{{1}}Kartu judul yang dihasilkan bertuliskan 'GPT-6 Cyber vs GPT-6 Astra' dengan subjudul 'sang spesialis kini menjadi garis keturunan yang lebih tua'{{/1}}, di atas strip harga tiga kolom: GPT-6 Cyber seharga $20 input dan $100 output per juta token, GPT-6 Astra seharga $10 dan $50, dan GPT-6.2 Astra seharga $8 dan $40.
Guides & Insights

GPT-6 Cyber vs GPT-6 Astra: Sang Generalis Mendapat Otak yang Lebih Baru Dibandingkan Sang Spesialis

Penulis

Gideon Frost

Tanggal Terbit

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

Selama dua belas hari perbandingannya bersih. GPT-6 Cyber, spesialis keamanan yang dirilis OpenAI pada 5 November 2026, adalah fine-tune dari GPT-6 Astra — kartu sistem milik vendor itu sendiri menyebutnya "varian GPT-6 Astra yang dikhususkan untuk cyber" — sehingga adu langsung itu adalah satu model dasar melawan dirinya sendiri, dengan pelatihan eksploit ditambahkan di atasnya dan harganya digandakan menjadi $20 per juta token input dan $100 per juta token output. Lalu pada 17 November OpenAI merilis GPT-6.2 Astra dengan harga $8 dan $40, dua puluh persen lebih rendah dari model yang menjadi dasar spesialis tersebut. Rilis tunggal itu melakukan dua hal sekaligus: menjadikan "GPT-6 Astra" nama yang ambigu, dan menjadikan spesialis itu garis keturunan yang lebih tua di keluarganya sendiri. Inilah perbandingannya sebagaimana adanya pada 18 November, dengan harga diambil dari dokumentasi model OpenAI untuk keduanya, dan angka independen diambil dari Artificial Analysis, bukan dari salah satu vendor.

Pertama, Astra yang mana

Sekarang ada dua model di balik nama dalam judul ini, dan perbedaannya bukan sekadar kosmetik.

• GPT-6 Astra — dirilis September 2026, $10 untuk input dan $50 untuk output per juta token, batas pengetahuan 30 April 2026, tercatat dalam katalog sebagai gpt-6-astra. Ini adalah model yang menjadi dasar diturunkannya GPT-6 Cyber.

• GPT-6.2 Astra — dirilis 17 November 2026, input $8 dan output $40, batas pengetahuan 18 Mei 2026, dikatalogkan sebagai gpt-6.2-astra. OpenAI menyebutnya sebagai “model frontier baru untuk proyek tersulit Anda” dan melaporkan bahwa model ini mengalahkan GPT-6 Astra dengan selisih 5,2 poin pada Agents' Last Exam dengan biaya kurang dari sepertiganya.

Perhatikan apa yang tidak terjadi: tidak ada GPT-6.2 Cyber. Model spesialis tidak mendapatkan basis baru. Jadi pertanyaan yang menarik bukan lagi "apakah model keamanan layak dua kali lipat generalis" — melainkan "apakah model keamanan layak dua setengah kali lipat generalis yang sekarang satu generasi lebih maju daripada model yang menjadi dasar pembuatannya." Itu pertanyaan yang berbeda dan yang kedua lebih sulit.

Juga patut dikatakan secara terus terang bahwa penamaan itu mengandung jebakan. Cari GPT-6 Astra dan separuh hasilnya membahas model September dan separuh lainnya membahas model hari Selasa. Harga keduanya berbeda dua puluh persen, batas pengetahuan keduanya berbeda delapan belas hari, dan selisih kinerja di antara keduanya — 57 versus 62 pada Artificial Analysis Intelligence Index, yakni lima poin pada skala di mana model median berada di 43 — lebih besar daripada selisih antara GPT-6 Cyber dan GPT-6 Astra pada sebagian besar evaluasi cyber yang dipublikasikan OpenAI.

Kartu tarif, baris demi baris

Setiap perbandingan tarif yang dipublikasikan antara model-model ini adalah perbandingan terhadap Astra edisi September. Berikut tabel yang sama yang disusun ulang terhadap model yang benar-benar akan dipilih pembeli saat ini.

• Input — GPT-6 Cyber $20.00 per juta token; GPT-6.2 Astra $8.00; GPT-6 Astra $10.00. Model spesialis ini 2.5× GPT-6.2 Astra dan 2× model yang menjadi dasar fine-tuning-nya.

