GPT-6.1 Sol vs Claude Opus 5: Terpaut Satu Poin Indeks, Harga Dua Setengah Kali Lipat

Satu poin pada skala seratus poin memisahkan keduanya, dan salah satunya berbiaya dua setengah kali lipat. Pada Artificial Analysis Intelligence Index, GPT-6.1 Sol — rilis Open​AI tanggal 2026-09-29 — berada di angka 51,8. Claude Opus 5, model andalan Anthrop​ic sejak 2026-07-24, berada di angka 50,8. Daftar tarifnya adalah $2,00 dan $10,00 per juta token untuk GPT-6.1 Sol, berbanding $5,00 dan $25,00 untuk Claude Opus 5. Ini bukan perbandingan antara model yang kuat dan model yang murah. Ini adalah dua model yang tidak dapat dipisahkan oleh evaluator independen dengan selisih lebih dari satu poin, dijual dengan harga yang berbeda sebesar faktor 2,5 — dan pertanyaan yang menarik bukanlah mana yang lebih baik, melainkan mana di antara keduanya yang gagal dibedakan oleh indeks tersebut.

Setiap angka di bawah ini adalah entah pengukuran Artificial Analysis yang tercantum dalam catatan model kami, angka yang diterbitkan sendiri oleh vendor, atau hasil aritmetika atas dua kartu tarif. Jika suatu angka berasal dari vendor sendiri dan belum ada pihak luar yang mereproduksinya, kalimatnya menyatakan hal itu.

Apa sebenarnya keduanya

Claude Opus 5 adalah generalis teratas Anthropic: jendela konteks 1.000.000 token, 128.000 token keluaran, masukan teks, gambar, dan file, serta penalaran adaptif di mana pemanggil menetapkan tingkat upaya alih-alih suhu. Ini adalah model yang diposisikan perusahaan untuk rekayasa perangkat lunak end-to-end, tinjauan kode, dan sesi agentik multi-langkah yang panjang dengan penggunaan alat yang berat.

GPT-6.1 Sol berada satu tingkat di bawah andalan Open​AI sendiri — GPT-6 Astra — dalam lini GP​T-6, dan dirilis enam minggu setelah model yang digantikannya, GPT-6 Sol, dengan harga yang sama $2,00/$10,00. Model ini memiliki jendela konteks 1.050.000 token, batas keluaran 128.000 yang sama, permukaan input teks, gambar, dan file yang sama, serta lima tingkat upaya penalaran dari low hingga max dengan medium sebagai default.

Baca kedua paragraf itu secara berdampingan dan baris-baris spesifikasinya nyaris identik. Perbedaannya terletak pada bagian cetakan kecilnya, dan tiga di antaranya penting:

• Parameter sampling — kedua model tidak menerima temperature atau top_p. Keduanya menggantinya dengan pengatur effort. Jika kode Anda mengirimkan temperature, keduanya akan menolaknya, jadi keduanya bukan pengganti drop-in untuk integrasi lama.

• Batas maksimum konteks — 1.050.000 token untuk GPT-6.1 Sol versus 1.000.000 untuk Claude Opus 5. Selisih lima persen; tidak relevan dalam praktik, dan bukan di situlah letak keputusan ini.

• Default upaya — GPT-6.1 Sol secara default menggunakan medium; pemikiran adaptif Claude Opus 5 mengalokasikan kedalamannya sendiri. Segala hal tentang perbandingan indeks di bawah ini sensitif terhadap hal ini, dan itulah catatan penting yang akan muncul nanti.

Kelima sumbu tempat keduanya diukur.

Inilah bagian yang paling sering salah ditulis dalam berbagai ulasan tentang pasangan ini, karena mereka mencampur angka vendor di satu sisi dengan angka pihak ketiga di sisi lain. Lima baris di bawah ini semuanya Artificial Analysis, semuanya dari evaluator yang sama, untuk kedua model:

• Indeks Kecerdasan AA — GPT-6.1 Sol 51,8 (peringkat 10, persentil ke-93,2) melawan Claude Opus 5 50,8 (peringkat 11, persentil ke-92,5). Satu poin.

• Humanity's Last Exam — 52,9% dibanding 54,9%. Claude Opus 5 dengan selisih dua poin.

...Sci — 56,4% 56,4% Claude Opus 5 dengan 2,4 poin.

• Recall Konteks Panjang — 83% berbanding 79,33%. GPT-6.1 Sol unggul 3,7 poin.

• Terminal-Bench 4.0 — 56,06% dibandingkan 48,99%. GPT-6.1 Sol dengan selisih tujuh poin.

