Kartu judul untuk analisis harga GPT-6.2 Astra, dengan judul utama 'GPT-6.2 Astra' dan baris sekunder 'Diskon 20% untuk token. Diskon 36% untuk tugas.' di atas keterangan bertuliskan 'Diukur terhadap GPT-6 Astra pada Artificial Analysis Intelligence Index', serta dua kartu di sebelah kanan berlabel 'Harga per token' pada minus 20% dan 'Biaya per tugas' pada minus 36% dengan panah yang tampak lebih panjang, di atas footer bertuliskan 'Harga sesuai tarif yang diterbitkan OpenAI; biaya per tugas menurut Artificial Analysis.' Logo OrcaRouter berada di sudut kanan bawah.
Guides & Insights

GPT-6.2 Astra Memangkas Harga Token 20%. Tagihan Tugas Turun 36%.

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

OpenAI merilis GPT-6.2 Astra pada 17 November 2026 dengan tajuk utama yang dapat Anda verifikasi dalam sepuluh detik: $8 per juta token input dan $40 per juta token output, dibandingkan $10 dan $50 untuk GPT-6 Astra. Itu adalah pemotongan bersih 20% pada kedua arah meteran. Angka yang sebenarnya menentukan apakah tagihan Anda berubah adalah angka yang berbeda, dan angka itu lebih besar. Artificial Analysis mengukur GPT-6.2 Astra pada $4,00 per tugas Intelligence Index versus $6,24 untuk GPT-6 Astra — pengurangan 36% dalam biaya untuk menyelesaikan satu unit pekerjaan, bukan dalam biaya per token.

Kedua angka itu benar, dan selisih di antara keduanya adalah inti ceritanya. Pemotongan harga memberi tahu Anda berapa yang ditagih meteran. Angka biaya per tugas memberi tahu Anda berapa yang ditagih meterandan berapa kali meteran itu berjalan. GPT-6.2 Astra menagih lebih sedikit per token dan membakar lebih sedikit token untuk mencapai hasil yang sama, sehingga penghematannya berlipat. Pada titik ketika penghematan itu berhenti berlipat — permintaan konteks panjang, penulisan cache, dan aturan item penalaran — di situlah paruh kedua artikel ini berfokus.

Tugas yang sama, 36% lebih murah — dan mengapa itu lebih besar daripada label harga

Artificial Analysis memberi GPT-6.2 Astra skor 62 pada Intelligence Index miliknya, peringkat ketiga dari 87 model yang dilacak, naik dari 57 dan peringkat ketiga belas untuk GPT-6 Astra. Angka biayanya dihitung pada rangkaian evaluasi yang identik, yang membuat perbandingannya adil: tugas yang sama, harness yang sama, penilaian yang sama, hanya modelnya yang berubah. Lima poin indeks kemampuan hadir bersamaan dengan penurunan 36% dalam biaya per tugas.

Kombinasi itu tidak biasa. Sebagian besar rilis mempertukarkan yang satu dengan yang lain — Anda membayar lebih per tugas untuk mendapatkan model yang lebih cerdas, atau Anda menerima model yang lebih lemah untuk mendapatkan model yang lebih murah. Di sini, kedua angka bergerak ke arah yang benar dibandingkan pendahulunya, yang merupakan gambaran peningkatan efisiensi antargenerasi yang sesungguhnya, bukan sekadar reposisi.

Enam angka yang penting, berdampingan. Semua harga adalah tarif tingkat standar yang dipublikasikan OpenAI; angka indeks dan biaya per tugas merupakan pengukuran independen Artificial Analysis, bukan pengukuran OpenAI.