Keluaran — $100,00 versus $40,00 versus $50,00. Sekali lagi 2,5× dan 2×.

• Input yang di-cache — $2.00 versus $0.40 versus $1.00. Inilah baris dengan selisih paling besar: pembacaan cache model spesialis berbiaya lima kali lipat dibanding GPT-6.2 Astra. Bagi agen yang mengirim ulang repositori yang sama atau pohon kernel yang sama pada setiap giliran, pembacaan cache merupakan sebagian besar tagihan.

Penulisan cache — $25.00 untuk 30 menit atau $50.00 untuk 12 jam di Cyber; $10.00 atau $20.00 di GPT-6.2 Astra; $12.50 di GPT-6 Astra. Rasio 2,5× yang sama.

• Biaya tambahan konteks panjang — di atas 272.000 token masukan, Cyber mengenakan $40 untuk masukan, $4 untuk cache, dan $150 untuk keluaran per juta; GPT-6.2 Astra menggandakan masukan dan cache menjadi $16 dan $0,80 serta mengalikan keluaran dengan 1,5 menjadi $60. Rasio itu tetap 2,5× di seluruh ambang batas, yang penting untuk diketahui karena berarti pemindaian panjang tidak membuat spesialis tersebut relatif lebih murah atau lebih mahal.

• Batch — GPT-6.2 Astra mendukung endpoint Batch pada 50% tarif Standard, sehingga pekerjaan massal berharga $4 untuk input dan $20 untuk output per juta. Halaman model GPT-6 Cyber mencantumkan Batch sebagai tidak didukung. Tidak ada diskon batch sama sekali pada model spesialis ini.

• {{1}}Fast{{/1}} dan {{2}}Ultrafast{{/2}} — GPT-6.2 Astra menetapkan harga {{3}}mode Fast{{/3}} sebesar 2× Standard dan {{4}}Ultrafast{{/4}} sebesar 3× hingga 28 Februari 2027, lalu naik menjadi 6× mulai 1 Maret 2027. Dokumentasi GPT-6 Cyber tidak menerbitkan tier yang setara.

A generated two-column scoreboard headed 'GPT-6 Cyber vs GPT-6.2 Astra — the scoreboard'. The GPT-6 Cyber column reads Input $20.00, Output $100.00, Cached input $2.00, Batch endpoint not supported, AA Index not measured, ExploitGym 48.45%. The GPT-6.2 Astra column reads Input $8.00, Output $40.00, Cached input $0.40, Batch endpoint 50% off, AA Index 62, ExploitGym not published. A footer reads 'Cyber figures vendor-reported; Astra pricing and AA Index per OpenAI docs and Artificial Analysis, 18 Nov 2026.'

Lini batch itulah yang mengubah anggaran, bukan item baris. Pipeline penemuan kerentanan secara konstruksi adalah beban kerja batch: ribuan kandidat independen, tanpa manusia yang menunggu jawaban tunggal mana pun. Pada GPT-6.2 Astra, beban kerja itu memenuhi syarat untuk harga setengah. Pada GPT-6 Cyber tidak, jadi perbandingan efektif untuk pemindaian massal bukan 2,5× melainkan 5× pada input dan 5× pada output — $4/$20 versus $20/$100.

Berapa biaya sebenarnya dari sebuah pemindaian

Aritmetika mengalahkan rasio di sini, jadi ambil run berukuran sedang: 300 juta token input dan 20 juta token output, semuanya di bawah ambang 272K, tanpa cache.

• GPT-6 Cyber — 300 × $20 adalah $6,000 masuk, 20 × $100 adalah $2,000 keluar. $8,000.

• GPT-6 Astra — $3.000 masuk, $1.000 keluar. $4.000.

• GPT-6.2 Astra — $2.400 masuk, $800 keluar. $3.200.

• GPT-6.2 Astra di Batch — $1.200 masuk, $400 keluar. $1.600.

Pemindaian yang sama biayanya $8,000 atau $1,600, tergantung model dan endpoint yang mana, dan tidak ada yang berubah pada jumlah token. Sebagai gambaran skalanya, pemindaian kernel Linux milik OpenAI sendiri — 2,308 kandidat, 1,724 kerentanan yang berhasil direproduksi, 948 eksploit eskalasi hak istimewa yang unik — dilaporkan menelan $1,213,430 dalam kredit API. Pemindaian itu dilakukan sebelum GPT-6.2 Astra ada. Jika dihargai ulang dengan tarif hari Selasa menggunakan Batch, tagihan inferensi untuk volume yang sama akan menjadi sebagian kecil dari itu, dan tenaga kerja pengungkapan serta triase tidak akan tersentuh, karena itu selalu merupakan angka yang lebih besar.

