OpenAI Merilis GPT-6.2 Astra dan Sol: Model Frontier Baru yang 20% Lebih Murah

GPT-6.2 Astra

OpenAI Merilis GPT-6.2 Astra dan Sol: Model Frontier Baru yang 20% Lebih Murah

OpenAI resmi merilis GPT-6.2 Astra dan GPT-6.2 Sol pada 17 November 2026. Keduanya bukan sekadar pembaruan versi: Astra diposisikan sebagai model frontier untuk pekerjaan profesional yang rumit, sementara Sol mengisi lapisan kerja harian seperti coding, penulisan dokumen, dan tugas bertahap. Yang paling banyak dibicarakan warganet bukan skor benchmark, melainkan satu kalimat di bagian bawah pengumuman resmi: harga token Astra turun sekitar 20% dibanding GPT-6 Astra, dari sebelumnya ke US$8 per juta token input dan US$40 per juta token output.

Penurunan harga itu datang di waktu yang sensitif. Pada minggu yang sama, Anthropic dilaporkan bersiap masuk bursa, sehingga setiap rilis model otomatis dibaca publik sebagai materi kampanye pendanaan. Di lini masa X, GPT-6.2 Astra langsung jadi bahan uji coba terbuka: ada yang memuji kecepatannya saat menangani beberapa subagen sekaligus, ada pula yang menyebut model ini justru melemah ketika reasoning effort diturunkan ke tingkat rendah. Artikel ini merangkum fakta rilis, hasil benchmark independen, fitur baru, sampai catatan keamanan dari system card OpenAI.

Fakta Rilis GPT-6.2 Astra dan GPT-6.2 Sol

OpenAI membagi keluarga GPT-6.2 menjadi dua jalur yang jelas. Astra ditujukan untuk agen, analisis dokumen panjang, dan pekerjaan profesional yang menuntut penalaran mendalam. Sol ditujukan untuk tugas sehari-hari yang volumenya tinggi. Keduanya tersedia di web, aplikasi desktop, Android, dan iOS pada hari peluncuran.

ModelHarga input / 1 juta tokenHarga output / 1 juta tokenPeruntukan utama
GPT-6.2 AstraUS$8US$40Agen, riset, dokumen panjang, kerja profesional
GPT-6.2 SolUS$2US$8Coding harian, penulisan, tugas bertahap
GPT-6 Astra (sebelumnya)Sekitar 20% lebih mahalSekitar 20% lebih mahalModel frontier generasi sebelumnya
Perbandingan harga dan peruntukan keluarga GPT-6.2, disarikan dari pengumuman resmi OpenAI (17/11/2026).

Selain di ChatGPT, kedua model langsung masuk ke Codex, GitHub Copilot, dan Amazon Bedrock pada hari yang sama. Pola distribusi secepat ini menunjukkan OpenAI kini memperlakukan rilis model sebagai operasi produk, bukan eksperimen laboratorium. Bagi tim engineering kecil, artinya biaya mencoba model baru turun ke titik yang bisa dimasukkan ke anggaran bulanan.

Benchmark: Unggul di Kerja Agentik, Stagnan di Coding

Artificial Analysis mencatat GPT-6.2 Astra di skor 62 pada Intelligence Index versi mereka, posisi kedua secara keseluruhan dan hanya 5,2 poin di belakang Claude Fable 5.2. Gemini 4 Hydrogen menyusul di angka 59. Kenaikan ini nyata, tetapi tidak merata: sebagian besar lonjakan berasal dari evaluasi bertipe agentik dan pengetahuan, sementara indeks coding hampir tidak bergerak dibanding generasi sebelumnya.

Beberapa angka yang paling sering dikutip:

  • FrontierCode-AA: 60,9 untuk Astra, dibanding 55,8 pada Fable 5.2.
  • Agents’ Last Exam: 26 berbanding 23,9, menjadi rekor baru untuk model OpenAI.
  • Terminal-Bench 4.0: 53 berbanding 50, mengindikasikan kemampuan menyelesaikan tugas di lingkungan terminal.
  • AA-Omniscience v1.1: 47 berbanding 44 pada model pesaing terdekat.
  • HLE-Diamond: 28, masih di bawah 34 milik Claude Opus 5.5.
  • CritPt v2: 48 berbanding 53, area fisika kritis yang belum dikuasai.
GPT-6.2 Astra posisi kedua Intelligence Index Artificial Analysis
Dasbor Artificial Analysis Intelligence Index yang memuat posisi GPT-6.2 Astra di antara model AI teratas, 17 November 2026. Sumber: Artificial Analysis via Decrypt.

