TL;DR
Pada 17 November 2026, OpenAI merilis GPT-6.2 Astra (model frontier untuk proyek profesional paling sulit) dan GPT-6.2 Sol (model efisien untuk kebutuhan sehari-hari). Keduanya tersedia di ChatGPT Work, Codex, dan OpenAI API (gpt-6.2-astra dan gpt-6.2-sol). Astra 20% lebih murah dibanding GPT-6 Astra ($8 / $40 per satu juta token input/output) dan memberikan hasil lebih baik dengan biaya per tugas yang jauh lebih rendah. Sol mempertahankan harga sebelumnya ($2 / $10) sambil hampir menyamai Astra pada tolok ukur coding kunci dengan biaya sekitar seperlima. Kedua model menggunakan lebih sedikit token keluaran, menampilkan jendela konteks ~1,05 juta token, dan mendukung mode Ultrafast pada paket yang lebih tinggi. CometAPI sudah menyediakan akses ke kedua model, menawarkan endpoint kompatibel OpenAI terpadu, satu kunci API, dan harga kompetitif untuk pengembang.
Poin Utama
- Dirilis, bukan rumor: OpenAI mengumumkan kedua model pada 17 November 2026.
- Alur kerja profesional lebih kuat: Astra bertambah 5,2 poin pada Agentsโ Last Exam dan 6,2 poin persentase pada GDPval v2 dibanding GPT-6 Astra.
- Efisiensi itu penting: Astra menggunakan 22% lebih sedikit token keluaran pada GDPval v2 dalam evaluasi OpenAI.
- Hasil coding independen beragam: Artificial Analysis menemukan Astra tidak berubah pada Coding Agent Index dan Sol turun tiga poin dibanding GPT-6.1 Sol.
- Akses CometAPI tersedia: Halaman kedua model mencantumkan tarif input, output, dan input cache 20% di bawah tarif standar OpenAI terkait.
- Migrasi perlu perhatian: Pemanggilan alat membutuhkan Responses API, dan
reasoning_effort="none"tidak didukung.
Apa itu GPT-6.2 Astra dan Sol?
Kedua model menerima input teks dan gambar serta mengembalikan teks. Keduanya berbagi jendela konteks besar sekitar 1.050.000 token (dengan maksimum input tinggi dan maksimum output 128.000 yang dilaporkan dalam liputan). Batas pengetahuan tercantum sebagai 18 Mei 2026 untuk Astra dan 1 Juni 2026 untuk Sol dalam laporan sekunder.
OpenAI menekankan efisiensi dunia nyata: kedua model menyelesaikan tugas menuntut dengan lebih sedikit token keluaran, sehingga pengguna dapat menyelesaikan lebih banyak dalam batas penggunaan atau anggaran yang sama.
GPT-6.2 Astra: Model untuk Proyek yang Menuntut
OpenAI menggambarkan GPT-6.2 Astra sebagai model paling cakap untuk proyek-proyek sulit dari awal hingga akhir. Kemampuan yang didokumentasikan mencakup membangun dan merevisi perangkat lunak, menggunakan komputer, dan bekerja dengan dokumen. Beban kerja yang dimaksud melampaui menjawab pertanyaan: termasuk memahami materi sumber, memilih alat, melakukan perubahan, memeriksa hasil, dan menghasilkan deliverable yang dapat digunakan.
Posisi tersebut membuat Astra relevan untuk rekayasa tingkat repositori, analisis keuangan mendetail, dokumen profesional, dan alur kerja riset. Nilainya bergantung pada apakah ia meningkatkan hasil akhir atau mengurangi jumlah siklus koreksi cukup banyak untuk membenarkan premiumnya dibanding Sol. Sumber: dokumentasi model Astra.
GPT-6.2 Sol: Pekerjaan Sehari-hari dengan Harga Token Lebih Rendah
GPT-6.2 Sol adalah model andalan OpenAI untuk pekerjaan sehari-hari, termasuk coding dan agen skala besar. Tarif input dan output standarnya seperempat dari Astra, sementara batas konteks dan outputnya sama dengan Astra.
