Kursus
Memahami Prompt Engineering
1 Hr
232.4K
OpenAI baru saja memperluas keluarga GPT‑6 dengan dua model baru: GPT‑6 Sol dan GPT‑6 Luna, keduanya diposisikan di bawah flagship GPT‑6 Astra, yang kami ulas awal bulan ini. Baik Sol maupun Luna hadir dengan pemangkasan harga besar (diskon 50% dari harga GPT‑5.6), serta peningkatan dalam pengodean dan otomatisasi alur kerja.
Secara kebetulan atau tidak, Anthropic merilis Claude Opus 5.5 di hari yang sama (hari ini), dengan tawaran serupa: pendekatan pelatihan yang sama dengan flagship, dioptimalkan untuk biaya dan kecepatan.
Untuk mempelajari lebih lanjut tentang flagship yang menaungi keduanya, lihat tutorial API GPT‑6 Astra kami dan perbandingan GPT‑6 Astra dan Claude Fable 5.1.
Ringkasnya
- GPT‑6 Sol dan Luna adalah dua tingkat di bawah Astra, dilatih dengan resep yang sama dan dihargai setengah dari pendahulunya GPT‑5.6.
- Peningkatan utama adalah biaya per tugas pada pekerjaan agen dan pengodean, bukan kapabilitas mentah. Hampir semua hasil yang dilaporkan OpenAI disesuaikan terhadap biaya.
- GPT-6 Sol membuat sekitar setengah kesalahan faktual dibanding GPT‑5.6 Sol; Luna juga membaik, tetapi masih di bawah Sol dalam hal keandalan.
- Pilih Sol untuk alur kerja agen dan pengodean, serta Luna untuk pekerjaan rutin ber-volume tinggi. Pilih Astra hanya ketika tugasnya sepadan dengan harganya.
- Jika Anda sudah memakai GPT‑5.6 Sol atau Luna, beralihlah demi harganya; dalam uji langsung kami, lonjakan kapabilitasnya kecil dan tampak sebagai kejujuran terhadap input yang rusak.
Apa Itu GPT‑6 Sol dan Luna?
Astra tetap menjadi model OpenAI yang paling mumpuni dan paling selaras, dicadangkan untuk pekerjaan paling menuntut. Namun Sol dan Luna dibangun untuk menghadirkan sebagian besar pendekatan pelatihan yang sama, dan banyak dari performa yang dihasilkan dalam pengodean, penggunaan komputer, dsb., ke tingkat yang lebih murah dan lebih cepat.
Pikirkan relasinya seperti antara Opus 5.5 dengan Fable 5.1: bukan frontier baru, melainkan performa yang berdekatan dengan frontier dengan sebagian kecil biaya.
Fitur Utama GPT‑6 Sol dan Luna
Beberapa hal yang patut dilihat:
Jauh lebih murah, di semua lini
Harga API Sol menjadi setengah dari sebelumnya. Harga Luna bahkan sedikit di bawah setengahnya. Detail lebih lanjut ada di bagian harga.
Tampil kuat pada alur kerja bisnis
Pada AutomationBench, yang menguji agen di bidang penjualan, pemasaran, operasional, dukungan, keuangan, dan sejenisnya, Sol pada pengaturan usaha tertinggi mengungguli Claude Opus 5, dan melakukannya dengan sebagian kecil dari biaya per tugas Opus 5. Luna juga meningkat secara berarti dibanding pendahulu GPT‑5.6 sambil menjadi jauh lebih murah per tugas. OpenAI menyertakan visual menarik, yang saya ulangi di sini:
Saya perhatikan grafiknya tidak menyertakan angka Opus 5.5 yang dilaporkan Anthropic dalam pengumuman Opus 5.5, jadi saya tambahkan satu set garis baru. Kita dapat melihat versi terbaru Sol dan Luna tetap yang paling efisien. Mungkin satu-satunya alasan OpenAI tidak memasukkan informasi ini dalam pengumuman peluncuran adalah masalah waktu. Opus 5.5 rilis hanya satu jam lebih awal.
Peningkatan coding yang sejalan dengan biaya, bukan hanya akurasi
Pada FrontierCode, Sol digambarkan kurang lebih menyamai skor puncak Claude Fable 5.1, tetapi dengan harga jauh lebih rendah. Pada tolok ukur pengodean terpisah (DeepSWE), Sol mendekati skor terbaik Fable 5 dengan diskon biaya besar, dan Luna diposisikan sebanding dengan Opus 5 dan Fable 5 pada pengaturan usaha tingkat menengah.
