OpenAI kembali memperluas keluarga GPT-6 dengan memperkenalkan GPT-6 Sol dan GPT-6 Luna pada 22 September 2026. Keduanya hadir setelah GPT-6 Astra dan ditujukan untuk membawa kemampuan generasi GPT-6 ke lebih banyak pekerjaan dengan kombinasi kemampuan, kecepatan, dan biaya yang berbeda.
GPT-6 Astra tetap menjadi model GPT-6 dengan kemampuan tertinggi untuk pekerjaan paling menantang. Sementara itu, GPT-6 Sol dirancang untuk pekerjaan kompleks, coding, dan workflow berbasis agen dengan biaya yang jauh lebih rendah. GPT-6 Luna mengambil posisi sebagai model paling efisien untuk tugas yang fokus dan memiliki volume penggunaan tinggi.
Perbedaan tersebut juga terlihat pada harga API. Untuk prompt dengan input hingga 272.000 token pada Standard processing, GPT-6 Sol dibanderol US$2 per 1 juta input token dan US$10 per 1 juta output token. GPT-6 Luna jauh lebih murah, yaitu US$0,10 untuk input dan US$0,50 untuk output per 1 juta token.
Ringkasan: GPT-6 Sol dan Luna merupakan dua model terbaru keluarga GPT-6 yang melengkapi GPT-6 Astra. Sol cocok untuk pekerjaan kompleks, coding, computer use, dan workflow profesional, sedangkan Luna ditujukan untuk tugas fokus dengan volume tinggi dan biaya sangat efisien. Keduanya sudah tersedia melalui API serta ChatGPT Work dan Codex pada paket yang memenuhi syarat, tetapi per 23 September 2026 belum tersedia di Chat reguler.
OpenAI Resmi Memperkenalkan GPT-6 Sol dan GPT-6 Luna
GPT-6 Sol dan GPT-6 Luna diperkenalkan OpenAI pada 22 September 2026. Keduanya membawa berbagai peningkatan GPT-6 ke kelas model yang lebih praktis untuk penggunaan sehari-hari maupun implementasi dalam skala besar.
OpenAI menempatkan ketiga model GPT-6 pada kebutuhan yang berbeda. Astra menjadi opsi untuk kemampuan maksimal, Sol berada di tengah dengan fokus pada pekerjaan kompleks dan efisiensi, sedangkan Luna menawarkan biaya paling rendah untuk tugas yang lebih terarah dan berulang dalam jumlah besar.
1. Melengkapi GPT-6 Astra yang Lebih Dulu Dirilis
GPT-6 Astra diperkenalkan lebih dahulu pada September 2026 sebagai model GPT-6 paling kuat dari OpenAI.
Astra membawa peningkatan besar pada professional work, computer use, coding, software engineering, browsing, cybersecurity, science, serta kemampuan menjalankan workflow panjang menggunakan berbagai tools.
Namun, tidak semua pekerjaan membutuhkan kemampuan maksimal tersebut.
Untuk tugas yang lebih rutin atau workload dengan volume besar, menggunakan model tertinggi juga dapat menghasilkan biaya yang tidak diperlukan. Karena itulah OpenAI memperluas keluarga GPT-6 melalui Sol dan Luna.
2. Membawa Teknologi GPT-6 ke Model yang Lebih Cepat dan Terjangkau
OpenAI menyebut GPT-6 Sol dan Luna dilatih menggunakan pendekatan yang serupa dengan GPT-6 Astra.
Tujuannya adalah membawa sebagian peningkatan Astra dalam aspek professional work, factuality, coding, computer use, dan alignment ke model yang dapat dijalankan dengan biaya lebih rendah.
Hasilnya, developer maupun perusahaan tidak selalu harus menggunakan Astra untuk setiap request. Model dapat dipilih berdasarkan tingkat kompleksitas pekerjaan.
3. Fokus pada Efisiensi untuk Penggunaan Sehari-hari dan Skala Besar
Efisiensi menjadi salah satu tema utama peluncuran Sol dan Luna.
OpenAI meningkatkan sistem inference dan prompt caching sehingga model dapat digunakan dengan biaya lebih rendah. API GPT-6 Sol dan Luna juga diluncurkan dengan harga sekitar 50% lebih rendah dibandingkan promotional pricing generasi GPT-5.6 yang menjadi pendahulunya.
