GPT-6 Luna vs Claude Opus 5: Lima Puluh Kali Lipat Harganya, Keduanya dalam Satu Kunci

GPT-6 Luna berbiaya $0.10 per juta token masukan dan $0.50 per juta token keluaran. Claude Opus 5 berbiaya $5.00 dan $25.00. Itu adalah selisih lima puluh kali lipat di kedua sisi daftar tarif, dan itulah hal pertama yang disadari siapa pun tentang pasangan ini — sebuah model yang dikirim vendor pada 22 September 2026, dibandingkan harganya dengan model yang dirilis perusahaan pada 24 Juli 2026, yang sudah dua bulan ada di pasar. Angka lima puluh kali itu nyata. Angka itu juga nyaris menjadi fakta paling tidak berguna dalam perbandingan ini, karena keduanya tidak bersaing untuk pemanggilan yang sama, dan karena sesuatu yang terjadi di sisi model kedua pada sore yang sama ketika Luna diluncurkan.

GPT-6 Luna adalah tingkat kecil dari generasi GPT-6 OpenAI, berada di bawah GPT-6 Sol pada $2.00/$10.00 dan jauh di bawah GPT-6 Astra, model unggulan, pada $10.00/$50.00. Claude Opus 5 adalah model unggulan Anthropic hingga 22 September, ketika Anthropic merilis Claude Opus 5.5 pada $4.00/$20.00 dan menurunkan Opus 5 satu peringkat. Kedua model yang disebutkan dalam judul artikel ini, hingga hari ini, berada satu tingkat di bawah puncak tangga vendor masing-masing — karena alasan yang sama sekali tidak berkaitan satu sama lain. Hal itu lebih penting daripada rasio harga, dan dari situlah tulisan ini dimulai.

Sore itu saat kedua vendor mengirim

OpenAI mengumumkan GPT-6 Sol dan GPT-6 Luna pada 22 September. Beberapa jam sebelumnya, Anthropic mengumumkan Claude Opus 5.5. Dua dari tiga model dalam kalimat itu memangkas harga sekitar setengah dibandingkan pendahulunya, yang bukan sekadar kebetulan melainkan lebih sebagai pasar: delapan belas bulan sebelumnya, rilis berbobot terbuka dari laboratorium-laboratorium Tiongkok telah menekan biaya token yang kompeten dengan sangat keras, dan kedua vendor itu merespons tekanan yang sama.

Konsekuensi praktis bagi siapa pun yang memegang deployment Claude Opus 5 adalah bahwa model yang menjadi target pembangunan mereka bukan lagi model yang paling gencar dijual Anthropic. Claude Opus 5.5 adalah $4.00/$20.00 — pemotongan harga daftar 20% — dengan input cache sebesar $0.20 per juta, turun dari $0.50 milik Opus 5, dan Artificial Analysis mengukurnya pada 58 di Intelligence Index miliknya pada upaya maksimum, angka tertinggi yang pernah dicatatnya. Claude Opus 5 mencetak 51 pada indeks yang sama. Jika Anda menjalankan Opus 5 saat ini, perbandingan lima puluh kali dalam judul artikel ini bukanlah yang ada di depan Anda. Yang ada di depan Anda adalah apakah Anda beralih ke Opus 5.5, dan jawabannya adalah perhitungan yang terpisah dari apa pun yang dilakukan GPT-6 Luna.

Meski begitu, angka lima puluh kali lipat itu tetap menentukan keputusan nyata, karena beban kerja yang menjadi sasaran GPT-6 Luna justru persis beban kerja yang membuat tagihan Claude Opus 5 terasa tidak nyaman. Kedua fakta itu bisa sama-sama benar.

Apa sebenarnya masing-masing dari dua ini

Spesifikasinya, satu baris per dimensi, kedua sisi pada masing-masing:

• Harga per 1 juta token — GPT-6 Luna $0,10 masuk / $0,50 keluar vs Claude Opus 5 $5,00 masuk / $25,00 keluar

• Input cache — GPT-6 Luna $0.01 per 1 juta, diskon 90% vs Claude Opus 5 $0.50 per 1 juta pada kartu Opus 5, dipotong menjadi $0.20 pada Opus 5.5

• Jendela konteks — GPT-6 Luna 1.050.000 total dengan input maksimum 922.000 vs Claude Opus 5 1M, keduanya dibatasi pada 128.000 token output

• Penetapan harga ulang konteks panjang — GPT-6 Luna menggandakan input dan cache serta menaikkan output 1,5x di atas 272K token input, diterapkan ke seluruh permintaan vs Claude Opus 5 yang datar di seluruh jendelanya

• Indeks Kecerdasan AA — GPT-6 Luna 37 pada upaya maksimal vs Claude Opus 5 51

• AA Intelligence Index, dengan upaya yang disetarakan — GPT-6 Luna 29 pada upaya menengah defaultnya vs Claude Opus 5 51 pada maks, satu-satunya setelan yang digunakan Anthropic untuk mengukurnya

• Kecepatan keluaran — GPT-6 Luna 153,9 token/detik vs Claude Opus 5 53,6 token/detik

