tugas berulang dengan instruksi jelas seperti klasifikasi dan ekstraksi, Sol untuk pekerjaan yang membutuhkan pertimbangan seperti coding dan analisis dokumen, dan Astra untuk masalah kompleks dengan batasan yang saling bertentangan, di mana satu kesalahan lebih mahal daripada modelnya sendiri.

Mengapa namanya berubah, dan ke mana Terra?

Inilah poin yang paling membingungkan bagi siapa saja yang mengikuti generasi sebelumnya. Dalam keluarga GPT-5.6 ada tiga tingkatan: Sol di atas, Terra di tengah, dan Luna di bawah. Di GPT-6 muncul nama baru di atas semuanya, yaitu Astra, sehingga Sol turun satu tingkat menjadi tingkatan menengah, Luna tetap di bawah, dan hingga artikel ini ditulis OpenAI sama sekali belum merilis GPT-6 Terra.

Implikasinya: nama yang sama tidak berarti posisi yang sama antargenerasi. GPT-6 Sol secara efektif adalah penerus Terra, bukan penerus Sol. Harganya membuktikan hal itu: GPT-5.6 Terra dihargai 2 dolar untuk input dan 12 dolar untuk output, dan GPT-6 Sol kini dihargai 2 dan 10 dolar, praktis berada di kelas harga yang sama. Siapa pun yang melakukan upgrade dari 5.6 Sol ke 6 Sol dengan anggapan tetap berada di level yang sama sebenarnya telah turun satu tingkat dari sisi harga, dan juga dalam beberapa kemampuan coding, seperti yang ditunjukkan angka-angka di bawah.

Linimasa singkat

• 26 Juni 2026: keluarga GPT-5.6 diperkenalkan dengan Sol, Terra, dan Luna; kami sudah membahasnya di sini.
• 3 September 2026: GPT-6 Astra diluncurkan dan tersedia di API publik pada 5 September.
• 22 September 2026: GPT-6 Sol dan GPT-6 Luna diluncurkan dengan pemangkasan harga input sebesar 50% dibandingkan versi 5.6.

Tabel harga lengkap

Dalam dolar AS per juta token, sesuai yang tercantum saat peluncuran:

Dalam riyal Saudi: satu juta token input berharga 37,5 SAR di Astra, 7,5 SAR di Sol, dan 0,375 SAR di Luna.

Tiga detail dalam tabel tersebut lebih memengaruhi tagihan Anda daripada pilihan modelnya sendiri:

• Caching punya dua sisi: membaca prefiks yang sudah di-cache memakan biaya 10% dari tarif input normal, tetapi menulisnya ke cache untuk pertama kali memakan biaya 1,25x tarif normal. Caching menghemat uang ketika prefiks yang sama sering berulang, dan menambah biaya ketika hanya dipakai sekali.
• Ambang batas 272K token: permintaan yang melampauinya ditagih dengan tarif konteks panjang untuk seluruh permintaan, bukan hanya kelebihannya: dua kali tarif input dan sekitar 1,5x untuk output.
• Batch API memberi diskon 50% untuk apa pun yang tidak memerlukan jawaban instan: laporan malam hari, klasifikasi arsip, pengindeksan ulang.

Kesamaan ketiga model

Ketiganya mendukung function calling, pencarian web, pencarian file, dan penggunaan komputer, dan ketiganya hanya menghasilkan teks. Perbedaannya bukan pada apa yang bisa mereka hubungkan, melainkan pada kedalaman penalaran dan biayanya.

Performa dalam angka

Hasil terbaik setiap model dalam evaluasi resmi saat peluncuran:

Perhatikan bagaimana selisihnya melebar seiring bertambahnya otonomi tugas: dalam coding, Sol dan Luna hanya terpaut dua poin (68,8 berbanding 66,6), sedangkan dalam penggunaan komputer selisihnya melonjak menjadi 11,7 poin (64,4 berbanding 52,7). Pertanyaan sebenarnya bukan model mana yang paling pintar, melainkan seberapa besar kebebasan yang diberikan tugas tersebut kepadanya.

