GPT-5.6 vs Claude Sonnet 5: Harga, Benchmark & Akses API

TL;DR

GPT-5.6 dan Claude Sonnet 5 keduanya sudah tersedia secara umum, tetapi mereka menyelesaikan beban kerja produksi dengan cara yang berbeda. Keluarga GPT-5.6 dari OpenAI mencakup Sol untuk penalaran kompleks dan pengodean dengan $5/$30 per juta token input/output, Terra untuk beban kerja seimbang dengan $2.50/$15, dan Luna untuk volume sensitif biaya dengan $1/$6. Claude Sonnet 5 menggunakan ID model claude-sonnet-5, mendukung jendela konteks 1M token dan keluaran maksimum 128K, serta dikenai biaya $2/$10 hingga 31 Agustus 2026 sebelum menjadi $3/$15.

Keputusan produksi bukan sekadar siapa “flagship” yang menang. Tim sebaiknya membandingkan tier GPT-5.6 yang sesuai dengan Sonnet 5 pada prompt mereka sendiri dan membandingkan kualitas, latensi, kompatibilitas parameter, serta biaya per tugas yang berhasil.

Key Takeaways

• Ketersediaan:Claude Sonnet 5 tersedia umum sejak 30 Juni 2026; GPT-5.6 tersedia umum sejak 9 Juli 2026.
• Model ID GPT-5.6:gpt-5.6-sol dengan alias gpt-5.6, gpt-5.6-terra, dan gpt-5.6-luna.
• Model ID Claude:claude-sonnet-5.
• Harga: GPT-5.6 berkisar dari $1/$6 hingga $5/$30 per MTok; Sonnet 5 adalah $2/$10 hingga 31 Agustus, lalu $3/$15.
• Konteks dan keluaran: GPT-5.6 mencantumkan jendela konteks 1.05M; Sonnet 5 mencantumkan 1M. Keduanya mendukung hingga 128K token keluaran.
• Risiko migrasi: Sonnet 5 mengubah perilaku thinking, tokenizer, dan sampling; ini bukan sekadar pembaruan nama model.
• Aturan keputusan: Bandingkan biaya per tugas yang berhasil, bukan harga per token atau satu benchmark vendor.

What is GPT-5.6: Sol, Terra, and Luna

GPT-5.6 mengubah keputusan perutean dengan memperkenalkan tiga tier kapabilitas yang konsisten alih-alih satu “flagship” default.

Ketiga tier mendukung hingga 128K token keluaran. Sol adalah kandidat premium yang masuk akal, tetapi tidak boleh otomatis menjadi tujuan untuk klasifikasi, ekstraksi, atau chat rutin. Terra dan Luna membuat kebijakan eskalasi eksplisit: mulai dari tier berbiaya terendah yang memenuhi ambang kualitas, lalu eskalasi saat tugas memerlukan kapabilitas lebih.

What is Claude Sonnet 5: What Changes in Production

Anthropic menggambarkan Claude Sonnet 5 sebagai model Sonnet yang paling agentic, dengan peningkatan dalam penalaran, penggunaan alat, pengodean, dan pekerjaan pengetahuan. Model ini menggunakan claude-sonnet-5, mendukung jendela konteks 1M token dan keluaran maksimum 128K, serta dihargai $2/$10 per MTok hingga 31 Agustus 2026 sebelum menjadi $3/$15.

Detail migrasi lebih penting daripada perubahan nama. Menurut dokumentasi Platform Claude:

• Pemikiran adaptif diaktifkan secara default.
• Anggaran pemikiran lanjutan manual dihapus dan akan mengembalikan error 400.
• Nilai non-default untuk temperature, top_p, dan top_k akan mengembalikan error 400.
• Tokenizer baru dapat menghasilkan sekitar 30% lebih banyak token untuk teks yang sama dibanding Sonnet 4.6, tergantung konten.

Poin terakhir memengaruhi estimasi biaya dan kapasitas teks efektif. Tim sebaiknya menghitung ulang token untuk prompt perwakilan daripada memakai metrik token dari Sonnet 4.6.

GPT-5.6 vs Claude Sonnet 5: Decision Snapshot

Tidak ada pemenang universal pada tabel ini. Perbandingan yang dapat dipertanggungjawabkan bersifat spesifik beban kerja: Sol versus Sonnet 5 untuk tugas premium, Terra versus Sonnet 5 saat biaya-kinerja menjadi prioritas, serta Luna atau model utilitas terverifikasi lainnya untuk lalu lintas volume tinggi yang sederhana.

Pricing and Published Benchmarks

OpenAI melaporkan GPT-5.6 Sol pada 88.8% di Terminal-Bench 2.1, 64.6% di SWE-Bench Pro, dan 62.6% di OSWorld 2.0. Pada tabel OpenAI yang sama, GPT-5.5 mencetak 85.6%, 59.4%, dan 47.5%. Angka-angka ini mendukung perbandingan generasi dengan harness yang sama, tetapi tetap laporan dari vendor.

