
GPT-6.2 Sol Pro: Tarif Tidak Berubah. Tagihan Turun 20%.
- 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 · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 91 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 · 132 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 · 132 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 · 183 tok/s
Empat puluh ribu token keluaran untuk menyelesaikan satu tugas evaluasi. Itulah yang GPT-6.2 Solhabiskan pada suite Artificial Analysis di pengaturan effort tertingginya, dibandingkan dengan 67,824 untuk GPT-6.1 Solyang mengerjakan pekerjaan yang sama — penurunan 40% dalam token dan penurunan 20% dalam dolar per tugas, pada daftar harga yang tidak berubah sepeser pun. Model ini dirilis pada 17 November 2026, bersama GPT-6.2 Astra, dan label yang dicari orang, GPT-6.2 Sol Pro, adalah model tersebut dengan reasoning.mode disetel ke pro di Responses API. Mode Pro ditagih dengan tarif token standar model dasar. Jadi seluruh ekonomi dari peningkatan ini terletak pada berapa banyak token yang diputuskan model untuk dikeluarkan — yang merupakan satu angka yang tidak dapat diberitahukan oleh daftar tarif OpenAI kepada Anda.
Ini bukan pengulangan argumen "Pro adalah sebuah mode" yang sudah dua kali dikemukakan di blog ini, untuk tier GPT-6 dan GPT-6.1. Mekanismenya sama dan kini sudah terdokumentasi dengan baik. Yang baru adalah buktinya: untuk pertama kalinya ada pengukuran independen terhadap tier Sol pada hari setelah peluncuran, dan hasilnya mengatakan sesuatu yang lebih menarik daripada "lebih murah per token". Hasil itu mengatakan bahwa peningkatan terkonsentrasi tepat pada beban kerja yang OpenAI jual untuk model ini, dan bahwa satu dimensi menjadi lebih buruk.
Apa yang dirilis pada 17 November, tepatnya
Entri changelog ini panjangnya dua baris dan menyebutkan dua pengenal: gpt-6.2-astra dan gpt-6.2-sol, keduanya di Responses API dan Chat Completions, dengan tool calling yang mengharuskan Responses. Ringkasan OpenAI sendiri tentang rilis ini — "output profesional yang lebih baik, pengodean, computer use, dan efisiensi dengan biaya lebih rendah di ChatGPT Work, Codex, dan API" — adalah pembingkaian vendor, dan sebaiknya kita bersikap hati-hati sampai angka independen muncul, yang sekarang sudah ada.
Bentuk dari hal tersebut, dari halaman model OpenAI untuk gpt-6.2-sol:
• Konteks — total 1.050.000 token, maksimum input 922.000, maksimum output 128.000.
• Modalitas — teks dan gambar masuk, teks keluar. Audio dan video tercantum sebagai tidak didukung, dan tidak ada modalitas masukan berkas dalam spesifikasi tersebut.
• Batas pengetahuan — 1 Juni 2026, satu bulan lebih lambat daripada 30 April 2026 pada tier 6.1.
• Penalaran — selalu aktif, lima pengaturan tingkat upaya dari low hingga max, dan API menolak reasoning.effort: none secara langsung alih-alih menurunkannya secara diam-diam.
• Harga, konteks pendek — $2.00 input, $0.10 input di-cache, $2.50 penulisan cache, $10.00 output per juta token. Identik dengan GPT-6.1 Sol.
• Harga, di atas 272.000 token input — tarif input dan cache menjadi dua kali lipat dan output menjadi 1,5× untuk seluruh permintaan: $4.00 / $0.20 / $5.00 / $15.00.
• Tingkat layanan — Batch sebesar 50% dari standar, Fast sebesar 2×, Ultrafast sebesar 3× hingga 28 Februari 2027 dan 6× mulai 1 Maret 2027.
• Baru di generasi ini — jendela penyelesaian latar belakang dengan diskon di beta publik Responses API, 30% di bawah tarif standar untuk jendela dua jam dan 40% di bawah untuk delapan jam.