Penurunan biaya tersebut penting untuk aplikasi yang dapat menjalankan ribuan hingga jutaan request, seperti customer support automation, AI agent, analisis dokumen, coding agent, workflow internal, hingga aplikasi AI untuk konsumen.
Apa Itu GPT-6 Sol?
1. Model GPT-6 untuk Pekerjaan Kompleks
GPT-6 Sol merupakan model yang dirancang untuk menangani pekerjaan kompleks tanpa harus menggunakan kemampuan penuh GPT-6 Astra.
Dalam dokumentasi API, OpenAI mendeskripsikan GPT-6 Sol sebagai model yang dibangun untuk complex coding and agentic workflows.
Model ini memiliki context window hingga sekitar 1,05 juta token dan dapat menghasilkan output hingga 128.000 token dalam API.
Kapasitas context yang besar membuat Sol dapat digunakan untuk memproses codebase, kumpulan dokumen, laporan, maupun rangkaian instruksi yang relatif panjang dalam satu workflow.
2. Kemampuan Professional Work yang Lebih Baik
GPT-6 Sol membawa peningkatan pada pekerjaan profesional seperti analisis, riset, finance, marketing, operations, HR, support, dan workflow lintas aplikasi.
Pada AutomationBench yang digunakan OpenAI untuk mengevaluasi workflow bisnis menggunakan berbagai aplikasi, GPT-6 Sol menunjukkan peningkatan dibandingkan GPT-5.6 Sol.
Model ini juga dirancang agar dapat melakukan pekerjaan multistep dengan lebih konsisten, terutama ketika digunakan sebagai agent yang perlu membaca informasi, menentukan tindakan, menggunakan tools, lalu menghasilkan output akhir.
3. Peningkatan Coding dan Computer Use
Coding menjadi salah satu area yang mendapatkan peningkatan besar.
Dalam evaluasi DeepSWE 1.1, GPT-6 Sol pada tingkat reasoning maksimal mencatat skor 68,8%. OpenAI juga melaporkan peningkatan pada FrontierCode yang menilai apakah perubahan coding tidak hanya benar, tetapi juga cukup rapi dan sesuai standar untuk digabungkan ke codebase.
Kemampuan computer use juga meningkat. Dalam OSWorld 2.0 offline, GPT-6 Sol pada xhigh effort mencatat skor 60,5%, hampir sama dengan hasil Claude Opus 5 pada medium effort dalam evaluasi yang dilaporkan OpenAI, tetapi dengan estimasi biaya per task lebih rendah.
Hasil benchmark tetap perlu dipahami sebagai indikator pada skenario pengujian tertentu, bukan jaminan bahwa satu model akan selalu lebih baik untuk setiap codebase atau workflow.
4. Akurasi Faktual yang Mendekati GPT-6 Astra
OpenAI juga menyoroti peningkatan factuality.
Dalam evaluasi internal yang menggunakan percakapan teranonimisasi ketika pengguna sebelumnya melaporkan kesalahan faktual, GPT-6 Sol menghasilkan sekitar setengah jumlah kesalahan dibandingkan model pendahulunya.
Menurut OpenAI, tingkat reliabilitasnya mulai mendekati GPT-6 Astra tetapi dengan biaya yang jauh lebih rendah.
Namun, angka tersebut berasal dari evaluation set yang sengaja berisi percakapan yang berpotensi memicu kesalahan. OpenAI sendiri menekankan bahwa kumpulan tersebut tidak mewakili keseluruhan penggunaan normal.
Pengguna tetap perlu memverifikasi informasi penting, terutama untuk keputusan keuangan, hukum, kesehatan, atau kebutuhan profesional dengan risiko tinggi.
Apa Itu GPT-6 Luna?
1. Model GPT-6 dengan Fokus pada Kecepatan dan Efisiensi Biaya
GPT-6 Luna merupakan model GPT-6 yang paling efisien dari sisi biaya.
OpenAI mendeskripsikannya sebagai model untuk focused, high-volume tasks. Artinya, Luna ditujukan untuk pekerjaan yang cukup terarah dan perlu diproses dalam jumlah besar tanpa selalu membutuhkan kemampuan reasoning setinggi Sol atau Astra.
