Jawaban terlebih dahulu
GPT-6 Astra adalah model andalan baru OpenAI untuk pekerjaan end-to-end yang sulit. OpenAI merilis GPT-6 Astra pada 3 September 2026, memposisikannya untuk penalaran kompleks, penggunaan komputer, coding, riset, kerja ilmiah, dan pembuatan artefak profesional. Model API ini memiliki jendela konteks 1,05M token dan keluaran maksimum 128K, menerima input teks dan gambar, serta mendukung tingkat upaya penalaran dari rendah hingga maksimum. Harga API Standar mulai dari $10 input / $50 output per satu juta token. Perubahan praktis terpenting bukan lompatan seragam pada setiap tolok ukur kecerdasan umum: kenaikan terbesar Astra muncul pada eksekusi agentik, penggunaan komputer, pengambilan kembali konteks panjang, alur kerja coding, sains, dan keamanan siber.
Ini penting karena artikel CometAPI yang lebih lama GPT-6 Is Coming Soon — What Will It Look Like? bersifat spekulatif. Kini Astra telah dirilis publik, panduan ini berfokus pada perilaku model yang telah dikonfirmasi, trade-off tolok ukur, ekonomi API, dan di mana model ini benar-benar pilihan lebih baik daripada alternatif frontier yang lebih murah.
Apa itu GPT-6 Astra?
GPT-6 Astra adalah penerus model andalan OpenAI, GPT-5.6 Sol. OpenAI menggambarkan Astra sebagai model paling mampu untuk pekerjaan end-to-end tersulit, dengan penekanan pada alur kerja yang mengharuskan model untuk bernalar, menggunakan alat, berinteraksi dengan perangkat lunak, merevisi pekerjaan antara, dan membawa tugas dari permintaan awal hingga hasil akhir. Posisi ini penting: Astra bukan sekadar model chat yang lebih besar. Model ini dirancang untuk bertindak sebagai mesin penalaran di dalam agen yang bekerja lintas browser, terminal, dokumen, spreadsheet, lingkungan pengembangan, dan perangkat lunak perusahaan.
Posting peluncuran menyoroti hasil mutakhir di penggunaan komputer, penelusuran, rekayasa perangkat lunak, keamanan siber, sains, dan pekerjaan profesional. Disebutkan pencapaian 97,6% / 99,9% / 100% pada FrontierMath Tier 4, ARC-AGI-3, dan ExploitBench. Angka utama tersebut mencolok, tetapi tidak boleh ditafsirkan sebagai “Astra memenangkan setiap tolok ukur.” Pada Artificial Analysis Intelligence Index yang digunakan dalam tabel perbandingan OpenAI sendiri, Astra mencetak 61,2 sementara Claude Fable 5.1 mencetak 65,7. Rilis ini karena itu lebih tepat dipahami sebagai lompatan pada eksekusi dan kerja agentik daripada sapuan bersih atas semua ukuran kecerdasan.
Apa yang Berubah dari GPT-5.6 Sol?
Penggunaan komputer menjadi kapabilitas utama
Keuntungan generasional paling jelas Astra adalah penggunaan komputer. Pada OSWorld 2.0, OpenAI melaporkan 72,6% untuk Astra versus 65,7% untuk GPT-5.6 Sol. Dalam simulasi latensi yang sama, Astra menyelesaikan tugas dalam sekitar 40 menit dibanding kira-kira 75 menit untuk Sol, pengurangan sekitar 47%. Dikombinasikan dengan kerangka Codex yang diperbarui, OpenAI melaporkan penyelesaian 1,9× lebih cepat pada Mind2Web. Inti praktisnya bukan hanya bahwa Astra dapat “melihat” layar; ia dapat menjaga koherensi tugas perangkat lunak multilangkah lebih lama sambil membuat lebih sedikit penyimpangan yang mahal.
Pembuatan artefak profesional lebih terarah
OpenAI secara eksplisit melatih Astra untuk alur kerja profesional yang berakhir pada artefak yang dapat digunakan, bukan prosa mentah. Materi peluncuran menggambarkan kinerja yang lebih kuat pada dokumen, spreadsheet, presentasi, analisis data, pekerjaan desain, dan kepatuhan terhadap templat. Astra juga lebih baik dalam tetap terarah saat persyaratan berubah di tengah tugas, sehingga pesan pengarahan baru cenderung tidak menimpa tujuan awal. Ini sangat berguna dalam agen perusahaan yang berjalan lama, di mana instruksi baru sering datang setelah alur kerja dimulai.
Sesi panjang mempertahankan konteks kerja yang lebih berguna
Untuk sesi coding panjang, Astra memperkenalkan cara baru bagi Codex untuk menyimpan dan mengambil catatan setelah konteks aktif penuh. Pendekatan sebelumnya sangat bergantung pada pemadatan, yang dapat menghilangkan alasan mengapa perbaikan yang dicoba gagal atau kendala mana yang sudah diuji. OpenAI mengatakan Astra dapat menyimpan catatan lintas jendela konteks, meningkatkan kontinuitas selama refaktor besar dan sesi debugging.
Tingkat upaya penalaran kini hingga maksimum
Pengembang dapat memilih tingkat upaya penalaran low, medium, high, xhigh, atau max. Ini menciptakan kurva kualitas-biaya yang lebih lebar daripada memperlakukan Astra sebagai satu titik operasi tetap. Panduan model resmi merekomendasikan memilih upaya terendah yang memenuhi target evaluasi Anda, karena ekonomi terbaik model sering berasal dari efisiensi token, bukan selalu berjalan pada penalaran maksimum.
Performa Tolok Ukur GPT-6 Astra
OpenAI menerbitkan perbandingan luas yang mencakup penggunaan komputer, pekerjaan profesional, coding, penalaran akademik, kesehatan, keamanan siber, konteks panjang, dan alignment. Cara paling berguna membaca tabel adalah memisahkan “kecerdasan umum” dari “kemampuan menyelesaikan pekerjaan yang menggunakan alat.” Astra hanya sedikit di atas Sol pada Artificial Analysis Intelligence Index di tabel OpenAI, namun jauh di depan pada beberapa tolok ukur agentik dan operasional.
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Implikasi dari delta |
|---|---|---|---|
| AutomationBench | 41.4% | 18.1% | Kenaikan besar pada alur kerja bisnis end-to-end |
| OSWorld 2.0 | 72.6% | 65.7% | Interaksi komputer dan penyelesaian tugas lebih baik |
| Terminal-Bench 4.0 | 57.9% | 37.3% | Kenaikan besar pada coding agentik berbasis terminal |
| Terminal-Bench Science 0.1 | 64.6% | 22.4% | Kenaikan besar pada alur kerja ilmiah dengan kode/alat |
| FrontierMath Tier 4 v2 | 97.6% | 83.0% | Penalaran matematis level frontier lebih kuat |
| ExploitBench | 100.0% | 78.5% | Kapabilitas keamanan siber kelas kritis |
| SRE-Bench, satu percobaan | 88.0% | 55.9% | Rekayasa balik / SRE jauh lebih kuat |
| MRCR v2, 512K-1M | 96.3% | 73.8% | Peningkatan pengambilan kembali konteks sangat panjang |
| AA Intelligence Index v4.1.1 | 61.2 | 60.9 | Kecerdasan umum pada dasarnya datar vs Sol |
Polanya sangat jelas. Keunggulan Astra paling besar ketika tolok ukur mengharuskan interaksi berkelanjutan dengan alat atau lingkungan. AutomationBench naik dari 18,1% menjadi 41,4%; Terminal-Bench Science meningkat dari 22,4% menjadi 64,6%; dan MRCR konteks panjang meningkat dari 73,8% menjadi 96,3% pada rentang 512K–1M. Sebaliknya, Artificial Analysis Intelligence Index bergerak dari 60,9 ke 61,2. Inilah mengapa menggambarkan Astra sebagai “2,5× lebih mahal tetapi sedikit lebih pintar” melewatkan proposisi nilai produk yang sebenarnya.
Sumber: Bagan AutomationBench OpenAI (gambar asli, tidak digambar ulang)
Tolok Ukur Independen: Apakah GPT-6 Astra Lompatan Generasional?
Pengujian independen menambahkan pemeriksaan realitas penting. Artificial Analysis melaporkan skor Intelligence Index sebesar 61, setara dengan GPT-5.6 Sol pada upaya maksimum. Pada saat yang sama, Astra meningkat kuat pada Coding Agent Index dan menggunakan jauh lebih sedikit token dalam coding agentik. Artificial Analysis mengukur kira-kira pengurangan penggunaan token tiga kali lipat dibanding GPT-5.6 Sol pada upaya maksimum dalam kerangka Codex mereka, memungkinkan Astra mencetak lebih tinggi dengan biaya sekitar sama per tugas agen-koding.
Ekonominya tampak kurang menguntungkan pada kecerdasan umum. Astra menggunakan sekitar 10% lebih sedikit token output daripada Sol pada Intelligence Index di upaya maksimum, tetapi kenaikan harga per token 2,5× mendominasi efisiensi tersebut; Artificial Analysis memperkirakan Astra sekitar 75% lebih mahal per tugas pada upaya maksimum. Mereka juga melaporkan penurunan laju halusinasi dari 92% menjadi 51% pada AA-Omniscience bersamaan dengan kenaikan akurasi empat poin.
Kesimpulan yang berguna bergantung pada beban kerja: GPT-6 Astra tampak paling generasional ketika seorang agen harus bertindak, beriterasi, menggunakan alat, dan menyelesaikan pekerjaan rumit. Untuk penalaran biasa atau generasi teks volume tinggi, premi harga jauh lebih sulit ditebus.
GPT-6 Astra vs GPT-5.6 Sol vs Claude Fable 5.1 vs Gemini 3.8 Flash
Perbandingan pemilihan model yang praktis harus mencakup kapabilitas, multimodalitas, konteks, eksekusi agentik, dan harga. Model-model berikut tidak dapat dipertukarkan: Astra dioptimalkan untuk eksekusi end-to-end yang sulit, Claude Fable 5.1 memimpin beberapa ukuran kecerdasan umum, dan Gemini 3.8 Flash menawarkan harga token jauh lebih rendah dengan modalitas input asli yang lebih luas.
| Metrik | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Gemini 3.8 Flash |
|---|---|---|---|---|
| Jendela konteks | 1.05M | 1.05M | 1M | 1.048M |
| Keluaran maksimum | 128K | 128K | 128K | 65.5K |
| Modalitas input | Teks, gambar | Teks, gambar | Teks, gambar/PDF | Teks, gambar, audio, video, PDF |
| AA Intelligence Index | 61.2 | 60.9 | 65.7 | 58.7 |
| AutomationBench | 41.4% | 18.1% | 31.4% | — |
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 19.1% |
| DeepSWE 1.1 | 74.1% | 72.7% | 67.4% | 73.8% |
| FrontierMath Tier 4 v2 | 97.6% | 83.0% | 87.8% | — |
| HLE dengan alat | 57.2% | — | 65.0% | — |
| HealthBench Professional | 63.4% | 60.5% | 58.1% | 52.1% |
| Harga input standar resmi | $10/M | $4/M | $10/M | $0.75/M |
| Harga output standar resmi | $50/M | $20/M | $50/M | $3.75/M |
Kapan GPT-6 Astra adalah pilihan yang lebih baik
Pilih Astra ketika tugas menjadi mahal karena manusia harus menyelamatkan run agen yang gagal: perubahan coding panjang, otomatisasi browser/desktop, riset mendalam yang melintasi alat, pembuatan artefak teknis, atau alur kerja ilmiah dan operasional yang kompleks. Preminya paling mudah dibenarkan ketika lebih sedikit percobaan ulang, lebih sedikit koreksi manual, dan penggunaan token output yang lebih rendah lebih penting daripada harga per token mentah.
Kapan Claude Fable 5.1 adalah pilihan yang lebih baik
Claude Fable 5.1 tetap menjadi pesaing frontier yang serius. Dalam tabel peluncuran OpenAI sendiri, model ini mencetak 65,7 pada Artificial Analysis Intelligence Index versus 61,2 untuk Astra, dan 65,0 pada Humanity’s Last Exam dengan alat versus 57,2 untuk Astra. Ini berarti Astra tidak boleh dipasarkan sebagai pemenang kecerdasan universal. Jika set evaluasi Anda lebih menyerupai penalaran bentuk panjang daripada eksekusi penggunaan komputer, Claude Fable 5.1 mungkin tetap lebih cocok.
Kapan Gemini 3.8 Flash adalah pilihan yang lebih baik
Gemini 3.8 Flash menargetkan titik berbeda di frontier. Model ini mendukung input teks, gambar, audio, video, dan PDF dengan jendela konteks sekitar 1M token, sementara harga perkenalan resmi jauh di bawah Astra. Untuk ekstraksi multimodal volume tinggi, pemahaman video/audio, agen rutin, atau beban kerja di mana ekonomi token $10/$50 sulit dibenarkan, Gemini 3.8 Flash sering menjadi pilihan produksi yang lebih ekonomis.
Mengapa Peringkat Keamanan Siber GPT-6 Astra Penting
Astra adalah model OpenAI pertama yang diterapkan luas dan mencapai ambang kapabilitas keamanan siber Kritis di bawah Preparedness Framework perusahaan. OpenAI mengatakan model ini dapat mengidentifikasi cacat keamanan yang sebelumnya tidak diketahui dan mengembangkan strategi eksploitasi pada sistem yang diperkeras ketika diberi alat dan akses yang tepat. Dalam evaluasi peluncuran, Astra mencetak 100% pada ExploitBench, 42,4% pada ExploitGym, dan 88,0% pada SRE-Bench dalam satu percobaan.
Kapabilitas tersebut hadir dengan kontrol penerapan yang lebih ketat. OpenAI mengatakan pengaman produksi dapat memperlambat, menjeda, atau menghentikan pekerjaan yang sah, khususnya dalam konteks siber berisiko lebih tinggi. ChatGPT atau Codex dapat meminta pengguna meninjau tindakan sebelum melanjutkan, sementara tugas API dapat berhenti. Penerapan default Astra juga menolak permintaan pembuatan eksploit yang lebih canggih; program Daybreak menyediakan akses terpisah yang diseleksi untuk beberapa alur kerja defensif.
Kartu sistem mendokumentasikan trade-off keterpantauan: Astra lebih selaras secara keseluruhan daripada Sol, tetapi penalaran tertulisnya bisa lebih sulit dipantau dalam kondisi evaluasi adversarial. Karena itu, OpenAI menerapkan pemantauan ketidakselarasan yang lebih luas di sekitar inferensi Astra yang menggunakan alat. Tim perusahaan harus memperlakukan izin agen, batas persetujuan, log audit, dan akses alat hak paling minimal sebagai bagian dari arsitektur model, bukan tambahan opsional.
Sumber: Bagan keselamatan honeypot ExploitGym resmi OpenAI (gambar asli, tidak digambar ulang)
Harga GPT-6 Astra
Halaman harga API terbaru OpenAI memisahkan permintaan konteks pendek dan panjang. Untuk pemrosesan Standar, tarif konteks pendek adalah $10 input, $1 input dalam cache, $12,50 penulisan cache, dan $50 output per satu juta token. Permintaan di atas 272K token input menggunakan skema konteks panjang: $20 input, $2 input dalam cache, $25 penulisan cache, dan $75 output per satu juta token.
| Pemrosesan / konteks | Input | Input dalam cache / penulisan cache | Output |
|---|---|---|---|
| Standar, konteks pendek | $10/M | $1/M / $12.50/M | $50/M |
| Standar, konteks panjang (>272K input) | $20/M | $2/M / $25/M | $75/M |
| Batch / Flex, konteks pendek | $5/M | $0.50/M / $6.25/M | $25/M |
| Batch / Flex, konteks panjang | $10/M | $1/M / $12.50/M | $37.50/M |
| Mode cepat, konteks pendek | $20/M | $2/M / $25/M | $100/M |
| Mode cepat, konteks panjang | $40/M | $4/M / $50/M | $150/M |
Dibandingkan dengan GPT-5.6 Sol, harga token Standar konteks pendek Astra 2,5× lebih tinggi ($10/$50 versus $4/$20). Premi tersebut tidak otomatis berarti biaya tugas selesai 2,5× lebih tinggi. Pada coding agentik, OpenAI dan Artificial Analysis sama-sama melaporkan penggunaan token output yang lebih rendah untuk Astra pada beberapa konfigurasi. Satuan yang benar untuk evaluasi karenanya adalah biaya per tugas yang berhasil, bukan biaya per token semata.
Cara Mengakses GPT-6 Astra
OpenAI memulai peluncuran bertahap pada 3 September 2026. Astra dijadwalkan menjangkau pengguna ChatGPT Plus, Pro, Business, dan Enterprise, API OpenAI, serta AWS dalam beberapa hari berikutnya. Administrator perusahaan dapat mengaktifkan Astra per ruang kerja, dan akses dimatikan secara default saat peluncuran.
Memanggil GPT-6 Astra dengan OpenAI Responses API
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "high"},
input=(
"Tinjau arsitektur repositori ini. Identifikasi isu desain berisiko tertinggi "
"jelaskan buktinya, dan usulkan rencana migrasi."
),
)
print(response.output_text)
ID model adalah gpt-6-astra. Untuk alur kerja yang sarat alat, Responses API adalah titik awal yang alami karena Astra mendukung function calling, structured outputs, web search, file search, code interpreter, hosted shell, apply patch, computer use, MCP, dan tool search. Fine-tuning saat ini tidak didukung.
Penggunaan Nyata GPT-6 Astra
Pengembangan gim dan alur kerja perangkat lunak visual
Playco menguji Astra di dalam Playbot, sebuah IDE bertenaga AI yang bekerja langsung di Unity dan Godot. OpenAI melaporkan 50% lebih sedikit perbaikan manual dibanding model sebelumnya, dan tiga prototipe bertema yang dibangun dari satu fondasi grey-box. Contoh ini penting karena tugasnya membutuhkan lebih dari sekadar generasi kode sumber: model harus bernalar tentang tata letak spasial, memainkan gim, menguji perubahan, mengidentifikasi bug, dan beriterasi di dalam lingkungan visual.
Peninjauan dokumen hukum dan keuangan
OpenAI memosisikan Astra untuk alur kerja profesional multilangkah yang menghasilkan dokumen, spreadsheet, dan analisis yang matang. Dalam peninjauan hukum dan keuangan, nilai praktisnya adalah mempertahankan status tugas lintas banyak berkas, memeriksa silang bukti, dan mengembalikan artefak yang selesai alih-alih menjawab satu pertanyaan terisolasi. Validasi ahli, kontrol persetujuan, dan akses data dengan hak minimal tetap diperlukan.
Agen rekayasa berkakrawala panjang
Kombinasi hasil Terminal-Bench, DeepSWE, migrasi basis data, penggunaan komputer, dan konteks panjang membuat Astra sangat relevan untuk rekayasa skala repositori. Pola penerapan yang berguna adalah memberi Astra lingkungan pengembangan yang dibatasi, sebuah isu atau target migrasi, test, dan akses alat; lalu mengevaluasi keberhasilan pada kualitas tugas yang digabung, jumlah iterasi gagal, waktu tinjauan manusia, dan total biaya. Ini adalah metrik produksi yang lebih baik daripada satu skor tolok ukur coding.
Keterbatasan GPT-6 Astra
- Harga token premium. Astra berharga 2,5× GPT-5.6 Sol per token pada harga Standar konteks pendek, sehingga chat rutin, klasifikasi, ekstraksi, dan penulisan sederhana sering tidak ekonomis.
- Konteks panjang memiliki biaya tambahan. Permintaan dengan lebih dari 272K token input berpindah ke tarif lebih tinggi untuk seluruh permintaan, jadi “konteks 1,05M” tidak boleh ditafsirkan sebagai memori berharga flat.
