
GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: Daftar Tarif Sama, Token 40% Lebih Sedikit
- 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
Meningkatkan dari GPT-6.1 Sol Pro ke GPT-6.2 Sol Protidak memakan biaya apa pun dalam daftar harga. Kedua tier menagih $2,00 per juta token input dan $10,00 per juta output, keduanya membawa jendela konteks 1.050.000 token dengan output maksimum 128.000, dan keduanya memanggil mode pro sebagai reasoning.mode: pro pada model dasar alih-alih sebagai pengenal yang terpisah. Peningkatan ini tetap layak dilakukan, dan alasannya adalah satu angka yang tidak muncul di mana pun pada kartu tarif OpenAI: pada upaya maksimum, GPT-6.2 Sol menghabiskan 40.360 token output per tugas indeks Artificial Analysis, sedangkan GPT-6.1 Sol menghabiskan 67.824. Empat puluh persen lebih sedikit kerja, meteran yang sama, 20% lebih hemat pada tagihan di akhirnya. Diulas pada 18 November 2026, satu hari setelah generasi 6.2 dirilis.
Ada dua hal yang membuat ini menjadi keputusan yang lebih halus daripada yang disiratkan oleh stiker. Yang pertama adalah bahwa kedua model tidak dipisahkan oleh generasi perangkat keras atau perubahan arsitektur yang bisa Anda tunjuk — jendela konteksnya sama, daftar modalitasnya sama, harganya sama, dan satu-satunya perbedaan struktural dalam dokumentasi OpenAI adalah batas pengetahuan yang bergeser dari 30 April 2026 ke 1 Juni 2026. Yang kedua adalah bahwa peningkatannya tidak merata: pada evaluasi yang penting untuk agen pengoding, peningkatannya besar, dan pada kalibrasi, hasilnya negatif. Perbandingan yang hanya melaporkan indeks komposit akan melewatkan keduanya.
Apa yang sebenarnya berbeda, dalam spesifikasi vendor itu sendiri
Berdampingan, dari dua halaman model di developers.openai.com, dibaca pada 18 November 2026:
• Harga — $2.00 input / $0.10 cached / $2.50 cache write / $10.00 output per juta token pada keduanya. Di atas 272,000 token input, keduanya menjadi $4.00 / $0.20 / $5.00 / $15.00.
• Konteks — 1.050.000 token, maksimum 922.000 input, maksimum 128.000 output, pada keduanya.
• Batas pengetahuan — 1 Juni 2026 vs 30 April 2026.
• Tingkat upaya — low, medium, high, xhigh, max pada keduanya; keduanya menolak reasoning.effort: none.
• Mode penalaran — standard dan pro di Responses API pada keduanya, penagihan dengan tarif token standar dan hanya berbeda dalam seberapa banyak pekerjaan yang diagregasikan.
• Pengganda ultracepat — 3× standar hingga 28 Februari 2027, lalu 6× pada keduanya.
• Baru di 6.2 — jendela penyelesaian latar belakang dengan diskon di beta publik Responses API: 30% di bawah standar untuk penundaan dua jam, 40% di bawah untuk delapan jam.
• Perubahan perilaku — mulai GPT-6.2 dan seterusnya, API menghapus item penalaran saat mendeteksi penyuntingan prefiks di tengah percakapan, penurunan versi model, perubahan pengguna akhir, atau perubahan organisasi. Kehilangan item penalaran dapat menurunkan kualitas jawaban dan membuat model mengulangi pekerjaan sebelumnya dalam token baru.
Baris terakhir itu adalah yang perlu dibaca dua kali, karena itu adalah jebakan biaya yang menyamar sebagai catatan kebenaran. Jika aplikasi Anda mengedit instruksi di tengah percakapan — yang dilakukan banyak loop agen saat merender ulang system prompt — generasi 6.2 akan membuang penalaran yang telah dikumpulkannya, membayarnya lagi pada giliran berikutnya, dan merusak prompt cache yang seharusnya membuat pengulangan itu murah. Pada beban kerja mode pro, di mana token penalaran merupakan mayoritas keluaran, itulah perbedaan antara penghematan 40% dan tidak ada penghematan sama sekali. Panduan OpenAI sendiri adalah menjaga prefiks tetap tidak berubah saat Anda mengubah pengaturan di antara respons.