Seperti Sol, Luna memiliki context window hingga sekitar 1,05 juta token serta maksimum output API 128.000 token.
2. Cocok untuk Pekerjaan dengan Volume Tinggi
Harga API Luna membuat model ini menarik untuk penggunaan dengan jumlah request yang sangat besar.
Contohnya meliputi:
- klasifikasi data;
- ekstraksi informasi;
- ringkasan dokumen;
- pengolahan customer feedback;
- draft respons sederhana;
- pemrosesan data tidak terstruktur;
- workflow agent yang berulang; dan
- fitur AI dalam aplikasi dengan jumlah pengguna besar.
Dengan input hanya US$0,10 per 1 juta token pada Standard processing untuk context pendek, biaya dapat lebih mudah dikendalikan ketika volume request meningkat.
3. Kemampuan Coding yang Tetap Kompetitif
Harga rendah tidak berarti kemampuan coding Luna terbatas pada task sederhana.
Dalam DeepSWE 1.1 yang dikutip OpenAI, GPT-6 Luna pada max effort memperoleh skor 66,6%. OpenAI menyebut hasil tersebut kompetitif dengan sejumlah model frontier lain dalam konfigurasi tertentu, tetapi dengan biaya per task yang jauh lebih rendah.
Untuk developer, Luna dapat digunakan untuk pekerjaan coding yang volumenya besar seperti generating tests, melakukan transformasi kode, dokumentasi, klasifikasi issue, atau agent subtask sebelum pekerjaan yang lebih kompleks diteruskan ke Sol atau Astra.
4. Pilihan untuk Otomatisasi dan Aplikasi AI Berskala Besar
Luna juga dapat menjadi pilihan untuk arsitektur AI yang menggunakan model berbeda berdasarkan kompleksitas request.
Sebagai contoh, request sederhana dapat diproses Luna terlebih dahulu. Task yang membutuhkan reasoning lebih dalam kemudian dapat diarahkan ke Sol, sedangkan pekerjaan yang sangat kompleks menggunakan Astra.
Pendekatan seperti ini dapat membantu perusahaan mengoptimalkan biaya tanpa menggunakan model termahal untuk semua request.
Perbedaan GPT-6 Sol dan GPT-6 Luna
1. Perbedaan Tingkat Kemampuan
GPT-6 Sol berada pada tingkat kemampuan lebih tinggi dan ditujukan untuk pekerjaan kompleks, terutama coding dan agentic workflows.
GPT-6 Luna lebih difokuskan pada tugas yang memiliki tujuan jelas dan volume tinggi.
Jika pekerjaan membutuhkan banyak reasoning, keputusan multistep, penggunaan tools, dan pemeriksaan hasil, Sol biasanya menjadi titik awal yang lebih sesuai.
2. Perbedaan Kecepatan dan Efisiensi
Luna menawarkan efisiensi biaya yang jauh lebih tinggi dan cocok ketika aplikasi perlu memproses banyak request.
Sol menggunakan lebih banyak resource tetapi memberikan kemampuan lebih tinggi untuk tugas yang membutuhkan reasoning dan judgment.
Keduanya tetap berada di bawah Astra dalam hierarki kemampuan GPT-6.
3. Perbedaan Harga API
Untuk Standard API dengan prompt hingga 272.000 input token:
| Model | Input / 1 Juta Token | Cached Input | Output / 1 Juta Token |
|---|---|---|---|
| GPT-6 Sol | US$2,00 | US$0,20 | US$10,00 |
| GPT-6 Luna | US$0,10 | US$0,01 | US$0,50 |
Dengan harga tersebut, Luna memiliki biaya token sekitar 20 kali lebih rendah daripada Sol pada tarif standar tersebut.
4. Perbedaan Kebutuhan Penggunaan
Sol dapat diprioritaskan untuk pekerjaan seperti:
- software engineering kompleks;
- agentic workflow;
- analisis mendalam;
- computer use;
- workflow profesional lintas aplikasi; dan
- task yang membutuhkan judgment lebih tinggi.
Sementara Luna dapat digunakan untuk:
- pemrosesan dalam jumlah besar;
- ringkasan dan ekstraksi;
- klasifikasi;
- workflow otomatis dengan task terarah;
- sub-agent dengan scope terbatas; dan
- fitur AI yang sensitif terhadap biaya.
