GPT-6 vs GPT-6 Luna: Satu Dime per Sejuta Token, dan Tingkat yang Menjawab Paket Gratis

Ada versi perbandingan ini yang jawabannya satu baris: Anda tidak dapat memanggil GPT-6, dan Anda dapat memanggil GPT-6 Luna dengan sepuluh sen per juta token input. Namun, versi yang lebih berguna adalah versi yang menjelaskan mengapa Luna kini menjadi model yang paling banyak benar-benar digunakan orang — OpenAI menempatkannya di balik tingkat Free dan Go ChatGPT pada 8 Oktober 2026, yang menjadikannya tingkat termurah dalam generasi ini dan, berdasarkan jumlah pengguna, paling sibuk. Berikut ini tangga tingkat yang dijelaskan sekali, lalu apa yang sebenarnya bisa dibeli dengan sepuluh sen per juta.

Keluarga, dan di mana posisi Luna di dalamnya.

OpenAI merilis generasi GPT-6 sebagai tiga ID model yang dirilis pada 22 September 2026, tanpa openai/gpt-6 endpoint di balik nama keluarga:

• GPT-6 Astra — yang paling unggulan, $10.00 masuk / $50.00 keluar per juta token, tercantum di daftar tarif OpenAI sebagai puncak generasi ini
• GPT-6 Sol — tingkat menengah, $2.00 / $10.00, dan model yang OpenAI sebut untuk chat pada tier ChatGPT berbayar
• GPT-6 Luna — tingkat murah, $0.10 / $0.50, dan model yang OpenAI sebut untuk tier Free dan Go

Baris terakhir itu adalah bagian yang perlu ditegaskan, karena itulah alasan lalu lintas Luna jauh melampaui segala hal lain di keluarga ini. Pengumuman OpenAI sendiri untuk peluncuran 7–8 Oktober menyatakan bahwa "GPT-6 di ChatGPT ditenagai oleh GPT-6 Sol untuk tier Plus, Pro, Business, dan Enterprise, serta GPT-6 Luna untuk tier Free dan Go." Model dengan harga $0.10 / $0.50 yang melayani paket gratis adalah model yang melayani lebih banyak pertanyaan per hari daripada tier premium mana pun, dan itu adalah checkpoint yang sama yang dapat Anda panggil melalui API. Permukaan konsumen adalah saluran distribusi, bukan SKU terpisah.

Sebuah peringatan yang harus diulang di sini karena blog ini telah membahasnya: pengumuman yang sama menyatakan Free dan Go mendapatkan GPT-6 Luna, sementara halaman pusat bantuan OpenAI untuk GPT-6 di ChatGPT menggambarkan Free dan Go menjalankan GPT-5.6 Luna pada hari halaman itu dibaca. Itu bukan pernyataan yang kompatibel tentang tingkat yang sama, OpenAI tidak mengatakan mana yang berlaku saat ini, dan jika pekerjaan Anda bergantung pada model murah mana yang berada di balik paket gratis, anggap entri pusat bantuan sebagai halaman yang lebih spesifik dan periksa ulang sebelum Anda membangun berdasarkan salah satunya.

Apa yang sebenarnya bisa dibeli dengan sepuluh sen per juta

Angka utamanya adalah angka yang paling tidak menarik di kartu Luna. Berikut seluruh kartunya, dan langkah tier di bawahnya:

• Konteks pendek, hingga 272.000 token input — $0,10 per juta token masuk, $0,50 per juta token keluar
• Di atas 272.000 token input — $0,20 per juta token masuk, $0,75 per juta token keluar, diterapkan ke seluruh permintaan
• Input yang di-cache — $0,01 per juta pada tingkat pendek, diskon 90%; $0,02 di atas batas
• Penulisan cache — $0,125 per juta pada tingkat pendek, $0,25 di atasnya
• Konteks dan output — 1.050.000 token masuk, 128.000 token keluar
• Modalitas input — teks, gambar, dan file, input multimodal yang sama seperti Sol dan Astra
• Penalaran — parameter upaya yang dapat dikonfigurasi, bersama alat, output JSON, dan sampling dengan seed

Ada dua hal berikut. Yang pertama, Luna bukan model yang dipangkas fiturnya. Ia menerima gambar dan file, ia menawarkan antarmuka pemanggilan alat dan output terstruktur yang sama seperti dua saudaranya yang lebih mahal, dan satu-satunya yang membedakannya dari Sol di lembar spesifikasi adalah kedalaman, bukan kemampuan. Yang kedua adalah lonjakan berjenjangnya. Prompt di atas 272.000 token input menggandakan tarif input Luna dan menaikkan tarif outputnya sebesar 50%, untuk seluruh permintaan, bukan hanya bagian yang melebihi ambang. Pada harga-harga ini, itu adalah lonjakan yang ringan — permintaan 300.000 token memakan biaya input sekitar enam sen, bukan tiga sen — sehingga klausul konteks panjang yang mendominasi perencanaan anggaran untuk Astra dan penting bagi Sol hampir tidak relevan di sini.