Baris terakhir itu secara diam-diam adalah hal paling berguna dalam rilis ini bagi siapa pun yang menjalankan pekerjaan agen berbentuk batch, dan itulah jenis detail yang dikubur oleh pos peluncuran. Penundaan dua jam yang biayanya 30% lebih murah adalah keputusan produk yang berbeda dari pemotongan harga, karena hal itu mengubah kapan Anda menjadwalkan pekerjaan tersebut, bukan berapa yang Anda bayarkan untuknya.

Dari mana "Pro" berasal, dan mengapa itu bukan ID model
Panduan reasoning OpenAI menyatakannya dengan gamblang: model GPT-5.6 dan GPT-6 "mendukung mode penalaran standard dan pro di Responses API. standard adalah default." Mode dan effort adalah sumbu yang independen — panduan tersebut menjelaskan secara eksplisit bahwa mode "memilih eksekusi standard atau pro, sedangkan reasoning.effort mengontrol seberapa banyak penalaran yang diterapkan model dalam mode tersebut". Anda dapat menjalankan mode pro pada effort rendah; Anda dapat menjalankan mode standard pada effort maksimal.
Apa yang dilakukan eksekusi pro adalah menggabungkan beberapa proses kerja model menjadi satu jawaban dan menagih token tersebut dengan "tarif token standar model yang dipilih". Tidak ada pengali premium, tidak ada meter terpisah. Pengenal Pro yang sudah ada — GPT-5.5 Pro dan pendahulu-pendahulunya — mempertahankan perilaku lama dan harga lama mereka, itulah sebabnya "Pro" sekarang berarti dua hal yang berbeda tergantung string mana yang Anda sebutkan.
Jadi saat sebuah katalog mencantumkan gpt-6.2-sol-pro, katalog itu sedang mendeskripsikan sebuah konfigurasi dan mengarang pengenal untuk menempelkannya. Dokumentasi OpenAI sendiri mengembalikan 404 untuk string tersebut, dan satu-satunya pengenal di halaman model adalah gpt-6.2-sol. Perbedaan itu penting bukan cuma soal kerewelan pada detail: ID model yang dapat Anda cari memiliki jendela konteks yang terdokumentasi dan tarif yang dipublikasikan, sedangkan konfigurasi memiliki apa pun yang diteruskan aplikasi Anda saat pemanggilan.
Pembacaan independen: naik 2,7 poin, 20% lebih murah per tugas
Artificial Analysis telah menjalankan model pada harness miliknya sendiri, dan angka-angka ini adalah pengukuran non-vendor pertama untuk tingkat tersebut. Pada Intelligence Index v5.0.1, GPT-6.2 Sol pada upaya maksimum mencetak skor 57.3 dibandingkan 54.6 untuk GPT-6.1 Sol pada upaya maksimum. Biaya per tugas Index turun dari $1.27 menjadi $1.01. Kedua angka diukur pada rangkaian yang identik, yang membuatnya dapat dibandingkan: tugas yang sama, harness yang sama, penilaian yang sama, hanya modelnya yang berubah.
Kedua angka yang bergerak ke arah yang benar secara bersamaan itulah klaim sesungguhnya dari rilis ini. Generasi yang menjadi lebih pintar dan lebih murah per tugas pada daftar tarif yang tetap adalah keuntungan efisiensi, bukan reposisi. Generasi yang menjadi lebih pintar sekaligus lebih mahal adalah sebuah kompromi. Yang ini termasuk yang pertama, dengan margin yang cukup lebar untuk diperhatikan.
Di mana peningkatan itu terjadi lebih menarik daripada skor kompositnya. Dibandingkan dengan pendahulunya sendiri pada upaya maksimal:
• Terminal-Bench 4.0 — 60,1% vs 56,1%.
• Terminal-Bench Science — 67,6% vs 58,1%, lonjakan 9,5 poin dan pergerakan tunggal terbesar di papan.