Kapan Sebaiknya Menggunakan Sol atau Luna?
Gunakan GPT-6 Sol ketika kualitas reasoning dan kemampuan menangani workflow kompleks memiliki prioritas lebih tinggi dibandingkan biaya token terendah.
Sol dapat menjadi pilihan untuk pekerjaan yang sebelumnya membutuhkan model flagship, tetapi tidak selalu memerlukan kemampuan maksimum GPT-6 Astra.
Sebaliknya, gunakan GPT-6 Luna apabila task sudah cukup terdefinisi, dijalankan berulang, serta memiliki volume besar. Selisih harga yang signifikan dapat membuat Luna lebih ekonomis untuk aplikasi dengan jutaan token setiap hari.
Developer juga tidak harus menggunakan satu model untuk seluruh sistem. Routing berdasarkan kompleksitas pekerjaan dapat menjadi pendekatan yang lebih efisien.
GPT-6 Astra vs Sol vs Luna, Apa Bedanya?
1. GPT-6 Astra untuk Kemampuan Maksimal
GPT-6 Astra masih menjadi model terbaik dalam keluarga GPT-6 secara keseluruhan menurut OpenAI.
Model ini ditujukan untuk pekerjaan dengan tingkat kesulitan tertinggi, termasuk professional work kompleks, advanced computer use, software engineering, science, cybersecurity, dan workflow panjang yang membutuhkan judgment tinggi.
Jika kualitas output menjadi prioritas utama dan biaya bukan kendala utama, Astra menjadi opsi paling tinggi.
2. GPT-6 Sol untuk Keseimbangan Kemampuan dan Biaya
Sol berada di tengah.
Kemampuannya cukup kuat untuk coding, computer use, professional workflows, dan berbagai pekerjaan kompleks, tetapi biaya API-nya jauh di bawah Astra.
Posisi ini membuat Sol menarik untuk penggunaan profesional ketika perusahaan membutuhkan kemampuan tinggi tetapi tetap harus mempertimbangkan biaya dalam skala besar.
3. GPT-6 Luna untuk Kecepatan dan Efisiensi
Luna berada pada tier yang mengutamakan efisiensi.
Model ini cocok untuk workload dengan task yang lebih fokus, volume besar, serta kebutuhan biaya per request yang rendah.
| Model | Fokus Utama | Cocok untuk |
|---|---|---|
| GPT-6 Astra | Kemampuan maksimal | Pekerjaan tersulit dan paling kritis |
| GPT-6 Sol | Kemampuan tinggi + efisiensi | Coding, agents, professional workflows |
| GPT-6 Luna | Efisiensi biaya dan volume | Focused dan high-volume tasks |
Kelebihan GPT-6 Sol dan Luna Dibanding Generasi Sebelumnya
1. Lebih Akurat dalam Memberikan Jawaban
OpenAI melaporkan peningkatan factuality pada kedua model.
GPT-6 Sol menghasilkan sekitar separuh kesalahan faktual dibandingkan GPT-5.6 Sol pada evaluation set internal OpenAI. Luna juga meningkat dan pada reasoning effort tinggi dapat mencapai factuality yang kompetitif dengan model generasi sebelumnya dengan biaya jauh lebih rendah.
2. Kemampuan Coding Lebih Kuat
Baik Sol maupun Luna mendapatkan peningkatan pada coding.
Sol terutama ditujukan untuk coding kompleks dan workflow agentic, sedangkan Luna menawarkan kemampuan coding yang cukup kuat untuk model dengan harga API sangat rendah.
Hal ini memberi developer lebih banyak opsi dalam membagi pekerjaan coding ke model sesuai tingkat kompleksitasnya.
3. Lebih Baik untuk Menjalankan Workflow Profesional
GPT-6 tidak hanya dirancang untuk menjawab pertanyaan.
Sol dan Luna dapat digunakan bersama tools untuk menjalankan rangkaian pekerjaan seperti membaca data, mencari informasi, mengolah dokumen, melakukan tindakan di aplikasi, lalu menyusun hasil akhir.
Kemampuan tersebut relevan untuk sales, marketing, operations, finance, HR, customer support, dan berbagai pekerjaan knowledge worker.
