GPT-5.6 Luna vs Claude Haiku 4.5: Tingkat Murah, Dua Tagihan yang Sangat Berbeda

GPT-5.6 Luna dan Claude Haiku 4.5 adalah tier murah dari dua keluarga model frontier yang berbeda, dan jarak di antara keduanya sepenuhnya bergantung pada angka mana yang Anda lihat. Dari harga tertera, ini kemenangan telak: $0,20 per juta token masukan versus $1,00. Menurut biaya Artificial Analysis per tugas Intelligence Index yang diselesaikan, angkanya adalah $0,18 versus $0,21 — selisih sekitar 14%. Dua model yang sama, dua jawaban yang jujur, dan alasan keduanya berbeda adalah satu hal paling berguna untuk dipahami sebelum Anda memilih salah satunya.

Versi singkatnya: Luna adalah model yang lebih kuat di atas kertas dan yang lebih cepat dalam throughput, tetapi ia berpikir panjang dan menagih biayanya. Haiku 4.5 lebih tua, cakupannya lebih kecil, dan jauh lebih dapat diprediksi dalam hal biaya yang akan ditimbulkan oleh suatu permintaan. Mana yang lebih penting adalah sifat dari beban kerja Anda, bukan dari modelnya.

Sekilas

• Vendor — OpenAI vs Anthropic

• Dirilis — 9 Juli 2026 vs 15 Oktober 2025

• Jendela konteks — 1M token vs 200K token

• Output maksimum — 128K token vs 64K token

• Masukan — teks, gambar, dan berkas vs teks, gambar, dan PDF

• Harga per juta token — $0,20 masuk / $1,20 keluar vs $1,00 masuk / $5,00 keluar

• Artificial Analysis Intelligence Index — 38, ke-4 dari 177 vs 18, ke-138 dari 200 (keduanya dalam konfigurasi penalaran)

• Biaya per tugas Intelligence Index — $0.18 vs $0.21

• Kecepatan output — 109,4 token/detik vs 84,7 token/detik

• Kontrol penalaran — pengatur upaya dari none hingga max vs pemikiran diperluas yang diaktifkan secara manual, tanpa parameter upaya

• Batas pengetahuan yang andal — Februari 2026 vs Februari 2025 (data pelatihan hingga Juli 2025)

• Komitmen pensiun — tidak ada yang dipublikasikan vs tidak lebih awal dari 15 Oktober 2026

Di mana GPT-5.6 Luna benar-benar unggul

Kemampuan, dengan selisih yang lebar. Indeks Kecerdasan 38 versus 18 bukanlah selisih yang tipis. Luna mengungguli Haiku pada komposit yang disusun Artificial Analysis dari evaluasi penalaran, pengetahuan, matematika, dan pengodean, dan itu dilakukannya sambil tetap menjadi model yang lebih murah per token. Siapa pun yang terakhir membandingkan kedua keluarga model ini pada indeks pra-September — ketika Luna menunjukkan 51 dan 52 — perlu mencatat bahwa seluruh skala dinilai ulang pada September 2026, dan keunggulan Luna bertahan setelah penilaian ulang tersebut.

Konteks, lima kali lipat. Jendela 1 juta token versus 200K menentukan satu kategori pekerjaan tersendiri: penelusuran seluruh repositori, kumpulan dokumen panjang, transkrip agen yang diperpanjang yang pada Haiku perlu diringkas. Jika aplikasi Anda ditentukan oleh seberapa besar konteks yang harus ditampungnya, perbandingannya berakhir di sini.

Keleluasaan keluaran, dua kali lipat. Maksimum 128K token keluaran dibandingkan 64K penting untuk generasi bentuk panjang dan untuk loop agentik yang mengembalikan rencana terstruktur alih-alih jawaban satu baris.

Throughput. 109,4 token keluaran per detik dibandingkan 84,7 merupakan perbedaan yang nyata untuk antarmuka streaming, meskipun itu bukan hal yang sama dengan daya tanggap — lihat bagian latensi di bawah ini.