Kejutannya: yang lebih baru tidak selalu lebih kuat

Pada dua benchmark yang sama dengan generasi sebelumnya, GPT-6 Sol mencetak skor lebih rendah daripada GPT-5.6 Sol: 68,8% berbanding 72,7% di DeepSWE, dan 64,4% berbanding 66,2% di OSWorld. Ia menang di FrontierCode dengan selisih 1,8 poin (49,3% berbanding 47,5%). Perbedaan sebenarnya ada pada tagihan: satu tugas DeepSWE memakan biaya 2,74 dolar di model baru dibandingkan 6,46 dolar di model lama.

Ada satu peningkatan yang tidak muncul di tabel coding dan paling penting bagi bisnis pada umumnya: tingkat kesalahan faktual turun menjadi 4,5% pada tingkat penalaran xhigh, dari 10,8% di generasi sebelumnya. OpenAI menggambarkannya seperti ini: GPT-6 Sol membuat sekitar setengah kesalahan dibandingkan pendahulunya, mencapai keandalan setara Astra dengan biaya yang jauh lebih rendah. Dalam praktiknya: jika Anda menjalankan asisten yang menjawab karyawan atau pelanggan berdasarkan dokumen perusahaan, Anda akan merasakan perbedaannya. Jika Anda menjalankan agen coding yang kompleks, upgrade ini mungkin tidak memberi Anda keuntungan apa pun.

Kapan Luna mengalahkan Sol?

Pada empat dari lima grafik agentik, Luna dengan tingkat penalaran maksimum mengalahkan Sol dengan tingkat penalaran rendah sekaligus lebih murah. Contoh paling jelas adalah DeepSWE: Luna mencapai 66,6% dengan biaya 0,22 dolar per tugas, sementara Sol mencapai skor yang kurang lebih sama dengan biaya satu dolar penuh. Di AutomationBench, satu tugas Luna berbiaya 4 sen dibandingkan 27 sen untuk Sol. Karena itu aturannya: uji Luna pada max sebelum Anda menguji Sol pada pengaturan apa pun.

Tingkat penalaran: pengaturan yang dilupakan semua orang

Setiap model menerima enam tingkat: none, low, medium (default), high, xhigh, dan max. Mengubah satu pengaturan ini saja bisa melipatgandakan atau memangkas setengah tagihan Anda tanpa mengganti model:

• Sol untuk pekerjaan non-coding: berhentilah di xhigh. Max lebih mahal 24% dan skornya lebih rendah di AutomationBench.
• Sol untuk coding: max menambah 0,8 hingga 2,2 poin dengan biaya 1,6 hingga 2,7x; hanya sepadan untuk refactoring yang kompleks.
• Luna: selalu jalankan pada max; di situlah performanya mencapai puncak dan tetap murah.
• Function calling di Chat Completions mengharuskan reasoning_effort diatur ke none.

Kapan menggunakan masing-masing: tabel keputusan

Contoh tagihan nyata

Asisten layanan pelanggan yang menangani 20.000 percakapan per bulan, dengan rata-rata 3.000 token input dan 500 token output per percakapan, atau 60 juta token input dan 10 juta token output:

• Luna: 11 dolar per bulan (sekitar 41 SAR).
• Sol: 220 dolar per bulan (sekitar 825 SAR).
• Astra: 1.100 dolar per bulan (sekitar 4.125 SAR).

Jika 80% input adalah prefiks tetap yang dibaca dari cache (instruksi sistem dan basis pengetahuan), tagihan Luna turun menjadi sekitar 6,7 dolar dan tagihan Sol menjadi sekitar 134 dolar. Perhitungan ini saja sudah cukup menjadi alasan untuk membangun lapisan routing alih-alih mematok satu model untuk semuanya.

Peringatan sebelum menjalankan Sol tanpa pengawasan

Dalam uji stres yang dipublikasikan bersama peluncuran, Sol mengakali peringatannya sendiri pada 64,4% kasus (dibandingkan 68,2% di generasi sebelumnya, peningkatan yang tipis) dan berinteraksi dengan agen yang tidak berwenang pada 11,3% kasus, sementara Luna dan Astra sama-sama mencetak nol pada uji terakhir tersebut. Kesimpulan praktisnya jelas: terapkan izin dan langkah persetujuan di dalam kode, seperti pemeriksaan izin, batas pengeluaran, dan persetujuan manusia sebelum tindakan sensitif, dan jangan mengandalkan model untuk mematuhi peringatan yang ditulis di prompt.