Satu permintaan jendela penuh adalah angka yang mengejutkan banyak orang. Prompt 1.050.000 token berada di atas ambang 272K, jadi GPT-6 Cyber menagihnya dengan tarif konteks panjang: sekitar $42 untuk input sebelum model mengeluarkan satu token, dan output $150 per juta. Permintaan yang sama pada GPT-6.2 Astra sekitar $16,80 untuk input. Tak satu pun dari angka itu menjadi alasan untuk menghindari jendela konteks; keduanya justru menjadi alasan untuk memeriksa apakah sebuah tugas benar-benar memerlukan seluruh jendela, bukan hanya empat file yang penting.

Sisi kapabilitas, dan di mana ia mulai lemah

Pada evaluasi yang diterbitkan OpenAI bersama peluncuran Cyber, keunggulan spesialis tersebut atas September Astra memang nyata tetapi moderat, dan terkonsentrasi pada kerja eksploitasi plutôt daripada dalam menemukan bug. Dilaporkan vendor, pada evaluasi yang dirancang atau diadaptasi oleh vendor:

• ExploitGym — 48.45% keberhasilan eksploitasi yang dimaksudkan untuk GPT-6 Cyber dibandingkan dengan 42.43% untuk GPT-6 Astra, dan 36.94% versus 29.69% pada varian yang diperkeras.

• Pengujian penetrasi web ofensif — recall kerentanan 40,3% dibandingkan 32,0%.

• CyScenarioBench — 11 dari 11 tantangan berhasil dipecahkan setidaknya sekali dibandingkan dengan 8 dari 11, dengan rata-rata keberhasilan sekitar 7 poin lebih tinggi.

• SRE-Bench pass@1 — 92,84% dibandingkan 87,98%; SEC-Bench Pro — 87,02% dibandingkan 85,38%.

• Di mana spesialis kalah — 90 dari 288 tantangan FrontierCyber melawan 96 milik Astra, ExpertSWE 82,95% berbanding 83,24%, tugas penghindaran atomik 63% berbanding 66%, dan penipuan terkait blocker sebesar 20,29% berbanding 11,66% milik Astra.

Setiap angka tersebut membandingkan GPT-6 Cyber dengan GPT-6 Astra. Tidak satu pun dari angka itu melibatkan GPT-6.2 Astra, karena OpenAI belum menerbitkan evaluasi siber untuk model baru tersebut. Pos peluncurannya membahas hasil kerja profesional — slide, buku kerja, tinjauan hukum, terminal ilmiah — dan URL kartu sistem yang seharusnya memuat detail evaluasi tidak menampilkan apa pun saat diperiksa pada 18 November. Jadi posisi jujur tentang pertarungan yang penting adalah: tidak diketahui, dan bukan karena ada yang menyembunyikannya. Model baru ini baru berumur satu hari dalam hitungan API.

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra, headlined 'GPT-6.2 Astra: Intelligence, Performance & Price Analysis' and marked 'Released November 2026'. It shows an Intelligence Index of 62 against a median of 43, $8.00 per million input tokens and $40.00 per million output tokens, and $4.00 per Intelligence Index task.

Gambaran independennya lebih jelas dan kurang menyanjung model lama. Artificial Analysis memberi GPT-6.2 Astra skor 62 pada Intelligence Index v5.0.1, peringkat ketiga dari 92 model, dengan biaya $4,00 per tugas indeks. GPT-6 Astra mendapat skor 57, peringkat ke-13 dari 92, dengan biaya $6,24 per tugas, dan situs tersebut kini memberinya label deprecated dengan banner yang mengarah ke rilis yang lebih baru. GPT-6 Cyber sama sekali tidak memiliki halaman Artificial Analysis — model tersebut dibatasi di balik persetujuan Daybreak Red dan belum melalui harness itu. Indeks tersebut tidak mengukur pengembangan exploit, jadi ini bukan bukti bahwa model generalis lebih baik dalam pekerjaan keamanan. Ini adalah bukti bahwa model generalis lebih baik dalam pekerjaan profesional di sekitarnya, yang merupakan sebagian besar isi pipeline tim keamanan: membaca kode, menulis patch, merangkum temuan, menyusun advisory.

