GPT-5.6 terbaik untuk Codex

Model GPT-5.6 terbaik untuk Codex tidak ditentukan oleh nama model terbesar, melainkan oleh ketidakpastian tugas, biaya kesalahan, dan cara hasil diterima. Pilih GPT-5.6 Sol untuk akar masalah yang ambigu atau kesalahan yang mahal, GPT-5.6 Terra untuk fitur, bug, dan test yang terdefinisi jelas, serta GPT-5.6 Luna untuk pekerjaan berulang dengan input dan definisi selesai yang objektif.

Jika belum yakin dan kualitas lebih penting daripada latensi atau biaya token, buat baseline terlebih dahulu dengan Sol pada tugas representatif. Jangan biarkan setiap tugas tetap di Sol karena kebiasaan. Turunkan model dan reasoning effort hanya setelah model yang lebih murah masih melewati acceptance test repository yang sama.

Jika Luna tampak sebagai tier yang tepat, perbandingan Claude Haiku 4.5 vs GPT-5.6 Luna menambahkan perhitungan tarif rendah, cache, dan uji penerimaan yang dapat direproduksi.

Sol, Terra, dan Luna dalam satu tabel

Ringkasnya: Sol untuk kedalaman, Terra untuk pekerjaan harian, Luna untuk throughput. Ini adalah peran berdasarkan bentuk tugas, bukan label kualitas untuk setiap prompt.

Codex adalah agen; GPT-5.6 adalah keluarga model

Codex mengumpulkan konteks repository, memanggil tools, menerapkan patch, meminta persetujuan, dan menjalankan checks. Sol, Terra, dan Luna adalah model yang dapat menjalankan surface Codex yang sesuai. Jangan campur pilihan model ini dengan perbandingan produk Claude Code vs Codex.

Harness mengubah hasil. Satu run dengan AGENTS.md, shell, sandbox yang dapat ditulis, dan test deterministik berbeda dengan run yang hanya menerima potongan kode. Bandingkan model pada client Codex dan profil izin yang sama.

OpenAI mendokumentasikan gpt-5.6 sebagai alias yang mengarah ke gpt-5.6-sol. Gunakan ID persis untuk evaluasi dan otomasi:

gpt-5.6-sol
gpt-5.6-terra
gpt-5.6-luna

Spesifikasi dan harga API OpenAI langsung

Harga tersebut adalah harga standar API OpenAI langsung dalam USD per satu juta token konteks pendek. Itu bukan harga ritel OmniaKey. Sebelum menetapkan anggaran produksi, periksa tiga halaman model dan katalog model live untuk ketersediaan serta harga OmniaKey saat ini.

Ketiga model mencantumkan input teks dan gambar, output teks, streaming, structured outputs, function calling, prompt caching, dan Responses API. Tools native penyedia atau fitur ChatGPT tidak otomatis muncul pada setiap custom provider, client, atau gateway. Verifikasi rute tepat yang akan digunakan.

Untuk input di atas 272K token, aturan OpenAI saat ini mengenakan dua kali harga input konteks pendek dan 1,5 kali harga output pada seluruh permintaan. Cache write berharga 1,25 kali input tanpa cache. Kapasitas 1,05M tidak berarti mengisinya selalu ekonomis atau berguna.

Pilih Sol untuk pekerjaan sulit dan terbuka

Sol adalah kandidat awal kuat ketika model harus menemukan jalan, bukan mengikuti prosedur yang sudah diketahui. Mulailah dengan Sol ketika:

• akar masalah melintasi service, queue, database, atau batas izin;
• persyaratan bertentangan atau batasan penting tidak dinyatakan;
• migrasi memengaruhi billing, autentikasi, keamanan, atau data tahan lama;
• test lemah dan bukti harus dikumpulkan sebelum mengedit;
• kualitas review lebih penting daripada kecepatan respons;
• jawaban yang tampak masuk akal tetapi salah mahal untuk dibatalkan.

OpenAI Docs menempatkan Sol untuk kerja kompleks, terbuka, dan bernilai tinggi yang membutuhkan analisis, penilaian, atau penyempurnaan tambahan. Jika Codex cloud wajib, Sol adalah tier GPT-5.6 yang saat ini ditandai didukung di tabel resmi.

Repository besar sendiri bukan alasan memilih Sol. Perubahan yang terbatas dalam monorepo besar mungkin cocok untuk Terra, sementara bug otorisasi sepuluh baris dalam service kecil dapat membenarkan Sol.

Pilih Terra untuk pengembangan sehari-hari

Jika tugas sudah dipahami, Terra adalah default pragmatis. Mulailah dengan Terra untuk:

• mengimplementasikan fitur dengan acceptance criteria yang jelas;
• memperbaiki bug yang dapat direproduksi dengan test terfokus;
• menulis atau memperbarui unit test dan integration test;
• melakukan refactor pada call site yang diketahui;
• meninjau pull request biasa;
• memelihara tipe, konfigurasi, dan dokumentasi bersama kode.