4. Kemampuan Computer Use yang Lebih Efisien
GPT-6 Astra tetap menjadi model terkuat OpenAI untuk computer use, tetapi Sol dan Luna membawa peningkatan efisiensi dibandingkan model pendahulunya.
Hal ini dapat membantu ketika AI perlu bekerja dengan antarmuka aplikasi, browser, maupun workflow berbasis komputer untuk menyelesaikan pekerjaan multistep.
5. Gaya Komunikasi Lebih Ringkas dan Jelas
OpenAI juga membawa gaya komunikasi GPT-6 Astra ke Sol dan Luna.
Perusahaan menyebut respons kedua model dibuat lebih jelas, menggunakan jargon yang lebih sedikit, mengurangi detail bernilai rendah, serta cenderung sedikit lebih ringkas tanpa menghilangkan substansi.
Perubahan tersebut terutama ditujukan untuk membuat percakapan teknis dan coding lebih mudah diikuti.
6. Biaya Penggunaan Lebih Rendah
Penurunan harga menjadi salah satu perubahan paling terlihat.
GPT-6 Sol turun menjadi US$2 input dan US$10 output per 1 juta token pada Standard API untuk context pendek. GPT-6 Luna hanya US$0,10 untuk input dan US$0,50 untuk output.
Bagi perusahaan dengan workload besar, selisih beberapa dolar per juta token dapat berkembang menjadi penghematan yang signifikan.
GPT-6 Sol dan Luna untuk Pekerjaan dan Bisnis
1. Membantu Riset dan Analisis
Sol dapat digunakan untuk membaca dokumen panjang, membandingkan informasi, melakukan web research menggunakan tools yang tersedia, serta membantu menyusun analisis.
Luna dapat digunakan untuk tahap yang lebih berulang seperti mengklasifikasikan dokumen atau membuat ringkasan awal sebelum analisis lanjutan dilakukan model yang lebih kuat.
2. Mendukung Marketing dan Content Creation
Dalam marketing, AI dapat membantu membuat variasi copy, merangkum hasil campaign, mengolah customer feedback, membuat ide konten, hingga membantu riset pasar.
Model tetap perlu mendapatkan data dan instruksi yang baik. Output juga sebaiknya ditinjau manusia, terutama untuk materi publik dan informasi mengenai produk.
3. Membantu Analisis Data dan Dokumen
Context window sekitar 1,05 juta token memungkinkan Sol maupun Luna menerima input dalam jumlah besar melalui API.
Kemampuan ini dapat digunakan untuk menganalisis laporan, dokumen internal, log, percakapan pelanggan, atau kumpulan informasi lain sesuai kebijakan keamanan data perusahaan.
4. Mendukung Workflow Finance dan Operations
AI dapat digunakan untuk membantu mengklasifikasikan transaksi, merangkum laporan, mengekstrak informasi invoice, memeriksa dokumen, atau mengotomatisasi workflow operasional.
Untuk keputusan keuangan maupun proses yang memiliki konsekuensi besar, tetap terapkan proses review manusia dan kontrol internal yang sesuai.
5. Membantu Otomatisasi Pekerjaan Berulang
Luna menjadi menarik untuk workflow yang volumenya tinggi dan memiliki prosedur cukup konsisten.
Sol dapat mengambil alih ketika workflow membutuhkan lebih banyak reasoning, penggunaan tools, atau penyelesaian masalah yang tidak sepenuhnya terstruktur.
Kombinasi beberapa model dapat membantu perusahaan menyeimbangkan kualitas hasil dengan biaya operasional AI.
Berapa Harga GPT-6 Sol dan GPT-6 Luna?
1. Harga GPT-6 Sol – US$2 Input dan US$10 Output per 1 Juta Token
Untuk Standard processing dengan prompt hingga 272.000 input token, tarif GPT-6 Sol adalah:
- Input: US$2 per 1 juta token;
- Cached input: US$0,20 per 1 juta token;
- Cache write: US$2,50 per 1 juta token; dan
- Output: US$10 per 1 juta token.
Biaya aktual tentu bergantung pada jumlah token input, output, penggunaan tools, processing tier, serta konfigurasi aplikasi.