Tiga berbanding dua, pada selisih antara satu dan tujuh poin, dengan harga 2,5 kali lipat. Ada sumbu keenam yang hanya dipegang Claude Opus 5 — GPQA Diamond pada 93,2% — dan sumbu ketujuh yang hanya dipegangnya ke arah sebaliknya: Artificial Analysis menilai Claude Opus 5 pada 78 di Coding Index-nya, persentil 98,6, peringkat 2. GPT-6.1 Sol tidak terdaftar sama sekali pada sumbu itu dalam catatan kami, jadi tidak ada angka untuk diletakkan di sampingnya, dan mengarang satu angka dari paparan vendor adalah persis langkah yang tidak dilakukan blog ini.

Di mana premi masih dapat dipertahankan

Selisih indeks satu poin akan menjadi alasan yang lemah untuk membayar 2,5 kali lebih banyak jika itu adalah keseluruhan gambaran. Kenyataannya tidak demikian, dan ada tiga hal di mana Claude Opus 5 adalah pembelian yang lebih baik terlepas dari apa yang dikatakan indeks.

Yang pertama adalah baris Coding Index di atas. Peringkat 2 dari 138 model pada komposit milik evaluator sendiri, di persentil ke-98,6, adalah klaim konkret tentang jenis pekerjaan tertentu, dan itulah jenis pekerjaan yang dilakukan sebagian besar tim yang membeli pada titik harga ini. Halaman model OrcaRouter kami untuk anthropic/claude-opus-5menampilkan "Ranking #1" terhadap tolok ukur Codex dan biaya rata-rata $1,09 per tugas — data penyajian kami sendiri, bukan klaim vendor, dan pengingat bahwa harga per token bukanlah harga per pekerjaan.

Yang kedua adalah batch. Claude Opus 5 memberikan diskon batch 50 persen, yang membuatnya menjadi $2,50 untuk input dan $12,50 untuk output, dan memungkinkan 300.000 token output dalam mode batch, dibandingkan 128.000 pada jalur interaktif. Pada $2,50/$12,50, harganya bukan lagi dua setengah kali harga input GPT-6.1 Sol — melainkan 25 persen lebih mahal. Untuk beban kerja apa pun yang dapat menoleransi antrean — pengindeksan offline, klasifikasi massal, pembuatan tes semalaman — seluruh argumen artikel ini menjadi jauh lebih kecil, dan mengecilnya justru menguntungkan Anthropic.

Yang ketiga adalah pengganda multimodal yang sederhana. Angka terbitan Anthropic sendiri menempatkan Claude Opus 5 pada 70,6% di OSWorld 2.0 dan 96,0% di SWE-bench Verified, serta 79,2% di SWE-bench Pro. Itu adalah angka yang dilaporkan vendor untuk model yang diumumkan pada Juli, belum ada pihak luar yang mereproduksinya di sini, dan sumbu-sumbunya tidak tumpang tindih dengan baris Artificial Analysis di atas — jadi angka-angka itu tidak dapat ditambahkan ke kartu skor tersebut. Angka-angka itu hanya layak dibaca sebagai indikasi bahwa Anthropic mengklaim kekuatan secara khusus pada computer-use dan rekayasa berskala repositori, yang merupakan pembeli yang menjadi sasaran penetapan harga model ini.

Kartu tarif, termasuk baris yang hanya dimiliki oleh salah satunya

Claude Opus 5 mengenakan tarif $5.00 dan $25.00 secara tetap di seluruh jendela satu juta tokennya, dengan pembacaan cache sebesar $0.50 dan penulisan cache sebesar $10.00. GPT-6.1 Sol mengenakan tarif $2.00 dan $10.00 hingga 272.000 token prompt, lalu menetapkan ulang harga seluruh permintaan menjadi $4.00 dan $15.00 di atas ambang tersebut, dengan pembacaan cache berubah dari $0.10 menjadi $0.20 dan penulisan cache dari $2.50 menjadi $5.00. Inversi yang dihasilkan adalah konsekuensi praktis dari membeli konteks panjang dari salah satu model:

• Prompt 250.000 token — GPT-6.1 Sol masih berada di tier pertamanya, yaitu $2.00/$10.00 dibandingkan $5.00/$25.00. Ini adalah permintaan konteks besar termurah dalam perbandingan ini.

• Prompt 300.000 token — GPT-6.1 Sol telah naik ke $4,00/$15,00, dan Claude Opus 5 tidak bergerak. Selisihnya menyusut dari 2,5× menjadi 1,25× pada input dan 1,67× pada output.

• Pembacaan cache — $0,10 per juta untuk GPT-6.1 Sol versus $0,50 untuk Claude Opus 5, di dalam tier pertama kedua model. Pada sesi agentic panjang yang membaca ulang prefiks yang sama, baris ini lebih berpengaruh terhadap tagihan daripada tarif utamanya.