Harga, yang tertera di labelnya. Lima kali lebih murah pada input dan sekitar empat kali lebih murah pada output bukanlah kesalahan pembulatan, dan untuk pekerjaan dengan output pendek, itulah keseluruhan keputusannya.

Di mana Claude Haiku 4.5 masih tetap layak dipertahankan

Biaya yang dapat diprediksi. Penalaran Haiku 4.5 adalah extended thinking yang Anda aktifkan secara manual. Jika dimatikan, ia menjawab secara langsung dan menagih secara terprediksi. Putaran effort GPT-5.6 Luna bisa naik hingga maks, dan setiap kenaikannya berarti lebih banyak token output dengan tarif output. Tim yang menginginkan batas biaya yang dapat mereka tetapkan di muka akan merasa Haiku lebih mudah diperhitungkan, bahkan pada harga tertera yang lebih tinggi.

Konfigurasi non-penalaran ini benar-benar murah untuk dijalankan. Artificial Analysis memberi skor untuk konfigurasi non-penalaran Claude 4.5 Haiku pada Intelligence Index 15 tanpa angka biaya per tugas yang dipublikasikan, dan ini cukup cocok untuk pekerjaan yang tolok ukurnya sekadar "uraikan ini dengan benar" — klasifikasi intent, ekstraksi bidang, keputusan routing, triase moderasi. Pada tugas-tugas tersebut, selisih indeks antara 15 dan 38 sebagian besar tidak relevan, karena tak satu pun model tersebut diminta untuk berpikir.

Caching dan diskon batch sudah matang. Haiku 4.5 membawa diskon baca prompt-cache sebesar 90% dan diskon 50% untuk Batch API. Luna memiliki ekonomi cache yang sebanding, jadi ini lebih mendekati hasil seri daripada keunggulan — tetapi jika pipeline Anda sudah melakukan batch melalui perkakas Anthropic, biaya migrasi untuk beralih dari Haiku adalah biaya nyata, dan itu tidak akan muncul di tolok ukur mana pun.

Rekam jejak operasional. Haiku 4.5 telah digunakan dalam produksi sejak Oktober 2025 dan memiliki komitmen penghentian yang dipublikasikan, yaitu tidak lebih awal dari 15 Oktober 2026. Luna baru berusia dua bulan. Untuk beban kerja yang modelnya hanya detail, bukan produknya, riwayat produksi selama sebelas bulan bernilai sesuatu yang tidak dapat diungkapkan oleh tolok ukur.

Inilah model yang lebih jujur, pada satu-satunya sumbu yang mengukurnya. Adu langsung dari Artificial Analysis menempatkan Luna di depan pada hampir setiap baris kemampuan — AA-Briefcase 1.339 berbanding 614, GDPval-AA v2 1.489 berbanding 854, AutomationBench-AA 50% berbanding 3%, Humanity's Last Exam 39% berbanding 10%, GDPpdf 24% berbanding 4%. Pengecualiannya adalah AA-Omniscience, yang memberikan penalti pada jawaban salah yang penuh keyakinan atas pertanyaan pengetahuan: Luna mendapat skor -10 di sana, berbanding -4 milik Haiku. Skor negatif berarti penalti halusinasi lebih besar daripada kredit akurasi, dan penalti Luna lebih besar. Indeks komposit yang lebih tinggi bukanlah hal yang sama dengan jawaban yang lebih andal, dan pada satu-satunya evaluasi yang dirancang untuk memisahkan kedua hal itu, model yang lebih tua tampil lebih baik.

Perhitungan biaya pada beban kerja nyata

Ambil sebuah pipeline yang mengonsumsi 100 juta token input dan menghasilkan 20 juta token output per bulan.

• GPT-5.6 Luna — 100 × $0.20 = $20, ditambah 20 × $1.20 = $24. Total $44 per bulan.

• Claude Haiku 4.5 — 100 × $1.00 = $100, ditambah 20 × $5.00 = $100. Total $200 per bulan.

