GPT-6 Luna vs GPT-6 Astra: Harga Seratus Kali Lipat demi Selisih Enam Belas Poin Indeks

Vendor mengirimkan kedua model ini dalam bulan yang sama. GPT-6 Astra dirilis pada 3 September 2026 dengan harga $10,00 per juta token input dan $50,00 per juta token output, diposisikan sebagai sistem paling canggih perusahaan untuk pekerjaan profesional jangka panjang. GPT-6 Luna menyusul pada 22 September 2026 dengan harga $0,10 dan $0,50 — seperseratus harga input, seperseratus harga output — sebagai tingkat efisiensi keluarga ini. Enam belas poin indeks memisahkan keduanya di papan independen yang mengukur keduanya. Enam belas poin untuk harga seratus kali lipat adalah keseluruhan perbandingan dalam satu baris, dan itu bukan bagian yang menarik.

Bagian yang menarik adalah bahwa angka seratus kali lipat itu menyusut menjadi lebih dekat ke empat puluh enam kali lipat setelah Anda memperhitungkan bagaimana setiap model sebenarnya berperilaku pada suatu tugas, dan bahwa kesenjangan yang tersisa sama sekali bukanlah kecerdasan umum. Itu adalah penggunaan komputer, otonomi jangka panjang, dan klasifikasi keamanan yang menentukan apakah organisasi Anda diizinkan memanggil model tersebut sejak awal. Item terakhir itulah yang tidak ditangkap oleh tabel tolok ukur mana pun, dan bagi banyak tim hal itu sudah menyelesaikan pertanyaan sebelum harga disebutkan.

Dua tingkat dari keluarga yang sama, berselang sembilan belas hari

Astra adalah model unggulan OpenAI dan model yang digambarkan perusahaan sebagai yang paling cerdas dan paling selaras di dunia. Model ini menerima masukan teks, gambar, dan file, memiliki jendela konteks 1.050.000 token dengan batas keluaran 128.000 token, serta penalaran yang selalu aktif dengan upaya yang dapat dikonfigurasi dari rendah hingga maks. Ini adalah model OpenAI pertama yang melampaui ambang batas kemampuan keamanan siber Kritis di bawah Kerangka Kesiapsiagaan perusahaan, dan peluncurannya mengikuti klasifikasi tersebut, bukan karena kapasitas: organisasi terbatas lebih dulu, akses enterprise dimatikan secara default dan dapat dikelola mulai 9 September, dengan tingkatan perlindungan yang diperluas setelahnya.

Luna adalah ujung lain dari keluarga yang sama. Teks dan gambar masuk, teks keluar, jendela konteks 1.050.000 token yang sama dan plafon keluaran 128.000 token yang sama, serta tangga penalaran yang membentang dari none melalui low, medium, high, xhigh, dan max dengan medium sebagai bawaan. Tanpa gating, tanpa tombol enterprise, tanpa tier keamanan yang harus dipenuhi. Model ini tersedia secara umum bagi siapa pun yang memiliki kunci API, dan deskripsi OpenAI sendiri sempit dan jujur: model paling efisien untuk tugas-tugas terfokus bervolume tinggi.

Kedua model ini berbagi jendela konteks, batas keluaran, keluarga batas waktu pengetahuan, dan klausul penetapan harga konteks panjang. Hampir tidak ada hal lain yang mereka bagi, dan penyebabnya adalah keduanya dibangun untuk dua bagian yang berbeda dari pekerjaan yang sama.

Kartu tarif menyatakan seratus kali. Biaya tugas menyatakan empat puluh enam.

