Jawab 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, memosisikannya untuk penalaran kompleks, penggunaan komputer, pengodean, riset, pekerjaan ilmiah, dan pembuatan artefak profesional. Model API memiliki jendela konteks 1.05M token dan output maksimum 128K, menerima input teks dan gambar, serta mendukung upaya penalaran dari rendah hingga maksimum. Harga API Standar dimulai dari $10 input / $50 output per satu juta token. Perubahan praktis terpenting bukanlah lonjakan seragam pada setiap tolok ukur kecerdasan umum: kenaikan terbesar Astra tampak pada eksekusi berbasis agen, penggunaan komputer, pengambilan konteks panjang, alur kerja pengodean, sains, dan keamanan siber.
Hal ini penting karena artikel CometAPI yang lebih lama GPT-6 Is Coming Soon — What Will It Look Like? bersifat spekulatif. Sekarang Astra sudah publik, panduan ini berfokus pada perilaku model yang telah dikonfirmasi, trade-off tolok ukur, ekonomi API, dan di mana model ini benar-benar pilihan yang lebih baik daripada alternatif frontier yang lebih murah.
Apa itu GPT-6 Astra?
GPT-6 Astra adalah penerus flagship OpenAI GPT-5.6 Sol. OpenAI menggambarkan Astra sebagai model paling andal untuk pekerjaan end-to-end paling sulit, 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. Penempatan posisi ini penting: Astra bukan sekadar model chat yang lebih besar. Model ini dirancang untuk bertindak sebagai mesin penalaran di dalam agen yang bekerja di peramban, terminal, dokumen, spreadsheet, lingkungan pengembangan, dan perangkat lunak perusahaan.
Posting peluncuran menyoroti hasil tercanggih di penggunaan komputer, penelusuran, rekayasa perangkat lunak, keamanan siber, sains, dan pekerjaan profesional. Ia melaporkan 97.6% / 99.9% / 100% pada FrontierMath Tier 4, ARC-AGI-3, dan ExploitBench masing-masing. Skor utama tersebut mencolok, namun tidak boleh ditafsirkan sebagai “Astra menang di 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 karenanya lebih tepat dipahami sebagai lompatan pada eksekusi dan pekerjaan berbasis agen ketimbang sapuan bersih di semua ukuran kecerdasan.
Apa yang Berubah dari GPT-5.6 Sol?
Penggunaan komputer menjadi kapabilitas utama
Kenaikan 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 dibandingkan sekitar 75 menit untuk Sol, pengurangan sekitar 47%. Dikombinasikan dengan harness Codex yang diperbarui, OpenAI melaporkan penyelesaian 1,9× lebih cepat pada Mind2Web. Poin praktisnya bukan sekadar bahwa Astra dapat “melihat” layar; ia dapat menjaga koherensi tugas perangkat lunak bertahap lebih lama sembari membuat lebih sedikit penyimpangan mahal.
Pembuatan artefak profesional lebih terarah
OpenAI secara eksplisit melatih Astra untuk alur kerja profesional yang berakhir dengan artefak yang dapat digunakan alih-alih 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 tidak mudah 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 lebih banyak konteks kerja yang berguna
Untuk sesi pengodean panjang, Astra memperkenalkan cara baru bagi Codex untuk menyimpan dan mengambil catatan setelah konteks aktif penuh. Pendekatan sebelumnya sangat bergantung pada perampingan, yang dapat mengabaikan alasan mengapa perbaikan yang dicoba gagal atau batasan mana yang sudah diuji. OpenAI mengatakan Astra dapat menyimpan catatan lintas jendela konteks, meningkatkan kontinuitas selama refaktor besar dan sesi debug.
Upaya penalaran kini sampai maksimum
Pengembang dapat memilih upaya penalaran rendah, sedang, tinggi, sangat tinggi, atau maksimum. 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 datang dari efisiensi token alih-alih selalu menjalankan penalaran maksimum.