Pada konteks pendek langsung, harga input Terra adalah setengah Sol dan harga outputnya 60%. Untuk tim yang menjalankan banyak tugas biasa, perbedaan ini cukup besar untuk menjadikan Terra sebagai percobaan pertama yang lebih baik.

Naikkan dari Terra ketika ia mengulang pendekatan gagal yang sama, melewatkan batasan lintas sistem, tidak dapat menjelaskan akar masalah, atau menghasilkan patch yang hanya lolos test sempit. Eskalasi harus mengikuti bukti, bukan jumlah file pada diff.

Untuk membandingkan Terra dengan tier harian Claude, bukan Terra dengan Sol, gunakan Claude Sonnet 5 vs GPT-5.6 Terra.

Pilih Luna untuk pekerjaan jelas dan berulang

Luna adalah tier cepat dan peka biaya. Ia cocok saat input dan definisi selesai sama-sama presisi:

• mengklasifikasikan issue atau merutekan ticket dengan schema tetap;
• mengekstrak bidang dari log, laporan, atau file source;
• mengubah konfigurasi atau dokumentasi berulang;
• membuat perubahan mekanis terisolasi dengan test deterministik;
• merangkum hasil pencarian terbatas untuk tugas induk;
• menjalankan pemeriksaan volume tinggi dengan false positive dan miss terukur.

Luna bukan default untuk arsitektur ambigu, security review halus, atau gangguan produksi yang belum dijelaskan. Beberapa run murah yang gagal lalu diikuti Terra atau Sol dapat lebih mahal daripada memulai pada tier yang tepat.

Berikan Luna input eksplisit, schema output, kondisi berhenti, dan acceptance check deterministik. Tugas yang dapat dibalik dan mudah diverifikasi paling mudah mengubah keunggulan harga menjadi penghematan nyata.

Biaya satu tugas representatif

Anggap run tanpa cache menggunakan 100,000 token input dan 20,000 token output. Ini berada di bawah ambang konteks panjang 272K.

Perhitungan ini bukan benchmark tugas selesai. Ia tidak memasukkan cache write, biaya tools, retry, penggunaan reasoning yang berubah, atau waktu koreksi manusia. Satuan yang berguna adalah:

biaya tugas selesai = run yang berhasil
                     + percobaan yang gagal
                     + retry dan biaya tools
                     + waktu koreksi manusia

Luna hanya menang bila masih menghasilkan hasil yang diterima. Sol dapat lebih murah pada tugas sulit bila mencegah beberapa percobaan tier rendah yang gagal.

Atur effort sebelum mengganti semuanya

Tier model dan reasoning effort adalah kontrol terpisah. Mulailah dari effort terendah yang menghasilkan hasil yang diperlukan, lalu naikkan hanya jika tugas membutuhkan lebih banyak perencanaan, analisis, atau pemeriksaan.

1. Jalankan tugas yang dikenal pada setelan normal atau medium.
2. Bila arahnya benar namun pemeriksaan dangkal, naikkan effort pada model yang sama.
3. Bila model tidak menyelesaikan masalah atau melewatkan penilaian penting, naikkan tier.
4. Bila lulus dengan nyaman, ulangi dengan effort lebih rendah atau tier lebih murah.
5. Ubah satu variabel setiap kali agar perbandingan dapat diinterpretasikan.

Jangan anggap Luna dengan effort tinggi setara Sol atau Sol dengan effort rendah setara Terra. Ukur hasil diterima, latensi, token, dan waktu koreksi pada setiap konfigurasi.

Codex lokal dan Codex cloud berbeda

OpenAI mencantumkan ketiga model GPT-5.6 untuk Codex CLI dan extension IDE. Sol juga dicantumkan untuk Codex cloud, sedangkan Terra dan Luna tidak. Ketersediaan tetap bergantung pada rollout, cara sign-in, dan client.

Dengan billing API key, penggunaan mengikuti tarif API, bukan kredit yang termasuk dalam plan ChatGPT. Custom provider yang kompatibel dengan Responses dapat mengekspos model yang didukung ke Codex lokal, tetapi tidak membuka fitur khusus ChatGPT atau cloud.

Untuk setup yang didukung, gunakan panduan OmniaKey Codex CLI (bahasa Inggris). Jika model muncul tetapi stream atau tool call gagal, gunakan kit kompatibilitas GPT-5.6. Halaman ini menangani pemilihan model; kit menangani setup dan troubleshooting.

Kebijakan routing praktis

Simpan bersama hasil: model ID, effort, kelas tugas, dan acceptance command. Tanpa bidang itu, regresi berikutnya tidak dapat dipisahkan secara andal antara model, prompt, harness, atau repository.

