GPT-Image 2.6 Flare dan Sunburst telah hadirMulai $0.025 per gambar

GPT-6.2 Astra vs Sol: harga, kecepatan, biaya per tugas

Tiga tugas coding identik, dua model, satu API: sejauh mana yang lebih murah menyusul, dan apa yang ditambahkan model unggulan di kerja sulit.

Kiki, OmniaKey COO10 menit baca
Di halaman ini

Perbandingan GPT-6.2 Astra vs Sol dimulai dari harga: Astra menagih $8 per juta token masukan dan $40 per juta token keluaran, empat kali lipat $2 dan $10 milik Sol. Pada tiga tugas coding kecil yang kami jalankan 19 Nov 2026, keduanya lolos semua pemeriksaan; dengan tarif Standard OpenAI, Sol menelan biaya sekitar seperempatnya.

Sol adalah model yang dicoba lebih dulu untuk pekerjaan pendek dan spesifikasinya jelas. Nilai Astra ada pada tugas yang lebih sulit dan terbuka: di uji coding independen ia unggul dengan label medium yang sama, 2.5 poin di Terminal-Bench 4.0 dan 5.2 di FrontierCode. Manfaatnya bergantung pada apakah poin itu menghapus pekerjaan ulang, jadi uji dulu tugas kompleks yang gagal di Sol sebelum membayar Astra.

Coding rutin, volume besar

GPT-6.2 Sol

Lolos ketiga tugas kecil dengan biaya sekitar seperempat Astra pada tarif Standard OpenAI. $2 masukan dan $10 keluaran per juta token.

Kerja sulit dan terbuka

GPT-6.2 Astra

Unggul di uji coding independen dengan label medium yang sama. $8 masukan dan $40 keluaran per juta token.

GPT-6.2 Astra vs Sol: apa yang berbeda?

Halaman model Astra, halaman model Sol, dan halaman harga OpenAI mencantumkan jendela konteks, batas keluaran, tingkat penalaran, dan batas permintaan yang sama. Yang benar-benar berbeda adalah ID model, harga per token, dan tanggal batas pengetahuan.

ButirAstraSol
ID modelgpt-6.2-astragpt-6.2-sol
Rilis17 Nov 202617 Nov 2026
Jendela konteks1,050,000 token1,050,000 token
Maks masukan922,000 token922,000 token
Maks keluaran128,000 token128,000 token
Batas pengetahuan18 Mei 20261 Jun 2026
Tingkat penalaranlow sampai maxlow sampai max
Masukan$8$2
Masukan cache$0.40$0.10
Tulis cache, 30 mnt$10$2.50
Keluaran$40$10
Keluaran di atas 272K masukan$60$15

Tarif Standard Astra tepat empat kali tarif Sol di setiap baris, termasuk penulisan cache dan baris konteks panjang.

Kedua model rilis dalam catatan changelog 17 Nov 2026 yang sama. Pengumuman peluncuran OpenAI menyebut pengguna Plus, Pro, Enterprise, dan Edu mendapat keduanya di ChatGPT Work dan Codex; di ruang kerja Enterprise dan Edu, administrator harus mengaktifkannya. Di API, kedua ID hidup di endpoint yang sama, dan pada paket Pro, Pro 200 mulai dengan Sol sementara Pro 500 bisa memakai keduanya.

Dua hal mudah terlewat. Kedua endpoint, Responses dan Chat Completions, bekerja dengan kedua ID; pemanggilan tool butuh API Responses. Kedua model menerima teks dan gambar sebagai masukan dan mengembalikan teks, jadi tidak ada yang menghasilkan audio atau video. Batas permintaan juga sama di tiap tingkat, dari 5,000 permintaan dan 1 juta token per menit di Build sampai 15,000 dan 40 juta di Grow.

Tiap model juga punya tulisan sendiri: detail rilis GPT-6.2 Astra dan ulasan GPT-6.2 Sol.

Berapa biaya satu permintaan dengan tarif OpenAI?

$0.16 di Astra dan $0.04 di Sol untuk prompt 10,000 token dan 2,000 token keluaran, dengan tarif Standard OpenAI.

Hitungan untuk Astra: 10,000 × $8 ÷ 1,000,000 = $0.08 untuk masukan, dan 2,000 × $40 ÷ 1,000,000 = $0.08 untuk keluaran. Untuk Sol: 10,000 × $2 ÷ 1,000,000 = $0.02 plus 2,000 × $10 ÷ 1,000,000 = $0.02. Seratus permintaan seperti itu berbiaya $16 di Astra dan $4 di Sol.