• HLE Diamond — 64,0% vs 58,8%.
• FrontierCode 2.0 — 44,4% vs 40,6%.
• AutomationBench — 71,3% vs 64,9%.
• AnalystAgent — 53,8% vs 50,0%.
Masing-masing dari itu adalah tugas yang menggunakan alat, bertahap, dan sarat verifikasi. Ini bukan model yang menjadi lebih baik dalam hal trivia; ini adalah model yang menjadi lebih baik dalam menyelesaikan berbagai hal, yang konsisten dengan jumlah token yang menurun, bukan meningkat. Lebih sedikit salah langkah berarti lebih sedikit token yang dihabiskan untuk memulihkan diri darinya.
Satu catatan penting tentang apa arti angka-angka ini. Artificial Analysis mengukur tingkat upaya, bukan mode penalaran, jadi baris "max"-nya adalah mode standar pada upaya maksimum. Belum ada yang menerbitkan pengukuran pro-mode untuk model GPT-6 mana pun, karena mode tersebut mengalikan jumlah kerja model yang tidak diketahui. Anggap baris upaya maksimum sebagai plafon terdekat yang tersedia, bukan sebagai tolok ukur pro-mode.
Dua angka yang bergerak ke arah yang salah
AA-Omniscience adalah bagian dari rangkaian tes yang menguji apakah sebuah model mengetahui apa yang tidak diketahuinya, dan di sinilah rilis ini memberikan sesuatu kembali. GPT-6.2 Sol pada upaya maksimal mencetak skor 40,4 pada indeks Omniscience, turun dari 42,0. Akurasi tetap datar — 61,6% berbanding 61,8%, yang merupakan noise — tetapi tingkat halusinasi naik dari 51,9% menjadi 55,4%.
Baca itu dengan cermat sebelum memutuskan bahwa itu adalah skandal. Kedua model berhalusinasi pada lebih dari separuh pertanyaan yang mereka jawab salah, dan pergeseran 3,5 poin pada rangkaian pengujian sebesar ini bukanlah regresi yang katastrofik. Tetapi itu adalah sebuah arah, dan arah itu berlawanan dengan angka-angka kemampuan. Tingkatan ini menjadi lebih baik dalam melakukan pekerjaan dan sedikit kurang berhati-hati dalam menyatakan hal-hal yang tidak dapat didukungnya.
Bagi agen coding yang menjalankan tes sebelum menyatakan kemenangan, trade-off itu hampir gratis. Bagi asisten riset yang menjawab tanpa langkah verifikasi, itu persis mode kegagalan yang ingin Anda hindari dengan membayar generasi sebelumnya. Jika beban kerja Anda ada di kategori kedua, indeks komposit adalah angka yang salah untuk dijadikan dasar pemilihan, dan penghematan 20% itu lebih kecil daripada biaya satu jawaban salah yang disampaikan dengan penuh keyakinan.
Apa yang dilakukan mode pro pada meteran, dalam token
Karena mode pro menagih dengan tarif standar, satu-satunya tuas yang ditariknya adalah jumlah token, dan data independen memungkinkan Anda mengukur tuas itu untuk pertama kalinya. Pada effort maksimum, GPT-6.2 Sol rata-rata menghasilkan 40.360 token output per tugas, yang 22.800 di antaranya adalah token penalaran dan 17.561 adalah jawaban terlihat — penalaran merupakan 56% dari output. GPT-6.1 Sol pada pengaturan yang sama rata-rata menghasilkan 67.824 token output, 49.213 di antaranya adalah penalaran. Model yang lebih baru berpikir kurang dari setengah waktu model lama dan menjawab dengan panjang yang kurang lebih sama.