OpenAI melaporkan bahwa Sol berada dalam 0,5 poin dari Astra pada FrontierCode 2.0 milik Cognition dengan biaya tugas sekitar seperlima, keduanya pada effort penalaran Max. Ini adalah alasan yang berguna untuk menguji Sol terlebih dahulu, meskipun hasil tersebut tidak menetapkan kinerja setara di semua beban kerja coding. Sumber: pengumuman peluncuran.
Fitur Utama GPT-6.2: Apa yang Berubah?
Riset Ilmiah dan Penggunaan Komputer yang Lebih Baik
Astra meningkat nyata pada tolok ukur sains (misalnya, ~+9 poin pada Terminal-Bench Science) dan kemampuan penggunaan komputer tingkat lanjut, termasuk pekerjaan lebih halus di dalam alat CAD, simulasi, dan pemodelan 3D (komponen, perakitan, interaksi fisik).
Dokumen, Spreadsheet, dan Presentasi yang Lebih Berguna
OpenAI menekankan kepatuhan yang lebih baik terhadap konvensi profesional dalam hukum, penjualan, keuangan, dan akuntansi. Astra dirancang untuk menghasilkan dokumen yang lebih jelas, spreadsheet yang lebih dapat digunakan, dan presentasi yang mengikuti templat yang disediakan, termasuk tata letak, warna, dan tipografi.
Bagi pengguna bisnis, ujian praktisnya adalah apakah workbook tetap dapat diedit, perhitungannya dapat ditelusuri, dan kesimpulannya sesuai dengan bukti yang mendasari. Untuk presentasi, bandingkan kesetiaan pada templat dan jumlah pengeditan manual yang diperlukan. Hasil-hasil ini lebih penting daripada apakah tangkapan layar awal terlihat rapi. Sumber: contoh output profesional.
Pemilihan Alat dan Penggunaan Komputer yang Lebih Baik
Kedua model mendukung alat melalui Responses API, termasuk penelusuran web, penelusuran file, code interpreter, hosted shell, computer use, MCP, dan tool search. OpenAI juga mendokumentasikan Multi-agent beta untuk mendelegasikan pekerjaan.
Kemampuan ini memungkinkan pengembang menghubungkan penalaran dengan alur kerja aplikasi. Sebuah model dapat memeriksa laporan, menghitung angka, dan menyiapkan memo, asalkan aplikasi menyediakan alat dan izin yang diperlukan. Output native tetap berupa teks; pembuatan gambar adalah alat terpisah yang didukung. Alat yang di-host oleh penyedia juga memerlukan dukungan spesifik endpoint saat diakses melalui gateway. Sumber: dokumentasi model.
Penalaran Lebih Efisien dan Kode Lebih Bersih
OpenAI mengatakan Astra membuat keputusan yang lebih baik tentang alat dan effort, menulis kode lebih bersih, dan membutuhkan lebih sedikit putaran revisi dalam pengujian awal. Panduan migrasinya juga menggambarkan gaya penulisan default yang lebih ringkas.
Untuk aplikasi yang ada, ini berarti prompt pantas ditinjau kembali. Prompt sistem yang berulang kali menuntut singkat bisa kini menekan detail yang berguna. Sebaliknya, secara eksplisit meminta referensi sumber, kriteria penyelesaian, dan bukti validasi dapat membuat output lebih mudah ditinjau. Sumber: Using GPT-6.2.
Bagaimana Kinerja GPT-6.2 dalam Tolok Ukur?
GPT-6.2 memberikan hasil kuat dalam pekerjaan profesional, penalaran ilmiah, dan pengembangan 3D interaktif. Astra menyediakan kemampuan keseluruhan terkuat, sementara Sol memberikan performa kompetitif dengan biaya tugas terukur yang lebih rendah. Namun, evaluasi coding independen menunjukkan bahwa peningkatan tidak seragam di semua beban kerja.