Angka independen: 2,7 poin dan 20% per tugas
Artificial Analysis telah mengukur kedua tier pada upaya maksimum dengan harness yang sama, yang merupakan satu-satunya cara agar perbandingan ini valid. Intelligence Index v5.0.1: 57.3 untuk GPT-6.2 Sol dibandingkan dengan 54.6 untuk GPT-6.1 Sol. Biaya per tugas indeks: $1.01 dibandingkan dengan $1.27. Pada papan v5.0.1 saat ini, GPT-6.2 Sol berada di peringkat ke-5 dari 58 entri yang dinilai; GPT-6.1 Sol tidak lagi muncul dalam daftar langsung papan peringkat, sehingga perbandingan ini bergantung pada pengukuran per model, bukan pada peringkat.
Tidak satu pun dari kedua angka itu yang dramatis dengan sendirinya. Yang membuat pasangan itu layak ditindaklanjuti adalah keduanya bergerak bersama — model yang lebih baru lebih baik sekaligus lebih murah per unit pekerjaan yang diselesaikan, sementara daftar harganya sama sekali tidak berubah. Itu adalah ciri khas rilis efisiensi, bukan reposisi, dan itulah pola yang ingin Anda lihat sebelum memigrasikan jalur produksi.
Sekarang perinciannya, yaitu titik di mana kedua model menyimpang lebih jauh daripada yang disiratkan oleh komposit:
• Terminal-Bench 4.0 — 60,1% vs 56,1%.
• Terminal-Bench Science — 67,6% vs 58,1%, lonjakan 9,5 poin.
• 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%.
• AA-Omniscience — 40,4 pada 55,4% halusinasi vs 42,0 pada 51,9% halusinasi.
Setiap baris kemampuan meningkat. Baris kalibrasi tidak: model yang lebih baru 3,5 poin lebih mungkin menyatakan sesuatu yang tidak dapat didukungnya. Pertukaran ini hampir gratis di dalam agen pengodean yang menjalankan pengujian sebelum menyatakan berhasil, dan ini merupakan regresi nyata di dalam alur kerja riset tanpa langkah verifikasi. Jika penggunaan mode pro Anda adalah jenis yang kedua, ini bukan peningkatan otomatis.

Dari mana angka 40% itu berasal, baris demi baris
Mode Pro mengalikan jumlah pekerjaan model yang tidak diketahui di atas jumlah token dasar, jadi baseline adalah satu-satunya bagian yang dapat Anda cerna — dan data independen mengukur ukurannya secara presisi.
Pada upaya maksimal, GPT-6.2 Sol rata-rata menghasilkan 40,360 token keluaran per tugas indeks: 22,800 penalaran dan 17,561 jawaban. GPT-6.1 Sol rata-rata 67,824: 49,213 penalaran dan 18,611 jawaban. Jawaban yang terlihat hampir tidak berubah — 6% lebih pendek. Penalaran anjlok 54%. Itulah seluruh mekanismenya. Model yang lebih baru berpikir kurang dari setengah waktu untuk menghasilkan jawaban dengan panjang yang sama, dan karena token penalaran ditagih sebagai output, di situlah penghematannya berada.
Kalau dihitung dalam dolar, aritmetikanya tidak memikat: 40.360 token dengan $10/juta adalah sekitar $0,40 keluaran, dibandingkan $0,72 untuk model yang lebih lama. Namun, sisi masukan tidak bersikap kooperatif. Di seluruh rangkaian, GPT-6.2 Sol menagih sekitar $0,61 masukan per tugas, dibandingkan $0,55 untuk GPT-6.1 Sol — ia membaca lebih banyak, bukan lebih sedikit, karena volume penulisan cache dan pembacaan cache-nya sama-sama naik. Penghematan keluaran dan penalti masukan hampir saling meniadakan hingga menjadi angka bersih $1,01 versus $1,27. Tidak ada bagian dari peralihan itu yang berasal dari pemotongan harga, karena memang tidak ada pemotongan harga.
