GPT-6.1 Sol vs. GPT-6 Sol: Persamaan dan Perbedaan

TL;DR

GPT-6.1 Sol bukan pengganti GPT-6 Sol dengan konteks lebih besar atau biaya lebih mahal. Model ini mempertahankan jendela konteks 1,05 juta token, output maksimum 128K, dan harga API Standar $2/$10, sambil meningkatkan pemrograman, penggunaan komputer, alur kerja profesional, keandalan faktual, dan perilaku agen. Perubahan harga paling jelas ada pada cache prompt: biaya input yang di-cache turun dari $0,20 menjadi $0,10 per juta token.

Hasil praktisnya adalah GPT-6.1 Sol lebih berfokus pada menghasilkan kerja yang jauh lebih berguna dengan anggaran token kira-kira sama, bukan mengubah bentuk API.

Poin Utama

• GPT-6.1 Sol adalah peningkatan kapabilitas atas GPT-6 Sol, dengan jendela konteks 1.050.000 token dan batas output 128.000 token yang sama.
• Harga input dan output API Standar tetap $2/M dan $10/M; input yang di-cache turun dari $0,20/M menjadi $0,10/M.
• Evaluasi resmi menunjukkan peningkatan pada pemrograman, penggunaan komputer, otomasi bisnis, dan alur kerja ilmiah; hasil bergantung pada benchmark dan pengaturan penalaran.
• Migrasi memerlukan pengecekan upaya penalaran dan kompatibilitas endpoint API: GPT-6.1 Sol tidak menghapus apa pun dan mengharuskan Responses API untuk pemanggilan tool.
• Validasi keberhasilan tugas, latensi, hit cache aktual, dan biaya ujung-ke-ujung sebelum mengganti deployment GPT-6 Sol yang stabil.

Apa itu GPT-6.1 Sol, dan Mengapa Hadir Begitu Cepat Setelah GPT-6 Sol?

OpenAI memperkenalkan GPT-6 Sol pada 22 September 2026. Satu minggu kemudian, adendum system-card 29 September mengumumkan GPT-6.1 Sol. OpenAI menyajikan rilis baru ini sebagai peningkatan ke GPT-6 Sol alih-alih tier harga terpisah.

Interval rilis yang singkat penting karena GPT-6.1 Sol tidak diposisikan sebagai tier produk baru. OpenAI mempertahankan tier harga Sol dan memfokuskan pembaruan pada kapabilitas tugas sulit, efisiensi biaya, dan keandalan agen.

OpenAI memposisikan GPT-6.1 Sol untuk pemrograman berbasis agen, penggunaan komputer, dan kerja profesional. Perbandingan penting adalah keberhasilan tugas pada biaya tertentu, bukan sekadar nama model. Ringkasan benchmark resmi di bawah ini memisahkan kenaikan kapabilitas dari spesifikasi API yang tidak berubah.

Ini membuat perbandingan menjadi tidak biasa namun lugas: GPT-6.1 Sol terutama adalah peningkatan kapabilitas dan efisiensi, bukan peningkatan jendela konteks atau harga dasar.

GPT-6.1 Sol vs. GPT-6 Sol: Apa yang Tetap Sama?

Kedua model mempertahankan kapasitas utama yang sama, modalitas input/output yang didukung, dan harga input/output Standar. Tabel juga mencatat perbedaan pada tanggal cutoff, opsi penalaran, pemanggilan tool, dan tarif input yang di-cache; perbedaan tersebut jangan disalahartikan sebagai spesifikasi yang sama.

Spesifikasi yang Sama dan Perbedaan Kompatibilitas

Kedua kolom model resmi di atas mendokumentasikan batas konteks dan output yang sama. Angka-angka ini menggambarkan kapasitas; angka tersebut tidak menetapkan akurasi pengambilan atau latensi yang setara di seluruh beban kerja konteks panjang.

Cutoff pengetahuan bergerak sedikit maju, dari 20 April ke 30 April 2026. Yang lebih penting, GPT-6.1 Sol tidak lagi mendukung reasoning.effort="none"; pengaturan penalaran yang tersedia dimulai dari low.

Bagi developer yang bergantung pada perilaku dengan latensi minimal, detail kompatibilitas ini patut diuji karena GPT-6 Sol masih mendukung reasoning effort none.