Anthropic melaporkan Claude Sonnet 5 sebagai peningkatan ketat dibanding Sonnet 4.6 di berbagai tingkat upaya pada BrowseComp dan OSWorld-Verified, dengan performa upaya tinggi menyamai Opus 4.8 pada beberapa tugas. Anthropic tidak memublikasikan harness yang sama seperti tabel GPT-5.6 OpenAI.

Benchmark vendor dapat menunjukkan arah dalam setup uji yang diungkapkan. Benchmark tersebut tidak dapat memberi tahu model mana yang akan menghasilkan biaya terendah per tugas yang berhasil di aplikasi Anda.

Hindari menggabungkan skor dari harness berbeda menjadi papan peringkat sintetis. Uji yang lebih berguna adalah menjalankan kedua kandidat pada set prompt yang berasal dari produksi yang sama, dengan rubrik, konkurensi, batas waktu, dan jalur gateway yang sama.

Why This Matters to Builders

Tiga asumsi produksi sebaiknya ditinjau kembali setelah rilis ini.

1. Pemilihan model kini adalah kebijakan perutean

GPT-5.6 menyediakan tangga biaya yang eksplisit, sementara Sonnet 5 menyediakan alternatif satu tier yang kuat dengan kontrol upaya. Mengirim setiap permintaan ke kandidat paling mampu biasanya adalah bug biaya. Tetapkan ambang kualitas untuk setiap beban kerja dan eskalasi hanya saat kandidat yang lebih murah gagal memenuhinya.

2. Kompatibilitas API tidak berarti kesetaraan perilaku

Dua model dapat menerima payload pesan serupa namun tetap berbeda dalam struktur pemanggilan alat, perilaku penolakan, tokenisasi, pola batas waktu, dan dukungan untuk parameter sampling atau thinking. Gateway dapat menormalisasi transport tanpa membuat model saling dapat dipertukarkan.

3. Biaya per token bukan biaya per tugas yang berhasil

Model yang lebih murah bisa menjadi mahal jika memerlukan percobaan ulang, menghasilkan JSON tidak valid, melewatkan detail kritis, atau mengambil jalur alat yang lebih panjang. Lacak biaya percobaan penuh, termasuk retry dan keluaran gagal, lalu bagi dengan jumlah tugas yang berhasil.

Accessing Both Model Families Through CometAPI

CometAPI menyediakan lapisan API bersama untuk GPT-5.6, Claude Sonnet 5, dan keluarga model lainnya. Catatan perubahan 10 Juli mencantumkan gpt-5.6, gpt-5.6-sol, gpt-5.6-terra, dan gpt-5.6-luna. Panduan API Claude Sonnet 5 mendokumentasikan claude-sonnet-5 melalui endpoint Messages Anthropic asli dan endpoint chat yang kompatibel dengan OpenAI.

Uji minimal yang kompatibel dengan OpenAI dapat menggunakan klien yang sama dan hanya mengubah ID model:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_API_KEY"],
    base_url="https://api.cometapi.com/v1",
)

def run(model, prompt):
    return client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )

prompt = "Ekstrak risiko material dan kembalikan JSON yang valid."

terra = run("gpt-5.6-terra", prompt)
sonnet = run("claude-sonnet-5", prompt)

Jangan menambahkan parameter sampling non-default ke pemanggilan Sonnet 5 tanpa memeriksa dukungan saat ini. Untuk thinking, tools, dan semantik respons khusus Claude, endpoint Messages asli adalah titik awal yang lebih aman. Gunakan jalur yang kompatibel dengan OpenAI ketika portabilitas dan perbandingan terkontrol menjadi prioritas.

Trade-offs of a Unified Gateway

Gateway terpadu mengurangi kerumitan SDK, kredensial, dan penagihan, tetapi menambahkan satu dependensi produksi lagi. Evaluasi pertukaran ini secara eksplisit:

• Kesenjangan fitur: Kontrol khusus penyedia yang baru mungkin tidak segera diekspos melalui endpoint yang dinormalisasi.
• Latensi proxy: Ukur waktu ke token pertama dan waktu penyelesaian total pada konkurensi yang realistis.
• Titik kegagalan tunggal: Insiden gateway dapat memengaruhi akses ke beberapa penyedia yang sebetulnya sehat.
• Penanganan data: Verifikasi pencatatan, retensi, pemrosesan regional, dan kontrol kontraktual dari dokumentasi terkini.
• Biaya keluar: Alias khusus gateway, kebijakan perutean, dan perilaku fallback mungkin memerlukan pekerjaan saat migrasi.