Satu baris per dimensi, kedua sisi pada masing-masing:

• Input per 1 juta — GPT-6 Luna $0.10 vs GPT-6 Astra $10.00

• Output per 1 juta — GPT-6 Luna $0.50 vs GPT-6 Astra $50.00

• Input yang di-cache — GPT-6 Luna $0.01 per 1 juta vs GPT-6 Astra $1.00 per 1 juta, keduanya diskon 90% dari tarif tanpa cache masing-masing

• Biaya per tugas indeks — GPT-6 Luna sekitar $0,07 vs GPT-6 Astra sekitar $3,26

• Biaya untuk menjalankan indeks penuh — GPT-6 Luna $122,39 vs GPT-6 Astra $5.324,10

• AA Intelligence Index — GPT-6 Luna 37 pada upaya maksimal vs GPT-6 Astra 53 pada upaya maksimal

• Token keluaran pada uji indeks — GPT-6 Luna 150M vs GPT-6 Astra 60M, terhadap median papan peringkat sebesar 88M

• Kecepatan output — GPT-6 Luna 153,9 token/detik vs GPT-6 Astra 51,4 token/detik pada xhigh

• Waktu ke token pertama — GPT-6 Luna cukup cepat untuk berada di balik antarmuka interaktif vs GPT-6 Astra 208,73 detik pada xhigh

• Sakelar matikan penalaran — GPT-6 Luna dari none hingga max, dengan none sebagai opsi, vs GPT-6 Astra yang selalu aktif, tanpa mode non-penalaran

• Penggunaan komputer dan otonomi — pemanggilan alat dan loop agentik GPT-6 Luna vs GPT-6 Astra yang dirancang untuk mengoperasikan komputer secara end-to-end

• Akses — GPT-6 Luna tersedia secara umum untuk siapa saja vs GPT-6 Astra dibatasi, enterprise nonaktif secara default, kontrol admin diperlukan

• Di OrcaRouter — GPT-6 Luna tidak ada dalam katalog kami vs GPT-6 Astra dapat dirutekan dengan harga daftar OpenAI

Bandingkan baris biaya per tugas dengan rasio rate card dan kesenjangannya menyusut lebih dari separuh. Luna menghabiskan 150 juta token keluaran untuk menyelesaikan indeks; Astra menghabiskan 60 juta. Astra dua setengah kali lebih ringkas, dan pada model yang dihargai berdasarkan output hal itu bernilai sangat besar — itulah sebabnya perbedaan rate card seratus kali lipat menjadi perbedaan biaya tugas empat puluh enam kali lipat, dan sebabnya perbandingan apa pun yang dibangun hanya berdasarkan harga label akan melebih-lebihkan keunggulan tier murah sebesar dua kali lipat.

Baris kecepatan justru bergerak ke arah sebaliknya dan tidak berdekatan. Luna menghasilkan tiga kali lebih banyak token per detik daripada Astra dan mengembalikan token pertamanya dalam rentang waktu yang memungkinkan pengguna menunggu. Waktu Astra menuju token pertama sebesar 208,73 detik pada xhigh bukanlah angka latensi; itu adalah pernyataan tentang untuk apa model tersebut dibuat. Tidak ada hal yang sedang ditonton seseorang yang dapat berjalan di Astra pada setelan itu.

Apa yang sebenarnya bisa diperoleh dengan enam belas poin

Kesenjangan indeks itu nyata, dan pertanyaan yang berguna adalah apa yang ada di dalamnya, karena jawabannya bukan "kecerdasan yang enam belas persen lebih tinggi."

Kemampuan Astra yang dipublikasikan terkonsentrasi pada area tertentu. OpenAI melaporkan 72,6% pada OSWorld 2.0 dan 69% pada AutomationBench-AA — keduanya mengukur model yang mengoperasikan perangkat lunak seperti yang dilakukan manusia, melalui banyak langkah, dalam rentang waktu yang panjang. Di sisi pengetahuan, angkanya adalah 96,1 pada GPQA Diamond, 97,6% pada FrontierMath Tier 4, dan 57,2% pada Humanity's Last Exam dengan alat, serta pengambilan konteks panjang menjadi kekuatan yang disorot: 100% pada benchmark delapan jarum milik OpenAI sendiri antara 256K dan 512K token, 96,3% antara 512K dan 1M. Angka-angka ini dilaporkan vendor dan belum direproduksi, dan harness-nya penting — model yang sama mendapat skor 99,9% pada ARC-AGI-3 di bawah adaptor penyedia khusus OpenAI versus 62,7% pada harness standar, sebuah selisih yang menunjukkan banyak hal tentang harness sebagaimana tentang modelnya.