Arsitektur: Apa yang Masih Tidak Diungkap

Tidak ada halaman model yang digunakan untuk perbandingan ini menyediakan jumlah parameter atau rincian pemecahan arsitektur. Adendum system-card resmi menyatakan GPT-6.1 Sol menggunakan jenis data dan pelatihan yang sama seperti Astra; pernyataan itu tidak membuktikan bahwa Sol dan Astra memiliki arsitektur identik. Perbedaan arsitektur dan skala parameter tetap tidak diungkap dalam materi yang dikutip.

Harga Dasar Tidak Berubah; Baca Cache Lebih Murah

Untuk token biasa tanpa cache, tidak. Tarif input dan output Standar tidak berubah. Peningkatan harga utama ada pada input yang di-cache.

GPT-6.1 Sol memangkas input yang di-cache menjadi $0,10 per juta token, atau 5% dari tarif input tanpa cache.

Sebagai contoh, menggunakan ulang 100 juta token input yang di-cache berbiaya sekitar $10 pada GPT-6.1 Sol dibanding $20 pada GPT-6 Sol. Perbedaan ini sederhana untuk prompt sekali pakai namun lebih bermakna bagi agen volume tinggi dengan prefiks prompt yang stabil.

Ketentuan harga resmi dalam dokumentasi model juga berlaku: permintaan di atas 272K token input menggunakan tarif input dan cache 2x serta harga output 1,5x untuk seluruh permintaan. Mode Fast pada GPT-6.1 Sol adalah 2x Standar; Batch dan Flex 50% di bawah Standar. Pemrosesan regional menambah premi 10% bila tersedia, dan mode Fast tidak tersedia dengan residensi data UE. Biaya tool terpisah dapat berlaku. Susun anggaran berdasarkan mode pemrosesan, wilayah, dan hit cache aktual yang dipilih.

Apa yang Meningkat pada GPT-6.1 Sol?

Peningkatan terbaik dinilai di bidang pemrograman, alur kerja agen, dokumen profesional, sains, kefaktualan, dan pemulihan kegagalan. Bagian di bawah ini mengelompokkan peningkatan tersebut sambil mempertahankan kondisi dan batasan benchmark asli.

Ikhtisar Benchmark: Kenaikan yang Dilaporkan dan Kondisi Evaluasi

Kasus terkuat untuk GPT-6.1 Sol berasal dari performa tingkat tugas, bukan spesifikasi mentah. OpenAI melaporkan peningkatan di rekayasa perangkat lunak, otomasi bisnis, interaksi komputer, alur kerja ilmiah, kefaktualan, dan alignment agen.

Ini adalah hasil yang dilaporkan OpenAI, bukan pengukuran CometAPI independen. OpenAI mengevaluasi modelnya di lingkungan risetnya atau melalui API; perilaku produksi dapat berbeda dengan prompt sistem dan tool yang tersedia. Angka pesaing berasal dari laporan publik. Biaya tugas mencerminkan konfigurasi yang diuji dan tidak sama dengan harga token. Detail yang tidak dilaporkan seperti anggaran per run atau scaffold tidak boleh disimpulkan.

Hasil resmi dalam tabel benchmark membandingkan GPT-6.1 Sol pada upaya penalaran yang lebih rendah dengan skor terbaik GPT-6 Sol. Ini tidak boleh dijelaskan sebagai perbandingan kecepatan dengan upaya yang dikontrol dan setara. DeepSWE v1.1 mengevaluasi tugas rekayasa perangkat lunak asli dalam codebase nyata.

Sebagai konteks, peluncuran GPT-6 Sol asli melaporkan 68,8% pada upaya maksimum di DeepSWE v1.1.

Pemrograman: Rekayasa Perangkat Lunak Jangka Panjang yang Lebih Kuat

Pemrograman barangkali adalah peningkatan paling jelas. DeepSWE v1.1 mengevaluasi agen pada tugas rekayasa perangkat lunak asli dalam codebase nyata yang memerlukan pekerjaan berkelanjutan, multi-langkah.

Peningkatan DeepSWE yang diringkas di atas relevan ketika agen harus memeriksa repositori, merencanakan perubahan, menggunakan tool, dan memperbaiki kegagalan selama banyak langkah. Developer dapat membandingkan peningkatan ini dengan GPT-6 Astra API di CometAPI saat memutuskan apakah tugas tersulit membenarkan model berbiaya lebih tinggi.