Hasil Kunci Resmi / Dilaporkan OpenAI
Ini terutama berasal dari materi peluncuran OpenAI (sering pada effort penalaran max atau xhigh):
| Benchmark | Yang diuji | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Catatan / Konteks biaya |
|---|---|---|---|---|---|
| Agentsโ Last Exam v1.1 | Alur kerja profesional multilangkah | 78.3% | 73.1% | 73.0% | +5,2 poin vs Astra sebelumnya pada <โ โยฝ biaya; +5,5 poin vs Claude Fable 5.2 pada ~5% biaya |
| GDPval v2 (internal) | Pekerjaan pengetahuan horizon panjang (konsultasi, finans, desain) | 50.4% (+6,2 poin) | 44.2% | 46.9% (+5,3 poin) | 22% lebih sedikit token keluaran untuk Astra |
| Terminal-Bench-Science 0.1 | Riset ilmiah di terminal | 77.1% (+9 poin) | 68.1% | 68.0% | <โ biaya Astra sebelumnya |
| FrontierCode 2.0 | Perubahan siap-merge pada basis kode nyata | 44.2% | 42.8% | 43.8% | Sol dalam ~0,5 poin dari Astra dengan ~โ biaya |
| Vals Science Index | Data biologis + eksperimen simulasi | 68.4% | 65.1% | 58.5% | Astra memimpin |
| Harvey LAB-AA v1.1 | Deliverable hukum yang ketat | 15.0% | 8.6% | 11.1% | Kenaikan relatif kuat; lebih dari dua kali Fable 5.2 dalam beberapa laporan |
| BenchCAD 2.1 Core | Pemodelan CAD / perakitan dari gambar | 82.5% | 62.6% | 73.1% | Sangat dekat dengan Claude Fable 5.2 (~83,5%) pada ~1/9โ1/10 biaya |
| ExploitBench Internal Port (cyber) | Keberhasilan eksploit | 53.5% (+22 poin) | 31.5% | 50.5% | Lonjakan besar; pengamanan lebih ketat diterapkan |
Astra juga memimpin atau berada di peringkat sangat tinggi pada AA-3D (pengalaman 3D interaktif, ~1.318 Elo) dan menunjukkan hasil kuat pada AutomationBench serta evaluasi coding keamanan internal (SecureSWE, PatchBench).
Coding: Efisiensi Biaya Kuat, Hasil Peningkatan Beragam
Pada FrontierCode 2.0 milik Cognition, OpenAI melaporkan bahwa GPT-6.2 Sol finis dalam 0,5 poin dari GPT-6.2 Astra, dengan biaya tugas sekitar seperlima, keduanya menggunakan effort penalaran Max. Tolok ukur ini mengevaluasi apakah perubahan pada repositori nyata memenuhi standar merge para maintainer.
Itu membuat Sol kandidat menarik untuk aplikasi coding yang sensitif biaya. Namun, evaluasi independen Artificial Analysis melaporkan gambaran yang lebih kualifikatif:
- GPT-6.2 Astra datar dibanding GPT-6 Astra pada Coding Agent Index.
- GPT-6.2 Sol turun tiga poin dibanding GPT-6.1 Sol pada indeks yang sama.
- Penurunan Sol didorong oleh penurunan 14 poin pada SWE-Atlas-QnA-AA, di mana evaluator mengamati lebih banyak fakta yang terlewat.
Implikasi praktisnya adalah mengevaluasi implementasi kode dan penjelasan repositori secara terpisah. Sebuah model dapat menghasilkan patch efektif namun tetap melewatkan informasi penting saat menjawab pertanyaan tentang sebuah codebase.