2. Harga GPT-6 Luna – US$0,10 Input dan US$0,50 Output per 1 Juta Token
Untuk GPT-6 Luna pada kondisi Standard yang sama:
- Input: US$0,10 per 1 juta token;
- Cached input: US$0,01 per 1 juta token;
- Cache write: US$0,125 per 1 juta token; dan
- Output: US$0,50 per 1 juta token.
Harga ini membuat Luna relevan untuk aplikasi dengan request dalam jumlah sangat besar.
3. Harga Cached Input GPT-6 Sol dan Luna
OpenAI memberikan diskon 90% pada cached input-token reads untuk GPT-6.
Karena itu, cached input GPT-6 Sol dikenakan US$0,20 dibandingkan input reguler US$2, sementara Luna hanya US$0,01 dibandingkan US$0,10.
Cache write memiliki struktur berbeda dan dibanderol 1,25 kali tarif uncached input.
Prompt caching terutama berguna pada aplikasi yang berulang kali mengirim prefix atau context yang sama, seperti system instructions, dokumentasi produk, codebase context, atau conversation history yang panjang.
4. Perbedaan Biaya untuk Context yang Lebih Panjang
GPT-6 Sol dan Luna memiliki context window hingga sekitar 1,05 juta token, tetapi harga standar di atas berlaku untuk prompt dengan input hingga 272.000 token.
Jika sebuah request memiliki lebih dari 272.000 input token, OpenAI menerapkan tarif 2 kali untuk input dan cache serta 1,5 kali untuk output pada seluruh request tersebut.
| Model | Long-context Input | Cached Input | Output |
|---|---|---|---|
| GPT-6 Sol | US$4,00 / 1 juta token | US$0,40 | US$15,00 |
| GPT-6 Luna | US$0,20 / 1 juta token | US$0,02 | US$0,75 |
Karena itu, aplikasi dengan context sangat panjang tetap perlu mengoptimalkan jumlah informasi yang dikirim agar biaya dan latency tidak meningkat tanpa manfaat.
Kenapa Harga GPT-6 Sol dan Luna Bisa Lebih Murah?
1. Peningkatan Efisiensi Inference
OpenAI menyebut peningkatan pada inference menjadi salah satu alasan perusahaan dapat menawarkan harga lebih rendah.
Efisiensi tersebut memungkinkan model memberikan kemampuan lebih tinggi tanpa kenaikan biaya yang sebanding.
2. Prompt Caching yang Lebih Optimal
GPT-6 menggunakan sistem prompt caching yang ditingkatkan untuk menghasilkan cache hit rate lebih tinggi secara default.
Ketika bagian prompt yang sama dapat digunakan kembali, aplikasi tidak perlu selalu memproses seluruh context dari awal.
Selain mengurangi biaya, caching juga dapat membantu menekan latency pada agents dan conversation yang panjang.
3. OpenAI Menurunkan Harga API hingga 50%
OpenAI menyatakan harga API Sol dan Luna diluncurkan sekitar 50% lebih rendah dibandingkan promotional pricing model GPT-5.6 yang menjadi pendahulunya.
GPT-5.6 Sol sebelumnya memiliki promotional pricing US$4 input dan US$20 output, sedangkan GPT-6 Sol menjadi US$2 dan US$10.
Untuk Luna, biaya input turun dari US$0,20 menjadi US$0,10 dan output turun dari US$1,20 menjadi US$0,50.
4. Efisiensi Biaya untuk Penggunaan AI dalam Skala Besar
Untuk penggunaan individual, perbedaan beberapa dolar per juta token mungkin terlihat kecil.
Namun, perusahaan dapat memproses miliaran token per bulan. Pada skala tersebut, pilihan model, prompt caching, panjang context, dan jumlah output dapat memberikan dampak besar terhadap biaya.
Karena itu, hadirnya Luna memungkinkan workload sederhana dialihkan ke model yang lebih ekonomis, sementara Sol atau Astra hanya digunakan ketika benar-benar dibutuhkan.
Apakah GPT-6 Sol dan Luna Sudah Tersedia di ChatGPT?
Per 23 September 2026, GPT-6 Sol dan GPT-6 Luna tersedia di ChatGPT Work dan Codex untuk pengguna Plus, Pro, Business, Enterprise, dan Edu sesuai rollout serta pengaturan workspace.
OpenAI juga menyediakan akses GPT-6 Luna untuk pengguna Free dan Go melalui aplikasi desktop.