Ini lebih penting daripada benchmark pemrograman singkat karena agen pemrograman yang berjalan lama mengakumulasi biaya melalui penalaran berulang, pemanggilan tool, pembacaan file, patch, dan penggunaan ulang konteks. GPT-6.1 Sol meningkatkan penyelesaian tugas dan ekonomi konteks berulang tanpa menaikkan tarif token $2/$10 standar.

API GPT-6 Sol di CometAPI tetap berguna untuk deployment yang ada dan menyediakan jalur yang kompatibel dengan OpenAI untuk beban kerja pemrograman dan berbasis agen.

Agen AI dan Alur Kerja Bisnis: Otomatisasi dan Penggunaan Komputer

Ya, dan peningkatan melampaui pemrograman. AutomationBench mengevaluasi apakah agen dapat menyelesaikan alur kerja ujung-ke-ujung menggunakan banyak tool di bidang penjualan, pemasaran, operasi, dukungan, keuangan, dan SDM.

Hasil AutomationBench pada medium effort yang sepadan dalam ringkasan benchmark relevan untuk alur kerja bisnis yang berat tool. Ini tetap hasil benchmark, bukan jaminan keberhasilan dalam stack tool milik perusahaan. Perbandingan juga mencakup Claude Opus 5.5 API di CometAPI; evaluasi semua kandidat dengan tool dan kriteria keberhasilan yang sama sebelum memilih.

Untuk penggunaan komputer, hasil OSWorld di atas menggunakan set offline dan reward parsial. Skor reward parsial yang lebih tinggi tidak selalu berarti setiap tugas diselesaikan ujung-ke-ujung. Keadaan browser, izin, perilaku pemulihan, dan kualitas integrasi tool tetap memengaruhi hasil deployment.

Dokumen Profesional dan Sains: Kapabilitas Tugas Kompleks yang Lebih Luas

GPT-6.1 Sol juga mendorong tier Sol lebih jauh ke pekerjaan pengetahuan profesional. OpenAI mengevaluasi pemahaman dokumen kompleks dengan GDP.pdf, di mana model menjawab pertanyaan realistis berdasarkan PDF yang berisi tabel, grafik, diagram, format padat, dan detail catatan kaki di berbagai bidang termasuk keuangan, kesehatan, dan hukum.

GDP.pdf menambah bukti untuk analisis PDF profesional di luar tanya jawab teks biasa. Perlakukan hasilnya dalam pengumuman peluncuran sebagai evaluasi pemahaman dokumen, bukan jaminan bahwa setiap grafik, catatan kaki, atau halaman hasil pindai akan ditafsirkan dengan benar.

Hasil Terminal-Bench Science dalam ringkasan benchmark resmi mencakup alur kerja seperti analisis data, simulasi, dan pembuktian teorema. Evaluasi lokal yang berguna harus menilai kebenaran dan reprodusibilitas output akhir, sembari mengukur total biaya tool dan model.

Ini tidak berarti GPT-6.1 Sol secara universal menggantikan Astra. OpenAI terus memposisikan Astra sebagai model dengan kapabilitas tertinggi untuk pekerjaan ujung-ke-ujung yang paling sulit. Perubahan pentingnya adalah kesenjangan performa antara Sol dan Astra menyempit sementara kesenjangan harga token mereka tetap besar.

Kefaktualan dan Keandalan Agen: Lebih Sedikit Kesalahan dan Penanganan Kegagalan yang Lebih Baik

Data kefaktualan OpenAI mengarah ke sana, meski evaluasi tidak boleh diartikan sebagai tingkat halusinasi universal.

Pengumuman resmi secara langsung melaporkan peningkatan kefaktualan low-effort: respons yang mengandung kesalahan turun dari 11,4% dengan GPT-6 Sol menjadi 7,7% dengan GPT-6.1 Sol, penurunan 3,7 poin persentase, atau sekitar 32% pengurangan relatif. Percakapan yang dipilih ini sebelumnya memicu kesalahan; angka-angka tersebut bukan tingkat halusinasi universal.

Bagan asli di atas diekstrak langsung dari PDF system-card OpenAI tanpa digambar ulang. Bagan tersebut memplot evaluasi percakapan sulit yang dipilih terhadap latensi tersimulasi; dua panel mengukur halusinasi apa pun dan persistensi isu yang dilaporkan. Ini tidak boleh dibaca sebagai estimasi kesalahan di seluruh produksi.