• Masukan — GPT-6.2 Astra $8.00 per juta token vs GPT-6 Astra $10.00

• Keluaran — $40,00 per juta token vs $50,00

• Input cache — $0,40 per juta dengan diskon 95% vs $1,00 pada 90%

• Intelligence Index — 62, peringkat #3 dari 87 vs 57, peringkat #13 dari 87

• Biaya per tugas Index — $4.00 vs $6.24

• Jendela konteks — total 1,050,000 token, di antaranya maksimal 922,000 input dan 128,000 output

Perhatikan baris cache. Diskonnya meningkat dari 90% menjadi 95% dan tarif dasar yang dikenakannya turun dari $10 menjadi $8, sehingga token input yang di-cache kini berbiaya $0.40 dari sebelumnya $1.00 — potongan 60%, tiga kali angka utama. Jika beban kerja Anda adalah prompt sistem yang panjang ditambah giliran pengguna yang singkat, Anda mendapatkan jauh lebih dari 20%.

A single-column scoreboard titled 'GPT-6.2 Astra — the scoreboard' with six rows reading 'Intelligence Index: 62, #3 of 87', 'Input price: $8.00 / 1M', 'Output price: $40.00 / 1M', 'Cached input: $0.40, 95% off', 'Cost per Index task: $4.00' and 'Context window: 1,050,000', with a footer noting that pricing is per OpenAI's published rates and index and cost-per-task figures are per Artificial Analysis. The OrcaRouter logo sits in the bottom-right corner.

Di mana penghematan itu bocor keluar lagi

Tiga mekanisme menggerus 36% itu, dan ketiganya didokumentasikan alih-alih disembunyikan — Anda hanya perlu membaca halaman harga dan panduan migrasi sebelum menetapkan anggaran konteks.

Jurang 272K

GPT-6.2 Astra memiliki jendela 1.050.000 token, tetapi struktur harganya berubah jauh sebelum Anda memenuhinya. Setelah input suatu permintaan melewati 272.000 token, input dan input yang di-cache dikenakan tarif dua kali lipat dari tarif standar dan output sebesar 1,5x — dan pengalinya berlaku untuk seluruh permintaan, bukan hanya token di atas ambang tersebut. Prompt 300.000 token tidak membayar biaya tambahan hanya pada 28.000 token terakhir; ia membayar dua kali lipat untuk seluruh 300.000 token.

Dengan $16 per juta token input, satu panggilan 300K biayanya $4,80 sebelum model menulis satu kata, padahal sesaat sebelumnya — pada 271.999 token — pekerjaan yang sama hanya akan menelan biaya $2,17. Itu berarti potongan 20% yang dikembalikan dalam satu langkah, bahkan lebih dari itu, karena jurang tersebut merupakan diskontinuitas, bukan lereng. Pekerjaan dokumen panjang yang dulu muat dalam jendela lama kini memerlukan strategi chunking yang disengaja, bukan sekadar anggaran yang lebih besar.

Penulisan cache adalah baris terpisah

Membaca dari cache itu murah. Mengisinya tidak gratis: penulisan cache ditagih $10 per juta token, di atas tarif input standar. Prompt cache yang dalam dan sering menjadi tidak valid bisa lebih mahal untuk dipelihara daripada penghematan dari membacanya. Secara ekonomi, prefix stabil yang bertahan melewati banyak giliran lebih menguntungkan, yang persis merupakan pola yang didorong oleh catatan migrasi OpenAI sendiri.

Item penalaran yang dihapus

Mulai dari generasi ini, API membuang item penalaran saat mendeteksi perubahan di tengah percakapan pada riwayat — pengeditan prefiks, penurunan versi model, perubahan pengguna akhir atau organisasi. Ketika model kehilangan konteks itu, jawabannya bisa lebih buruk dan menghabiskan lebih banyak token untuk menurunkan ulang pekerjaan yang sudah dilakukannya. Efek kedua itulah yang muncul di tagihan: integrasi yang mengedit prompt sistemnya antar-giliran akan diam-diam membayar penalaran yang sama dua kali, dan penghematan 36% akan tampak seperti kesalahan pembulatan.

Perbaikannya bersifat arsitektural, bukan finansial. Biarkan prefiks tetap tidak berubah saat Anda mengubah pengaturan di antara respons, dan input sebelumnya tetap memenuhi syarat untuk di-cache pada saat yang sama penalaran tetap bertahan. Satu kebiasaan melindungi kedua baris faktur.