• Penulisan cache — $2,50 dibandingkan $10,00. Arah yang sama, orde besaran yang sama.

Itu adalah poin yang nyata dan tidak glamor: angka utama 2,5× hanya dapat dicapai dengan prompt pendek. Begitu beban kerja melampaui 272.000 token, GPT-6.1 Sol juga dihargai seperti model premium, dan perbandingan yang jujur pun menjadi "model premium dengan cache yang jauh lebih murah" versus "model premium dengan kartu tarif tetap."

Mengapa satu poin saja tidak boleh menentukan ini sendiri

Baris indeks di atas tidak dikumpulkan pada hari yang sama, dan hal itu lebih penting di sini daripada dalam sebagian besar perbandingan. Catatan Artificial Analysis GPT-6.1 Sol mencantumkan tanggal evaluasi 2026-09-28. Catatan Claude Opus 5 mencantumkan 2026-07-23 — sembilan minggu lebih awal, pada harness yang telah direvisi sepanjang rentang waktu itu.

Ada gejala yang terlihat dari itu dalam catatan kami sendiri. Liputan sebelumnya tentang Claude Opus 5 menempatkannya di angka 61 pada Intelligence Index dan di puncak papan peringkat. Catatan katalog yang kami baca hari ini menempatkan model yang sama di 50,8, peringkat 11. Keduanya bisa benar: indeksnya telah direvisi, dan skor komposit peka terhadap upaya penalaran yang dipilih evaluator — Claude Opus 5 mencapai puncak pada upaya maksimum, dan catatan yang kami miliki sama sekali tidak diberi anotasi pengaturan upaya. Angka 51,8 milik GPT-6.1 Sol mengandung ambiguitas yang sama.

Apa artinya bagi keputusan pembelian memang sempit tetapi penting. Selisih satu poin antara dua model yang dievaluasi dengan jarak sembilan minggu, pada komposit yang bergerak, dengan pengaturan upaya yang tidak ditentukan, tidak membuktikan bahwa satu model lebih cerdas daripada yang lain. Yang benar-benar ditetapkan oleh lima baris tersebut adalah bahwa keduanya berada di band yang sama — dan hasil band yang sama pada harga 2,5 kali lipat adalah fakta pengadaan, bukan fakta kinerja.

Yang mana yang harus dirutekan

Ambil model yang tadinya ingin Anda beli dan ujilah model itu terhadap model lainnya. Kedengarannya seperti klise, tetapi itulah satu-satunya langkah yang benar-benar didukung bukti di sini, dan kedua model dapat dijangkau dari satu endpoint yang kompatibel dengan Open​AI — openai/gpt-6.1-sol dan anthropic/claude-opus-5 di OrcaRouter — jadi pengujiannya hanyalah mengganti string model, bukan kontrak kedua dan bukan penulisan ulang. Harganya adalah tarif daftar penyedia dengan markup 0%: $2.00/$10.00 dengan tier di atas 272K diterapkan persis seperti yang ditetapkan Open​AI, dan $5.00/$25.00 dengan diskon batch diterapkan persis seperti yang ditetapkan Anthrop​ic, yang juga berarti perubahan harga vendor langsung berlaku di sisi kami pada hari yang sama, bukan pada siklus penagihan berikutnya. Di tempat keduanya dirutekan, failover otomatis berada di bawahnya, yang layak dimiliki ketika model yang lebih murah justru yang memegang jalur produksi.

Jika Anda menginginkan nilai default sebelum Anda memiliki angka sendiri, pembagian yang didukung bukti adalah ini. Pilih GPT-6.1 Sol saat beban kerjanya berupa prompt panjang, berat cache, atau berbentuk terminal-dan-tool — baris Long-Context Recall dan Terminal-Bench 4.0 adalah dua margin terlebar dalam perbandingan, dan pembacaan cache $0,10 adalah pengungkit besar untuk sesi agentik yang membaca ulang sebuah prefiks. Pilih Claude Opus 5 saat beban kerjanya berupa pemrograman berskala repositori, saat batch dapat diterima, atau saat prompt muat dalam 128.000 token dan biaya per tugas yang diukur playground kami sendiri sebesar $1,09 adalah angka yang sudah disetujui tim keuangan Anda.

Putusan yang diraih pasangan ini lebih sempit daripada yang diinginkan kedua vendor. Dalam pengukuran independen, keduanya praktis imbang; dalam hal harga, tidak, dan harga adalah poros yang tidak bisa dilewati salah satunya hanya dengan berargumen.