Minta ChatGPT Work untuk Merencanakan Rute Lari 5K/10K: Panduan dari GPT-6 Astra

GPT-6 Astra dan ChatGPT Work sekarang dapat menerima sebuah alamat dan mengembalikan kepada Anda rute lari melingkar 5K atau 10K yang layak — jalan nyata, jarak nyata, dapat diunduh sebagai GPX dan GeoJSON, dengan peta interaktif yang disematkan di dalam chat. Kuncinya adalah mengetahui bahwa keduanya adalah dua lapisan berbeda yang menjalankan dua tugas berbeda. ChatGPT Work adalah tier produk agentic OpenAI — diumumkan 9 Juli 2026, untuk pelanggan $20 per bulan ke atas — tempat sebuah model dapat terus bekerja selama setengah jam di berbagai file, shell, dan internet. GPT-6 Astra adalah model penalaran unggulan yang dirilis 3 September 2026, mencapai ketersediaan umum pada 5 September di semua tier ChatGPT berbayar, ChatGPT Work, Codex, dan API, serta merupakan model yang mengubah permintaan satu baris menjadi sesi perencanaan rute multi-langkah selama 27 menit. Playbook ini mencakup prompt yang berfungsi, alat yang benar-benar digunakan agen (OpenStreetMap, Nominatim, Overpass), keluaran yang dapat diharapkan, dan peringatan jujur — karena alur kerjanya benar-benar berguna, dan karena bagian yang tidak diperlihatkan kepada Anda adalah bagian yang bisa menggigit.

Resep satu paragraf

Permintaan yang berhasil, seperti yang ditunjukkan oleh Simon Willison pada 12 September, hampir memalukan karena pendeknya:

• Perintah: "Saya tinggal di <alamat saya>. Tentukan rute lari 5K dan 10K dari lokasi saya yang memutar kembali ke rumah saya. Gunakan data OSM."

• Apa yang terjadi selanjutnya: ChatGPT Work berjalan dengan GPT-6 Astra (Max reasoning effort) selama 27 menit, dan menghasilkan loop 5K serta loop 10K, masing-masing berupa peta interaktif tersemat plus file GPX dan GeoJSON yang dapat diunduh.

• Rutenya nyata: hasil 5K ("El Granada harbor loop 5.1 km") membentang dari pelabuhan ke utara sepanjang Avenue Granada dan Paloma Avenue, ke timur sepanjang San Carlos Avenue, ke selatan menuruni Francisco Street, dan kembali ke barat sepanjang Coastal Trail.

Detail terakhir itulah inti dari sebuah playbook. Ini bukan daftar nama jalan hasil halusinasi — ini adalah rute yang memutar, memiliki jarak yang masuk akal, dan sesuai dengan jaringan jalan sebenarnya di area tersebut. Ketika model ditanya bagaimana ia membangunnya, ia menjawab dengan lugas: "Saya menggunakan Nominatim untuk menemukan alamat dan Overpass untuk mengunduh jalan dan jalur OpenStreetMap lokal, lalu menghitung loop-nya secara lokal."

Dengan kata lain, alur kerjanya adalah eksekusi agen yang sungguhan: geokode alamatnya, ambil data peta asli, hitung loop tertutup dengan panjang yang tepat, render visualisasinya, dan ekspor format pertukaran standar. Jika Anda menginginkan prompt "rencanakan rute untuk saya" yang benar-benar berhasil, seperti inilah bentuknya.

Apa sebenarnya ChatGPT Work, dan mengapa hal itu penting di sini

ChatGPT Work bukanlah sebuah model. Ini adalah permukaan produk tempat sebuah model dapat bertindak seperti agen: ia dapat menjalankan kode, mengakses internet, menggunakan browser headless, mempertahankan ruang kerja persisten lintas sesi, dan berjalan untuk waktu yang lama. Produk ini terpecah, secara membingungkan, menjadi dua bentuk: Work Cloud (melalui chatgpt.com atau aplikasi seluler) dan Work Local (aplikasi desktop yang sebelumnya bernama Codex, yang dapat mengakses file dan program di komputer Anda sendiri). Ini tersedia bagi pelanggan pada paket $20 per bulan ke atas — pengguna gratis dan pengguna $8 Go tidak mendapatkannya sama sekali — dan sesi Work dihitung terhadap jatah Codex Anda, bukan jatah chat Anda.

Itulah sebabnya pembuatan rute berhasil di sini, sedangkan giliran obrolan biasa akan gagal: tugas ini membutuhkan eksekusi kode, akses internet ke layanan geocoding dan data peta, serta perhatian berkelanjutan yang cukup untuk melakukan iterasi. Chat ChatGPT biasa menjawab dalam beberapa detik lalu beralih ke hal lain. ChatGPT Work terus bekerja. Pilihan model di dalam Work juga penting — Open​AI merekomendasikan GPT-6 Astra untuk tepat jenis pekerjaan end-to-end multi-langkah seperti ini, dengan upaya penalaran yang dapat dikonfigurasi hingga Max.

