OpenAI resmi memperluas keluarga GPT-6 dengan meluncurkan GPT-6 Sol dan GPT-6 Luna pada 22 September 2026. Kedua model ini hadir setelah GPT-6 Astra dan membawa teknologi dari generasi GPT-6 ke kelas model yang lebih berfokus pada keseimbangan kemampuan, biaya, dan penggunaan dalam skala besar.
Peluncuran ini menarik bukan hanya karena munculnya dua nama baru. OpenAI juga memangkas harga API GPT-6 Sol dan GPT-6 Luna dibandingkan harga promosi model GPT-5.6 sebelumnya. Pada saat yang sama, OpenAI mengklaim adanya peningkatan pada pekerjaan profesional, coding, factuality, penggunaan komputer, dan workflow berbasis agen.
Bagi pengguna biasa, perubahan tersebut mungkin belum langsung terlihat. Namun bagi developer yang menggunakan API untuk membangun aplikasi AI, chatbot, otomatisasi, maupun agent, perbedaan biaya ini dapat menjadi bagian penting dalam menentukan model yang digunakan.
OpenAI tidak membuat Sol dan Luna sebagai dua model yang identik. Keduanya mempunyai sasaran penggunaan berbeda.
GPT-6 Sol dirancang untuk pekerjaan coding kompleks dan workflow agentic. Sementara itu, GPT-6 Luna diposisikan sebagai model OpenAI yang paling efisien untuk tugas terfokus dengan volume tinggi.
Dokumentasi resmi OpenAI saat ini merekomendasikan GPT-6 Astra untuk pekerjaan reasoning dan coding yang paling kompleks, GPT-6 Sol ketika pengguna membutuhkan keseimbangan antara kemampuan dan biaya, serta GPT-6 Luna untuk workload yang sensitif terhadap biaya dan berjalan dalam volume tinggi.
| Model | Fokus utama | Input / 1 juta token | Output / 1 juta token |
|---|---|---|---|
| GPT-6 Astra | Pekerjaan end-to-end paling kompleks | $10 | $50 |
| GPT-6 Sol | Coding kompleks dan agentic workflow | $2 | $10 |
| GPT-6 Luna | Tugas terfokus dan volume tinggi | $0,10 | $0,50 |
Harga di atas merupakan harga standar API untuk konteks pendek. Harga dapat berbeda untuk konteks panjang dan mode pemrosesan lainnya. Dokumentasi OpenAI juga mencantumkan harga cached input yang lebih rendah untuk ketiga model tersebut.
Perubahan paling mudah dilihat terdapat pada harga API.
GPT-6 Sol dibanderol $2 untuk input dan $10 untuk output per satu juta token pada harga standar. GPT-6 Luna jauh lebih murah, yaitu $0,10 untuk input dan $0,50 untuk output per satu juta token.
OpenAI menyatakan harga GPT-6 Sol dan Luna tersebut 50 persen lebih rendah dibandingkan harga promosi GPT-5.6 Sol dan GPT-5.6 Luna yang digunakan sebagai pembanding dalam pengumuman peluncuran.
| Perbandingan | Input | Output |
|---|---|---|
| GPT-5.6 Sol | $4 | $20 |
| GPT-6 Sol | $2 | $10 |
| GPT-5.6 Luna | $0,20 | $1,20 |
| GPT-6 Luna | $0,10 | $0,50 |
Angka tersebut menggunakan satuan per satu juta token. Jadi, penurunan harga paling terasa bagi layanan yang menghasilkan atau memproses AI dalam jumlah besar. Untuk pengguna yang hanya memakai chatbot sesekali, angka harga API ini tidak bisa langsung diterjemahkan sebagai harga langganan ChatGPT.
OpenAI menempatkan GPT-6 Sol sebagai model untuk pekerjaan yang lebih kompleks. Salah satu fokus utamanya adalah software engineering dan workflow agentic.
Dalam pengujian DeepSWE v1.1 yang disebut OpenAI, GPT-6 Sol pada tingkat effort maksimum memperoleh skor 68,8 persen. OpenAI menyebut angka tersebut berada dalam jarak 1,1 poin persentase dari Claude Fable 5 pada konfigurasi xhigh yang memperoleh 69,9 persen dalam pengujian tersebut.
Namun angka benchmark tersebut perlu dibaca secara tepat. Nilainya merupakan hasil pengujian yang dilaporkan OpenAI, bukan pengujian independen IndoTrik. Benchmark juga tidak menggambarkan seluruh jenis pekerjaan coding yang mungkin ditemui developer di dunia nyata.