Poin-poin ini berlaku untuk CometAPI, OpenRouter, dan lapisan perutean rakitan sendiri. Perbandingan yang tepat didasarkan pada kapabilitas yang didokumentasikan dan perilaku terukur, bukan label kategori yang melekat pada gateway.

How to Evaluate the Models Yourself

1. Pilih prompt yang representatif. Gunakan 20 hingga 50 prompt produksi yang sudah dianonimkan dan mencakup tugas yang penting secara finansial atau operasional.
2. Pilih kandidat yang sebanding. Bandingkan Sol dan Sonnet 5 untuk pekerjaan premium, Terra dan Sonnet 5 untuk beban kerja seimbang, serta Luna atau model utilitas lain untuk volume sederhana.
3. Jalankan uji asap ID model dan parameter. Konfirmasi ID model yang ditagihkan, skema respons, status selesai, parameter yang didukung, dan perilaku error.
4. Nilai kualitas keluaran. Gunakan rubrik spesifik tugas seperti akurasi faktual, kelengkapan, tingkat lulus skema JSON, akurasi sitasi, atau uji kode yang diterima.
5. Ukur latensi nyata. Tangkap waktu ke token pertama, waktu penyelesaian total, dan tingkat timeout pada konkurensi mirip produksi.
6. Hitung biaya per tugas berhasil. Sertakan retry, keluaran tidak valid, pemanggilan alat, dan upaya fallback.
7. Uji jalur fallback. Simulasikan timeout, batas laju, respons 5xx, pemanggilan alat yang salah format, dan ketidaktersediaan gateway.

Hasilnya seharusnya berupa matriks perutean, bukan peringkat global. Sebuah model bisa menjadi kandidat terbaik untuk satu beban kerja dan pilihan yang salah sebagai default untuk beban kerja lain.

What We Know vs What We Do Not Know

Dikonfirmasi per 13 Juli 2026

• GPT-5.6 dan Claude Sonnet 5 tersedia secara umum.
• ID model penyedia, harga daftar, jendela konteks, dan keluaran maksimum yang dikutip di atas didokumentasikan dalam katalog model OpenAI dan dokumentasi Platform Claude.
• CometAPI mencantumkan keluarga GPT-5.6 dan mendokumentasikan akses Claude Sonnet 5.
• Sonnet 5 mengubah perilaku thinking, tokenizer, dan sampling dibanding Sonnet 4.6.

Tidak dikonfirmasi oleh sumber-sumber ini

• Benchmark netral yang menetapkan pemenang keseluruhan GPT-5.6 versus Sonnet 5.
• Latensi, ketersediaan, dan batas laju yang stabil untuk setiap wilayah dan tier akun.
• Paritas fitur antara API penyedia langsung dan setiap endpoint gateway.
• Harga di masa depan setelah periode promo atau pembaruan penyedia yang diumumkan.

Laporan komunitas di X dan Reddit dapat mengidentifikasi kasus tepi yang berguna, tetapi harus diperlakukan sebagai hipotesis hingga direproduksi dengan setup uji yang terdokumentasi.

What to Watch Next

• Halaman model penyedia dan catatan rilis: alias, harga, batas konteks, dan dukungan parameter dapat berubah cepat.
• Katalog live dan changelog CometAPI: konfirmasi ketersediaan gateway, ID model yang tepat, dan harga terkini sebelum penerapan.
• Harga Claude Sonnet 5 setelah 31 Agustus: jalankan ulang perbandingan biaya saat harga pengantar berakhir.
• Evaluasi independen: utamakan hasil dengan harness, set prompt, metode penilaian, dan konfigurasi model yang dipublikasikan.
• Laporan lapangan komunitas: gunakan laporan Reddit atau X yang dapat direproduksi untuk menemukan mode gagal yang layak diuji, bukan sebagai bukti berdiri sendiri atas superioritas model.

Conclusion

GPT-5.6 dan Claude Sonnet 5 bukan peningkatan yang saling dapat dipertukarkan. GPT-5.6 memperkenalkan tangga perutean tiga tier; Sonnet 5 meningkatkan lini Sonnet Anthropic sambil mengubah perilaku permintaan yang penting. Keputusan praktis adalah mencocokkan setiap beban kerja dengan kandidat berbiaya terendah yang memenuhi ambang kualitas, latensi, dan keandalan.

CometAPI dapat menyederhanakan evaluasi ini dengan mengekspos kedua keluarga model melalui satu akun dan lapisan API. Kenyamanan itu paling bernilai saat dipadukan dengan pengujian yang disiplin: verifikasi ID model dan harga live, jalankan set prompt yang sama, ukur biaya per tugas berhasil, uji parameter khusus penyedia, dan jaga jalur fallback yang sudah dilatih bukan sekadar dikonfigurasi.

Mulailah dengan CometAPI , konfirmasi ketersediaan saat ini, dan benchmark beban kerja kecil yang berasal dari produksi sebelum merutekan lalu lintas live.