Token penalaran dihitung sebagai token keluaran dan tidak punya baris harga sendiri, jadi menaikkan tingkat usaha menambah biaya karena keluarannya lebih panjang, bukan karena meterannya berbeda. Prompt panjang menjaga selisih yang sama. Di atas 272,000 token masukan, OpenAI menggandakan tarif masukan dan cache serta menagih 1.5 kali tarif keluaran konteks pendek untuk seluruh permintaan. Pada 300,000 token masukan dan 2,000 token keluaran, Astra membayar 300,000 × $16 ÷ 1,000,000 = $4.80 plus 2,000 × $60 ÷ 1,000,000 = $0.12, atau $4.92. Sol membayar $1.20 plus $0.03, atau $1.23. Sol tepat seperempatnya. Pemrosesan batch memotong separuh tarif kedua model, jadi selisihnya tetap di sana.

Apa yang terjadi pada tiga tugas coding kecil kami?

Kedua model lolos setiap pemeriksaan di ketiga tugas. Astra lebih cepat pada dua tugas Python; Sol lebih cepat pada tugas SQL.

Kami mengirim tiap prompt sekali ke tiap model lewat endpoint Responses OmniaKey pada 19 Nov 2026, dengan penalaran medium, batas keluaran 4,096 token, streaming, dan tanpa tool. Urutan model kami bergantian dan tanpa percobaan ulang, total enam panggilan. OmniaKey menjual akses ke kedua model dan pengujian berjalan lewat sana. Setiap dolar di bagian ini dihitung ulang dari jumlah token yang dilaporkan memakai tarif Standard OpenAI, bukan dari tagihan OmniaKey.

Tugasnya adalah pemilih peristiwa terbaru, penggabungan interval, dan kueri refund. Masing-masing diuji pada kasus batas tetap plus 100 kasus acak semu deterministik dengan seed 20261119: 104 kasus peristiwa terbaru, 106 kasus interval, dan 102 kasus SQL. Angka itu jumlah kasus uji, bukan jumlah eksekusi model terpisah. Perilaku yang diharapkan: satu peristiwa terpilih per ID, menit interval tidak dihitung dua kali, dan refund dikurangkan sekali per pembayaran.

Ketiga prompt, persis seperti yang dikirim:

Prompt 1: peristiwa terbaru

Return ONLY Python 3 code defining total_paid(events). Do not import modules or print. Each event is a dict with id (string), version (integer), status (string) and cents (integer). Select the event with the largest version per id; when versions tie, the later item in the input wins. Return the sum of cents only for selected events whose status is "paid". Input may be empty. Do not mutate the list or its dicts. The algorithm must run in O(n) time and support negative cents. Example: [{"id":"a","version":2,"status":"paid","cents":50},{"id":"a","version":1,"status":"paid","cents":200},{"id":"b","version":1,"status":"void","cents":20}] returns 50. Do not include tests or explanations.

Prompt 2: penggabungan interval

Return ONLY Python 3 code defining union_minutes(intervals). Do not import modules or print. intervals is a list of two-integer [start,end] pairs representing half-open ranges in minutes, with start <= end. Values can be negative and pairs can be unsorted. Return the total length of their union. Adjacent, overlapping, nested and duplicate intervals must not be double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or explanations.

Prompt 3: refund SQL

Return ONLY one SQLite SELECT query, optionally with WITH common table expressions. No explanation or Markdown. Tables: payments(id INTEGER PRIMARY KEY, customer_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL); refunds(id INTEGER PRIMARY KEY, payment_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL). Return customer_id, net_cents for each customer with at least one payment whose status is 'paid', including customers whose net is zero or negative. net_cents is the sum of their paid payment amounts minus only refunds with status 'succeeded' attached to those paid payments. Exclude unpaid payments and refunds on them. A payment can have zero or multiple refunds. Do not multiply payment amounts when joining refunds. Sort by customer_id ascending. Use only these two tables.

TugasAstraSol
Peristiwa terbaru per ID104/104, 4.2 dtk104/104, 5.0 dtk
Penggabungan interval106/106, 4.4 dtk106/106, 6.5 dtk
Refund SQL102/102, 6.0 dtk102/102, 4.9 dtk
Total3 tugas, 14.6 dtk3 tugas, 16.4 dtk

Jumlah token di balik biaya itu, dan biayanya pada tarif Standard resmi:

TugasMasukanKeluaran AstraKeluaran Sol
Peristiwa terbaru per ID4,5588193
Penggabungan interval4,53281149
Refund SQL4,550113128
Total13,640275370
TugasAstraSol
Peristiwa terbaru per ID$0.0397$0.0100
Penggabungan interval$0.0395$0.0106
Refund SQL$0.0409$0.0104
Tiga panggilan per model$0.1201$0.0310

Tiap permintaan melaporkan sekitar 4,380 token instruksi di luar prompt yang terlihat, sama untuk kedua model. Kami memakai seluruh 13,640 token masukan dalam hitungan, bukan menaksir dari panjang prompt. Tidak ada cache hit maupun penulisan cache. Sol memakai 10, 47, dan 13 token penalaran di dalam total keluarannya; Astra tidak melaporkan satu pun.