API GPT-6 Luna di CometAPI adalah opsi berorientasi biaya lainnya, tetapi hasil pencarian rusak di sini mengilustrasikan alasan agen harus diuji pada penanganan kegagalan serta eksekusi tool yang berhasil.

Ini adalah evaluasi yang sengaja adversarial, bukan tingkat kegagalan produksi yang representatif. Evaluasi tersebut berguna sebagai bukti bahwa GPT-6.1 Sol lebih baik mengenali saat tool tidak tersedia atau rusak alih-alih melanjutkan dengan klaim yang tidak didukung.

GPT-6.1 Sol vs. GPT-6 Sol: Haruskah Anda Upgrade?

Untuk alur kerja kompleks baru, GPT-6.1 Sol adalah kandidat evaluasi yang kuat. Untuk deployment GPT-6 Sol yang stabil, upgrade hanya ketika kenaikan yang terukur membenarkan migrasi. Batas konteks bersama dan harga token dasar memungkinkan perbandingan yang adil, tetapi benchmark publik tidak bisa memutuskan apakah aplikasi Anda sendiri akan menjadi lebih cepat, lebih andal, atau lebih murah.

Kapan Upgrade Layak Diuji

Prioritaskan uji coba ketika pemrograman skala repositori, otomasi bisnis multi-langkah, penggunaan komputer, atau analisis dokumen sulit menyumbang porsi besar dari beban kerja Anda. Peningkatan yang dilaporkan pada bagian sebelumnya relevan untuk use case ini. Perlakukan sebagai alasan untuk menguji, bukan jaminan bahwa tingkat keberhasilan produksi Anda akan naik dengan jumlah yang sama.

Aplikasi dengan konteks berulang adalah kasus uji yang berguna lainnya. Tarif baca cache yang lebih rendah dapat mengurangi porsi biaya input saat permintaan benar-benar menggunakan prefiks yang stabil. Jika sebagian besar pengeluaran berasal dari token yang dihasilkan, tool, atau upaya yang gagal, diskon cache saja mungkin berdampak kecil. Bandingkan biaya total per hasil yang diterima, termasuk retry dan waktu review.

Kapan Tetap Menggunakan GPT-6 Sol Masuk Akal

Pertahankan GPT-6 Sol ketika model tersebut sudah memenuhi target kualitas, latensi, dan anggaran Anda serta model yang lebih baru tidak menghasilkan manfaat material dalam evaluasi yang representatif. Integrasi yang berfungsi juga bernilai: hindari mengganti rute yang stabil hanya karena nama model lebih baru.

Kompatibilitas bisa menentukan. GPT-6 Sol mendukung reasoning none; GPT-6.1 Sol dimulai dari low. Aplikasi yang menggunakan pemanggilan fungsi Chat Completions Sol pada none harus memindahkan loop tool ke Responses untuk memakai 6.1 Sol. Audit juga parameter sampling dan parsing respons. Ini adalah perubahan migrasi, bukan sekadar penggantian ID model. Lihat panduan migrasi OpenAI.

Cara Membuat Keputusan Upgrade

Buat set evaluasi tetap dengan tugas rutin, kasus sulit, dan kegagalan tool dari alur kerja yang dimaksud. Jaga definisi tugas, izin tool, dan kriteria penerimaan tetap konsisten. Bandingkan baseline Sol terverifikasi dengan konfigurasi 6.1 Sol yang valid; catat pengaturan penalaran secara eksplisit alih-alih menganggap none dan low setara.

1. Kualitas: ukur penyelesaian yang diterima, koreksi faktual, pemanggilan tool tidak valid, dan usaha review manusia.
2. Kecepatan: bandingkan latensi ujung-ke-ujung p50/p95, termasuk retry dan waktu tunggu tool.
3. Biaya: catat input tanpa cache, baca cache, tulis cache, token output/penalaran, biaya tool, dan usaha rekayasa.
4. Rollout: mulai dengan porsi traffic kecil, pertahankan fallback Sol, dan perluas hanya saat ambang yang telah ditetapkan terpenuhi.