Namun, ada perbedaan penting antara ChatGPT Work dan percakapan ChatGPT reguler. Saat pengumuman awal, OpenAI menyatakan GPT-6 Sol dan Luna belum tersedia di Chat reguler.
Dokumentasi Help Center OpenAI yang berlaku pada 23 September juga masih menyebut Sol dan Luna sebagai model untuk Work dan Codex, bukan regular ChatGPT conversations.
Bagi developer, keduanya sudah tersedia melalui OpenAI API dengan model ID:
gpt-6-sol; dangpt-6-luna.
Ketersediaan produk dapat berubah setelah artikel ini diterbitkan. Karena itu, pengguna sebaiknya mengecek model picker atau dokumentasi resmi OpenAI untuk mengetahui akses terbaru pada paket masing-masing.
Siapa yang Cocok Menggunakan GPT-6 Sol dan Luna?
1. Pengguna ChatGPT untuk Produktivitas
Pengguna yang bekerja dengan dokumen, riset, analisis, coding, dan workflow multistep dapat mempertimbangkan Sol melalui ChatGPT Work ketika tersedia pada paket mereka.
Luna dapat menjadi pilihan ketika tugas lebih ringan dan kecepatan serta efisiensi lebih diprioritaskan.
2. Developer dan Software Engineer
Developer menjadi salah satu kelompok pengguna utama Sol.
Model ini dirancang untuk complex coding dan agentic workflows sehingga dapat digunakan untuk memahami codebase, membuat perubahan, debugging, testing, dan berbagai workflow software engineering.
Luna dapat menangani pekerjaan coding berulang atau menjadi sub-agent untuk mengurangi biaya.
3. Content Creator dan Marketer
Creator dan marketer dapat menggunakan AI untuk riset, brainstorming, menganalisis campaign, menghasilkan variasi copy, merangkum data, hingga membantu menyusun content plan.
Untuk produksi konten dalam jumlah besar, Luna dapat digunakan pada tahap awal sementara Sol digunakan pada pekerjaan yang membutuhkan analisis lebih dalam.
4. Profesional dan Knowledge Worker
Konsultan, analis, researcher, project manager, finance professional, maupun pekerja kantoran dapat memanfaatkan kemampuan professional work Sol.
AI dapat membantu mempercepat pekerjaan, tetapi keputusan dan output penting tetap membutuhkan review manusia.
5. Pebisnis dan Perusahaan
Perusahaan dapat menggunakan kedua model untuk membangun workflow internal, mengolah dokumen, customer support, automation, finance operations, sales, marketing, maupun proses lainnya.
Pemilihan model sebaiknya mempertimbangkan kualitas yang dibutuhkan, volume transaksi, latency, dan cost per task.
6. Developer Aplikasi Berbasis AI
Harga Luna yang sangat rendah membuatnya menarik untuk fitur AI dengan volume pengguna tinggi.
Developer dapat menggunakan model routing agar Luna menangani task sederhana sementara request kompleks dinaikkan ke Sol atau Astra.
Strategi tersebut membantu menjaga kualitas sekaligus mengontrol biaya.
Hal yang Perlu Dipertimbangkan sebelum Memilih Model GPT-6
1. Kompleksitas Pekerjaan
Semakin kompleks pekerjaan, semakin besar alasan memilih model yang lebih kuat.
Task sederhana dan terstruktur dapat ditangani Luna, sementara Sol lebih cocok ketika pekerjaan memiliki banyak tahap dan membutuhkan reasoning.
Astra dapat dipertimbangkan ketika kesulitan task berada pada tingkat tertinggi.
2. Volume Penggunaan
Jika aplikasi memproses request dalam jumlah besar, selisih harga model dapat menjadi sangat signifikan.
Hitung kebutuhan token bulanan dan lakukan benchmark menggunakan data nyata sebelum memilih satu model untuk seluruh workload.
3. Kebutuhan Kecepatan
Aplikasi interaktif biasanya membutuhkan respons yang cepat, sementara pekerjaan background dapat memiliki toleransi latency yang lebih tinggi.
Pilih model dan reasoning effort berdasarkan pengalaman yang ingin diberikan kepada pengguna.
4. Tingkat Akurasi yang Dibutuhkan
Untuk pekerjaan sensitif, kualitas dan reliability dapat menjadi faktor yang lebih penting daripada biaya token.