OpenAI juga melaporkan bahwa pada FrontierCode, GPT-6 Sol mengalami peningkatan dibandingkan GPT-5.6 Sol. Pengujian tersebut tidak hanya menilai apakah kode berhasil dibuat, tetapi juga aspek seperti kualitas pengujian, disiplin ruang lingkup perubahan, gaya kode, dan kesesuaian dengan standar codebase.
Berbeda dengan Sol, GPT-6 Luna lebih menonjolkan efisiensi.
OpenAI secara resmi menggambarkan Luna sebagai model paling efisien untuk focused, high-volume tasks. Artinya, model ini ditujukan untuk pekerjaan yang dapat dilakukan berulang kali dalam jumlah besar tanpa selalu membutuhkan model flagship dengan biaya lebih tinggi.
Contohnya dapat mencakup klasifikasi teks, ekstraksi informasi, pemrosesan dokumen, ringkasan, bagian tertentu dari customer service, maupun tahap tertentu dalam pipeline otomatisasi AI.
Harga input Luna sebesar $0,10 per satu juta token membuat biaya pemrosesan dalam jumlah besar menjadi jauh lebih rendah dibandingkan Sol. Tetapi harga bukan satu-satunya faktor yang menentukan model yang tepat. Kompleksitas tugas, kebutuhan reasoning, panjang konteks, tool yang digunakan, serta kualitas output tetap perlu diperhitungkan.
Salah satu spesifikasi yang menarik dari GPT-6 Sol dan Luna adalah context window hingga 1,05 juta token. Keduanya juga mempunyai maksimum output hingga 128 ribu token menurut katalog model resmi OpenAI.
Context window sebesar itu memberikan ruang bagi aplikasi untuk bekerja dengan konteks yang sangat panjang. Dalam praktiknya, kemampuan tersebut dapat berguna ketika AI harus memahami dokumen besar, codebase, atau rangkaian informasi panjang dalam satu workflow.
Namun context window besar bukan berarti setiap aplikasi harus mengirim lebih dari satu juta token dalam setiap permintaan. Mengirim konteks yang tidak diperlukan tetap dapat meningkatkan biaya dan membuat workflow menjadi kurang efisien.
GPT-6 Sol dan Luna tidak hanya diarahkan untuk teks dan coding. OpenAI juga melaporkan peningkatan pada kemampuan computer use dibandingkan generasi sebelumnya.
Dalam pengujian OSWorld 2.0 offline yang dipublikasikan OpenAI, GPT-6 Sol pada konfigurasi xhigh memperoleh skor 60,5 persen, sementara Claude Opus 5 pada medium effort memperoleh 60,3 persen. OpenAI menyatakan Sol mencapai hasil tersebut dengan biaya per tugas sekitar 80 persen lebih rendah.
GPT-6 Luna juga disebut mampu melampaui GPT-5.6 Sol pada konfigurasi medium dalam pengujian tersebut dengan biaya sekitar sepersepuluhnya.
Lagi-lagi, angka ini merupakan hasil benchmark yang dilaporkan OpenAI. Hasil benchmark tidak otomatis berarti model akan memberikan hasil identik pada semua aplikasi atau komputer.
OpenAI mengatakan peningkatan dari GPT-6 Astra pada gaya komunikasi juga diterapkan pada Sol dan Luna.
Perusahaan menyebut model baru tersebut dirancang untuk memberikan komunikasi yang lebih jelas, mengurangi jargon yang tidak diperlukan, mengurangi detail bernilai rendah, serta menghasilkan jawaban yang sedikit lebih ringkas tanpa menghilangkan substansi.
Bagi pengguna sehari-hari, perubahan semacam ini justru bisa lebih terasa daripada peningkatan benchmark. Model yang memberikan informasi lebih terarah dapat mengurangi kebutuhan pengguna untuk menyaring jawaban yang terlalu panjang atau tidak relevan.
OpenAI mencantumkan kedua model tersebut dalam katalog API dengan ID resmi:
Keduanya mendukung input teks dan gambar serta menghasilkan output teks. Model juga tersedia melalui Responses API dan Chat Completions API menurut dokumentasi resmi OpenAI.
Untuk developer, ini berarti Sol dan Luna dapat dipilih langsung berdasarkan karakter workload yang sedang dibangun.
Tidak boleh disamakan antara model API dan model yang tersedia di ChatGPT.
Dalam catatan rilis resmi ChatGPT pada 22 September 2026, OpenAI menyatakan GPT-6 Sol dan GPT-6 Luna diperkenalkan di ChatGPT Work dan Codex. OpenAI juga secara eksplisit menyebut bahwa kedua model tersebut terpisah dari model yang tersedia di ChatGPT.
Jadi, munculnya GPT-6 Luna di katalog API tidak berarti pengguna ChatGPT otomatis mendapatkan Luna sebagai model chat umum.