Mengganti model di Codex

Dalam sesi Codex CLI interaktif, gunakan /model. Untuk run CLI baru, berikan model persis:

codex --model gpt-5.6-sol
codex --model gpt-5.6-terra
codex --model gpt-5.6-luna

Selector yang sama bekerja untuk run non-interaktif:

codex exec -m gpt-5.6-terra "Jalankan pemeriksaan repository dan jelaskan setiap kegagalan"

Perintah ini memilih model; perintah ini tidak mengonfigurasi autentikasi atau provider. Selesaikan setup yang didukung terlebih dahulu. Gunakan ID persis untuk tugas tersimpan dan evaluasi; gunakan alias gpt-5.6 hanya bila default keluarga yang dapat berubah dapat diterima.

Evaluasi pada perubahan yang diterima

Buat task set kecil dari pekerjaan nyata tim:

1. Implementasi rutin dengan test deterministik.
2. Bug yang dapat direproduksi dengan akar masalah setidaknya dua module.
3. Transformasi mekanis pada banyak file.
4. Tugas review dengan defect yang diketahui ditanam.
5. Keputusan arsitektur atau migrasi berisiko tinggi.

Jalankan setiap tugas dari commit yang sama dengan instruction, tools, izin, dan checks yang sama. Ulangi run karena hasil agen bervariasi. Catat pass rate, waktu berlalu, token input dan output, tool calls, retry, serta menit koreksi manusia.

Promosikan Terra atau Luna hanya pada kelas yang menghasilkan hasil diterima yang sama dengan Sol. Pertahankan Sol saat penilaian tambahan mengubah hasil. Ini menghasilkan kebijakan berdasarkan repository Anda, bukan leaderboard umum.

Untuk pilihan provider yang lebih luas, lihat panduan keluarga model coding.

Putusan akhir

Untuk tugas Codex yang tidak diketahui, sulit, terbuka, atau membutuhkan cloud, GPT-5.6 Sol adalah titik awal terbaik. Untuk pekerjaan perangkat lunak harian yang jelas, GPT-5.6 Terra adalah default terbaik. Untuk tugas cepat, berulang, dan dapat diverifikasi secara objektif, GPT-5.6 Luna paling sesuai.

Mulailah dari risiko dan ambiguitas tugas, bukan dari nama model terbesar. Kemudian gunakan data penerimaan sendiri untuk memindahkan pekerjaan berulang ke tier andal termurah dan effort terendah.

Pertanyaan umum

Model GPT-5.6 mana yang terbaik untuk Codex?

Pilih Sol untuk pekerjaan tidak diketahui atau kompleks dan terbuka, Terra untuk fitur, debugging, test, dan refactor harian, serta Luna untuk pekerjaan jelas, berulang, bervolume tinggi, dan memiliki checks objektif.

Apakah Codex memakai GPT-5.6 Sol secara default?

Alias API gpt-5.6 mengarah ke Sol. Namun picker Codex dan default Power bervariasi menurut akun, plan, sign-in, client, dan rollout. Pilih gpt-5.6-sol secara eksplisit bila reproduktibilitas penting.

Apakah Terra memberi nilai lebih baik daripada Sol untuk coding?

Untuk coding harian yang terdefinisi baik, Terra biasanya menjadi titik awal lebih baik karena tarif API langsungnya lebih rendah. Bila penilaian lebih dalam mencegah kegagalan, utang review, atau implementasi salah yang mahal, Sol dapat memberi nilai lebih besar.

GPT-5.6 mana yang paling murah?

Pada 10 September 2026, Luna: $0.20 input, $0.02 cache input, dan $1.20 output per satu juta token konteks pendek.

Apakah tiga model memiliki konteks yang sama?

Ya. Semua mencantumkan konteks 1,050,000 token, input maksimum 922,000, dan output maksimum 128,000. Kapasitas sama tidak berarti kedalaman reasoning, kecepatan, atau keandalan yang sama.

Apakah ketiganya berjalan di Codex cloud?

Tabel model Codex resmi saat ini mencantumkan Sol untuk Codex cloud; Terra dan Luna dicantumkan untuk CLI dan extension IDE lokal. Periksa kembali ketersediaan pada akun Anda sebelum menstandarkan alur kerja.

Sumber primer

• OpenAI: model Codex dan pemilihan (bahasa Inggris)
• OpenAI: GPT-5.6 Sol (bahasa Inggris)
• OpenAI: GPT-5.6 Terra (bahasa Inggris)
• OpenAI: GPT-5.6 Luna (bahasa Inggris)
• OpenAI: harga API (bahasa Inggris)
• OpenAI: model guidance GPT-5.6 (bahasa Inggris)
• OpenAI: autentikasi Codex (bahasa Inggris)

Fakta dan perhitungan diverifikasi pada 10 September 2026. Tidak ada benchmark independen tiga model, tes kecepatan, atau tes keandalan produksi. Periksa kembali model ID, harga, dan ketersediaan client di OpenAI Docs resmi serta katalog live sebelum deployment.