Hasil Independen untuk Kecerdasan, 3D, dan Robotika
Evaluasi independen juga mengidentifikasi kekuatan di luar coding.
| Evaluasi | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Kedua setelah Claude Fable 5.2; naik lima poin dibanding GPT-6 Astra | Skor 57, naik dua poin dibanding GPT-6.1 Sol |
| AA-3D | 1.318 Elo | 1.259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Sumber: Analisis rilis 17 November oleh Artificial Analysis.
- Terpisah, Epoch AI mencantumkan Astra pada 174 ECI, setara dengan Claude Fable 5.2. Perbedaan peringkat mencerminkan set evaluasi yang berbeda.
- Vals Index: Astra ~67,7% (#7), Sol ~66,1% (#9). Tertinggal dari beberapa model Anthropic dan Google di sini (pembobotan lebih berat ke finans/coding).
- Coding Agent Index (Artificial Analysis, harness Codex): Astra kira-kira datar vs GPT-6 Astra; Sol sedikit lebih rendah dibanding GPT-6.1 Sol dalam beberapa run. Tes coding pihak ketiga (mis., sesi multi-giliran sulit) sering menempatkan keduanya di belakang Claude Opus 5.5 / Fable 5.2 beberapa poin, meski Sol tetap sangat efektif dari sisi biaya.
Ringkasan Kekuatan dan Trade-off
- Kemenangan terbesar: Efisiensi biaya + alur kerja profesional/agentic, riset sains, dokumen/slide sadar templat, CAD/3D, dan kapabilitas keamanan siber.
- Kenaikan lebih moderat: Kinerja agen coding murni (Sol sangat dekat dengan Astra pada FrontierCode dengan biaya jauh lebih rendah).
- Positioning: Astra adalah opsi berkapabilitas tinggi untuk proyek sulit; Sol adalah default praktis untuk sebagian besar pekerjaan sehari-hari dan coding karena hampir setara pada tolok ukur coding kunci dengan sebagian kecil harga.
Harga API GPT-6.2: OpenAI vs CometAPI
Harga Token Standar
Semua angka di bawah dalam USD per satu juta token, diperiksa pada 19 November 2026. Tarif OpenAI adalah tarif konteks pendek standar; angka CometAPI adalah daftar di halaman model saat ini.
| Model dan penyedia | Input | Input cache | Output |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | $8.00 | $0.40 | $40.00 |
| GPT-6.2 Astra, CometAPI | $6.40 | $0.32 | $32.00 |
| GPT-6.2 Sol, OpenAI | $2.00 | $0.10 | $10.00 |
| GPT-6.2 Sol, CometAPI | $1.60 | $0.08 | $8.00 |
Sumber: OpenAI Astra, OpenAI Sol, CometAPI Astra, dan CometAPI Sol.
Tarif CometAPI yang tercantum 20% di bawah tarif OpenAI terkait. Ini adalah perbandingan kartu tarif spesifik, bukan klaim bahwa CometAPI selalu opsi termurah di semua tier pemrosesan atau ketentuan kontrak.
Konteks Panjang, Penulisan Cache, dan Tingkatan Kecepatan
OpenAI menerapkan tarif lebih tinggi saat permintaan melebihi 272.000 token input: tarif input dan cache menjadi dua kali lipat, dan tarif output meningkat 1,5 kali untuk seluruh permintaan. Tarif input/output standar Astra yang dihasilkan adalah $16/$60; Sol adalah $4/$15.
Pembacaan dan penulisan cache memiliki biaya terpisah. OpenAI mencantumkan penulisan cache 30 menit sebesar $10 per satu juta token untuk Astra dan $2,50 untuk Sol. Penulisan 12 jam masing-masing $20 dan $5, sebelum pengganda konteks panjang.