Pada rasio tersebut, Luna sekitar 4,5x lebih murah, dan itulah perhitungan yang diterbitkan sebagian besar perbandingan. Sekarang ubah satu asumsi. Jika upaya penalaran Luna dinaikkan, token output-nya meningkat, dan output adalah sisi yang mahal — pada $1,20 biayanya enam kali lipat dibanding input. Dorong Luna ke titik ketika ia menghasilkan 150 juta token output untuk volume pekerjaan yang sama, seperti yang dilakukannya pada set evaluasi Artificial Analysis, dan $44 menjadi dengan nyaman di atas $180. Keunggulan 4,5x itu runtuh menuju paritas.

Pelajaran yang bisa diambil bukanlah bahwa Luna mahal. Pelajarannya adalah bahwa keunggulan harga Luna merupakan fungsi dari seberapa banyak ia berbicara, yang merupakan parameter yang Anda kendalikan. Turunkan penalaran untuk ekstraksi dan klasifikasi, dan diskonnya nyata. Biarkan tetap maksimum untuk semuanya, dan Anda telah membeli model yang lebih mumpuni dengan harga yang tidak lagi menyerupai harga terteranya.

Latensi, dan angka yang tidak seharusnya Anda percayai

Angka time-to-first-token yang dipublikasikan untuk kedua model ini hampir tidak berguna, dan ada baiknya memahami alasannya. Di Artificial Analysis, konfigurasi penalaran kedua model menunjukkan latensi token pertama dalam hitungan puluhan atau bahkan ratusan detik, karena harness tidak mengeluarkan token sampai model selesai menalar. Angka tersebut mengukur pengaturan evaluasi, bukan daya tanggap model.

Telemetri perutean adalah sumber yang lebih baik, karena mengukur model di lingkungan produksi. Angka OrcaRouter sendiri menempatkan GPT-5.6 Luna pada median 1,83 detik hingga token pertama dan persentil ke-95 sebesar 10,00 detik, dibandingkan Claude Haiku 4.5 pada median 3,81 detik dan 9,47 detik pada persentil ke-95. Jika dibaca dengan benar, itu berarti keduanya lebih berdekatan daripada yang disiratkan papan peringkat: Luna unggul pada permintaan tipikal, dan ekornya hanya berbeda sekitar setengah detik satu sama lain. Jika yang menjadi perhatian Anda adalah kasus terburuk alih-alih rata-rata, hampir tidak ada bedanya di antara keduanya.

Mana yang harus dipilih

Pilih GPT-5.6 Luna jika Anda mempertahankan konteks panjang, jika tugasnya diuntungkan oleh penalaran yang sesungguhnya, jika outputnya panjang atau terstruktur, atau jika Anda menginginkan model terkuat yang tersedia di ujung bawah rentang harga. Ini juga merupakan pilihan yang lebih natural jika bagian lain dari stack Anda sudah berjalan pada perilaku keluarga Open​AI.

Pilih Claude Haiku 4.5 jika pekerjaan Anda beroutput pendek dan bervolume tinggi, jika Anda memerlukan batas biaya yang dapat Anda nyatakan sebelum permintaan dijalankan, jika pipeline Anda sudah dibangun di sekitar batching dan caching Anthhropic, atau jika Anda lebih menghargai model dengan riwayat produksi dan siklus hidup yang dipublikasikan daripada model yang baru berusia dua bulan.

Jangan memilih salah satu pun untuk tugas yang bisa ditangani oleh model penalaran kecil atau pengklasifikasi yang telah di-fine-tune. Sebagian besar lalu lintas yang diserap kedua tingkat ini adalah klasifikasi dan ekstraksi yang akan berjalan lebih murah pada model yang lebih sempit cakupannya — dan model termurah selalu model yang tidak perlu Anda gunakan.

Menjalankan keduanya dengan satu kunci

Adu ini tidak lagi eksklusif setelah keduanya dapat dijangkau melalui satu endpoint. Di OrcaRouter, Claude Haiku 4.5 dan GPT-5.6 Luna berada di balik base URL yang sama dan kompatibel dengan OpenAI — satu API untuk 200+ model, satu kunci, satu lini penagihan, tanpa kontrak kedua, dan tanpa perubahan kode selain pengenal model. Untuk keputusan tier yang belum Anda yakini, itu mengubah migrasi menjadi nilai konfigurasi.