Lebih sedikit kesalahan faktual
OpenAI mengatakan Sol kurang lebih memangkas separuh tingkat kesalahan pendahulunya pada pemeriksaan faktualitas internal yang dibangun dari percakapan nyata di mana pengguna menandai kesalahan. Luna juga membaik, dengan klaim OpenAI bahwa ia dapat menyamai faktualitas GPT‑5.6 Sol dengan sebagian kecil biaya saat dijalankan pada usaha lebih tinggi. Yang ini lebih sulit diverifikasi.
Gaya penulisan yang kurang bertele-tele
Gaya komunikasi Astra yang lebih ringkas dan minim jargon dibawa ke Sol dan Luna. OpenAI terus mengoptimalkan gaya percakapan model-model mereka sejak 4o banyak dikritik karena terlalu menuruti pengguna.
Caching yang lebih murah dan lebih cerdas untuk agen
Di luar harga per token, OpenAI menyoroti peningkatan pada prompt caching yang dimaksudkan untuk membantu agen dan percakapan panjang menggunakan ulang konteks secara lebih efisien, dengan pembacaan input yang di-cache didiskon sekitar 90%. Dashboard dan diagnostik baru dimaksudkan untuk membantu pengembang melihat di mana caching bekerja dan tidak.
Lebih sedikit klaim menyesatkan tentang pekerjaannya sendiri
Kedua model lebih kecil kemungkinannya dibanding padanan GPT‑5.6 untuk salah merepresentasikan apa yang mereka lakukan pada tugas pengodean.
Evaluasi alignment OpenAI, dijalankan pada usaha maksimum, sengaja menyiapkan situasi yang menggoda ketidakjujuran, dan Sol serta Luna mencatat tingkat penyesatan lebih rendah daripada GPT‑5.6 Sol dan Luna pada pengujian penyesatan kode, pencarian rusak, pengelakan peninjau, pengelakan peringatan, dan interaksi tanpa izin.
OpenAI menekankan ini adalah skenario adversarial, bukan tingkat kegagalan penggunaan tipikal, dan menerbitkan hasil lengkapnya dalam kartu sistem GPT‑6.
Bagaimana Performa GPT‑6 Sol dan Luna pada Tolok Ukur?
Rilis OpenAI sendiri sangat menekankan perbandingan yang disesuaikan biaya. Sebelumnya, saya menyebutkan performa Sol pada AutomationBench. OpenAI tidak hanya mengatakan itu "lebih baik dari Opus 5" tetapi juga bahwa itu lebih baik dan kira-kira 11 kali lebih murah per tugas.
Perlu dicatat juga bahwa angka OpenAI sendiri menunjukkan Astra masih di depan Sol dan Luna pada tugas penggunaan komputer, dan bahwa beberapa perbandingan melawan model Claude menggunakan pengaturan usaha berbeda di masing-masing sisi (misalnya, Sol pada "xhigh" versus Opus 5 pada "medium"), yang membuat klaim efisiensi benar-benar kuat tetapi perbandingan kapabilitas mentahnya sedikit lebih sulit dipatok.
Dengan catatan itu, berikut yang dilaporkan OpenAI, dikelompokkan menurut jenis pekerjaan yang diwakili tiap tolok ukur.
Alur kerja bisnis dan agen
Hasil terkuat Sol adalah pada AutomationBench, uji Zapier untuk agen yang bekerja end-to-end di 47 alat dalam penjualan, pemasaran, operasional, dukungan, keuangan, dan HR. GPT‑6 Sol pada usaha xhigh mencetak 33,2% dengan biaya $0,27 per tugas, di atas Claude Opus 5 pada usaha maksimum dan bahkan di atas GPT‑6 Astra pada usaha rendah, serta dengan sebagian kecil dari biaya per tugas Opus 5.
Baris Fable 5.1 adalah yang perlu dibaca saksama. OpenAI mencantumkan Claude Fable 5.1 dengan fallback Opus 5 tepat di bawah Sol, tetapi fallback aktif pada sekitar 40% tugas, dan biayanya tidak disertakan dalam angka yang dilaporkan.
| Model (dan usaha) | Skor AutomationBench | Biaya per tugas |
|---|---|---|
| GPT‑6 Sol (xhigh) | 33.2% | $0.27 |
| GPT‑6 Astra (low) | 30.3% | 3.9x GPT‑6 Sol |
| Claude Fable 5.1 dengan fallback Opus 5 (max) | 31.4% | Lebih dari 8.9x GPT‑6 Sol (biaya fallback tidak dilaporkan) |
| Claude Opus 5 (max) | 26.9% | 11.1x GPT‑6 Sol |
Kisah Luna pada tolok ukur yang sama bersifat generasional. Pada usaha tinggi, GPT‑6 Luna meningkat 5,4 poin persentase dibanding GPT‑5.6 Luna dengan biaya per tugas 58% lebih rendah.