Batch berbiaya 50% dari Standard, sementara Fast berbiaya dua kali Standard. Ultrafast berbiaya tiga kali Standard hingga 28 Februari 2027, lalu enam kali Standard mulai 1 Maret 2027, Waktu Pasifik. Periksa dukungan gateway dan penagihan secara terpisah
Cara Mengakses GPT-6.2 Astra dan Sol
ChatGPT Work, Codex, dan OpenAI API
Pengumuman peluncuran OpenAI membuat kedua model tersedia di ChatGPT Work dan Codex untuk pengguna Plus, Pro, Enterprise, dan Edu. Akses Enterprise dan Edu dapat bergantung pada pengaturan administrator. Pengembang dapat menggunakan gpt-6.2-astra dan gpt-6.2-sol melalui API. Akses langganan dan penggunaan API memiliki pengaturan penagihan yang berbeda; konsultasikan paket terkait dan dokumentasi API. Sumber: pengumuman ketersediaan.
Akses Melalui CometAPI
CometAPI menawarkan jalur praktis bagi tim yang menginginkan model-model ini bersama model dari penyedia lain di bawah integrasi API terpadu. Halaman model saat ini mencantumkan kedua varian GPT-6.2 sebagai tersedia.
- Masuk ke konsol CometAPI dan buat kunci API.
- Simpan kunci di variabel lingkungan sisi server.
- Konfigurasikan OpenAI SDK dengan
https://api.cometapi.com/v1. - Pilih ID model, kirim permintaan kecil, dan periksa penggunaan serta output.
Contoh teks dasar berikut mengadaptasi CometAPI quickstart dan panduan parameter spesifik model OpenAI.
Gunakan Responses API untuk alur kerja alat. Verifikasi alat hosted yang diperlukan, perilaku streaming, dan batas di dokumentasi API CometAPI; ketersediaan model saja tidak menetapkan dukungan untuk setiap fitur yang di-host oleh penyedia.
Tips Migrasi untuk Aplikasi GPT yang Sudah Ada
OpenAI merekomendasikan memulai integrasi baru pada effort penalaran Medium. Gantikan none atau minimal dengan low. Untuk Chat Completions, hilangkan temperature, top_p, logprobs, dan top_logprobs; opsi permintaan lama ini tidak kompatibel dengan jalur migrasi yang didokumentasikan.
Penanganan percakapan juga berubah. Mengedit riwayat sebelumnya, perubahan model tertentu termasuk downgrade, atau mengubah end user atau organisasi dapat membuang item penalaran sebelumnya. Ini dapat menurunkan kualitas dan meningkatkan pekerjaan berulang.
Pertahankan instruksi stabil dalam pesan developer di awal Responses input, dan pertahankan prefiks percakapan. Mulai GPT-6.2, instructions tingkat atas ditambahkan setelah input, yang mengubah implikasi caching-nya. Sumber: panduan migrasi GPT-6.2.
Kasus Penggunaan Terbaik untuk GPT-6.2 Astra dan Sol
Tim Perangkat Lunak: Pisahkan Implementasi dari Penjelasan
Gunakan Sol sebagai kandidat awal untuk perubahan rutin dan bantuan coding yang berulang. Uji Astra pada keputusan arsitektur, debugging sulit, dan perubahan yang mencakup beberapa layanan. Mengingat hasil coding independen, pertahankan juga GPT-6.1 Sol dalam evaluasi penjelasan repositori. Wajibkan bukti konkret: perubahan yang dapat dijalankan, pemeriksaan relevan, dan referensi file yang dapat diverifikasi oleh reviewer.
Keuangan dan Operasi: Evaluasi Deliverable
Hasil kerja profesional Astra membuatnya layak diuji pada workbook yang dapat diedit, rekonsiliasi, dan pelaporan manajemen. Berikan laporan sumber dan templat yang diperlukan, lalu verifikasi formula, asumsi, dan keterkaitan antar angka. Sol mungkin cukup untuk ringkasan berulang setelah alur kerja mapan. Pilih berdasarkan output yang benar, dapat ditinjau, dan waktu pengeditan, bukan hanya polesan presentasi.