Gunakan proses verifikasi, tool yang sesuai, dan human review jika kesalahan dapat menghasilkan konsekuensi besar.
5. Budget API
Jangan hanya membandingkan harga input.
Perhitungkan output, cached input, cache writes, long-context pricing, tool calls, reasoning, dan volume request.
Biaya per task yang berhasil sering kali menjadi metrik yang lebih berguna daripada sekadar harga per juta token.
6. Ketersediaan Model pada Produk ChatGPT yang Digunakan
Akses model berbeda antara Chat reguler, ChatGPT Work, Codex, aplikasi desktop, dan API.
Per 23 September 2026, Sol dan Luna belum tersedia di percakapan Chat reguler meskipun sudah tersedia di Work, Codex, dan API pada akses yang memenuhi ketentuan.
Karena rollout dapat berkembang, cek model picker dan dokumentasi resmi OpenAI sebelum menentukan workflow.
Baca Juga: 10 Contoh Aplikasi AI Populer dan Kegunaannya, Wajib Tahu!
Kelola Kebutuhan Digital dan Bisnis Lebih Praktis bersama Bank Mega
Hadirnya GPT-6 Sol dan Luna menunjukkan semakin banyaknya pilihan tools AI yang dapat digunakan profesional maupun pelaku usaha. Selain AI, aktivitas digital juga dapat melibatkan langganan software, layanan cloud, domain, aplikasi kerja, komunikasi, serta berbagai kebutuhan operasional lainnya.
Di tengah banyaknya aktivitas tersebut, pengelolaan transaksi sehari-hari juga perlu tetap diperhatikan.
Nasabah Bank Mega dapat menggunakan M-Smile untuk mengakses berbagai layanan perbankan melalui smartphone. Pengguna dapat mengecek saldo dan informasi mutasi rekening untuk membantu memantau transaksi yang sudah dilakukan.
M-Smile juga menyediakan fitur Transfer untuk berbagai kebutuhan transaksi, termasuk sesama Bank Mega, Virtual Account Bank Mega, BI-FAST, transfer online antarbank, hingga metode transfer lainnya sesuai ketentuan.
Untuk pembayaran, tersedia QRIS yang dapat digunakan pada merchant yang mendukung transaksi tersebut. Sementara menu Top Up & Bayar dapat digunakan untuk top up e-wallet, pulsa, paket data, voucher game dan streaming, serta membayar berbagai tagihan seperti listrik, internet, kartu kredit, e-commerce, asuransi, dan tiket.
Bagi profesional maupun pelaku usaha, pemantauan transaksi secara rutin dapat membantu mengetahui pengeluaran digital yang terus berjalan setiap bulan. Pisahkan kebutuhan personal dan bisnis apabila aktivitas usaha semakin besar sehingga biaya software, langganan, dan operasional lebih mudah dievaluasi.
Pada akhirnya, GPT-6 Sol dan GPT-6 Luna memperluas pilihan pengguna dalam keluarga GPT-6. Astra tetap menjadi pilihan ketika membutuhkan kemampuan maksimal, Sol menawarkan keseimbangan kemampuan dan biaya untuk pekerjaan kompleks, sedangkan Luna menghadirkan biaya sangat rendah untuk workload fokus dan ber-volume besar.
Model terbaik bukan selalu model paling kuat. Pilihan yang lebih tepat adalah model yang mampu menyelesaikan pekerjaan dengan tingkat kualitas, kecepatan, dan biaya yang sesuai kebutuhan.
Jika kamu ingin tahu lebih banyak tentang produk dan layanan dari Bank Mega, kamu bisa kunjungi website kami, hubungi layanan pelanggan kami di 08041500010, atau bisa juga download aplikasi M-Smile yang tersedia di App Store dan Play Store untuk daftar dan apply Tabungan Bank Mega dan Kartu Kredit Bank Mega sekarang juga!
Kamu juga bisa apply kartu kredit hanya 5 menit langsung di-approve lewat sini. Untuk data dan referensi terbaru, silakan kunjungi bankmega.com.
Bank Mega Berizin dan Diawasi oleh Otoritas Jasa Keuangan & Bank Indonesia serta merupakan peserta penjaminan LPS