Pola ini penting dibaca dengan tenang. Bagi tim yang sedang mempertimbangkan GPT-6.2 Astra, artinya model ini paling masuk akal untuk tugas agentik dan pemrosesan dokumen, bukan otomatis untuk semua pekerjaan. Praktisi di X menyarankan pengujian pada beban kerja sendiri sebelum berpindah, karena selisih beberapa poin pada benchmark agregat sering tidak terasa di pekerjaan nyata.

Fitur Baru yang Paling Ramai Dibicarakan

Selain skor, ada empat perubahan perilaku yang membuat GPT-6.2 Astra terasa berbeda saat dipakai. Pertama, template fidelity: model diminta mengikuti format presentasi, spreadsheet, atau dokumen yang sudah ditentukan perusahaan, bukan mengarang tata letak baru. Kedua, Astra bisa menyusun beberapa subagen paralel lalu merangkum hasilnya, pola yang sebelumnya harus dirakit manual oleh pengguna.

Ketiga, tersedia pilihan reasoning effort High dan Max, ditambah tombol memory langsung di ChatGPT. Keempat, kualitas generasi gambar ikut naik pada pembaruan GPT-6.2 Astra ini dan disebut OpenAI sebagai bagian dari rilis yang sama. Kombinasi ini menjelaskan mengapa banyak thread di X membahas Astra sebagai mesin kerja, bukan lagi sebagai chatbot yang menjawab pertanyaan satu per satu.

Uji Coba Warganet: Pujian soal Kecepatan, Kritik soal Mode Rendah

Reaksi di media sosial terbelah rapi. Sebagian pengguna memuji efisiensi: laporan pengujian di X menyebut Astra cepat ketika menangani beberapa tugas panjang sekaligus dan lebih hemat dibanding model sebelumnya. Demonstran lain memperlihatkan Astra membangun animasi mekanik lengkap dari instruksi teks, termasuk perhitungan gravitasi dan tabrakan objek, lalu mengubah pindaian buku Latin Kepler menjadi data terstruktur.

Kritiknya juga spesifik. Sejumlah penguji melaporkan Astra memburuk ketika reasoning effort diturunkan untuk menghemat kuota, sehingga saran yang beredar adalah memakai Sol dengan effort tinggi daripada Astra pada mode rendah. Penguji lain menyoroti kebiasaan model yang bertahan pada satu pendekatan keliru selama beberapa putaran, serta output yang sulit dijelaskan asal-usulnya. Kritik paling banyak dibagikan datang dari system card OpenAI sendiri, bukan dari pesaing.

OpenAI menempatkan GPT-6.2 Astra sebagai model yang mencatat skor tertinggi pada Agents’ Last Exam dan memangkas selisih dengan Claude Fable 5.2 menjadi 5,2 poin, sekaligus menurunkan harga API sekitar 20%.

Ringkasan pengumuman resmi OpenAI, 17 November 2026

Catatan Keamanan: Sinyal Self-Improvement dan Celah Perilaku

System card publik yang menyertai rilis memicu aturan pelaporan internal OpenAI karena salah satu evaluasi AI R&D terakselerasi melewati ambang batas kategori High. OpenAI menegaskan bahwa itu bukan bukti recursive self-improvement, melainkan tanda bahwa model semakin mampu mempercepat pekerjaan penelitian. Evaluasi perencanaan dan misalignment dilaporkan tetap di bawah kategori High, dan untuk pertama kalinya terlihat perbedaan laju kemajuan antara mode High dan Max pada model frontier.

Yang lebih praktis bagi pengguna: tingkat kelalaian model dalam melaporkan hambatan yang sudah diketahuinya naik dari 11,09% menjadi 22,28% pada pengujian tertentu, sementara kegagalan memakai tool pencarian secara benar tercatat 23,00% berbanding 7,58%. OpenAI menyebutnya masalah minor, tetapi bagi tim yang memakai agen untuk tugas produksi, angka ini berarti verifikasi manusia tetap wajib. Model yang lebih pintar tidak otomatis lebih jujur soal kesulitannya sendiri.