Rekomendasi praktis: pilih GPT-6.1 Sol ketika uji coba menghasilkan ekonomi tugas yang diterima lebih baik atau kenaikan kapabilitas yang dibutuhkan tanpa regresi yang tidak dapat diterima. Simpan GPT-6 Sol untuk rute di mana kompatibilitas dan hasil terbukti lebih penting daripada manfaat yang terukur. Deployment campuran masuk akal saat hanya beberapa kelas tugas yang meningkat. Ini adalah rekomendasi berdasarkan beban kerja, bukan klaim bahwa salah satu model menang secara universal.

Bagaimana Bermigrasi dari GPT-6 Sol ke GPT-6.1 Sol?

Pada tingkat paling sederhana, pengenal model berubah dari gpt-6-sol menjadi gpt-6.1-sol.

A permintaan Responses API dapat terlihat seperti ini:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "medium"},
    input="Analyze this repository and identify the cause of the failing tests."
)

print(response.output_text)

Mengubah pengenal model hanyalah langkah pertama. GPT-6.1 Sol mendukung low, medium, high, xhigh, dan max, sementara GPT-6 Sol juga mendukung none. Hapus pengaturan none eksplisit dan pilih upaya yang diizinkan. Aplikasi yang menggunakan tool juga membutuhkan Responses API: Chat Completions GPT-6.1 Sol tidak mendukung pemanggilan tool, sedangkan Chat Completions GPT-6 Sol mendukung pemanggilan fungsi hanya dengan none. Kolom model resmi dalam tabel spesifikasi mendokumentasikan pembatasan endpoint ini.

Tim harus menguji ulang alur kerja sensitif terhadap latensi, pemanggilan tool, cache prompt, perilaku konteks panjang, dan logika apa pun yang secara eksplisit mengirim reasoning.effort="none".

Contoh ini menargetkan OpenAI secara langsung menggunakan OPENAI_API_KEY; ini bukan contoh endpoint CometAPI yang terverifikasi. Pertahankan rute GPT-6 Sol Anda selama rollout bertahap, catat keberhasilan tugas dan latensi p95, dan lakukan rollback jika kriteria penerimaan aplikasi Anda tidak terpenuhi.

Beban Kerja GPT-6.1 Sol Mana yang Paling Diuntungkan dari Upgrade?

GPT-6 Sol tetap berguna ketika integrasi yang ada sudah stabil atau ketika developer secara spesifik membutuhkan pengaturan penalaran none. Untuk deployment baru yang berpusat pada agen, pemrograman, penggunaan komputer, atau alur kerja konteks berulang, GPT-6.1 Sol mengubah persamaan biaya-performa tanpa mengubah harga token input/output normal.

Bagaimana CometAPI Membantu Upgrade dari GPT-6 Sol ke GPT-6.1 Sol?

Bagi developer yang sudah menggunakan API GPT-6 Sol di CometAPI, upgrade ke GPT-6.1 Sol dapat ditangani sebagai migrasi yang relatif kecil alih-alih penulisan ulang integrasi penuh.

GPT-6.1 Sol kini tersedia melalui CometAPI dengan pengenal model gpt-6.1-sol. CometAPI saat ini menampilkan harga input konteks pendek awal sebesar $1,60 per juta token, dibanding tarif resmi $2,00 milik OpenAI, sementara harga output dimulai dari $8,00 per juta token. Ini menjaga model Sol yang lebih baru dalam struktur harga diskon yang sama seperti GPT-6 Sol sambil memberi developer akses ke performa pemrograman, agen, dan penggunaan komputer yang lebih kuat.

Karena CometAPI menyediakan antarmuka yang kompatibel dengan OpenAI, aplikasi GPT-6 Sol yang ada biasanya dapat mempertahankan struktur SDK dan alur permintaan yang sama sambil mengganti ID model menjadi gpt-6.1-sol. CometAPI juga menyediakan tool untuk membandingkan model, menguji prompt, memperkirakan biaya beban kerja, dan memeriksa perilaku migrasi sebelum rollout produksi.

Proses upgrade yang lebih aman adalah menjalankan prompt representatif yang sama terhadap GPT-6 Sol dan GPT-6.1 Sol terlebih dahulu, lalu membandingkan kualitas output, latensi, perilaku tool, dan total biaya. Ini sangat penting untuk aplikasi yang bergantung pada pengaturan penalaran, output terstruktur, pemanggilan tool, atau agen yang berjalan lama, karena kompatibilitas model tidak menjamin perilaku identik pada setiap beban kerja.