Jika dibaca sebagai satu kesatuan, itu bukan keunggulan serbaguna. Keunggulan itu terpusat pada tugas-tugas yang memakan waktu lama, menggunakan komputer, dan memiliki titik akhir yang dapat diverifikasi. Pembingkaian kompetitif Astra bukanlah melawan chatbot lain; melainkan melawan sesi kerja, dan model-model yang menjadi pembandingnya di papan independen adalah produk unggulan lain di tingkat yang sama — Astra menyamai Claude Fable 5.1 pada skor 53 di Intelligence Index dengan biaya per tugas sekitar 40%.

Defisit enam belas poin Luna karena itu tidak terdistribusi secara merata. Pada tugas singkat, terspesifikasi baik, yang dikonsumsi program, kedua model akan sering menghasilkan jawaban layak pakai yang sama dan perbedaannya tidak akan terlihat. Pada tugas yang memerlukan empat puluh tindakan berurutan di peramban dengan titik pemeriksaan di akhir, defisit itu adalah perbedaan antara menyelesaikan dan tidak menyelesaikan — dan itulah tugas yang dirancang untuk Astra, bukan untuk Luna.

Gerbang yang tidak diperhitungkan siapa pun

Astra adalah model OpenAI pertama yang melampaui ambang batas Keamanan Siber Kritis berdasarkan Kerangka Kesiapsiagaan perusahaan, dan konsekuensi praktisnya adalah model ini dikirim dalam keadaan nonaktif untuk akun perusahaan. Seorang administrator harus mengaktifkannya, berdasarkan daftar tarif dan perjanjian yang berlaku, sebelum pengguna dapat melihatnya sama sekali. Akses dibuka untuk sekumpulan organisasi terbatas pada 3 September dan diperluas dari sana; mekanisme adminnya hadir pada 9 September.

Luna tidak memiliki semua itu. Luna tersedia bagi siapa pun yang memiliki kunci API pada hari pertama, tanpa langkah kualifikasi, tanpa tombol admin, dan tanpa tingkat pengamanan yang berdiri di antara pengembang dan panggilan pertama.

Bagi tim di industri yang diatur, kontraktor pertahanan, atau di mana pun yang jalur pengadaannya mencakup tinjauan keamanan, inilah keseluruhan keputusannya. Perbedaan harga seratus kali lipat hanyalah satu pos anggaran; gerbang akses adalah sebuah proyek. Dan bagi tim di luar batasan tersebut, gerbang itu tidak relevan dan Astra hanyalah model mahal dengan waktu ke token pertama yang luar biasa lama.

Perlu ditambahkan bahwa gating adalah posisi yang dipikirkan matang, bukan sekadar ketidaknyamanan. Model yang mengoperasikan komputer secara otonom dan mampu menemukan kerentanan dengan baik adalah model yang harus berhati-hati diberikan oleh sebuah lab, dan bentuk penerapannya mengikuti temuan kemampuan tersebut. Itu tidak membuatnya lebih mudah diperoleh, tetapi berarti kendala ini kecil kemungkinannya dilonggarkan melalui tiket dukungan.

Tebing yang sama, keluarga yang sama, dua kali

Kedua model memiliki klausul konteks panjang yang identik, yang merupakan hal paling mahal untuk terlewatkan pada kartu tarif mana pun. Permintaan yang melebihi 272.000 token masukan ditagih dua kali tarif masukan dan cache serta 1,5x tarif keluaran — untuk keseluruhan permintaan, bukan hanya bagian yang melewati ambang tersebut. Di Astra, hal itu mengubah panggilan $10.00/$50.00 menjadi $20.00/$75.00. Di Luna, hal itu mengubah $0.10/$0.50 menjadi $0.20/$0.75.

Karena klausulnya proporsional, ia tidak mengubah rasio antara kedua model — ia menggandakan keduanya. Yang berubah adalah ukuran absolut dari kesalahannya, dan kesalahan itu lebih mungkin terjadi pada Astra, karena beban kerja yang menjadi alasan Astra ada adalah beban kerja yang membawa konteks kerja sejuta token. Satu panggilan Astra berkonteks panjang menghabiskan $75 per juta token keluaran; memecah pekerjaan yang sama menjadi dua panggilan sub-272K memangkasnya separuh tanpa mengubah prompt. Pada model yang seluruh proposisi nilainya adalah pekerjaan berhorizon panjang, aritmetika itu layak dihitung sebelum panggilan produksi pertama, bukan sesudahnya.