Peringatan praktisnya adalah yang tersirat oleh mode pro: karena pengalinya tidak diketahui dan berlaku untuk apa pun yang diputuskan model untuk dilakukan, baseline yang 40% lebih kecil tidak menjamin tagihan mode pro yang 40% lebih kecil. Yang dijamin adalah batas bawah yang lebih murah. Ukur panggilan Anda sendiri sebelum menulis ulang anggaran.
Migrasi tanpa perubahan kode
Migrasi mekanisnya adalah satu string. Kedua model menerima parameter yang sama, nilai effort yang sama, permukaan Responses API yang sama, dan set alat yang sama, sehingga penukarannya adalah model: "gpt-6.1-sol" menjadi model: "gpt-6.2-sol" dengan mode pro dikonfigurasi secara identik. Panduan migrasi OpenAI menambahkan satu pemeriksaan wajib untuk pemanggilan alat: ini mengharuskan Responses API, bukan Chat Completions, dan itu sudah berlaku pada 6.1.
Yang bukan satu string adalah perilaku item penalaran yang dijelaskan di atas. Sebelum Anda mengganti model, audit apakah ada sesuatu dalam loop Anda yang memutasi prefiks percakapan — prompt sistem dinamis, definisi alat yang disuntikkan yang mengubah urutan, pemangkasan konteks per giliran di bagian depan. Jika ada, perbaiki itu dulu atau keuntungan efisiensi menguap pada giliran kedua.
Postur peluncuran juga penting, karena ini adalah tier yang baru berumur satu hari dengan satu pengukuran independen di belakangnya. Jalur konservatif adalah mempertahankan produksi pada tier 6.1 dan mengevaluasi 6.2 pada lalu lintas yang dapat Anda periksa — rute bayangan, persentase canary, rangkaian pengujian yang dijalankan terhadap keduanya. Di OrcaRouter, openai/gpt-6.1-sol ada di katalog pada harga daftar penyedia dengan markup 0% dan failover otomatis antarpenyedia, sehingga model yang sudah menangani lalu lintas Anda dapat menyerap hari yang buruk tanpa Anda menemukannya di produksi. GPT-6.2 Sol belum muncul di katalog kami per 18 November, yang justru menjadi alasan untuk menjalankan evaluasi sebagai perbandingan, bukan peralihan penuh.
Tingkat 6.1 juga tetap dapat dipanggil untuk sementara waktu: tabel depresiasi OpenAI masih mengarahkan beban kerja GPT-5 dan o3 yang akan dipensiunkan ke gpt-6.1-sol sebagai penggantinya, dengan tanggal penghentian tersebut 11 Desember 2026. Model yang sendiri merupakan target migrasi yang direkomendasikan bagi model lain tidak akan segera dipensiunkan, jadi perpindahan yang disengaja dan terukur ke 6.2 tidak menimbulkan urgensi apa pun bagi Anda.

Siapa yang harus bergerak, dan siapa yang harus menunggu.
Segera bertindak jika beban kerja Anda berat di terminal, menggunakan alat, atau dibatasi verifikasi. Lonjakan 9,5 poin pada Terminal-Bench Science dan 6,4 poin pada AutomationBench cukup besar sehingga uji canary akan menunjukkannya, dan penghematan 20% per tugas hadir tanpa negosiasi atau kontrak baru.
Tunggu, jika beban kerja Anda adalah sintesis riset mode pro yang output-nya dibaca, bukan diuji. Regresi kalibrasinya kecil tetapi mengarah ke arah yang salah, dan argumen efisiensi tidak mencakup kesalahan yang baru Anda temukan setelah publikasi. Tunggu, juga, jika loop agen Anda menulis ulang prefiks percakapan — perbaiki itu dulu, lalu tingkatkan, lalu ukur; meningkatkan sebelum memperbaiki akan membuat model terlihat lebih buruk daripada sebenarnya.
Dengan cara apa pun, nomor versi di sini memainkan peran yang lebih kecil daripada yang terlihat. Ini bukan generasi yang membeli kemampuan dengan uang. Ini adalah generasi yang membeli kemampuan dengan token, dan untuk sekali ini, tagihannya berpihak pada Anda.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