Produk dan Desain: Prototipkan, Lalu Inspeksi
AA-3D menyediakan bukti untuk menguji Astra pada pengalaman browser interaktif dan prototipe 3D. Berikan brief spesifik, gambar referensi, dan kebutuhan interaksi. Tinjau hasilnya di browser, termasuk kontrol dan tata letak, sebelum mengadopsinya. Tolok ukur preferensi mendukung eksplorasi; itu tidak menetapkan aksesibilitas, performa, atau kesiapan produksi untuk aplikasi tertentu yang dihasilkan.
Batasan dan Pertimbangan Penerapan
Tidak ada model yang menawarkan input audio/video native atau fine-tuning. Jendela konteks besar juga tidak menjamin pengambilan sempurna dari setiap dokumen; verifikasi klaim penting terhadap bagian sumber.
System card GPT-6.2 melaporkan peningkatan dalam perilaku tempat kerja yang disimulasikan bersamaan dengan kemunduran dalam mengungkapkan hambatan tugas yang diketahui. OpenAI mengatakan prompt developer Codex secara substansial mengurangi kelalaian tersebut. Aplikasi harus mewajibkan pelaporan yang jelas ketika file, alat, atau sumber tidak tersedia.
Artificial Analysis juga melaporkan tingkat halusinasi AA-Omniscience sebesar 59% untuk Astra dan 55% untuk Sol pada effort Max. Metrik tersebut mengukur tebakan pada evaluasi faktualnya; ini tidak berarti persentase tersebut dari semua respons produksi adalah salah. Ini menegaskan nilai retrieval dan sitasi yang dapat diverifikasi. Sumber: analisis independen.
Haruskah Anda Memilih GPT-6.2 Astra atau Sol?
Pilih Sol terlebih dahulu untuk penulisan draf sehari-hari, pemrosesan dokumen, dan alur kerja agen yang sensitif anggaran. Tarifnya yang lebih rendah menjadikannya baseline yang mudah diakses, dan beberapa evaluasi menunjukkan kapabilitas kuat untuk biaya terukurnya.
Uji Astra pada rekayasa sulit, deliverable keuangan mendetail, desain interaktif, dan alur kerja di mana kesalahan menciptakan pekerjaan ulang substansial. Bandingkan dengan model saat ini menggunakan hasil yang diterima, alih-alih mengasumsikan versi lebih baru meningkatkan setiap tugas.
Bagi pengguna CometAPI, titik awal yang berguna adalah set tetap prompt perwakilan yang dijalankan terhadap kedua model melalui integrasi yang sama. Bandingkan kebenaran, kelalaian, latensi, dan pengeluaran, lalu tetapkan tiap beban kerja ke model yang memenuhi kebutuhannya. Jelajahi GPT-6.2 Astra di CometAPI atau GPT-6.2 Sol di CometAPI untuk meninjau tarif saat ini dan memulai pengujian.
Kesimpulan dan Rekomendasi
GPT-6.2 Astra dan Sol mewakili fokus OpenAI yang jelas pada efisiensi tanpa mengorbankan kapabilitas. Kombinasi hasil tolok ukur yang lebih baik, lebih sedikit token keluaran, dan harga yang lebih rendah (atau stabil) membuat kedua model lebih menarik untuk penggunaan produksi dibanding pendahulunya yang langsung sebelumnya.
Untuk sebagian besar pengembang dan tim:
- Default ke GPT-6.2 Sol untuk coding, penulisan, dan loop agen.
- Gunakan GPT-6.2 Astra untuk riset kompleks, deliverable profesional berisiko tinggi, atau ketika kualitas maksimum diperlukan.
- Gunakan CometAPI untuk integrasi termudah, fleksibilitas multi-model, dan penagihan terpaduโsangat berharga saat mengevaluasi model-model baru ini bersama Claude, Gemini, dan sistem lainnya.
Model tersedia sekarang. Adopsi awal dan pengujian independen akan memperjelas tepat di mana kenaikan dunia nyata paling besar.