Keputusan tersebut adalah keputusan perutean

Yang membuat pasangan ini tidak biasa di antara perbandingan-perbandingan di blog ini adalah bahwa kedua model berasal dari vendor yang sama, berjalan di akun yang sama, dan diakses melalui endpoint yang sama. Tidak ada kontrak kedua yang perlu ditandatangani dan tidak ada SDK kedua yang perlu dipelajari. Pilihan di antara keduanya sama sekali bukan keputusan pembelian — ini adalah keputusan perutean, dan merupakan keputusan yang sebaiknya diambil sebagian besar tim per permintaan, bukan sekali saja.

Bentuk pembagiannya cukup jelas. Luna untuk ribuan panggilan kecil yang dilakukan agen dalam perjalanan menuju suatu tugas: klasifikasi, ekstraksi, pemilihan alat, peringkasan hasil antara. Astra untuk tugas itu sendiri, sekali, di akhir, tempat jawaban menjadi produknya. Itu adalah pipeline dua tingkat di dalam satu aplikasi, dan perbedaan biaya antara menjalankan semuanya di Astra dan menjalankan loop dalam di Luna adalah perbedaan antara unit economics yang layak dan yang tidak layak.

GPT-6 Astra tersedia di OrcaRouter dengan harga daftar OpenAI, dengan harga pass-through yang berarti perubahan tarif OpenAI langsung berlaku di sisi kami pada hari yang sama. GPT-6 Luna tidak ada dalam katalog kami saat tulisan ini dibuat dan diakses melalui API OpenAI sendiri, jadi tim yang menginginkan keduanya cukup menjalankan satu kunci untuk GPT-6 Astra bersama apa pun yang sudah digunakan untuk OpenAI. Inilah juga pasangan di mana fusi model benar-benar membuktikan manfaatnya: panel yang terdiri dari model murah berthroughput tinggi dan model mahal yang teliti yang menjawab bersama, dengan anggota murah mengerjakan sebagian besar pekerjaan dan yang mahal menjadi penengah, adalah konfigurasi yang dapat diungkapkan oleh lapisan perutean tanpa aplikasi perlu mengetahui keberadaan salah satu model.

Yang mana, dan kapan

Gunakan GPT-6 Luna kecuali Anda punya alasan khusus untuk tidak melakukannya. Harganya seperseratus dari harga pada daftar tarif dan satu per empat puluh enam dari harga per tugas yang diselesaikan, ini tiga kali lebih cepat, token pertamanya tiba dalam waktu yang bisa ditunggu pengguna, dan ia dapat diperintahkan untuk menghentikan penalaran sepenuhnya — itulah yang membuatnya dapat digunakan sebagai pengklasifikasi. Setel parameter effort secara eksplisit, karena nilai default-nya adalah medium dan angka utama 37 adalah angka upaya maksimum. Jaga panggilan panjang tetap di bawah 272.000 token masukan. Periksa regresi dua poin pada Coding Agent Index terhadap eval Anda sendiri, bukan pada grafik vendor.

Pilih GPT-6 Astra ketika tugasnya panjang dan jawabannya adalah produknya. Penggunaan komputer di banyak langkah, analisis profesional dengan titik akhir yang dapat diverifikasi, apa pun yang membuat enam belas poin indeks menjadi pembeda antara menyelesaikan dan berhenti diam-diam. Terima waktu ke token pertama — 208 detik pada xhigh bukan angka yang bisa dibebankan kepada manusia — dan terima gerbang pengadaan jika organisasi Anda memilikinya. Lalu jalankan semua yang mengarah ke tugas itu di tier murah, karena loop dalam adalah tempat uangnya mengalir.

Kesalahan yang mungkin ditimbulkan oleh perbandingan ini adalah menganggapnya sebagai pilihan antara dua model. Ini adalah pilihan tentang di mana masing-masing berada dalam sebuah pipeline, dan jawabannya hampir selalu keduanya.