Angka yang benar-benar menggerakkan uang dalam skala besar adalah pembacaan cache. Dengan satu sen per juta, beban kerja yang mengirim ulang konteks besar yang sama pada setiap giliran hampir tidak membayar apa pun untuk bagian yang berulang. Pada pipeline ekstraksi atau klasifikasi bervolume tinggi dengan prompt sistem yang stabil dan dokumen yang stabil, itu adalah perbedaan antara model murah dan model yang hampir gratis, dan itulah alasan spesifik mengapa biaya riil Luna per jawaban yang selesai jauh di bawah apa yang ditunjukkan kartu tarif.

Apa yang Anda korbankan dalam hal kemampuan

Luna adalah tingkat termurah karena ia adalah yang paling rendah kemampuannya, dan papan independen tidak ambigu tentang seberapa jauh lebih rendahnya. Baca dari Artificial Analysis melalui entri katalog OrcaRouter untuk setiap model pada 8 Oktober 2026:

• AA Intelligence Index — GPT-6 Sol 47,6, peringkat 14; GPT-6 Luna 38,1, peringkat 14
• Humanity's Last Exam — GPT-6 Sol 47,9 vs GPT-6 Luna 38,5
• SciCode — GPT-6 Sol 57,6 vs GPT-6 Luna 54,6
• Pengingatan konteks panjang — GPT-6 Sol 83,7 vs GPT-6 Luna 83,3
• Terminal-Bench 4.0 — GPT-6 Sol 43,9 vs GPT-6 Luna 12,6
• Trafik selama tujuh hari — GPT-6 Luna sekitar 574 juta token; GPT-6 Sol sekitar 2,1 juta
• Median waktu ke token pertama — GPT-6 Luna 1.494 ms vs GPT-6 Sol 6.785 ms
• Median kecepatan keluaran — GPT-6 Luna 132,9 token/dtk vs GPT-6 Sol 179,6 token/dtk

Bentuknya lebih informatif daripada selisih utamanya. Luna tertinggal 9,5 poin indeks dari Sol, dan ketertinggalannya tidak tersebar merata: recall konteks panjang hanya terpaut 0,4 poin, dan SciCode — pemahaman kode, bukan produksi kode — hanya berselisih 3 poin. Yang runtuh adalah eksekusi agentik multi-langkah: Terminal-Bench 4.0 di angka 12,6 berbanding 43,9 milik Sol. Model yang dapat mengambil informasi dari dokumen sejuta token hampir sebaik saudara besarnya, dan menulis jawaban sekali jalan yang kompeten, adalah instrumen yang berbeda dari model yang dapat menggerakkan loop alat hingga tuntas.

Dua catatan. Angka indeks berasal dari Artificial Analysis, bukan dari OpenAI, dan evaluator itu tidak menjamin bahwa dua halaman model ditampilkan dengan revisi indeks yang sama pada hari yang sama — anggap perbedaan di bawah satu poin sebagai arah, bukan presisi. Dan angka penyajian adalah pengukuran routing kami sendiri selama jendela tujuh hari bergulir; angka-angka itu bergeser antar pembacaan dan berguna untuk gambaran bentuk perbedaannya, bukan sebagai janji tingkat layanan.

Ada satu angka penyajian yang layak diperhatikan. Waktu median Luna hingga token pertama adalah 1.494 ms dibandingkan 6.785 ms milik Sol — sekitar 4,5 kali lebih cepat mencapai token pertama — dan throughput-nya jauh lebih rendah begitu streaming dimulai. Untuk antarmuka obrolan tempat pengguna menunggu kalimat pembuka, pembalikan itulah inti dari tier ini, dan itulah sebabnya paket gratis bisa terasa cepat meski menjalankan model termurah di keluarga ini.

Persaingan baru di dalam keluarga

Keunggulan harga Luna di dalam generasi ini telah menyempit sejak dirilis. GPT-6.1 Soltiba pada 29 September dengan tarif Sol $2,00 / $10,00 dan indeks 51,8, serta memangkas tarif input cache menjadi $0,10 per juta. Itu tidak menyentuh tarif konteks pendek Luna — sepuluh sen masuk dan lima puluh sen keluar masih dua puluh kali lebih murah untuk input daripada Sol mana pun — tetapi itu berarti tingkat di atas Luna menjadi lebih murah untuk dijalankan pada lalu lintas cache, yang justru merupakan beban kerja tempat keunggulan Luna paling besar. Kesenjangannya masih besar. Namun tidak lagi sebesar yang disiratkan oleh kartu tarif saja.