Jadi, aturan pertama playbook: ini adalah tugas Work, bukan tugas Chat. Buka ChatGPT Work, pilih GPT-6 Astra, dan biarkan sesi berjalan alih-alih mengharapkan jawaban instan.

Alat-alat di balik layar: OSM, Nominatim, Overpass

Tidak ada bagian dari mesin sesungguhnya yang merupakan milik Open​AI. Agen ini menyusun rute dari infrastruktur geografis publik, dan penting untuk mengetahui apa fungsi setiap bagiannya — baik agar Anda dapat memeriksa kewajaran keluarannya maupun agar Anda dapat mereproduksi pipeline itu sendiri jika suatu saat ingin menjalankannya di luar ChatGPT.

• OpenStreetMap (OSM) adalah peta dunia yang gratis dan bersumber dari kerumunan — sumber data untuk jalan dan jalur yang dilalui rute tersebut.

• Nominatim adalah layanan geocoding milik OSM: layanan ini mengubah alamat manusia ("Saya tinggal di <alamat saya>") menjadi koordinat peta.

• Overpass adalah API kueri untuk data OSM: agen menggunakannya untuk mengunduh jalan dan jalur lokal di sekitar koordinat tersebut.

• Perhitungan loop itu sendiri ("menghitung loop secara lokal") berjalan di ruang kerja agen itu sendiri — mengambil graf jalan mentah dan menemukan sirkuit tertutup dengan panjang yang kurang lebih tepat.

Dekomposisi itu adalah inti yang dapat direproduksi. Jika Anda ingin membangun hal yang sama sendiri, alurnya adalah: lakukan geocode dengan Nominatim, tarik jaringan jalan dengan Overpass, hitung loop, ekspor GPX/GeoJSON, render dengan pustaka pemetaan. ChatGPT Work baru saja melakukan semuanya atas nama Anda, tanpa kunci API, tanpa riset pustaka perutean, dan tanpa kode yang harus Anda tulis.

Yang Anda dapatkan kembali: keterampilan visualisasi dan file-file tersebut.

Keluaran adalah bagian yang membuat ini terasa selesai, bukan sekadar demo. Di sisi tampilan, agen menggunakan keterampilan visualisasi bawaan ChatGPT untuk membuat file HTML mandiri — dalam eksekusi yang diamati, /workspace/el-granada-5k-share.html — yang menyematkan peta langsung ke dalam UI ChatGPT. HTML tersebut menyimpan seluruh geometri rute dalam elemen <script type="application/json"> dan merender peta dengan D3.js yang dimuat dari CDN. Kebijakan keamanan konten keterampilan tersebut hanya mengizinkan daftar origin eksternal tertentu — cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com, fonts.googleapis.com, fonts.gstatic.com, dan fonts.bunny.net — dan "origin lain diblokir dan gagal secara diam-diam." Detail itu penting jika Anda pernah memeriksa file yang dihasilkan: peta akan berfungsi dengan pustaka-pustaka tersebut dan mengalami degradasi secara diam-diam tanpanya.

Di sisi file, Anda mendapatkan dua format pertukaran yang sudah dipahami oleh setiap aplikasi GPS dan alat pemetaan:

• GPX — format pertukaran GPS standar. Impor ke Strava, Garmin Connect, atau aplikasi rute apa pun dan itu akan ditampilkan sebagai rute yang dapat diikuti.

• GeoJSON — format JSON geospasial. Gunakan format ini di QGIS, Leaflet, Mapbox, atau perkakas geospasial apa pun; format ini juga merupakan format yang digunakan visualisasi tersemat untuk menyimpan geometrinya.

Jika tujuan Anda adalah rute yang benar-benar dapat Anda jalankan, file GPX adalah hasil akhirnya — peta tersemat adalah bukti bahwa rute itu masuk akal, dan GeoJSON adalah salinan untuk segala keperluan programatik.

Apa yang tidak diberitahukan demo kepada Anda: dua peringatan nyata

Generasi rute itu nyata, tetapi gambaran jujur tentang ChatGPT Work datang dari mode kegagalannya, dan orang yang mengujinya mengungkapkan dua di antaranya pada pagi yang sama.

1. Eksekusinya tidak transparan. Kode agen dan langkah-langkah persisnya tidak terlihat di UI ChatGPT — hanya penjelasan ringkasannya ("Saya menggunakan Nominatim… lalu menghitung loop-nya secara lokal"). Untuk sebuah rute, itu tidak masalah; untuk apa pun yang berkonsekuensi, itu adalah celah transparansi yang semestinya Anda asumsikan ada. Willison menyebutnya "anti-fitur": Anda melihat hasilnya dan keterangan model sendiri tentang hasil itu, bukan kode yang menghasilkannya.