- Tidak ada input audio atau video asli pada model. Astra menerima teks dan gambar dan menghasilkan teks; Gemini 3.8 Flash lebih fleksibel ketika pemahaman audio/video asli menjadi inti beban kerja.
- Tanpa fine-tuning. Halaman model resmi saat ini mencantumkan fine-tuning sebagai tidak didukung, sehingga kustomisasi bergantung pada prompt, alat, retrieval, dan desain alur kerja.
- Pengaman siber dapat mengganggu alur kerja. OpenAI secara eksplisit memperingatkan bahwa pemeriksaan keselamatan tambahan dapat menjeda atau menghentikan pekerjaan sah dalam konteks berisiko lebih tinggi.
- Bukan pemenang tolok ukur universal. Claude Fable 5.1 memimpin Astra pada Artificial Analysis Intelligence Index dan HLE-with-tools yang disertakan dalam perbandingan peluncuran OpenAI.
FAQ
Apakah GPT-6 Astra telah dirilis secara resmi?
Ya. OpenAI memulai peluncuran pada 3 September 2026. Ketersediaan diluncurkan bertahap di organisasi, paket berbayar ChatGPT, akses API, dan AWS, bukan muncul untuk setiap akun pada saat yang sama.
Berapa jendela konteks GPT-6 Astra?
Halaman model resmi mencantumkan jendela konteks 1,05M token dan keluaran maksimum 128K token. Permintaan di atas 272K token input menggunakan jadwal harga konteks panjang.
Berapa biaya GPT-6 Astra?
Harga Standar konteks pendek adalah $10 input / $50 output per satu juta token, dengan $1 input dalam cache dan $12,50 penulisan cache. Konteks panjang, Batch/Flex, dan Mode cepat memiliki tarif berbeda, jadi estimasi produksi harus menggunakan tier yang sesuai dengan permintaan sebenarnya.
Apakah GPT-6 Astra lebih baik daripada Claude Fable 5.1?
Tergantung beban kerja. Astra memimpin pada beberapa evaluasi penggunaan komputer, agen-koding, sains, keamanan siber, dan pekerjaan profesional, sementara Claude Fable 5.1 memimpin Astra pada Artificial Analysis Intelligence Index dan HLE dengan alat dalam perbandingan yang diterbitkan OpenAI. Gunakan evaluasi agen/tugas Anda sendiri alih-alih mengasumsikan satu model mendominasi setiap kategori.
Apakah GPT-6 Astra adalah AGI?
Halaman produk resmi OpenAI menggambarkan Astra sebagai generasi kecerdasan baru dan model paling mampu yang diterapkan luas, tetapi tidak mendefinisikan produk itu sendiri sebagai “AGI.” Saturasi tolok ukur pada beberapa tugas tidak setara dengan definisi AGI universal yang mapan.
Kesimpulan
GPT-6 Astra paling tepat dipahami sebagai model frontier berfokus eksekusi. Bukti kemajuannya yang paling kuat bukan pergerakan kecil dari 60,9 ke 61,2 versus GPT-5.6 Sol pada Artificial Analysis Intelligence Index; melainkan peningkatan jauh lebih besar pada penggunaan komputer, agen-koding, alur kerja ilmiah, pengambilan kembali konteks panjang, penyelesaian tugas profesional, dan keamanan siber. Jendela konteks 1,05M dan tumpukan alat yang dalam memberi pengembang lebih banyak ruang untuk membangun agen yang tetap berguna melampaui satu respons.
Trade-off-nya adalah harga. Harga Standar $10/$50 bersifat premium, permintaan konteks panjang berbiaya lebih tinggi, dan pengujian independen menunjukkan Astra bisa secara signifikan lebih mahal daripada Sol pada beban kerja kecerdasan umum. Model ini mendapatkan premi ketika tingkat penyelesaian yang lebih baik dan koreksi manusia yang lebih rendah mengungguli biaya token. Untuk beban kerja yang lebih sederhana atau volume tinggi, GPT-5.6, Claude Fable 5.1 dan terutama Gemini 3.8 Flash tetap menjadi alternatif relevan alih-alih menjadi pendahulu yang usang.