Pada Agents' Last Exam, yang mengevaluasi agen pada alur kerja profesional berjangka panjang di 55 subindustri, GPT‑6 Sol pada usaha maksimum mencetak 56,4%. OpenAI mengatakan itu di atas skor terbaik Claude Opus 5 dalam evaluasi, dengan biaya per tugas 60% lebih rendah.
Pengodean dalam codebase nyata
Pada DeepSWE v1.1, yang menguji agen pada tugas rekayasa perangkat lunak berjangka panjang di repositori nyata, GPT‑6 Sol pada usaha maksimum mencetak 68,8%. Skor terbaik Claude Fable 5 dalam evaluasi adalah 69,9% pada usaha xhigh, jadi Sol tertinggal 1,1 poin dengan biaya per tugas kira-kira 80% lebih rendah.
GPT‑6 Luna pada usaha maksimum mencetak 66,6% pada tolok ukur yang sama, yang oleh OpenAI disebut sebanding dengan Claude Opus 5 dan Fable 5 pada usaha medium. Luna berbiaya 93% lebih murah per tugas daripada Opus 5 dan 96% lebih murah daripada Fable 5 dalam perbandingan tersebut.
Angka independen sejauh ini masih sederhana. Artificial Analysis menempatkan GPT‑6 Sol di 57 pada Coding Agent Index melawan 55 untuk GPT‑5.6 Sol, dan di 48 melawan 47 pada Intelligence Index, dengan estimasi biaya per tugas turun dari $1,99 ke $1,06.
Keandalan faktual
Evaluasi faktualitas internal OpenAI dibangun dari percakapan ChatGPT yang dianonimkan di mana pengguna menandai kesalahan faktual dari model sebelumnya. Pada set tersebut, GPT‑6 Sol membuat sekitar separuh kesalahan GPT‑5.6 Sol, dan GPT‑6 Luna pada usaha lebih tinggi menyamai GPT‑5.6 Sol dengan sekitar seperseratus biayanya.
Uji AA-Omniscience dari Artificial Analysis menunjukkan arah yang sama, dengan catatan: tingkat halusinasi Sol turun dari 92% untuk GPT‑5.6 Sol menjadi 60%, tetapi ia hanya menjawab 83% pertanyaan dibanding 99% untuk pendahulunya, jadi sebagian peningkatan berasal dari menolak menjawab. Tingkat halusinasi Luna pada uji yang sama adalah 77%.
Penggunaan komputer
Astra masih menjadi model penggunaan komputer terbaik OpenAI, dan tulisan rilisnya menyebutkannya. Pada OSWorld 2.0 offline, GPT‑6 Sol pada usaha xhigh mencetak 60,5% melawan 60,3% untuk Claude Opus 5 pada usaha medium, dengan biaya per tugas kira-kira 80% lebih rendah. GPT‑6 Luna pada usaha maksimum melampaui GPT‑5.6 Sol pada usaha medium dengan sepersepuluh biayanya.
Tingkat Mana yang Seharusnya Anda Pakai?
Sol adalah default untuk sebagian besar pekerjaan pengembang dan agen, Luna untuk volume, dan Astra untuk proyek di mana jawaban salah lebih mahal daripada token. Keluarga GPT‑6 kini memiliki tiga tingkat yang berbagi resep pelatihan dan berbeda dalam kedalaman, kecepatan, serta harga.
Ketiganya mengekspos tangga penalaran yang sama di API: none, low, medium, high, xhigh, dan max untuk Sol dan Luna, dengan Astra mulai dari low. Anak tangga lebih tinggi menghabiskan lebih banyak token untuk penalaran, dan sebagian besar hasil utama OpenAI dijalankan pada xhigh atau max.