2. Pemadatan dapat menghapus pekerjaan tersebut. Pada saat dia meminta salinan kode Python, agen tidak dapat menghasilkannya — utas telah dipadatkan, dan konteks sebelum pemadatan sudah hilang. Setiap sesi agen panjang yang Anda andalkan membawa risiko ini: utas akan diringkas, dan artefak atau kode yang tidak pernah disimpan ke file tidak lagi dapat diambil. Jika Anda memerlukan kode tersebut, mintalah sebagai file selama proses berjalan, bukan setelahnya.

Tidak ada satu pun dari kedua peringatan itu yang melemahkan playbook — sebuah rute plus ekspor GPX/GeoJSON justru persis jenis hasil yang bertahan dari pemadatan karena ditulis ke disk. Namun, keduanya menetapkan ekspektasi: ChatGPT Work itu kuat, tetapi tidak transparan, dan bukan catatan yang tahan lama atas semua yang dilakukannya.

Mengapa ini lebih penting daripada demo yang rapi

Di balik rute lari terdapat kemampuan yang benar-benar baru yang layak diperhitungkan biayanya: model terdepan yang akan menerima permintaan satu baris, melakukan 27 menit kerja multi-langkah nyata di sepanjang geocoding, kueri jaringan, dan komputasi lokal, lalu mengembalikan file yang dapat digunakan. Itulah arti "kerja agentik" dalam praktik, dan itu mengubah apa yang seharusnya Anda harapkan dari sebuah permintaan model. Hal ini juga mengubah aritmetika biaya — dan di sinilah sudut pandang routing membuktikan manfaatnya.

Di ChatGPT Work, sesi 27 menit itu mengambil dari jatah Codex langganan Anda, dan pada GPT-6 Astra token terbakar dengan cepat. Model yang sama tersedia per token melalui API: GPT-6 Astra tercantum pada $10 per juta token input dan $50 per juta token output, dengan jendela konteks sekitar 1,05 juta token, dan tingkat konteks panjang di atas 272.000 token input dengan tarif lebih tinggi — harga daftar vendor. Untuk loop agen yang menyimpan seluruh sesi dalam konteks, tingkat konteks panjang itulah tempat pengeluarannya berada.

Itulah tepatnya biaya yang harus dikelola oleh lapisan routing. Satu API untuk 200+ model dengan harga daftar penyedia yang diteruskan pada markup 0% berarti model terdepan seharga $10-dan-$50 seperti GPT-6 Astra berada di samping GPT-5.6 Sol seharga $4-dan-$20 pada kunci yang sama, dan Anda dapat beralih di antara keduanya hanya dengan string model — tanpa kontrak kedua, tanpa perubahan kode, tanpa integrasi per vendor. Jika Anda ingin membuat prototipe agen perencanaan rute atau agen berhorizon panjang lainnya terhadap model terbaru tanpa mempertaruhkan jalur produksi padanya, failover otomatis memungkinkan Anda menjalankan sebagian trafik padanya sementara model yang sudah terbukti tetap berada di bawahnya. Dan ketika vendor menurunkan harga, penerusan berarti harga baru langsung berlaku di sisi kami pada hari yang sama — harga daftar yang sama, tanpa lapisan markup di antaranya.

Argumen yang sama juga berlaku untuk pola perkakas, bukan hanya modelnya. Pipeline OSM/Nominatim/Overpass yang digunakan agen adalah persis jenis hal yang mungkin ingin dipanggil secara deterministik oleh pengembang — dan jika Anda membangunnya sendiri, Anda akan mengarahkan lapisan model melalui satu endpoint alih-alih melakukan hard-code pada satu vendor, sehingga model yang merencanakan rute dapat ditukar atau dialihkan saat gagal tanpa menulis ulang pipeline.

Buku panduan, versi ringkas

Jika Anda ingin mereproduksi ini sendiri, bentuknya adalah:

• Gunakan ChatGPT Work (bukan chat biasa), dengan GPT-6 Astra dipilih pada tingkat penalaran tinggi.

• Prompt dengan alamat nyata dan jarak target: "Saya tinggal di <address>. Cari tahu rute lari 5K dan 10K dari lokasi saya yang memulai dan mengakhiri di rumah saya. Gunakan data OSM."

• Perkirakan ini akan memakan waktu puluhan menit, bukan detik — dan perkirakan ini akan bekerja dengan sendirinya.

• Minta outputnya dalam bentuk file seiring berjalannya proses: GPX untuk jam tangan atau aplikasi Anda, GeoJSON untuk segala hal yang programatik, dan visualisasi yang dirender di chat.

• Jika Anda memerlukan kode yang ditulisnya, minta agar kode itu disimpan sebagai file selama proses berjalan — pemadatan dapat menghapusnya setelahnya.

Langkah terakhir itulah yang semua orang lewatkan, dan yang justru menimbulkan masalah. Model akan dengan senang hati merancang loop Anda sepanjang hari; hanya saja ia mungkin tidak mengingat kode yang melakukannya pada saat Anda bertanya.

Kunci yang sama juga dapat mengakses sisa katalog, dan Anda bisa menjelajahi katalog model lengkap untuk melihat apa lagi yang tersedia di balik satu endpoint yang kompatibel dengan Open​AI.