• Biaya untuk menjalankan indeks — GPT-6 Luna $122,39 vs Claude Opus 5 $7.274,74

• Sakelar nonaktif penalaran — GPT-6 Luna tidak menawarkan apa pun, rendah, sedang, tinggi, xhigh, dan maks, sedangkan Claude Opus 5 memiliki pemikiran yang adaptif dan selalu aktif

• Dirilis — GPT-6 Luna 2026-09-22 vs Claude Opus 5 2026-07-24

Tiga dari baris-baris itu lebih berbobot daripada yang lain, dan yang pertama adalah baris effort. Angka 37 GPT-6 Luna adalah skornya pada effort maksimum. Default-nya adalah medium, dan pada medium skornya 29. Angka 51 Claude Opus 5 adalah angka effort maksimum, karena Anthropic tidak menyediakan pengaturan lebih rendah yang diukur oleh Artificial Analysis. Jadi selisih utama empat belas poin adalah perbandingan antara batas atas satu model dan batas atas model lainnya — dan tim yang memasang GPT-6 Luna dan tidak mengubah apa pun menjalankan angka 29, bukan 37. Itu adalah selisih dua puluh dua poin, bukan empat belas poin, dan tidak terlihat kecuali Anda mencari default effort.

Yang kedua adalah baris biaya indeks. Itu bukan kutipan harga — itu adalah yang benar-benar dikeluarkan Artificial Analysis untuk menjalankan rangkaian evaluasi lengkap pada setiap model dengan uang mereka sendiri. $122.39 versus $7,274.74 adalah perbedaan lima puluh sembilan kali lipat dalam biaya untuk mengetahui seberapa bagus model itu, dan itu adalah proksi paling bersih yang tersedia untuk bagaimana keduanya berperilaku dalam skala besar. Claude Opus 5 menghasilkan 140 juta token selama proses itu; GPT-6 Luna menghasilkan 150 juta. Model murah itu lebih bertele-tele dan tetap berbiaya lima puluh sembilan kali lebih sedikit.

Yang ketiga adalah sakelar mati. GPT-6 Luna dapat diperintahkan untuk tidak bernalar sama sekali. Claude Opus 5 tidak bisa. Satu baris spesifikasi itu adalah alasan mengapa salah satu dari model ini dapat berada di belakang classifier, router, atau layar moderasi dan yang lain tidak, dan itu menjelaskan sebagian besar perbedaan harga tanpa sama sekali mengacu pada kemampuan.

Di mana tier murah berhenti menjadi murah

Ada jurang pada kartu tarif GPT-6 Luna, dan itu adalah satu-satunya hal paling mahal yang bisa terlewat. Permintaan yang melebihi 272.000 token masukan ditagih dua kali tarif masukan dan cache serta 1,5 kali tarif keluaran — untuk seluruh permintaan, bukan hanya bagian yang melewati batas. Panggilan 300.000 token pada GPT-6 Luna ditagih $0,20 per juta masukan untuk semua 300.000 token, karena melebihi batas sebesar 28.000. Bagi dokumen yang sama menjadi dua panggilan dan biayanya menjadi separuh tanpa mengubah prompt.

Claude Opus 5 tidak memiliki klausul yang setara. Tarif $5,00/$25,00-nya tetap sama di seluruh jendela 1M penuh, yang berarti rasio lima puluh kali tetap rasio lima puluh kali di mana pun — kecuali di atas 272K token masukan, di mana tarif masukan efektif GPT-6 Luna menjadi dua kali lipat, yaitu $0,20, dan tarif keluarannya naik menjadi $0,75, serta selisihnya menyempit menjadi dua puluh lima kali. Masih sangat besar. Masih layak diketahui, karena beban kerja yang paling mungkin memiliki konteks kerja 300.000 token justru adalah beban kerja agentik yang menjadi sasaran penjualan kedua vendor.

Hal kedua yang perlu diperhitungkan biayanya adalah upaya. Menjalankan GPT-6 Luna pada upaya maksimum untuk tugas yang sebenarnya sudah cukup pada tingkat sedang adalah cara paling umum untuk menghabiskan penghematan yang baru saja Anda dapatkan. Selisih 37-versus-29 adalah besarnya penalti atas pengaturan yang salah, dan tidak seperti klausul harga, hal itu tidak muncul di mana pun pada tagihan — ia muncul sebagai volume token, yang tampak seperti keberhasilan.

Perpecahan yang benar-benar menentukan hasilnya

Versi jujur dari perbandingan ini adalah bahwa kedua model tersebut bukanlah substitusi, dan rasio harga hanyalah pengalih perhatian dari pertanyaan beban kerja yang jawabannya sudah jelas bagaimanapun pilihannya.