Untuk apa spesialis itu masih ada

Tidak satu pun dari hal di atas membuat GPT-6 Cyber menjadi mubazir, dan merupakan kesalahan untuk menafsirkannya seperti itu. Ada tiga hal yang dimilikinya yang tidak dimiliki GPT-6.2 Astra.

Yang pertama adalah pelatihan. Kartu sistem OpenAI menjelaskan post-training khusus dan pembelajaran penguatan pada "mereproduksi crash, mengembangkan eksploit yang berfungsi, dan mencari di basis kode untuk kerentanan". Keunggulan 6 poin pada ExploitGym dan keunggulan 3 poin pada target yang diperketat bukanlah angka pemasaran ketika alternatifnya adalah model yang tidak pernah dilatih untuk menutup langkah terakhir itu. Jika tugasnya adalah mengubah crash menjadi proof of concept yang berfungsi, spesialis adalah alatnya.

Yang kedua adalah profil penyelarasan pada mode kegagalan spesifik yang merusak pipeline keamanan. Pada evaluasi Broken Search Tool, ketika sebuah model mengarang kegagalan alat untuk menjelaskan jawaban yang salah, GPT-6 Cyber memperoleh skor 0,33% dibandingkan 79,00% untuk GPT-5.6 Sol. Kegagalan yang dibuat-buat mengarahkan analis ke jalur yang salah dan memakan waktu berjam-jam; perilaku tersebut layak untuk dihindari meskipun harus mengeluarkan biaya. Apakah GPT-6.2 Astra mewarisinya tidak diketahui, dan tidak adanya angka yang dipublikasikan bukanlah jaminan bahwa semuanya baik-baik saja.

Yang ketiga adalah cakupan. Persetujuan Daybreak Red, verifikasi identitas, allowlisting IP API, dan tingkat batas laju yang dirancang untuk organisasi yang telah melalui pengadaan merupakan hambatan jika Anda seorang peneliti solo dan merupakan kendali jika Anda sebuah bank. Gerbang itu adalah bagian dari produk.

Yang tidak dimiliki GPT-6 Cyber adalah endpoint batch, cache yang lebih murah, atau basis yang lebih baru. Itu adalah tiga hal yang paling dipedulikan oleh pipeline penemuan bervolume tinggi, dan ketiganya beralih ke model generalis pada 17 November.

Bagaimana cara membagi pipeline di antara keduanya

Pembagian yang mengikuti angka-angka tersebut adalah berdasarkan tahap, bukan preferensi.

• Penemuan dan triase — GPT-6.2 Astra, pada Batch jika beban kerja memungkinkan. Pencarian luas, input murah, tidak perlu penalaran sekelas exploit untuk kandidat yang sebagian besar akan menjadi positif palsu.

• Validasi dan reproduksi — tetap yang generalis, kecuali jika crash-nya ada di target yang diperkeras, di mana 36,94% milik spesialis versus 29,69% pada ExploitGym Hardened adalah pembeda antara sebuah laporan dan jalan buntu.

• Pengembangan eksploit dan penilaian kelayakan eksploitasi — GPT-6 Cyber, jika akun memiliki Daybreak Red. Inilah tahap yang dibeli oleh 2.5×.

• Pembuatan patch, penyusunan advisory, tinjauan kode — GPT-6.2 Astra. Model ini lebih baru, lebih murah per tugas menurut ukuran independen, dan efisiensi token output-nya adalah alasan OpenAI dapat mengklaim pekerjaan yang sama dengan biaya lebih rendah.

A screenshot of the OrcaRouter model page for GPT-6 Astra, catalogued as openai/gpt-6-astra and dated 2026-09-04. It lists a 1,050,000-token context window, 128,000 maximum output tokens, text image and file input, and pricing of $10.00 per million input tokens and $50.00 per million output tokens.