Kinerja Tolok Ukur GPT-6 Astra
OpenAI menerbitkan perbandingan luas yang mencakup penggunaan komputer, pekerjaan profesional, pengodean, penalaran akademik, kesehatan, keamanan siber, konteks panjang, dan alignment. Cara paling berguna membaca tabel ini adalah memisahkan “kecerdasan umum” dari “kemampuan menyelesaikan pekerjaan yang menggunakan alat.” Astra hanya sedikit di atas Sol pada Artificial Analysis Intelligence Index dalam tabel OpenAI, namun jauh di depan pada beberapa tolok ukur agen dan operasional.
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Apa yang diisyaratkan delta |
|---|---|---|---|
| AutomationBench | 41.4% | 18.1% | Peningkatan besar pada alur kerja bisnis ujung-ke-ujung |
| OSWorld 2.0 | 72.6% | 65.7% | Interaksi komputer dan penyelesaian tugas lebih baik |
| Terminal-Bench 4.0 | 57.9% | 37.3% | Peningkatan besar dalam pengodean berbasis agen di terminal |
| Terminal-Bench Science 0.1 | 64.6% | 22.4% | Peningkatan besar dalam alur kerja ilmiah yang menggunakan kode/alat |
| FrontierMath Tier 4 v2 | 97.6% | 83.0% | Penalaran matematis tingkat frontier yang lebih kuat |
| ExploitBench | 100.0% | 78.5% | Kapabilitas keamanan siber kelas kritis |
| SRE-Bench, satu percobaan | 88.0% | 55.9% | Pekerjaan rekayasa balik / SRE jauh lebih kuat |
| MRCR v2, 512K-1M | 96.3% | 73.8% | Peningkatan pengambilan konteks sangat panjang |
| AA Intelligence Index v4.1.1 | 61.2 | 60.9 | Kecerdasan umum pada dasarnya datar dibandingkan Sol |
Polanya sangat jelas. Keunggulan Astra terbesar saat tolok ukur mengharuskan interaksi berkelanjutan dengan alat atau lingkungan. AutomationBench naik dari 18.1% ke 41.4%; Terminal-Bench Science meningkat dari 22.4% ke 64.6%; dan MRCR konteks panjang meningkat dari 73.8% ke 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 produknya yang sebenarnya.
Sumber: Bagan OpenAI AutomationBench (gambar asli, tidak digambar ulang)
Tolok Ukur Independen: Apakah GPT-6 Astra Lompatan Generasional?
Pengujian independen menambahkan pemeriksaan realitas yang penting. Artificial Analysis melaporkan skor Intelligence Index sebesar 61, sama dengan GPT-5.6 Sol pada upaya maksimum. Pada saat yang sama, Astra meningkat kuat pada Coding Agent Index dan menggunakan token yang jauh lebih sedikit dalam pengodean berbasis agen. Artificial Analysis mengukur sekitar pengurangan penggunaan token tiga kali lipat dibanding GPT-5.6 Sol pada upaya maksimum dalam harness Codex-nya, memungkinkan Astra mencetak lebih tinggi dengan biaya per tugas agen pengodean yang kira-kira sama.
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. Ia juga melaporkan penurunan tingkat halusinasi dari 92% menjadi 51% pada AA-Omniscience sementara akurasi meningkat empat poin.
Kesimpulan yang berguna bersifat spesifik beban kerja: GPT-6 Astra tampak paling generasional saat agen harus bertindak, beriterasi, menggunakan alat, dan menyelesaikan pekerjaan rumit. Untuk penalaran biasa atau generasi teks volume tinggi, premi harga bisa jauh lebih sulit untuk 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 berbasis agen, dan harga. Model di bawah ini tidak dapat saling menggantikan: 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 native 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 |
| Output 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 menjadi pilihan yang lebih baik
Pilih Astra ketika tugas menjadi mahal karena manusia harus menyelamatkan run agen yang gagal: perubahan pengodean panjang, otomatisasi peramban/desktop, riset mendalam yang menjangkau alat, pembuatan artefak teknis, atau alur kerja ilmiah dan operasional yang kompleks. Premi ini paling mudah dibenarkan saat lebih sedikit pengulangan, lebih sedikit koreksi manual, dan penggunaan token output yang lebih rendah lebih penting daripada harga per token mentah.