Kodenya berperilaku sama di keduanya. Masing-masing menyimpan versi tertinggi per ID dan menyelesaikan seri dengan butir yang lebih akhir, keduanya tidak mengubah masukan, dan keduanya menjumlahkan refund yang berhasil sebelum menggabungkan pembayaran agar beberapa refund tidak mengalikan nilai pembayaran.

Totalnya enam panggilan, jadi baca waktunya sebagai satu pengamatan per model, bukan peringkat kecepatan. Tingkat kelulusan menunjukkan kedua model bisa menyelesaikan tugas terbatas satu putaran; itu sedikit sekali menjelaskan sesi agen panjang dengan repositori, tool, dan percobaan ulang.

Di mana uji independen menunjukkan perbedaan?

Artificial Analysis menempatkan Astra di depan pada kedua uji coding dengan label medium yang sama: 2.5 poin di Terminal-Bench 4.0 dan 5.2 poin di FrontierCode.

UkuranAstraSol
Intelligence Index5753
Terminal-Bench 4.058.6%56.1%
FrontierCode-AA2.046.6%41.4%
Waktu per tugas4.5 mnt3.3 mnt
Biaya per tugas$1.62$0.41

Ini angka perbandingan Artificial Analysis saat ini, diperiksa 19 Nov 2026. Intelligence Index v5.0.1 mencakup sembilan evaluasi, dengan coding bernilai 25% dari skor. Halaman perbandingan adalah cuplikan langsung dan tidak mencantumkan tanggal eksekusi terpisah, jadi perlakukan angkanya sebagai nilai terkini, bukan nilai tetap. Halaman itu memberi label medium pada baris kedua model, yang merupakan pengaturan OpenAI; label saja tidak menunjukkan bahwa keduanya memakai token yang sama banyak. Uji ini tugas panjang bergaya agen, karena itu satu tugas berbiaya dolar di sana dan sen di jalur satu putaran kami.

Pada tingkat max, halaman yang sama memberi Astra 62 dan Sol 57 pada indeks, dengan 13.9 dan 8.7 menit per tugas serta $4.00 dan $1.01 per tugas. Astra pada high dan Sol pada max sama-sama mencapai 60.1% di Terminal-Bench 4.0. Skor FrontierCode Astra lebih tinggi pada xhigh (49.0%) daripada max (45.4%), jadi menaikkan tingkat tidak memperbaiki setiap skor. Membandingkan Astra pada max dengan Sol pada low akan menguntungkan Astra; menyamakan label adalah perbandingan paling bersih, walau label yang sama tidak berarti keduanya memakai token yang sama banyak.

Tingkat penalaran mana yang sebaiknya dipakai?

Mulai dari medium pada keduanya. Itulah pengaturan di balik skor independen di atas, dan panduan pemilihan model OpenAI menyarankan Sol pada medium untuk sebagian besar alur kerja API.

Kedua model menerima low, medium, high, xhigh, dan max, dan keduanya menolak none. OpenAI menyarankan memulai integrasi baru pada medium dan memakai low sebagai pengganti none atau minimal. Tingkat lebih tinggi biasanya menulis lebih banyak token keluaran dan pada eksekusi yang dipublikasikan rata-rata lebih lama, tetapi tidak menaikkan setiap skor. Tingkat tinggi untuk tugas yang butuh lebih banyak pemeriksaan, bukan untuk setiap panggilan.

Daftar kecocokan tugas dari OpenAI adalah nilai bawaan yang wajar. Sol pada medium untuk perbaikan bug dan penambahan fitur di kode yang ada, Sol pada extra high untuk tugas bertahap yang butuh pengujian dan revisi, dan Astra pada extra high untuk masalah terbuka yang menuntut penimbangan kompromi. Penilaian itu perkiraan, dan panduannya tidak memberi skor di baliknya.

Model mana untuk coding sehari-hari?

Mulai dengan Sol. Pindah ke Astra ketika tugas sulit Anda terus gagal di Sol, karena keunggulan independen Astra hanya beberapa poin sementara harga tokennya empat kali Sol.

Untuk kerja rutin dengan spesifikasi jelas seperti tiga tugas di atas, Sol menyamai Astra pemeriksaan demi pemeriksaan dengan biaya sekitar seperempatnya. Pada uji independen, keunggulan Astra dengan label medium adalah 2.5 poin di Terminal-Bench 4.0 dari 100 dan 5.2 poin di FrontierCode.