Itu adalah mekanisme di balik 20%, tetapi itu bukan keseluruhan perhitungannya dan separuh lainnya layak diketahui. Menguraikan biaya per tugas: output turun dari sekitar $0,72 menjadi $0,40, sementara input naik dari sekitar $0,55 menjadi $0,61 — lebih banyak pembacaan cache dan penulisan cache per tugas, bukan lebih sedikit. Keduanya kira-kira saling meniadakan menjadi penghematan bersih 20%, yang berarti peningkatan ini adalah taruhan bahwa berpikir lebih sedikit lebih bernilai daripada konteks tambahan yang dibacanya ulang. Pada rangkaian pengujian itu, ternyata benar.
Jalankan mode pro di atas salah satunya dan pengalinya tidak diketahui — OpenAI mendokumentasikan bahwa pro "melakukan lebih banyak kerja model daripada mode standar, meningkatkan penggunaan token dan biaya" tetapi tidak menerbitkan faktornya. Yang dapat Anda katakan dengan yakin adalah bahwa nilai dasar yang dikalikannya 40% lebih kecil di sisi output, sehingga pengali pro yang sama berada pada dasar biaya yang lebih murah.
Konsekuensi praktis: jika Anda menganggarkan panggilan mode pro berdasarkan jumlah token era 6.1, ukur ulang alih-alih melakukan penskalaan ulang. Distribusi token telah bergeser cukup jauh sehingga penyesuaian linear akan melebih-lebihkan tagihan Anda.

Di mana ini dapat dipanggil saat ini, dan di mana tidak.
API OpenAI telah tersedia: Responses dan Chat Completions, batch, prompt caching, structured outputs, set alat yang dihosting termasuk computer use, apply_patch, hosted shell, dan MCP, serta Zero Data Retention untuk organisasi yang disetujui pada endpoint yang memenuhi syarat. Pengguna ChatGPT Work dan Codex mendapatkannya pada hari pertama, menurut catatan rilis. Itulah gambaran GA per 18 November 2026.
Pada katalog OrcaRouter sendiri, generasi 6.2 belum tersedia — pengecekan daftar model publik pada 18 November mengembalikan openai/gpt-6.1-sol dan openai/gpt-6-sol tetapi tidak ada gpt-6.2-sol. Ada dua hal yang mengikuti dari itu, dan yang kedua adalah hal yang perlu diperhitungkan dalam perencanaan. Pertama, tidak ada informasi tentang peningkatan ini yang tersedia di sini hari ini, dan artikel ini tidak akan berpura-pura sebaliknya. Kedua, OrcaRouter meneruskan harga daftar penyedia dengan markup 0%, jadi ketika suatu tier muncul, harga $2/$10 milik vendor sendiri adalah yang Anda bayar — tanpa pengali gateway di atas rate card, dan perubahan harga vendor berlaku pada hari yang sama alih-alih mengikuti jadwal reseller.

Sementara itu, tier yang digantikan oleh ini adalah openai/gpt-6.1-sol, yang ada di katalog dengan harga daftar, dan jalur migrasi yang masuk akal adalah mempertahankan produksi di tier 6.1 sambil Anda mengevaluasi 6.2 secara langsung, lalu memindahkan rute alih-alih kode.
Apa yang harus ditonton
Tiga hal akan menentukan apakah 17 November tampak seperti langkah maju atau guncangan. Regresi kalibrasi itu entah tetap bertahan pada penyegaran AA berikutnya atau menyusut menjadi derau. Pengali Ultrafast berlipat dua pada 1 Maret 2027, dari 3× menjadi 6× standar, yang tidak melipattigakan apa pun tetapi memang menggandakan premi pada jalur tercepat — jika arsitektur Anda bergantung pada Ultrafast, tanggal itu masuk dalam anggaran Anda. Dan efisiensi token harus tetap bertahan dalam mode pro, di mana satu angka yang tidak diterbitkan siapa pun adalah angka yang menentukan tagihan Anda.
Sampai saat itu, ringkasan jujurnya sempit dan dapat diperiksa: harga sama, 2,7 poin indeks, 20% lebih murah per tugas, dan pegangan yang secara terukur lebih longgar terhadap apa yang tidak diketahuinya.
Dibandingkan dalam artikel ini2
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