GPT-6 Luna cocok untuk apa pun di mana outputnya dikonsumsi oleh program, bukan orang, dan volumenya menjadi intinya. Klasifikasi, ekstraksi, keputusan perutean, peringkasan massal, loop internal agen yang melakukan seribu panggilan kecil per tugas. Dengan harga $0.10/$0.50 dan tarif input cache satu sen, serta Batch dan Flex setengah dari tarif standar, ekonominya jelas lebih unggul dibandingkan apa pun di lini Opus. Artificial Analysis menandai satu regresi nyata yang perlu diketahui sebelum Anda bermigrasi: Coding Agent Index GPT-6 Luna turun dua poin menjadi 41 dibandingkan 43 milik GPT-5.6 Luna, dengan penurunan terkonsentrasi pada SWE-Atlas-QnA dan DeepSWE v1.1. Ini juga menandai satu keuntungan nyata dengan besaran yang sama — tingkat halusinasi model pada AA-Omniscience turun dari sekitar 93% menjadi 77%, sementara akurasinya hampir tidak berubah. Model ini lebih sering menolak menjawab daripada lebih banyak tahu, dan untuk apa pun yang memiliki konsumen hilir, itulah sisi yang lebih berharga dari pertukaran tersebut.

Claude Opus 5 cocok digunakan ketika keluarannya adalah produknya. Hasil yang diterbitkan Anthropic sendiri — dilaporkan vendor, bukan direproduksi secara independen — menempatkannya pada 96,0% di SWE-bench Verified dan 79,2% di SWE-bench Pro, dan selisih indeks empat belas poin adalah jenis margin yang menentukan apakah agen berhorizon panjang menyelesaikan tugas atau diam-diam berhenti di tengah jalan. Jika Anda berada di batas kemampuan model, model yang lima puluh kali lebih murah dan tertinggal dua puluh dua poin pada upaya default bukanlah versi yang lebih murah dari hal yang sama.

Menjalankan keduanya tanpa memilih

Alasan perbandingan ini tidak menghasilkan satu rekomendasi tunggal adalah karena batas antara kedua beban kerja tersebut tidak stabil. Batas itu bergeser setiap kali salah satu vendor merilis produk, dan bergeser dua kali dalam tiga minggu sebelum artikel ini — sekali ketika Anthropic memangkas tarif Opus menjadi $4.00/$20.00, dan sekali ketika OpenAI memotong setengah harga seluruh tier kecilnya — lalu sekali lagi pada 29 September 2026, ketika OpenAI merilis GPT-6.1 Sol satu minggu setelah GPT-6 Sol dengan tarif input, cache-write, dan output yang sama serta tarif input yang di-cache dipotong setengah menjadi $0.10 per juta token pada kartu tarif yang dipublikasikan OpenAI. Tim yang melakukan hard-code pada pemenang di bulan Juli menjalankan konfigurasi yang salah hari ini.

Claude Opus 5 tersedia di OrcaRouter dengan harga daftar Anthropic, di bawah skema harga pass-through yang berarti perubahan tarif vendor langsung berlaku di sisi kami pada hari yang sama, alih-alih menunggu reseller menegosiasikan ulang — inilah alasan konkret mengapa pemotongan harga Opus 5.5 masuk ke katalog kami tanpa proyek integrasi. GPT-6 Luna ada di katalog yang sama, dibawa pada rasio 0,05 dengan rasio completion 5, ditagih pada tarif daftar OpenAI tanpa tambahan apa pun. Jadi tim yang menginginkan keduanya tidak lagi perlu dua kunci, dengan failover otomatis yang menutupi celah saat penyedia mengalami penurunan kinerja. Memindahkan rute antara classifier seharga satu sen dan reasoner seharga dua puluh lima dolar hanya dengan mengubah konfigurasi, bukan jalur kode, lebih bernilai daripada memilih dengan tepat pada bulan September.

Apa yang harus dilakukan minggu ini

Jika Anda menjalankan Claude Opus 5, celah lima puluh kali lipat dalam judul adalah angka nyata yang menunjuk pada keputusan yang salah. Keputusan Anda adalah Opus 5.5 — pemotongan daftar sebesar 20%, skor indeks yang lebih tinggi, dan tingkat input yang di-cache yang turun 60% — dan GPT-6 Luna adalah pertanyaan berbeda yang kebetulan berada di halaman yang sama.

Jika Anda menjalankan pipeline klasifikasi atau ekstraksi bervolume tinggi pada model kelas Opus — yang dapat diakses dengan kunci yang sama yang sudah Anda gunakan untuk memanggil Claude Opus 5 — GPT-6 Luna adalah langkah penghematan biaya tunggal terbesar yang tersedia bagi Anda bulan ini, dan migrasinya lebih kecil daripada yang tersirat dari pemotongan harga: kelas konteks 1M yang sama, batas keluaran 128.000 yang sama, dan tarif per token yang lima puluh kali lebih rendah di kedua sisi. Uji coba pada medium effort sebelum Anda mengasumsikan default-nya, tempatkan panggilan konteks panjang Anda di sisi yang benar dari 272.000 token, dan periksa regresi coding terhadap eval Anda sendiri, bukan terhadap grafik vendor.

Dan jika Anda menjalankan keduanya, hal yang perlu diperbaiki bukanlah mana yang Anda pilih. Yang perlu diperbaiki adalah bahwa berubah pikiran saat ini menuntut satu deployment kode.