Kapan Claude Fable 5.1 menjadi pilihan yang lebih baik
Claude Fable 5.1 tetap kompetitor frontier yang serius. Dalam tabel peluncuran OpenAI sendiri, ia mencetak 65.7 pada Artificial Analysis Intelligence Index dibanding 61.2 untuk Astra, dan 65.0 pada Humanity’s Last Exam dengan alat dibanding 57.2 untuk Astra. Itu berarti Astra tidak boleh dipasarkan sebagai pemenang kecerdasan universal. Jika set evaluasi Anda lebih mirip penalaran bentuk panjang daripada eksekusi penggunaan komputer, Claude Fable 5.1 mungkin tetap lebih cocok.
Kapan Gemini 3.8 Flash menjadi pilihan yang lebih baik
Gemini 3.8 Flash menargetkan titik lain di frontier. Ia mendukung input teks, gambar, audio, video, dan PDF dengan jendela konteks sekitar 1M token, sementara harga pengantar 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 yang digunakan luas pertama yang mencapai ambang kapabilitas keamanan siber Kritis di bawah Preparedness Framework perusahaan. OpenAI mengatakan model ini dapat mengidentifikasi kelemahan keamanan yang sebelumnya tidak diketahui dan mengembangkan strategi eksploitasi di 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 itu 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 suatu tindakan sebelum melanjutkan, sementara tugas API dapat berhenti. Penerapan Astra default juga menolak lebih banyak permintaan pembuatan eksploit lanjutan; program Daybreak menyediakan akses terpisah dan tervalidasi untuk beberapa alur kerja defensif.
Kartu sistem mendokumentasikan trade-off keterpantauan: Astra lebih selaras secara keseluruhan daripada Sol, namun penalaran tertulisnya dapat lebih sulit dipantau di bawah kondisi evaluasi adversarial. Karena itu, OpenAI menerapkan pemantauan ketidakselarasan yang lebih luas di sekitar inferensi Astra yang menggunakan alat. Tim enterprise harus memperlakukan izin agen, batas persetujuan, log audit, dan akses alat dengan hak istimewa minimal sebagai bagian dari arsitektur model alih-alih tambahan opsional.
Sumber: Bagan keamanan honeypot ExploitGym resmi OpenAI (gambar asli, tidak digambar ulang)
Harga GPT-6 Astra
Halaman harga API saat ini OpenAI memisahkan permintaan konteks pendek dan panjang. Untuk pemrosesan Standar, tarif konteks pendek adalah $10 input, $1 input yang dicache, $12.50 penulisan cache, dan $50 output per satu juta token. Permintaan di atas 272K token input menggunakan jadwal konteks panjang: $20 input, $2 input yang dicache, $25 penulisan cache, dan $75 output per satu juta token.
| Pemrosesan / konteks | Input | Input yang dicache / 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 yang diselesaikan 2,5× lebih tinggi. Pada pengodean berbasis agen, OpenAI dan Artificial Analysis sama-sama melaporkan penggunaan token output yang lebih rendah untuk Astra dalam beberapa konfigurasi. Satuan yang benar untuk evaluasi karenanya adalah biaya per tugas yang berhasil, bukan biaya per token saja.
Cara Mengakses GPT-6 Astra
OpenAI memulai peluncuran bertahap pada 3 September 2026. Astra dijadwalkan menjangkau pengguna ChatGPT Plus, Pro, Business, dan Enterprise, OpenAI API, dan AWS dalam beberapa hari berikutnya. Administrator enterprise 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 berat alat, Responses API adalah titik awal yang alami karena Astra mendukung pemanggilan fungsi, output terstruktur, penelusuran web, penelusuran file, penafsir kode, shell terhosting, apply patch, penggunaan komputer, MCP, dan penelusuran alat. Fine-tuning saat ini tidak didukung.