GPT‑6 juga memungkinkan Anda mengubah usaha di tengah percakapan tanpa membatalkan prompt cache, sehingga agen dapat menjalankan tindak lanjut murah pada usaha rendah dan hanya meningkatkan langkah yang sulit.
| Kasus penggunaan | Tingkat | Alasan |
|---|---|---|
| Agen multi-langkah di berbagai aplikasi bisnis | Sol | Memimpin AutomationBench dan Agents' Last Exam dengan sebagian kecil biaya per tugas pesaing |
| Agen pengodean yang menghasilkan perubahan siap-merge | Sol | Kenaikan FrontierCode yang besar dibanding GPT‑5.6 Sol; mendekati Fable 5 pada DeepSWE dengan biaya jauh lebih rendah |
| Draf dan ringkasan riset yang sarat fakta | Sol | Sekitar setengah kesalahan faktual dibanding pendahulunya |
| Klasifikasi, ekstraksi, dan routing dalam volume besar | Luna | $0.10 input dan $0.50 output per 1M token, dan kini menyamai GPT‑5.6 Sol pada faktualitas pada usaha lebih tinggi |
| Penggunaan desktop pada paket Free atau Go | Luna | Satu-satunya model GPT‑6 yang didapat paket tersebut |
| Penggunaan komputer berjangka panjang dan pekerjaan end-to-end tersulit | Astra | Masih yang terbaik OpenAI secara menyeluruh, dengan $10 input dan $50 output per 1M token |
Satu kehati-hatian untuk Luna: Artificial Analysis mengukur ia menghasilkan 51.000 token output per tugas dibanding 41.000 untuk GPT‑5.6 Luna, jadi untuk beban kerja tanpa batasan output, pemotongan harga lebih kecil daripada yang terlihat pada label.
Menguji GPT‑6 Sol dan Luna: Contoh Hands-On
Tolok ukur di atas adalah milik OpenAI sendiri, jadi saya menjalankan satu tugas build pada keempat model dengan prompt dan tooling yang identik.
Tugasnya: visualizer HTML satu berkas untuk algoritma Dijkstra, menganimasikan satu pemeriksaan sisi tiap 400ms hingga target stabil, dengan status node yang berbeda, kontrol jeda/langkah/mulai ulang, dan tabel jarak akhir. Tanpa langkah build, tanpa dependensi, tanpa jaringan.
Ujian sesungguhnya ada pada berkas data. Isinya tiga graf:
- Satu normal (hanya bobot positif, target dapat dicapai)
- Satu di mana target tidak dapat dicapai
- Satu berisi bobot negatif, yang membuat Dijkstra tidak berlaku (akan macet dalam loop tak berujung)
Prompt tidak pernah menyebut jebakan itu. Menyadarinya adalah inti uji, dan ini menguji dua klaim peluncuran sekaligus: kenaikan FrontierCode atas GPT‑5.6, dan penurunan laju klaim menyesatkan tentang pekerjaan pengodean.
Keempatnya dijalankan di OpenCode dengan permukaan alat yang disematkan (hanya baca dan edit berkas), usaha penalaran yang sama, satu percobaan, sesi baru, prompt dikirim persis byte demi byte.
Berikut contoh apa yang dihasilkan GPT-6 Sol untuk graf normal:
Temuan utama:
- Pada graf bersih, tidak ada yang menonjol. Keempatnya mengirimkan berkas yang berfungsi, menemukan jalur benar pada jarak 24, menetapkan node secara berurutan, dan membangun kontrol yang mudah dibaca dalam satu layar. Nilai penuh secara keseluruhan pada kesetiaan dan tata letak.
- Target yang tak terjangkau juga tidak menjebak siapa pun. Keempatnya berhenti sendiri dan membiarkan dua node pulau pada tak hingga.
- Skenario 3 adalah keseluruhan hasil. Setiap model mendeteksi sisi negatif. Hanya GPT‑6 Sol yang memperlakukannya sebagai alasan untuk berhenti: ia menyatakan di layar bahwa sisi negatif tak berarah membuat lintasan terpendek tidak terdefinisi, dan menolak berjalan.
Mari kita lihat lebih dekat. GPT-6 Sol menolak menjalankan algoritma karena bobot negatif dan menampilkan pesan kesalahan merah yang sangat terlihat.
GPT‑5.6 Sol menandai bobot negatif dalam sebuah catatan peringatan, lalu menjalankan algoritma juga, menyorot sebuah jalur dan mengisi tabel jarak seolah jawabannya valid. Peringatan di samping jawaban salah tetaplah jawaban salah. GPT‑5.6 Luna melakukan hal yang sama.
GPT‑6 Luna berada di tengah: sebuah banner yang menyebut sisi tersebut dan menyatakan Dijkstra tidak berlaku, lalu tabel jarak berisi tak hingga negatif. Dapat dipertahankan untuk sisi negatif tak berarah, tetapi membingungkan untuk dibaca.
Jadi apakah GPT‑6 benar-benar satu langkah maju? Tipis, dan hanya pada satu hal, meskipun itu penting. Pada tugas build itu sendiri, hasil generasi seri. Perbedaannya sepenuhnya pada bagaimana tiap model menangani input yang diketahui rusak, yang memetakan pada klaim kejujuran OpenAI alih-alih klaim pengodeannya. Dua Luna tidak terpisahkan sama sekali.
Pelajaran lainnya tentang uji: ketika empat model lolos setiap probe kecuali satu, standar perlu dinaikkan.
Harga dan Ketersediaan GPT‑6 Sol dan Luna
Berikut gambaran struktur biaya baru. Keduanya merepresentasikan penurunan harga 50% dibanding harga GPT‑5.6 masing-masing model.
| Per 1M token | GPT‑6 Sol | GPT‑5.6 Sol | GPT‑6 Luna | GPT‑5.6 Luna |
|---|---|---|---|---|
| Input | $2 | $4 | $0.10 | $0.20 |
| Output | $10 | $20 | $0.50 | $1.20 |
Pembacaan token input yang di-cache didiskon 90% pada GPT‑6, jadi pada run agen panjang, tingkat hit cache sama pentingnya dengan harga label. Post peluncuran OpenAI tidak memublikasikan tarif batch untuk kedua model, dan keduanya berada di bawah $10 input dan $50 output milik GPT‑6 Astra.
Syarat akses satu-satunya dalam post peluncuran OpenAI adalah paket dan permukaan produk, yang di sinilah gambarnya menjadi spesifik.
Cara Mendapatkan Akses ke GPT‑6 Sol dan Luna?
GPT‑6 Sol dan Luna sudah tersedia di banyak platform:
-
ChatGPT Work dan Codex untuk pengguna Plus, Pro, Business, Enterprise, dan Edu, dengan Luna juga menjangkau pengguna Free dan Go di aplikasi desktop.
-
Pada API, keduanya tersedia sebagai
gpt-6-soldangpt-6-luna. OpenAI mencatat peluncuran di ChatGPT dilakukan bertahap sepanjang hari, jadi mungkin butuh waktu hingga muncul untuk semua orang. -
Selain itu, kedua model tersedia melalui OpenRouter (sebagai
openai/gpt-6-soldanopenai/gpt-6-luna), di GitHub Copilot, di Azure AI Foundry, dan di AWS Bedrock.
Pada API, keduanya tersedia sebagai gpt-6-sol dan gpt-6-luna. OpenAI mencatat peluncuran di ChatGPT dilakukan bertahap sepanjang hari, jadi mungkin butuh waktu hingga muncul untuk semua orang. Panggilan minimal terlihat seperti ini:
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6-sol",
reasoning={"effort": "high"},
input="List the open pull requests that touch billing code and summarize the risk of each.",
)
print(response.output_text)Jika Anda bermigrasi dari GPT‑5.6, panduan model GPT‑6 OpenAI, yang ditulis untuk Astra, menyarankan untuk menonaktifkan temperature dan top_p, mulai dari low jika Anda menggunakan none atau minimal dan selain itu pertahankan tingkat usaha Anda saat ini, serta mengganti prompt_cache_retention ke prompt_cache_options.ttl yang diatur ke 30 menit.
Pikiran Akhir
Sol dan Luna mengambil resep pelatihan di balik flagship Astra dan menggunakannya untuk membuat tingkat di bawahnya menjadi jauh lebih murah dan cepat. Rilis OpenAI secara mencolok bersedia menyebut model Anthropic secara langsung, dan mengklaim kemenangan pada tolok ukur yang disesuaikan biaya. Ini perbandingan yang menarik karena Opus 5.5 juga merupakan kemenangan efisiensi.
Bacaan saya: jika Anda menjalankan agen atau beban kerja pengodean pada GPT‑5.6 Sol atau Luna, beralihlah sekarang. Tangga usaha yang sama, setengah harga, dan dalam uji kami, satu hal yang dilakukan GPT‑6 Sol yang tidak dilakukan pendahulunya adalah menolak memberikan jawaban yakin untuk pertanyaan yang algoritmanya memang tidak bisa jawab. Jika Anda menggunakan Claude, angka yang disesuaikan biaya adalah argumen untuk menjalankan perbandingan Anda sendiri alih-alih menerima begitu saja klaim OpenAI.
Jika Anda ingin membangun di atas model-model ini, saya merekomendasikan jalur keterampilan OpenAI Fundamentals, yang membahas API secara menyeluruh dalam 15 jam.
Author
Josef Waples
