Kesalahan biaya yang paling umum dalam coding dengan AI adalah hanya melihat harga satu kali percobaan.
Kalau model murah tersesat lima kali lalu berakhir dengan “permission denied”, model mahal yang menemukan akar masalah sejak percobaan pertama bisa justru lebih murah.
Pada September 2026, Codex menambahkan GPT-6 Sol dan GPT-6 Luna di samping GPT-6 Astra. Pertanyaan yang berguna bukan “mana yang paling kuat?”, melainkan:
model mana yang meminimalkan biaya sampai pekerjaan benar-benar selesai?
1. Apa yang sebenarnya dirilis
OpenAI merilis GPT-6 Sol dan GPT-6 Luna di API pada 22 September 2026 dan menambahkannya ke ChatGPT Work serta Codex.[1][2]
Sol ditujukan untuk coding kompleks dan alur kerja agentic. Luna dioptimalkan untuk tugas fokus dan volume tinggi. Keduanya memiliki context window 1,05M dan output maksimum 128K token.[3][4][5]
Astra berada di tingkat atas untuk pekerjaan end-to-end paling sulit, termasuk coding, penggunaan komputer, riset, dan pembuatan dokumen.[6]
Gambaran kasarnya: Luna adalah pekerja produksi murah, Sol adalah operator utama sehari-hari, dan Astra adalah orang yang masuk ruang server lalu langsung bertanya kenapa kabel itu terbalik.
2. Jebakan kalimat “GPT-6 masuk ChatGPT”
Release Notes tanggal 22 September menjelaskan bahwa Sol dan Luna hadir di ChatGPT Work dan Codex, serta terpisah dari model yang tersedia di Chat biasa.[1]
Jadi “masuk ke produk ChatGPT” tidak sama dengan “bisa dipilih di percakapan Chat biasa”.
Astra sendiri diumumkan dengan rollout ChatGPT yang lebih luas pada awal September.[6] Satu keluarga model tidak berarti semua permukaan produk sama.
3. Harga nominal berbeda jauh
Harga Standard API per 1 juta token input/output pada 23 September 2026:[3][4][6][7][8][9]
| Model | Input | Output |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
Dengan jumlah token yang sama, Sol sekitar 20× Luna dan Astra 5× Sol.
Kalau hanya melihat tabel ini, Luna untuk semua pekerjaan terlihat pintar. Mirip menghemat biaya pindahan dengan menggendong kulkas sendiri.
4. Simulasi sederhana: 100K input + 20K output
Anggap satu tugas memakai 100.000 token input dan 20.000 output, tanpa cache, biaya tools, surcharge long context, atau retry.
| Model | Perkiraan biaya API per percobaan |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
Untuk biaya token mentah, Luna menang telak.
Tetapi rumus yang lebih berguna adalah:
biaya selesai ≈ biaya per percobaan × jumlah percobaan + waktu manusia + konteks yang hilang
Dengan token yang sama, satu percobaan Astra kira-kira setara lima percobaan Sol. Kalau Sol butuh lima kali dan Astra satu kali, biaya API sudah seimbang.
5. Astra yang mahal benar-benar bisa lebih murah
Pada Terminal-Bench 4.0, OpenAI melaporkan GPT-6 Astra 57,9% versus GPT-5.6 Sol 37,3%, dengan estimasi biaya API per tugas sekitar 9% lebih rendah untuk Astra pada konfigurasi perbandingan.[6]
AutomationBench: 41,4% versus 18,1%. Tugas migrasi database internal: 63,9% versus 42,7%.[6]
Jadi harga per token dan harga untuk menyelesaikan pekerjaan bukan hal yang sama.
Astra juga memperkenalkan mekanisme Codex untuk menyimpan dan mencari kembali konteks sepanjang sesi panjang.[6] Itu membantu mengurangi pola “lupa kenapa patch tadi gagal, lalu mengulanginya dengan semangat baru”.
6. Routing berdasarkan bentuk tugas, bukan urutan harga
Jangan selalu menjalankan Luna→Sol→Astra sampai semuanya sempat gagal.
Klasifikasikan dulu, lalu naikkan model setelah satu kegagalan yang bermakna.
GPT-6 Luna
- pencarian, ekstraksi, klasifikasi, reformat
- edit kecil dengan spesifikasi jelas
- batch independen
- menjalankan dan merangkum tes
- kriteria sukses mekanis
GPT-6 Sol
- implementasi multi-file biasa
- debugging dengan area masalah yang cukup diketahui
- workflow agentic standar
- riset→patch→test
- pilihan default Codex
GPT-6 Astra
- akar masalah tidak diketahui
- masalah lintas layanan, permission, atau state
- debugging panjang
- migration dan refactor besar
- tugas yang selalu sampai 80% lalu mati
- tugas yang sudah diselidiki Sol dengan serius sekali tetapi belum selesai
7. Bagaimana posisi GPT-5.6 Terra?
Harga Standard:
- GPT-5.6 Terra: $2 / $12
- GPT-6 Sol: $2 / $10
Harga input sama, output Sol lebih murah.[3][8]
Untuk workload baru, posisi ekonomi Terra menjadi kurang menarik. Namun model lama masih bisa masuk akal untuk kompatibilitas, reproduksibilitas, atau prompt yang sudah tervalidasi.
Untuk desain baru, peta sederhana adalah:
Luna=volume, Sol=default, Astra=masalah sulit.
8. Jawaban sebenarnya datang dari 20 tugas milik sendiri
Benchmark adalah peta, bukan repository Anda.
Bagi pekerjaan nyata menjadi 3–5 kategori dan catat sekitar 20 tugas per kategori:
- selesai tanpa instruksi manusia tambahan
- waktu hingga green
- retry
- token atau credit
- jumlah log yang harus dibaca manusia
- regresi
- frekuensi akhirnya pindah model
Optimalkan total biaya per tugas yang selesai.
Kesimpulan: Sol untuk default, Luna untuk volume mekanis, Astra untuk labirin
GPT-6 Luna: tugas jelas, besar, independen.
GPT-6 Sol: pekerjaan Codex normal.
GPT-6 Astra: masalah ambigu, panjang, lintas sistem.
Pola yang mahal sering bukan memakai Astra. Pola mahal adalah menghemat Astra lewat beberapa kegagalan, lalu tetap memakai Astra pada akhirnya.
Membaca log yang sama untuk keempat kalinya juga punya biaya.
- OpenAI ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com