Pengaturan penalaran adalah keputusan penganggaran.

GPT-6.2 Astra tidak akan menerima reasoning.effort yang disetel ke none. Panduan migrasi OpenAI menyatakan untuk memulai integrasi baru pada medium, dan memetakan setelan none atau minimal yang sudah ada ke low. Tidak ada yang mengejutkan dari itu untuk model yang mengutamakan penalaran, tetapi itu berarti penukaran string model secara langsung dari pendahulu non-penalaran akan menghasilkan jawaban yang lebih buruk sekaligus tagihan yang lebih besar daripada yang tersirat dalam rencana migrasi.

Token penalaran ditagih sebagai output. Pada $40 per juta, perbedaan antara rendah dan tinggi dalam proses agen yang panjang bukanlah kesalahan pembulatan — sering kali itu adalah variabel tunggal terbesar dalam biaya tugas. Nilai terukur $4.00 per tugas Intelligence Index mengasumsikan konfigurasi upaya apa pun yang digunakan Artificial Analysis; angka Anda bergantung pada konfigurasi Anda. Perlakukan pengaturan upaya sebagai tuas biaya pertama yang Anda sesuaikan, sebelum Anda menyentuh hal lain.

A screenshot of OpenAI's developer documentation page for GPT-6.2 Astra, showing the model description, a pricing table of $8.00 input, $0.40 cached input and $40.00 output per million tokens, a 1,050,000-token context window with 922,000 max input and 128,000 max output, and a May 18 2026 knowledge cutoff.

Apa yang sebenarnya ditingkatkan oleh peluncuran itu, dan apa yang tidak

Pemotongan harga hanya layak jika modelnya setidaknya sama baik. Pada evaluasi horizon panjang dan ilmiah, GPT-6.2 Astra bergerak secara meyakinkan. Terminal-Bench-Science naik dari 63,3% pada GPT-6 Astra menjadi 78,1%, dan Terminal-Bench 4.0 mencapai 64,1%. AA-AnalystAgent berada di 62,5%, AA-3D di 1.318 Elo, dan LAB-AA dari Harvey di 15,0%. Untuk pekerjaan agentic yang berjalan selama banyak langkah dan perlu tetap pada tugas, itulah profil yang Anda inginkan, dan itulah profil yang menghasilkan efisiensi token di balik 36% itu.

Ada dua tempat yang tidak berpindah yang perlu diketahui sebelum Anda beralih seluruh pipeline.

Yang pertama adalah competitive programming. FrontierCode-AA 2.0 menempatkan GPT-6.2 Astra pada 45,4%, masih di belakang Claude Fable 5.2 pada 48,8%. Astra telah banyak mengejar ketertinggalan di bidang lain tetapi belum mengambil posisi terdepan dalam hard coding, sehingga tim yang beban kerjanya sebagian besar berbentuk FrontierCode memiliki lebih sedikit alasan untuk bermigrasi atas dasar kemampuan — argumen harga adalah yang berlaku.

Yang kedua lebih buruk daripada kemacetan. Pada AA-Omniscience, tingkat halusinasi GPT-6.2 Astra adalah 59,1%, naik dari 49,8% pada GPT-6 Astra. Model ini lebih suka menjawab ketika tidak tahu. Itu masalah biaya yang menyamar sebagai masalah kualitas: jawaban yang salah namun penuh percaya diri, yang kemudian harus Anda deteksi, buang, dan jalankan ulang, membuat Anda membayar token dua kali, dan pada proses jalan ulang itulah perhitungan cermat Anda per tugas menjadi kacau. Alur kerja apa pun yang mahal untuk menangkap jawaban salahnya layak mendapat langkah verifikasi sebelum potongan harga dianggap sebagai penghematan.

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra showing an Intelligence Index of 62 ranked third of 87 models, input pricing of $8.00 and output of $40.00 per million tokens, a 95% cache discount, and a cost of $4.00 per Intelligence Index task ranked 57th of 86.

Mendapatkan harga tanpa mempertaruhkan pipeline karenanya

GPT-6.2 Astra tersedia melalui API milik OpenAI sendiri dan beberapa platform pihak ketiga. Saat ini produk tersebut tidak ada di katalog OrcaRouter, jadi jika Anda ingin memanggilnya minggu ini, Anda akan langsung ke vendor. Tidak ada bagian dari analisis harga di atas yang bergantung pada dari mana Anda memanggilnya — tetapi dua hal tentang cara Anda memanggilnya perlu direncanakan mulai sekarang, karena keduanya adalah hal yang sama yang merepotkan tim tiga minggu setelah migrasi berjalan.

Yang pertama adalah failover. Model yang dirilis kemarin belum memiliki rekam jejak pada lalu lintas Anda, dan saran yang jujur adalah menjalankannya di samping model yang akan digantikannya, bukan sebagai penggantinya. Merutekan keduanya melalui satu endpoint yang kompatibel dengan OpenAI, dengan failover otomatis antapenyedia, berarti hari buruk pada satu upstream tidak menjadi hari buruk bagi pengguna Anda saat Anda masih memutuskan apakah 36% itu nyata untuk beban kerja Anda. OrcaRouter menyediakan GPT-6 Astra, GPT-6 Sol, dan GPT-6.1 Sol, sehingga A/B terhadap pendahulu Astra dapat dijalankan dengan satu kunci tanpa kontrak kedua dan tanpa perubahan kode di sisi klien.

Yang kedua adalah penerusan harga. OrcaRouter menagih dengan {{1}}markup 0%{{/1}} — harga daftar dari penyedia, tanpa perubahan. Itu penting secara khusus untuk rilis seperti ini: penurunan harga dari vendor masuk ke tarif Anda pada hari yang sama saat masuk ke tarif mereka, tanpa negosiasi ulang dan tanpa jeda penetapan harga ulang. Jika GPT-6.2 Astra bergabung ke katalog, {{2}}$8 dan $40 di atas{{/2}} adalah angka yang akan Anda lihat, bukan versi yang sudah dinaikkan harganya.

Yang Anda dapatkan sementara ini adalah perbandingan yang bersih. Jalankan set evaluasi yang sama melalui GPT-6 Astra hari ini, catat biaya riil per tugas pada pengaturan upaya riil Anda, dan Anda memiliki garis dasar untuk menilai apakah 36% itu bertahan atau tidak. Sebagian besar tim yang melewati langkah ini akhirnya mengukur angka utama alih-alih beban kerja mereka sendiri, lalu menemukan jurang 272K dengan cara yang mahal.

Siapa yang harus bergerak sekarang, dan siapa yang harus menunggu?

Beralihlah sekarang jika beban kerja Anda berupa pekerjaan agentik berhorizon panjang, analisis dokumen di bawah sekitar 250.000 token, atau apa pun yang bersifat ilmiah dan digerakkan terminal — lonjakan Terminal-Bench-Science dari 63,3% ke 78,1% cukup besar untuk mengubah apa yang layak dilakukan, dan efisiensi token bertambah seiring pemotongan harga.

Berhati-hatilah jika prompt Anda rutin melewati 272.000 token. Jurang itu tidak memberi imbalan atas anggaran yang lebih besar; ia justru menghukumnya. Pecahlah menjadi beberapa bagian, atau siapkan anggaran dua kali lipat.

Tunggu, atau setidaknya lakukan A/B terlebih dahulu, jika pekerjaan Anda banyak berkutat pada coding kompetitif yang sulit — FrontierCode-AA 2.0 masih mengunggulkan Claude Fable 5.2 — atau jika jawaban salah yang penuh keyakinan itu mahal di domain Anda, di mana tingkat halusinasi yang naik dari 49,8% menjadi 59,1% layak mendapat pengukuran tersendiri sebelum menjadi default Anda.

Dan dalam setiap kasus, tetapkan tingkat upaya penalaran Anda secara sengaja sebelum Anda membandingkan faktur. Angka 20% ada di halaman harga dan angka 36% ada di papan peringkat. Keduanya belum menjadi tagihan Anda.