Bagi tim yang menjalankan beban kerja konteks berulang atau berat agen, rute yang lebih baru juga dapat meningkatkan ekonomi. CometAPI saat ini memberi harga baca cache konteks pendek GPT-6.1 Sol sebesar $0,08 per juta token, dibanding tarif resmi $0,10 milik OpenAI, sementara tarif input dan output konteks pendek tercantum 20% di bawah harga resmi.

Dalam praktiknya, CometAPI dapat menjadikan transisi GPT-6 Sol → GPT-6.1 Sol sebagai proses tiga langkah:

1. Ganti gpt-6-sol dengan gpt-6.1-sol.
2. Benchmark prompt produksi dan alur kerja agen yang sama sebelum mengalihkan traffic.
3. Pindahkan beban kerja secara bertahap setelah kualitas output, perilaku tool, latensi, dan biaya memenuhi kebutuhan Anda.

Pendekatan ini memungkinkan developer mengadopsi GPT-6.1 Sol tanpa membangun ulang aplikasi di sekitar stack API baru, sambil tetap memvalidasi perbedaan perilaku yang diperkenalkan oleh model yang lebih baru.

Kesimpulan

GPT-6 Sol secara teknis tidak usang. Model ini mempertahankan jendela konteks 1,05M, batas output 128K, output terstruktur, input gambar, dan harga Standar $2/$10. Opsi penalaran none juga dapat penting untuk integrasi yang ada. Keputusan upgrade harus bergantung pada hasil tugas yang terukur dan kompatibilitas, bukan sekadar nomor versi.

Namun, dokumentasi GPT-6 Sol milik OpenAI kini mengarahkan developer ke GPT-6.1 Sol sebagai model Sol yang lebih baru.

Untuk sebagian besar beban kerja kompleks, pertanyaan kuncinya bukan apakah GPT-6.1 Sol memiliki jendela konteks yang lebih besar atau tarif token yang lebih tinggi—tidak. Pertanyaannya adalah apakah keberhasilan tugas yang lebih tinggi, baca cache yang lebih murah, kefaktualan yang meningkat, dan perilaku agen yang lebih kuat membenarkan penggantian pengenal model dan pengujian ulang beban kerja.

FAQ

Bagaimana Anda bermigrasi dari GPT-6 Sol ke GPT-6.1 Sol dengan pemanggilan tool?

Tidak. Pertama audit endpoint dan field permintaan, lalu pindahkan loop tool ke Responses API dan uji parsing pemanggilan tool, validasi argumen, retry, dan penanganan error. Jalankan canary pada tugas representatif sebelum menambah traffic; permintaan teks saja yang berhasil tidak memverifikasi loop tool yang berfungsi.

Apakah GPT-6.1 Sol lebih murah dalam beban kerja nyata?

Catat token input yang di-cache dan tanpa cache, tulis cache, token penalaran dan output, mode pemrosesan, dan biaya tool. Bandingkan biaya per tugas yang diterima alih-alih harga token yang di-cache saja. Prefiks stabil membantu hanya saat permintaan benar-benar mengenai cache, dan loop tool yang lebih panjang atau upaya yang gagal dapat mengimbangi penghematan cache.

Bagaimana sebaiknya Anda menguji GPT-6.1 Sol sebelum beralih dari GPT-6 Sol?

Gunakan set tugas mirip produksi yang tetap dan catat penyelesaian yang berhasil, koreksi faktual, pemanggilan tool yang tidak valid, latensi p50/p95, dan total biaya. Tetapkan ambang penerimaan sebelum pengujian. Pertahankan jalur rollback routing model dan perluas traffic hanya setelah konfigurasi baru memenuhi ambang tersebut.

Bagaimana Anda menguji GPT-6.1 Sol dengan PDF?

Bangun korpus kecil dengan tabel padat, catatan kaki, grafik, dan halaman hasil pindai yang representatif terhadap alur kerja yang dimaksud. Ajukan pertanyaan dengan jawaban yang dapat diverifikasi dan minta bukti halaman atau tabel. Nilai akurasi perhitungan, catatan yang terlewat, dan jawaban yang tidak didukung secara terpisah; pertahankan review manusia untuk output yang kesalahannya berdampak material.