
GPT-6.1 Sol vs GPT-6 Astra: Satu Poin Indeks, Lima Kali Lipat Tarif
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 96 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 159 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 118 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 221 tok/s
GPT-6.1 Sol dan GPT-6 Astra adalah model kelas menengah dan andalan dari satu keluarga, dirilis terpisah empat minggu — Sol pada 29 September 2026, Astra pada 3 September 2026 — dan hingga minggu ini perbandingan keduanya sepenuhnya bertumpu pada angka OpenAI sendiri. Sekarang tidak lagi. Artificial Analysis telah mengevaluasi keduanya pada upaya penalaran maksimum dengan versi indeks yang sama, dan hasilnya adalah selisih 0,84 poin yang menguntungkan Astra, bersanding dengan selisih biaya per proses evaluasi sebesar 4,5 kali yang menguntungkan GPT-6.1 Sol. Pada daftar harga, rasionya bahkan lebih mencolok: Astra adalah 5 kali GPT-6.1 Sol pada input dan output serta 10 kali pada input yang di-cache. Pertanyaan yang dijawab halaman ini adalah di mana premi itu membeli sesuatu yang dapat Anda tunjuk, dan di mana itu semata-mata harga sebuah nama.
Apa kedua model itu, dan apa yang diukur oleh dewan
Keduanya menerima masukan teks dan gambar serta menghasilkan keluaran teks, dengan jendela konteks 1.050.000 token dan maksimum 128.000 token keluaran, dan keduanya menyediakan tangga upaya lima tingkat — rendah, sedang, tinggi, xhigh, dan max — setelah menghapus tidak ada sebagai pengaturan yang masih diterima GPT-6 Sol. Tidak satu pun mendukung fine-tuning. Perbedaan yang penting adalah yang tercantum dalam daftar harga: Astra adalah tier unggulan, GPT-6.1 Sol adalah penyegaran tier di bawahnya, dan kalimat posisi OpenAI sendiri untuk model yang lebih baru adalah "performa mendekati Astra untuk pekerjaan kompleks dengan biaya lebih rendah."
Artificial Analysis memberi skor pada klaim itu di Intelligence Index miliknya — sepuluh evaluasi dalam versi v4.3.2, versi yang sama untuk kedua model — dan mencatat tanggal rilis yang dimilikinya untuk masing-masing model. Artificial Analysis mengevaluasi keduanya dalam konfigurasi upaya maksimum yang dicantumkan halaman model di judulnya. Berikut adalah perbandingan tersebut, plus perhitungan biaya yang tidak dilakukan indeks untuk Anda.
• GPT-6.1 Sol — dirilis 2026-09-29, Intelligence Index 51.8 pada upaya maksimum, $2.00 masukan / $0.10 di-cache / $2.50 penulisan cache / $10.00 keluaran per juta token.
• GPT-6 Astra — dirilis 2026-09-03, Intelligence Index 52.7 pada upaya maksimum, $10.00 masukan / $1.00 di-cache / $12.50 penulisan cache / $50.00 keluaran per juta token.
• Tidak keduanya — menerima upaya penalaran none; keduanya menetapkan ulang harga seluruh permintaan pada 2× tarif masukan dan cache serta 1,5× keluaran setelah masukan melewati 272.000 token. Tingkat konteks panjang Astra adalah $20.00 masuk / $2.00 di-cache / $75.00 keluar; milik GPT-6.1 Sol adalah $4.00 / $0.20 / $15.00.
• Keduanya — mendukung pencarian web, pencarian file, pembuatan gambar, interpreter kode, shell terkelola, apply patch, keterampilan, penggunaan komputer, MCP, dan pencarian alat melalui API Responses.
0,84 poin indeks, 4,5 kali biaya evaluasi

Dua angka berdampingan di papan itu dan bersama-sama keduanya merupakan keseluruhan argumennya. GPT-6 Astra dengan upaya maksimum memperoleh skor 52,7. GPT-6.1 Sol dengan upaya maksimum memperoleh skor 51,8. Di samping setiap skor, papan itu menerbitkan berapa biaya untuk menjalankan indeks di baliknya: $3,26 per tugas untuk Astra, $0,72 untuk GPT-6.1 Sol. Jika dibaca sebagai satu kalimat — 0,84 poin untuk 4,5 kali biaya — ini adalah angka paling relevan untuk pengambilan keputusan yang pernah diterbitkan perusahaan mana pun tentang kedua model ini.