Di mana garis tier berada dalam praktiknya

Bagi pekerjaan itu berdasarkan apa yang dibutuhkan tugas, bukan berdasarkan model mana yang skornya lebih tinggi.

Luna adalah pilihan yang tepat untuk chat bervolume tinggi, klasifikasi, ekstraksi, moderasi, dan peringkasan atas dokumen panjang — baris tempat ia menyamai saudara besarnya dalam retrieval justru adalah baris yang menentukan apakah konteks besar dapat digunakan. Latensi token pertamanya membuatnya menjadi pilihan yang lebih baik untuk apa pun yang interaktif yang tidak berat penalaran. Dan dengan biaya satu sen per juta token yang di-cache, pipeline dengan konteks stabil hampir gratis pada bagian yang berulang.

Sol, atau sekarang GPT-6.1 Sol, adalah pilihan yang tepat begitu tugas membutuhkan loop alat, rencana jangka panjang, atau rantai langkah yang harus diselesaikan. Selisih Terminal-Bench — 43,9 versus 12,6 — adalah sinyal tunggal paling jelas dalam perbandingan ini, dan itu sesuai dengan mode kegagalan sebenarnya: model murah yang menjawab langkah pertama dengan baik lalu kehilangan alurnya. Parameter effort berarti Anda bisa meminta Luna untuk lebih banyak penalaran, tetapi effort menaikkan jumlah token, bukan batas atasnya; itu tidak mengubah 12,6 menjadi 43,9.

Dan Astra tetap menjadi jawabannya untuk pekerjaan yang hanya dapat dilakukan oleh model unggulan — yang, dengan biaya input $10,00 dan output $50,00 dibandingkan sepuluh sen milik Luna, merupakan keputusan yang seharusnya dapat Anda pertanggungjawabkan per panggilan, bukan per tim.

Versi satu-API dari pilihan ini

Bagian yang menyulitkan dari keluarga tiga tingkat adalah batas tingkatnya bergeser per fitur, dan bergeser per permintaan — aplikasi yang sama biasanya menginginkan Luna untuk satu endpoint dan Sol untuk endpoint berikutnya. Itu masalah routing, bukan masalah pengadaan. Ketiga tingkat GPT-6 berada dalam katalog OrcaRouter yang sama, diakses melalui satu API yang kompatibel dengan OpenAI di depan 200+ model, dengan harga daftar penyedia diteruskan pada markup 0%, sehingga perubahan harga vendor pada tingkat mana pun langsung berlaku di sini pada hari yang sama, bukan pada rekonsiliasi Anda berikutnya. DSL routing menyusun pembagian tersebut secara eksplisit — berdasarkan ukuran permintaan, berdasarkan endpoint, atau berdasarkan porsi — sehingga jalur klasifikasi dapat menjalankan Luna sementara jalur agentik menjalankan Sol, dan failover otomatis antar penyedia menangani rute yang menurun alih-alih membiarkan Anda menemukannya dari proses yang gagal.

Satu hal yang tidak dilakukan ini adalah memberi Anda Luna yang berperilaku seperti Sol. Tier ada karena modelnya berbeda, dan angka-angka di atas adalah besarnya perbedaan tersebut. Yang Anda peroleh dengan satu kunci dan aturan perutean adalah kemampuan untuk menempatkan setiap permintaan pada tier yang benar-benar cocok, alih-alih menempatkan semuanya pada tier termahal demi keamanan atau semuanya pada tier termurah demi anggaran.

Jawabannya, berdasarkan satu-satunya pertanyaan yang penting

Jika tugasnya adalah retrieve-then-answer atas dokumen besar, chat, atau pemrosesan teks massal, GPT-6 Luna adalah tier yang tepat dan kartu sepuluh sen itu bukan kompromi — baris recall konteks panjang menyatakan bahwa model ini mengambil informasi sama baiknya dengan model yang harganya dua puluh kali lebih mahal. Jika tugasnya memerlukan agen multi-langkah untuk menyelesaikannya, Luna adalah tier yang salah dan langkah jujurnya adalah GPT-6 Sol atau GPT-6.1 Sol, yang harganya masih rendah secara absolut dan evaluasi agentiknya berhenti merosot tajam.

Apa itu "GPT-6" jika berdiri sendiri, sekali lagi, bukanlah sesuatu yang bisa Anda sebut sebagai satu hal. Itu adalah nama keluarga yang mencakup tiga id pada tiga titik harga dan tiga plafon kemampuan yang berbeda, dan Luna adalah yang paling bawah — yang termurah, yang paling cepat mencapai token pertama, yang melayani paket gratis, dan yang plafonnya mulai terlihat begitu sebuah tugas membutuhkan lebih dari sekadar satu jawaban yang penuh keyakinan.