Ini penting karena informasi mengenai nama model AI sering kali tercampur antara produk API, ChatGPT, Codex, dan layanan perusahaan. Padahal masing-masing dapat mempunyai ketersediaan dan batasan berbeda.
Penurunan harga API menjadi bagian yang paling menarik untuk developer Indonesia.
Bayangkan sebuah aplikasi yang harus melakukan pemrosesan AI dalam jumlah besar setiap hari. Biaya setiap permintaan mungkin terlihat kecil ketika dihitung satu per satu, tetapi akumulasinya dapat menjadi komponen biaya yang signifikan ketika jumlah pengguna meningkat.
Dengan harga GPT-6 Luna sebesar $0,10 per satu juta token input dan $0,50 untuk output, developer memiliki opsi model yang sangat murah untuk workload yang memang sesuai dengan kemampuannya.
Sementara itu, Sol dapat digunakan ketika aplikasi membutuhkan kemampuan lebih tinggi untuk coding kompleks, reasoning, atau workflow agentic tanpa langsung menggunakan model flagship GPT-6 Astra.
Pendekatan seperti ini memungkinkan developer membuat arsitektur multi-model. Tugas ringan dapat diberikan kepada Luna, pekerjaan yang lebih kompleks diarahkan ke Sol, sementara pekerjaan yang paling berat dapat menggunakan Astra.
Perkembangan model AI sekarang tidak hanya berbicara tentang siapa yang mempunyai model paling pintar. Biaya menjalankan model juga menjadi faktor penting.
Model dengan kemampuan tinggi tetapi biaya sangat besar mungkin cocok untuk pekerjaan tertentu. Sebaliknya, model yang sedikit lebih sederhana tetapi jauh lebih murah dapat lebih cocok ketika sebuah layanan harus menangani jutaan permintaan.
Karena itu, peluncuran GPT-6 Sol dan Luna menunjukkan arah lain dari perkembangan AI: kemampuan model harus semakin efisien untuk dapat digunakan dalam skala besar.
OpenAI mengatakan peningkatan pada caching dan inference membantu mereka menurunkan biaya penyediaan model. Sebagian penghematan tersebut kemudian diteruskan kepada pengguna melalui penurunan harga API.
Pertanyaan tersebut sebenarnya kembali kepada jenis pekerjaan.
| Kebutuhan | Model yang dapat dipertimbangkan | Alasannya |
|---|---|---|
| Reasoning dan pekerjaan end-to-end paling berat | GPT-6 Astra | Model flagship OpenAI |
| Coding kompleks | GPT-6 Sol | Dibangun untuk coding dan agentic workflow |
| Agent dan workflow kompleks dengan perhatian pada biaya | GPT-6 Sol | Menyeimbangkan kemampuan dan biaya |
| Pemrosesan teks dalam volume besar | GPT-6 Luna | Fokus pada efisiensi dan workload volume tinggi |
| Tugas AI sederhana dan berulang | GPT-6 Luna | Biaya API jauh lebih rendah |
Tabel tersebut bukan berarti satu model selalu lebih baik daripada model lainnya. Tujuan masing-masing memang berbeda sehingga pemilihannya sebaiknya mengikuti kebutuhan aplikasi.
Peluncuran GPT-6 Sol dan Luna menunjukkan bahwa persaingan AI semakin bergeser dari sekadar kemampuan model menuju kombinasi kemampuan, kecepatan, dan biaya operasional.
GPT-6 Astra tetap ditempatkan OpenAI sebagai model paling mampu untuk pekerjaan yang paling kompleks. Sol mengisi ruang di bawahnya dengan fokus pada coding dan agentic workflow, sedangkan Luna mengejar efisiensi untuk tugas terfokus dengan volume tinggi.
Bagi developer, pilihan seperti ini memberikan fleksibilitas lebih besar. Tidak semua permintaan harus dijalankan menggunakan model termahal. Arsitektur aplikasi dapat menentukan model berdasarkan tingkat kesulitan tugas.
Dan bagi pengguna Indonesia, dampak jangka panjangnya mungkin justru tidak terlihat sebagai tombol baru di aplikasi AI. Dampaknya bisa muncul di belakang layar: lebih banyak aplikasi yang mampu menambahkan fitur AI, otomatisasi yang menjadi lebih murah, serta layanan digital yang dapat memproses permintaan AI dalam jumlah lebih besar.
Catatan redaksi IndoTrik: data harga, spesifikasi model, ketersediaan API, serta benchmark dalam artikel ini mengacu terutama pada dokumentasi dan pengumuman resmi OpenAI. Klaim performa benchmark merupakan hasil pengujian yang dilaporkan OpenAI dan tidak diposisikan sebagai pengujian independen IndoTrik.