Bandingkan selisih harga dengan pekerjaan yang dihemat. Pada 10,000 token masukan dan 2,000 keluaran, 100 panggilan Astra berbiaya $12 lebih banyak daripada 100 panggilan Sol. Letakkan itu di samping biaya satu percobaan ulang, satu putaran tinjauan, atau satu jawaban salah; hanya tugas Anda sendiri yang bisa memberi angkanya.

Cara praktis mengukurnya: ambil 20 tugas kompleks terakhir yang membuat Sol butuh putaran kedua, jalankan di Astra dengan high atau xhigh, lalu bandingkan tambahan pengeluaran dengan pekerjaan yang hilang. Kalau Astra hanya mengganti jawaban yang toh akan Anda terima, tetap pakai Sol.

Bagaimana mencoba keduanya lewat API yang sama?

Arahkan SDK OpenAI ke URL dasar OmniaKey https://api.omniakey.com/v1, simpan kunci di OMNIAKEY_API_KEY, dan ubah satu string untuk berganti model. Kedua keluarga endpoint bekerja dengan kedua ID; pakai Responses bila Anda akan memanggil tool.

python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OMNIAKEY_API_KEY"],
    base_url="https://api.omniakey.com/v1",
)

prompt = (
    "Return ONLY Python 3 code defining union_minutes(intervals). Do not import "
    "modules or print. intervals is a list of two-integer [start,end] pairs "
    "representing half-open ranges in minutes, with start <= end. Values can be "
    "negative and pairs can be unsorted. Return the total length of their union. "
    "Adjacent, overlapping, nested and duplicate intervals must not be "
    "double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not "
    "mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. "
    "Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or "
    "explanations."
)

response = client.responses.create(
    model="gpt-6.2-sol",  # or "gpt-6.2-astra"
    reasoning={"effort": "medium"},
    max_output_tokens=4096,
    input=prompt,
    stream=True,
)
for event in response:
    if event.type == "response.output_text.delta":
        print(event.delta, end="")

Ini bentuk permintaan yang kami pakai untuk tiga tugas, dengan prompt penggabungan interval di atas secara penuh. Blok usage pada respons melaporkan token masukan dan keluaran, dan total keluaran mencakup token penalaran.

Kedua endpoint bekerja dengan kedua ID. Pakai Responses saat butuh tool; Chat Completions melayani permintaan tanpanya. Panduan penyiapan GPT-6 Astra yang lama membahas endpoint yang sama, Codex, dan perbaikan galat; ganti dengan gpt-6.2-astra atau gpt-6.2-sol di bagian yang menyebut model.

Harga OmniaKey saat ini untuk keduanya ada di halaman model GPT-6.2 Astra dan halaman model GPT-6.2 Sol.

Pertanyaan umum

Apakah GPT-6.2 Sol cukup untuk coding?

Pada tiga tugas kecil kami ia menyamai Astra pemeriksaan demi pemeriksaan. Artificial Analysis masih menempatkan Astra 2.5 poin di depan pada Terminal-Bench 4.0 dengan label medium, jadi Sol adalah pilihan bawaan yang masuk akal dan Astra cadangan untuk kerja lebih sulit.

Berapa lebih murah GPT-6.2 Sol daripada Astra?

Sol seperempat biayanya, atau 75% lebih murah pada setiap tarif Standard: $2 masukan dan $10 keluaran per juta token dibanding $8 dan $40. Tiga tugas kami berselisih 3.7 sampai 4.0 kali, dan 100 permintaan 10,000 masukan serta 2,000 keluaran berbiaya $16 dibanding $4.

Tingkat usaha mana yang saya pakai untuk GPT-6.2?

Medium pada keduanya. Keduanya menolak none, dan OpenAI menyarankan medium untuk integrasi baru. Naikkan untuk kerja bertahap yang butuh pengujian dan revisi. Tingkat lebih tinggi tidak otomatis lebih lambat atau lebih baik: skor FrontierCode Astra lebih tinggi pada xhigh daripada max.

Bisakah salah satunya menerima gambar atau memanggil tool?

Keduanya menerima teks dan gambar serta mengembalikan teks; audio dan video tidak didukung. Kedua endpoint bekerja, dan pemanggilan tool membutuhkan API Responses.

Sumber yang diperiksa

Harga dan batas diperiksa 19 Nov 2026.

Riwayat pembaruan

  • 19 Nov 2026: versi pertama. Tiga tugas dijalankan lewat OmniaKey pada hari yang sama; harga, batas, dan skor independen diperiksa hari itu.

Model di artikel ini

GPT-6.2 AstraGPT-6.2 Solperbandingan modelharga APIcoding

Artikel terkait

Artikel terbaru

Panduan populer