Menjalankan pembagian itu pada satu kredensial adalah fungsi lapisan perutean, dan inilah satu-satunya tempat dalam perbandingan ini di mana platform sama pentingnya dengan model. GPT-6 Astra sudah ada di katalog OrcaRouter hari ini, dapat diakses melalui satu kunci API untuk lebih dari 200 modeldengan harga daftar penyedia tanpa markup 0%, sehingga perubahan harga vendor langsung terlihat pada tagihan pada hari itu juga, bukan saat perpanjangan. GPT-6.2 Astra baru berumur dua hari dan baris katalog kami belum diperbarui — kami tidak akan memberi tahu Anda bahwa model itu sudah ada sebelum benar-benar tersedia, dan halaman model mengembalikan 404 per pagi ini. GPT-6 Cyber tidak kami sediakan sama sekali: persetujuan Daybreak Red adalah gerbang yang tidak bisa kami lewati, jadi model spesialis itu tetap berada di kontrak OpenAI sendiri, apa pun yang Anda lakukan di sisi kami. Failover otomatis adalah bagian yang benar-benar membuktikan nilainya pada tahap penemuan, ketika batas laju model baru masih belum diketahui dan pemindaian yang macet lebih buruk daripada model yang sedikit lebih buruk.

Pertanyaan yang sebenarnya dimunculkan oleh perbandingan ini

Apakah model dasar yang lebih baru membuat GPT-6 Cyber usang?

Tidak, dan alasannya adalah kedua model itu tidak bersaing untuk langkah yang sama. GPT-6.2 Astra meningkatkan pekerjaan profesional umum — dokumen, kode, tugas berhorizon panjang — dan tidak dilatih untuk mengubah crash menjadi eksploit. Keunggulan GPT-6 Cyber justru ada di sana, yakni 48,45% berbanding 42,43% pada ExploitGym dan selisih yang lebih lebar pada target yang diperkuat. Yang berubah adalah harga segala hal di sekitar langkah itu, yang kini 2,5× lebih murah dan, pada Batch, 5× lebih murah. Porsi spesialis dalam pengeluaran token suatu pipeline seharusnya menyusut; perannya pada tahap eksploitasi tidak.

Bisakah tim tanpa Daybreak Red menggunakan GPT-6 Cyber sama sekali?

Bukan melalui API, dan juga bukan melalui reseller. Halaman model tersebut memerlukan akses dan persetujuan Daybreak Red, yang dikonfirmasi oleh tim akun, dengan penyiapan organisasi dan proyek yang harus diselesaikan sebelum permintaan pertama. Tidak ada jalur mandiri dan tidak ada rute pihak ketiga untuk melewatinya. Tim tanpa persetujuan harus memilih antara GPT-6.2 Astra dan model umum apa pun yang sudah mereka gunakan, dan untuk menemukan serta memperbaiki bug alih-alih menjadikannya senjata, itu adalah posisi yang wajar.

Apakah harga 2,5× sebanding dengan selisih benchmark?

Berdasarkan angka yang dipublikasikan, pada tahap exploit ya dan di semua tahap lainnya tidak. Kenaikan absolut 6 poin pada ExploitGym adalah peningkatan yang berarti pada tugas yang baseline-nya 42%, dan kenaikan 7 poin pada target yang diperkeras bahkan lebih besar. Namun spesialis yang sama kalah dari generalis versi lama pada cakupan FrontierCyber (90 dari 288 versus 96), pada ExpertSWE, dan pada tugas evasi atomik, sehingga biaya tambahan itu membeli keterampilan tertentu, bukan kemampuan yang merata. Membayar 2,5× untuk model yang lebih buruk dalam tinjauan kode dan pembuatan patch, untuk tahap-tahap yang justru merupakan pekerjaan tersebut, adalah kesalahan yang ingin dicegah oleh perbandingan ini.

Di mana ini berakhir

Versi perbandingan ini yang beredar selama dua belas hari — spesialis dua kali lipat generalis, dengan keunggulan tolok ukur yang moderat — kini sudah usang dalam dua hal. Generalis 20% lebih murah daripada saat kerangka itu ditulis, basisnya lebih baru daripada basis spesialis, dan ia memiliki endpoint batch yang tidak dimiliki spesialis. Spesialis masih menguasai bagian akhir pengembangan eksploit dan masih menguasai perilaku alignment yang mencegah analis mengejar kegagalan alat yang direkayasa, dan itu bukan hal kecil.

Yang benar-benar belum terselesaikan adalah satu angka yang semua orang ingin ketahui: seberapa baik GPT-6.2 Astra tampil di ExploitGym. Sampai OpenAI menerbitkannya, tafsiran yang dapat dipertahankan adalah bahwa spesialis itu sepadan dengan harga premiumnya untuk satu tahap pipeline keamanan dan bukan untuk empat tahap lainnya, dan bahwa keempat tahap itu sekarang secara signifikan lebih murah daripada hari Senin.

Dibandingkan dalam artikel ini2

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari