GPT-6 Astra vs. Claude Opus 5.5: Model Mana yang Harus Digunakan

Saat OpenAI merilis GPT-6 Astra pada awal September, perusahaan tersebut memosisikannya sebagai model yang dapat melakukan "apa pun yang bisa Anda lakukan di komputer."

Pada bulan yang sama, Anthropic menjawab dengan Claude Opus 5.5, model yang disebut memiliki performa setara dengan Claude Fable 5.1 kelas atas miliknya. (Kami sudah membuat perbandingan antara GPT-Astra dan Claude Fable 5.1 sebelumnya.)

Kedua model ini kini menjadi pilihan default populer untuk pekerjaan agenik yang serius. Keduanya telah dirilis selama beberapa bulan, dan kami telah punya banyak waktu untuk mempraktikkan keduanya. Dalam artikel ini, saya akan membandingkan GPT-6 Astra dan Claude Opus 5.5 berdasarkan tolok ukur, fitur, dan harga. Sebagai tambahan, saya juga akan menguji keduanya pada uji coba pengodean langsung yang sama, dan memberikan rekomendasi spesifik tentang mana yang lebih saya sukai.

Apa Itu GPT-6 Astra?

GPT-6 Astra adalah model andalan OpenAI yang diumumkan pada bulan September. Model ini tersedia di ChatGPT Plus, Pro, Business, dan Enterprise, di Codex, melalui OpenAI API, dan di Amazon Bedrock. 

OpenAI membangun Astra berfokus pada penggunaan komputer. Model ini dapat mengoperasikan desktop dari ujung ke ujung, termasuk aplikasi yang tidak memiliki API, dan dilatih untuk menyelesaikan tugas dengan lebih sedikit token dan lebih sedikit percobaan ulang.

OpenAI juga menyebut GPT-6 Astra sebagai model mereka yang paling selaras sejauh ini, dan ini adalah model OpenAI pertama yang mencapai ambang kapabilitas keamanan siber "Kritis" di bawah Preparedness Framework perusahaan.

Apa Itu Claude Opus 5.5?

Claude Opus 5.5 adalah model Opus terbaru dari Anthropic, juga dirilis pada September lalu. Model ini tersedia di aplikasi Claude, Claude Code, Claude Platform API (sebagai claude-opus-5-5), Amazon Bedrock, Google Cloud Vertex AI, dan Microsoft Foundry.

Anthropic memosisikan Opus 5.5 memiliki performa setara dengan Claude Fable 5.1 pada sebagian besar pekerjaan, sekaligus 20% lebih murah per token dibanding Opus 5 dan kira-kira 40% lebih murah pada beban kerja tipikal karena juga menggunakan lebih sedikit token. Anthropic menyatakan keluaran dihasilkan lebih dari 30% lebih cepat dibanding Opus 5. 

Sorotan peluncuran Anthropic banyak menekankan pada pekerjaan rekayasa jangka panjang: penguji awal menyelesaikan migrasi kode 680.000 baris dalam waktu kurang dari sehari, dan pada penerjemahan internal HAProxy dari C ke Rust, Opus 5.5 selesai dalam 9,5 jam dibanding 12 jam untuk Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: Perbandingan Langsung

Data perbandingan berdampingan paling bersih yang kami punya berasal dari posting peluncuran Opus 5.5 Anthropic, yang mencantumkan GPT-6 Astra di samping model mereka sendiri. Perlu diingat bahwa angka Astra di sana adalah skor yang dilaporkan OpenAI atau hasil papan peringkat publik, bukan pengujian yang dilakukan Anthropic sendiri.

Pengodean dan rekayasa perangkat lunak

Di sinilah Opus 5.5 membuat argumen terkuatnya. Pada Terminal-Bench 4.0, yang menguji agen yang bekerja di terminal nyata, Opus 5.5 mencetak 66,4% melawan 57,9% milik Astra, unggul 8,5 poin. 

FrontierCode jauh lebih ketat: 54,4% untuk Opus 5.5 versus 53,3% untuk Astra, pada dasarnya seri. 

Tetapi Astra punya kekuatan pengodeannya sendiri. OpenAI melaporkan 74,1% pada DeepSWE v1.1, yang disebutnya sebagai rekor baru, dan menyatakan Astra di harness Codex menyelesaikan tugas lebih cepat daripada pendahulunya. Anthropic tidak memublikasikan skor DeepSWE untuk Opus 5.5.

Pekerjaan pengetahuan dan penalaran

Pada GDPval-AA v2.1, yang menilai tugas profesional di 44 profesi, Opus 5.5 mencetak 1846 Elo melawan 1542 milik Astra. Itu selisih yang besar. Opus 5.5 juga unggul pada Humanity's Last Exam dengan alat, yaitu 67,7% versus 57,2%.

Astra unggul pada pekerjaan sains berbasis terminal, mencetak 64,6% pada Terminal-Bench-Science dibanding 58,7% untuk Opus 5.5. OpenAI juga melaporkan hasil matematika dan sains yang sangat kuat untuk Astra, termasuk 97,6% pada FrontierMath Tier 4 v2 dan 96,0% pada GPQA Diamond. Anthropic tidak melaporkan tolok ukur tersebut untuk Opus 5.5, jadi jika penalaran berat matematika adalah kasus penggunaan inti Anda, Astra memiliki bukti terpublikasi yang lebih kuat.

Penggunaan komputer dan automasi bisnis

Penggunaan komputer adalah fitur utama Astra. OpenAI melaporkan 72,6% pada OSWorld 2.0 dan 92,7% pada ScreenSpot-Pro, serta menghadirkan kontrol tingkat perusahaan untuk ini: admin dapat membatasi situs web dan aplikasi desktop, mewajibkan persetujuan sebelum tindakan yang berdampak, dan meninjau otomatis panggilan alat yang berpotensi tidak aman.

Anthropic melaporkan 81,8% pada OSWorld 2.1 (kredit parsial) untuk Opus 5.5. Itu adalah versi tolok ukur yang berbeda dengan penilaian berbeda, sehingga tidak dapat dibandingkan secara langsung dengan 72,6% milik Astra. Pada AutomationBench, tolok ukur alur kerja bisnis dari Zapier, keduanya berdekatan, dengan Astra sedikit unggul di 41,4% versus 40,0%.

Jendela konteks dan keluaran

Kedua model menangani masukan yang sangat panjang. Astra memiliki jendela konteks 1,05 juta token, dan Opus 5.5 memiliki jendela 1 juta token. Keduanya memungkinkan hingga 128K token keluaran, dan Opus 5.5 dapat mencapai hingga 300K token keluaran melalui Message Batches API (beta).

Keamanan dan ketersediaan

Kedua lab membatasi kapabilitas paling sensitif mereka. Astra dinilai "Kritis" untuk keamanan siber, jadi pekerjaan eksploit tingkat lanjut memerlukan program akses tepercaya OpenAI. Opus 5.5 mengalihkan sebagian besar tugas keamanan siber ke Claude Opus 4.8 dan menggunakan perlindungan biologi yang sama seperti Fable 5.1, dengan program verifikasi untuk organisasi yang telah disaring. 

Harga: berapa yang benar-benar Anda bayar

Berdasarkan harga daftar, Opus 5.5 60% lebih murah daripada Astra untuk input dan keluaran, dan 80% lebih murah untuk pembacaan cache. Permintaan dengan 100 ribu token input dan 10 ribu token keluaran berbiaya sekitar $0,60 pada Opus 5.5 dan $1,50 pada Astra.

Namun, harga token bukan keseluruhan cerita. OpenAI melatih Astra untuk menyelesaikan tugas dengan lebih sedikit token, dan Opus 5.5 pada upaya maksimum dapat menghasilkan banyak keluaran penalaran, yang mempersempit selisih pada beberapa beban kerja. 

Uji Coba Langsung: Membangun Jam Berpenggerak Roda Gigi

Sekarang bagian serunya: saya memberi kedua model tugas pembuatan yang sama, dengan prompt yang sama, di agen pengodean yang sama.

Tugasnya: halaman web satu berkas yang menampilkan jam analog yang sepenuhnya digerakkan oleh rangkaian roda gigi yang terlihat. Halaman membaca waktu sekali saat dimuat; setelah itu, hanya roda gigi yang boleh menggerakkan jarum jam.

Saya memilih uji ini karena pembaca dapat memeriksa hasilnya dengan mata. Apakah giginya saling mengait? Apakah roda gigi yang bersebelahan berputar ke arah berlawanan?

Konfigurasi

Kedua model dijalankan di OpenCode pada Mac yang sama, satu demi satu, dengan pengaturan default dan masing-masing satu percobaan. Saya menggunakan versi standar masing-masing model (gpt-6-astra melalui OpenRouter dan claude-opus-5-5 melalui Anthropic API), bukan varian Pro atau mode cepat. Berikut prompt-nya, ditempel persis:

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.Didukung oleh

Hasilnya

Berikut kedua jam berjalan berdampingan pada kecepatan 10x. Pada kecepatan ini, roda besar pertama di masing-masing jam berputar sekali setiap enam detik dan jarum menit bergerak perlahan maju.

Apa yang saya perhatikan saat menontonnya

Mereka menafsirkan "jam analog" secara berbeda. Astra membangun apa yang disebut pembuat jam sebagai regulator: detik, menit, dan jam masing-masing mendapat dial sendiri, dipasang pada roda yang terpisah di seluruh panel. Opus membuat wajah jam tradisional, dengan jarum jam dan menit berbagi pusat, dial detik kecil di atas, dan rangkaian roda gigi terlihat melalui wajah yang terpotong.

Roda gigi Astra lebih mudah diikuti, dan waktu pada Opus lebih mudah dibaca. Dengan Astra, setiap roda terbuka, dan Anda bisa menelusuri gerakan dari motor hingga ke dial jam. Tetapi untuk melihat waktu, Anda harus memeriksa tiga dial. Dengan Opus, Anda bisa membaca waktu sekilas, tetapi beberapa roda gigi berada di belakang cincin dial, sehingga Anda tidak dapat melihat setiap roda gigi saling mengait. 

Roda besar pertama tampak terlalu cepat, tapi sebenarnya tidak. Ketika saya pertama kali mempercepat jam, roda besar pertama di masing-masing tampak melaju kencang, terutama milik Astra. Dalam kedua desain, roda itu membawa jarum detik, sehingga berputar sekali per menit pada kecepatan nyata dan sekali per detik pada 60x. Pada kecepatan nyata, Anda bisa melihatnya bergerak persis seirama dengan jarum detik.

Beberapa roda Astra saling tumpang tindih. Di beberapa titik, Astra menggambar satu roda besar di atas roda besar lainnya, seperti saat roda jam melintas di atas roda hijau di sampingnya. Itu tidak salah, karena mekanisme jam sungguhan menumpuk roda dalam lapisan, tetapi membuat lebih sulit melihat gigi mana yang benar-benar bersentuhan.

Keduanya menjaga waktu yang tepat. Saya memajukan keduanya 10 jam, yang memakan waktu sekitar 10 detik pada kecepatan tertinggi, dan keduanya mendarat di 20:10:30, tepat seperti seharusnya.

Yang lebih saya sukai

Kedua jam berfungsi. Jika saya ingin sesuatu untuk ditonton, saya akan memilih milik Astra: seluruh mekanisme dipertontonkan, dan terlihat seperti karya rekayasa. Meski begitu, apa yang dibuat Opus lebih dekat dengan apa yang diminta prompt: satu wajah jam analog.

Kapan Memilih GPT-6 Astra vs Claude Opus 5.5

Pembuatan jam ini hanyalah satu proyek yang menyenangkan. Saya tidak sempat menguji setiap kasus penggunaan. Berikut panduan yang berguna:

Pilih Claude Opus 5.5 jika...

• Anda membangun atau menjalankan agen pengodean, terutama migrasi jangka panjang, refactor, dan pekerjaan berbasis terminal.
• Beban kerja Anda adalah pekerjaan pengetahuan profesional, seperti riset, analisis, dan dokumen. Saya mengatakan ini karena Opus 5.5 unggul pada GDPval-AA.
• Biaya penting dalam skala besar, atau Anda secara rutin mengirim prompt yang lebih panjang dari 272 ribu token.
• Anda memerlukan model di Google Cloud atau Microsoft Foundry.

Pilih GPT-6 Astra jika...

• Kasus penggunaan utama Anda adalah penggunaan komputer: mengendalikan aplikasi desktop dan peramban, mengisi formulir, dan QA di berbagai alat tanpa API.
• Anda membutuhkan penalaran matematika dan sains dengan hasil terpublikasi terkuat. Saya mengatakan ini karena Astra unggul pada Terminal-Bench-Science dan melaporkan skor teratas pada FrontierMath dan GPQA.
• Tim Anda sudah bekerja di ChatGPT Enterprise dan Codex, dan Anda menginginkan kontrol admin serta plugin enterprise Astra.

Pikiran Akhir

Di atas kertas, Claude Opus 5.5 menawarkan nilai yang lebih baik. Model ini unggul atas GPT-6 Astra pada sebagian besar tolok ukur yang dimiliki keduanya, termasuk keunggulan jelas pada pengodean agenik dan pekerjaan pengetahuan, dan melakukannya pada 40% dari harga daftar Astra.

Tetapi Astra bukan tanpa perlawanan. Ini adalah pilihan yang lebih kuat untuk penggunaan komputer, mencatat hasil terpublikasi yang lebih baik dalam matematika dan sains, dan efisiensi tokennya membuat selisih biaya nyata lebih kecil daripada yang disiratkan daftar harga.