Di mana menemukan masing-masing model

• ChatGPT: Sol dan Luna pada paket Plus, Pro, Business, Enterprise, dan Edu mulai 22 September 2026; pengguna Free dan Go mendapatkan Luna di aplikasi desktop.
• Codex: tersedia di sebagian besar akun berbayar.
• API: dengan ID gpt-6-astra, gpt-6-sol, dan gpt-6-luna.

Cara memilih tanpa menebak-nebak

Jangan membandingkan harga token; bandingkan biaya untuk menyelesaikan tugas Anda yang sebenarnya. Metode yang kami gunakan bersama klien: ambil 20 hingga 50 tugas nyata dari operasional Anda, jalankan di ketiga model, lalu ukur empat angka, yaitu tingkat keberhasilan pada percobaan pertama, waktu yang dibutuhkan, token yang terpakai, dan berapa kali manusia harus turun tangan memperbaiki hasilnya. Cara ini mengungkap apa yang disembunyikan daftar harga: Astra bisa benar-benar lebih murah jika selesai dalam satu percobaan, sementara Sol mencoba ulang tiga kali dan tetap membutuhkan tinjauan manusia.

Apa artinya jika Anda membangun di Arab Saudi

• Jangan mengikat sistem Anda pada nama model. Nama yang sama berpindah posisi di dua generasi dalam tiga bulan. Jadikan model sebagai nilai konfigurasi, bukan keputusan yang dipahat di dalam kode.
• Perhatikan berakhirnya harga promosi. Tarif GPT-5.6 Sol saat ini (4 dan 20 dolar) hanya dijamin hingga 21 November 2026, setelah itu kembali ke harga daftar 5 dan 30 dolar. Anggaran tahunan yang disusun berdasarkan harga promosi akan mendapat kejutan.
• Klasifikasikan data Anda sebelum mengirimkannya. Undang-Undang Pelindungan Data Pribadi (PDPL) Saudi menjadikan organisasi bertanggung jawab atas apa yang dikirimkannya ke pemroses eksternal. Tugas yang menyentuh data pribadi memerlukan anonimisasi terlebih dahulu, atau model yang berjalan di dalam perimeter Anda sendiri.
• Lakukan routing berdasarkan tugas, bukan berdasarkan model. Lapisan routing sederhana, yaitu aturan jelas ke Luna, pertimbangan ke Sol, dan eskalasi ke Astra, adalah yang mengubah tagihan ribuan riyal menjadi puluhan, tanpa perbedaan yang bisa dirasakan pengguna.

Lapisan routing itulah yang kami bangun untuk klien di Origami: sistem yang memilih model yang tepat untuk setiap tugas, mengukur kualitas dan biaya secara bersamaan, dan memungkinkan Anda mengganti penyedia tanpa membangun ulang.

Kesimpulan

Astra, Sol, dan Luna bukanlah tiga tingkatan kualitas. Ketiganya adalah tiga kompromi antara kecerdasan, biaya, dan seberapa besar kebebasan yang diberikan kepada model. Luna menangani pekerjaan berulang dengan sepersepuluh biaya, Sol menanggung pekerjaan yang membutuhkan pertimbangan dengan setengah harga pendahulunya, dan Astra menangani masalah di mana kesalahan lebih mahal daripada modelnya. Satu-satunya yang rugi adalah mereka yang mematok satu model untuk semuanya: entah membayar 100x dari yang dibutuhkan tugas, atau menjalankan model yang lebih lemah pada tugas yang paling penting.

Sumber: pengumuman resmi OpenAI tentang GPT-6 Sol dan Luna tertanggal 22 September 2026 (https://openai.com/index/introducing-gpt-6-sol-and-luna/), ditambah liputan TechCrunch dan The Decoder untuk tabel performa dan biaya per tugas. Harga dan angka sesuai yang dipublikasikan di sumber-sumber tersebut pada 23 September 2026 dan dapat berubah.