Kedua model juga menerbitkan skor untuk setiap titik pada tangga upaya, yang memungkinkan perbandingan dilakukan pada pengeluaran yang sama alih-alih pada pengaturan yang sama:
• max effort — GPT-6.1 Sol 51,8 dengan $0,72 per eksekusi vs GPT-6 Astra 52,7 dengan $3,26.
• xhigh — 51,0 dengan $0,39 vs 52,4 dengan $2,31.
• high — 50,2 dengan $0,32 vs 50,9 dengan $1,73.
• medium — 47,8 dengan $0,21 vs 49,6 dengan $1,54.
• low — 42,1 dengan $0,13 vs 45,8 dengan $0,82.

Jika tingkat-tingkat itu dijajarkan di berbagai model, terungkap sebuah fakta yang tidak diiklankan oleh kedua vendor: rentang high ke max milik Astra sendiri adalah 1,8 poin indeks, lebih dari dua kali seluruh selisih antara Astra pada max dan GPT-6.1 Sol pada max. Dengan kata lain, memilih Astra alih-alih GPT-6.1 Sol memberi Anda skor yang lebih sedikit daripada memilih effort max Astra alih-alih effort high Astra — dan pilihan kedua itu biayanya hanya sebagian kecil dari pilihan pertama. Siapa pun yang beban kerjanya benar-benar sensitif terhadap 1,8 poin tersebut sebaiknya memeriksa pengaturan effort sebelum memeriksa kolom model.
Di mana premium Astra masih membeli sesuatu
Skor kompositnya berdekatan; evaluasi individunya tidak. Dinilai baris demi baris dengan upaya maksimal, GPT-6 Astra memegang keunggulan pada enam dari sepuluh, dan keunggulan yang dipegangnya adalah pada aspek yang melibatkan tindakan, bukan jawaban.
• AutomationBench-AA, alur kerja multi-langkah lintas alat — 0,685 untuk Astra berbanding 0,649 untuk GPT-6.1 Sol. Astra unggul 3,6 poin.
• Terminal-Bench 4.0, pekerjaan terminal di lingkungan nyata — 0,591 berbanding 0,561. Astra unggul 3,0 poin.
• SciCode — 0,565 berbanding 0,542. Astra unggul 2,3 poin.
• Humanity's Last Exam — 0,547 berbanding 0,529. Astra unggul 1,8 poin.
• AA-Omniscience — 43,4 berbanding 41,5, dan pada set yang sama tingkat halusinasi Astra adalah 0,513 berbanding 0,543 milik GPT-6.1 Sol. Astra lebih akurat sekaligus lebih bersedia mengatakan bahwa ia tidak tahu.
• AA-Briefcase v1.1, hasil kerja profesional — Elo 1568,9 berbanding 1564,2. Astra unggul 4,7.
Polanya cukup konsisten untuk dijadikan dasar perencanaan: ketika tugas menuntut model menjaga rantai tindakan yang panjang tetap runut — mengoperasikan terminal, menjalankan alur kerja multi-alat, menghasilkan keluaran berbentuk dokumen — keunggulan Astra nyata dan dapat diulang di berbagai harness. Ketika tugasnya adalah pertanyaan pengetahuan yang dijawab dalam satu giliran, keunggulan itu sebagian besar menghilang.
Di mana model yang lebih murah menang, termasuk baris cache
GPT-6.1 Sol bukanlah Astra yang secara seragam sedikit lebih buruk. Pada evaluasi yang memberi penghargaan pada kemampuan membaca dan menalar atas materi panjang, ia unggul, dan pada kartu tarif ia unggul dengan selisih yang tidak pernah dilihat indeks.
• GDPval-AA, pekerjaan profesional yang dinilai terhadap keluaran ahli — Elo 1575,1 untuk GPT-6.1 Sol dibandingkan 1541,9 untuk Astra. Keunggulan 33 poin bagi model yang biayanya seperlima, dan kemenangan independen terbesar di baris itu.
• AA-LCR v1.1, penalaran konteks panjang — 0,830 dibandingkan 0,807. GPT-6.1 Sol unggul.
• GDP.pdf — imbang sempurna pada 0,310, begitu juga CritPt pada 0,317.
• Input yang di-cache — $0,10 per juta token dibandingkan $1,00 milik Astra. Ini adalah baris yang menentukan ekonomi agen dan tidak ada sama sekali dalam indeks.
• Kecepatan keluaran — 66,8 token per detik dibandingkan 56,95 pada jalannya evaluasi yang sama, dengan 67,2 juta token keluaran yang dipakai dibandingkan 60,0 juta milik Astra. Tidak ada model yang cepat; GPT-6.1 Sol lebih cepat di antara keduanya.