Dua fitur benar-benar berperan di sini. Failover otomatis antarpenyedia berarti tingkat berbiaya rendah dapat menangani lalu lintas produksi tanpa ketergantungan pada satu vendor — berguna ketika modelnya cukup murah sehingga Anda mengirim ribuan panggilan per jam, bukan satu panggilan penting. Dan DSL perutean memungkinkan Anda menyusun panggilan dari beberapa model: rutekan mayoritas permintaan yang lugas ke Luna, eskalasikan sisanya ke GPT-5.6 Terra, dan pertahankan Haiku 4.5 dalam kumpulan sebagai cadangan ketika Anda menginginkan jawaban dari vendor kedua alih-alih mencoba ulang.

Periksa tarif per token terkini untuk GPT-5.6 Luna dan Claude Haiku 4.5 sebelum menetapkan salah satunya ke jalur produksi — kedua tarif tersebut diteruskan dengan markup 0%, sehingga keduanya berubah pada hari vendor mengubahnya, dan pelacak harga pihak ketiga tertinggal beberapa hari hingga beberapa minggu.

Pertanyaan yang benar-benar layak untuk dijawab

Apakah GPT-5.6 Luna benar-benar lima kali lebih murah daripada Claude Haiku 4.5? Pada token masukan, ya — $0,20 versus $1,00. Pada biaya menyelesaikan tugas yang dievaluasi yang sama, tidak: $0,18 versus $0,21. Kesenjangan antara kedua pernyataan itu adalah verbositas Luna. Luna menghasilkan kira-kira dua kali lipat token keluaran yang dihasilkan Haiku untuk menyelesaikan pekerjaan yang sama, dan token keluaran berharga enam kali lipat token masukan. Untuk jawaban pendek, label harga itu secara umum jujur. Untuk pekerjaan yang berat penalaran, tidak.

Bisakah saya menyetel biaya dengan cara yang sama pada keduanya? Tidak, dan inilah perbedaan yang paling jarang dilaporkan di antara keduanya. Luna menyediakan pengatur upaya penalaran dengan pengaturan dari none hingga max, sehingga biaya dan kualitas dipertukarkan secara eksplisit per permintaan. Extended thinking pada Haiku 4.5 baik diaktifkan, dengan anggaran token, atau tidak — tidak ada parameter effort. Jika kontrol biaya per permintaan penting bagi Anda, hanya satu dari keduanya yang memberi Anda tuas itu.

Bagaimana dengan pengklasifikasi bervolume tinggi yang melakukan beberapa juta panggilan sehari? Tidak satu pun model memerlukan penalaran untuk ini. Jalankan Haiku 4.5 dengan extended thinking nonaktif, atau Luna dengan effort disetel ke none, lalu bandingkan pada latensi dan panjang keluaran alih-alih pada indeks komposit — pada titik itu, pertanyaan yang relevan adalah seberapa cepat token pertama tiba dan berapa banyak token yang dibutuhkan jawabannya, dan tolok ukur kecerdasan berhenti membedakan keduanya.

Mana yang masih akan ada di sini setahun dari sekarang?Claude Haiku 4.5 memiliki komitmen yang dipublikasikan untuk tidak dipensiunkan sebelum 15 Oktober 2026. Open​AI tidak menerbitkan tanggal yang setara untuk GPT-5.6 Luna, dan lini GPT-5.6 sudah memiliki generasi yang lebih baru di atasnya dalam GPT-6 Astra. Tidak satu pun dari itu menjadi alasan untuk menghindari Luna, tetapi jika peta jalan Anda mengasumsikan horizon perencanaan sebelas bulan, itu menjadi alasan untuk menyimpan pengenal model dalam konfigurasi, bukan di-hard-code.

Tarif per token real-time untuk GPT-5.6 Luna pada kunci yang sama, diteruskan dengan markup 0% tanpa hubungan penagihan kedua.

Tarif per token live untuk Claude Haiku 4.5 pada endpoint yang sama, sehingga kedua tier dapat dibandingkan tanpa kontrak kedua.