Kasus Penggunaan GPT-6 Astra di Dunia Nyata
Pengembangan game dan alur kerja perangkat lunak visual
Playco menguji Astra di Playbot, 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 memerlukan lebih dari sekadar generasi kode sumber: model harus bernalar tentang tata letak spasial, memainkan game, menguji perubahan, mengidentifikasi bug, dan beriterasi di dalam lingkungan visual.
Peninjauan dokumen hukum dan keuangan
OpenAI memosisikan Astra untuk alur kerja profesional bertahap yang menghasilkan dokumen, spreadsheet, dan analisis yang rapi. Dalam peninjauan hukum dan keuangan, nilai praktisnya adalah mempertahankan status tugas di banyak file, memeriksa silang bukti, dan mengembalikan artefak yang selesai alih-alih menjawab satu pertanyaan terisolasi. Validasi ahli, kontrol persetujuan, dan akses data dengan hak istimewa minimal tetap diperlukan.
Agen rekayasa ber-horizon 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 terbatas, sebuah isu atau target migrasi, pengujian, 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 pengodean.
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 datar.
- Tidak ada input audio atau video native pada model. Astra menerima teks dan gambar dan menghasilkan teks; Gemini 3.8 Flash lebih fleksibel saat pemahaman audio/video native menjadi pusat beban kerja.
- Tanpa fine-tuning. Halaman model resmi saat ini mencantumkan fine-tuning sebagai tidak didukung, sehingga kustomisasi mengandalkan prompt, alat, pengambilan, dan desain alur kerja.
- Pengaman siber dapat menginterupsi alur kerja. OpenAI secara eksplisit memperingatkan bahwa pemeriksaan keamanan tambahan dapat menjeda atau menghentikan pekerjaan yang 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 resmi dirilis?
Ya. OpenAI memulai peluncuran pada 3 September 2026. Ketersediaannya bertahap di organisasi, paket berbayar ChatGPT, akses API, dan AWS alih-alih muncul untuk setiap akun pada saat yang sama.
Berapa ukuran jendela konteks GPT-6 Astra?
Halaman model resmi mencantumkan jendela konteks 1.05M token dan output 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 yang dicache dan $12.50 penulisan cache. Kelas konteks panjang, Batch/Flex, dan Mode cepat memiliki tarif berbeda, jadi estimasi produksi harus menggunakan tier yang sesuai dengan permintaan aktual.
Apakah GPT-6 Astra lebih baik daripada Claude Fable 5.1?
Tergantung beban kerja. Astra memimpin pada beberapa evaluasi penggunaan komputer, agen pengodean, sains, siber, dan pekerjaan profesional, sementara Claude Fable 5.1 memimpin Astra pada Artificial Analysis Intelligence Index dan HLE dengan alat dalam perbandingan yang dipublikasikan 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 andal yang digunakan luas, tetapi tidak mendefinisikan produk itu sendiri sebagai “AGI.” Kejenuhan tolok ukur pada beberapa tugas tidak setara dengan definisi AGI yang mapan dan universal.
Kesimpulan
GPT-6 Astra paling tepat dipahami sebagai model frontier yang berfokus pada eksekusi. Bukti kemajuan terkuatnya bukan pergerakan kecil dari 60.9 ke 61.2 dibanding GPT-5.6 Sol pada Artificial Analysis Intelligence Index; melainkan peningkatan jauh lebih besar dalam penggunaan komputer, pengodean berbasis agen, alur kerja ilmiah, pengambilan 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 bahwa Astra bisa jauh lebih mahal daripada Sol pada beban kerja kecerdasan umum. Model ini pantas 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 yang relevan alih-alih pendahulu yang usang.