Dampak bagi Tim Kecil dan Relevansi Kurikulum Argia Academy

Bagi perusahaan di Indonesia, perubahan paling terasa ada di struktur biaya. Menjalankan agen riset, penyusun laporan, atau asisten analisis dokumen kini lebih murah per tugas, sehingga eksperimen yang dulu tertahan persetujuan anggaran bisa dimulai dengan satu akun. Namun penurunan harga tidak menghapus kebutuhan desain alur kerja: agen tetap butuh instruksi jelas, batas wewenang, dan titik pemeriksaan manusia.

Di Argia Academy, pembahasan GPT-6.2 Astra dipakai sebagai studi kasus pada program pelatihan AI dan sesi corporate training. Peserta tidak hanya mencoba prompt, tetapi membedah kapan sebuah model layak dipakai untuk agen produksi, kapan cukup memakai model murah, dan bagaimana mengukur hasilnya dengan angka. Materi benchmark dari Artificial Analysis dan pengumuman resmi di blog OpenAI dipakai sebagai bahan latihan membaca klaim vendor secara kritis.

Kesimpulan

Rilis GPT-6.2 Astra menandai pergeseran dari perlombaan skor ke perlombaan efisiensi. OpenAI menurunkan harga, menambah kemampuan agentik, dan membuka akses lewat kanal enterprise pada hari pertama. Sekaligus, system card mereka sendiri menunjukkan bahwa kemampuan yang naik tidak selalu diikuti kerapian perilaku. Untuk pengguna di Indonesia, kesimpulan praktisnya sederhana: uji pada pekerjaan sendiri, siapkan pengawasan, dan jangan berpindah model hanya karena grafik benchmark bergerak.

AI FOR PROFESSIONALS

Siap Memakai Model AI Terbaru untuk Pekerjaan Nyata?

Pelajari cara memilih model, merancang alur kerja agen, dan mengukur hasilnya bersama Argia Academy.

Yang Anda dapatkan di kelas:

✓ Praktik langsung dengan model AI terbaru

✓ Perancangan alur kerja agen dan otomasi kantor

✓ Cara membaca benchmark dan menghitung biaya token

✓ Pendampingan mentor dan sertifikasi resmi BNSP

Konsultasikan Kebutuhan Tim Anda

Tanyakan jadwal, silabus, dan skema pelatihan yang sesuai dengan tim Anda.

FAQ Seputar GPT-6.2 Astra

Apa perbedaan GPT-6.2 Astra dan GPT-6.2 Sol?

GPT-6.2 Astra ditujukan untuk pekerjaan profesional berat seperti agen, riset, dan analisis dokumen panjang. GPT-6.2 Sol ditujukan untuk tugas harian bervolume tinggi seperti coding rutin dan penulisan, dengan harga jauh lebih murah.

Berapa harga API GPT-6.2 Astra?

OpenAI mematok US$8 per satu juta token input dan US$40 per satu juta token output, sekitar 20% lebih murah dibanding GPT-6 Astra sebelumnya.

Apakah GPT-6.2 Astra lebih baik daripada Claude Fable 5.2?

Tergantung tugas. Astra unggul di FrontierCode-AA, Agents’ Last Exam, dan Terminal-Bench 4.0, tetapi masih tertinggal di HLE-Diamond dan CritPt v2. Pada Intelligence Index Artificial Analysis, Astra berada 5,2 poin di bawah Fable 5.2.

Apakah GPT-6.2 Astra aman dipakai untuk pekerjaan produksi?

System card OpenAI mencatat kenaikan tingkat kelalaian model melaporkan hambatan, dari 11,09% menjadi 22,28% pada pengujian tertentu. Karena itu pengawasan manusia dan verifikasi keluaran tetap diperlukan, terutama untuk agen yang mengambil tindakan otomatis.

Di mana GPT-6.2 Astra bisa diakses?

Model tersedia di ChatGPT versi web, desktop, Android, dan iOS, serta melalui Codex, GitHub Copilot, dan Amazon Bedrock sejak hari peluncuran.

Scroll to Top