Satu bulan agen, dengan harga berdasarkan kedua kartu tarif
Ambil beban kerja yang mengirim ulang prefiks stabil: 40 juta token masukan per bulan dengan 85% di antaranya dilayani dari cache, ditambah 4 juta token keluaran. Pada kartu tarif GPT-6.1 Sol, itu berarti $3,40 untuk pembacaan dari cache, $12,00 untuk masukan tanpa cache, dan $40,00 untuk keluaran — $55,40 untuk bulan itu. Pada kartu tarif GPT-6 Astra, lalu lintas yang sama menjadi $34,00 untuk pembacaan dari cache, $60,00 untuk masukan tanpa cache, dan $200,00 untuk keluaran — $294,00. Beban kerjanya identik; tagihannya 5,3 kali lebih besar.
Dua ambang batas mengubah perhitungan itu, dan keduanya layak diperhitungkan sebelum keputusan migrasi, bukan sesudahnya. Yang pertama adalah 272,000 token input dalam satu permintaan: jika melewatinya, seluruh permintaan dihargai ulang pada dua kali tarif input dan cache serta 1.5× tarif output, yang menggeser GPT-6.1 Sol ke $4.00 / $0.20 / $15.00 dan Astra ke $20.00 / $2.00 / $75.00. Yang kedua adalah tangga effort itu sendiri — menurunkan GPT-6.1 Sol dari max ke xhigh memangkas biaya index-run-nya dari $0.72 menjadi $0.39 demi 0.8 poin, dan menurunkan Astra dari max ke high memangkas $3.26 menjadi $1.73 demi 1.8. Dalam loop agen yang berat cache, pengaturan effort adalah tuas biaya yang lebih besar daripada kolom model, yang merupakan kebalikan dari cara kedua model ini biasanya dibandingkan.
Mana yang harus dijalankan, dan apa yang sebenarnya bisa Anda panggil
Berdasarkan bukti yang ada, pembagian ini lebih rapi daripada yang disiratkan pemasaran. Arahkan pekerjaan yang harus bertahan melalui rantai tindakan panjang — sesi terminal, otomasi yang padat alat, dokumen keluaran yang paragraf hasil halusinasinya mahal — ke GPT-6 Astra, dan pertimbangkan menjalankannya pada level high alih-alih max kecuali Anda telah mengukur bahwa tambahan 1,8 poin itu benar-benar berdampak pada tugas Anda. Arahkan semua yang padat pengetahuan, padat cache, atau sebagian besar hanya-baca ke GPT-6.1 Sol: model ini lebih baik dalam penilaian pekerjaan profesional, lebih baik dalam penalaran konteks panjang, lebih cepat, dan lima hingga sepuluh kali lebih murah pada baris-baris yang mendominasi tagihan nyata.

Yang bisa Anda panggil hari ini adalah bagian yang jujur. OrcaRouter menyajikan GPT-6 Astra dengan harga daftar milik OpenAI sendiri — tarif input $10.00, output $50.00, baca cache $1.00, dan tulis cache $12.50, dengan aturan penetapan harga ulang 272K diteruskan persis seperti yang diterbitkan vendor — bersama GPT-6 Sol dan GPT-6 Luna. Ia tidak menyajikan GPT-6.1 Sol: katalog publik mengembalikan "model not found" untuk openai/gpt-6.1-sol, dan kami tidak akan mendeskripsikan model yang tidak dapat kami rutekan. Karena harga daftar penyedia diteruskan tanpa markup tambahan, pada hari model itu tersedia, biayanya mengikuti tarif OpenAI di sisi kami tanpa langkah penetapan harga ulang; hari ini separuh yang dapat digunakan dari perbandingan ini adalah model unggulan, di balik satu kunci API, dengan DSL perutean tersedia jika Anda ingin menggabungkan model murah dan model mahal ke dalam satu panggilan alih-alih memilih di antara keduanya per permintaan.
Yang perlu diperhatikan adalah baris yang hilang dari perbandingan ini. Baik angka vendor maupun indeks independen tidak memberi tahu Anda apa yang akan dilakukan lalu lintas Anda sendiri pada kedua tingkat ini, dan satu-satunya cara murah untuk mengetahuinya adalah menjalankan rangkaian tugas yang sama melalui keduanya dengan failover memegang kendali. Itu adalah eksperimen satu tombol ketika kedua bagian dapat dipanggil, dan eksperimen setengah jalan sampai keduanya bisa.
Dibandingkan dalam artikel ini2
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
