Perang Harga Model AI: Opus 5.5, GPT-6 Sol, GPT-6 Luna

Dua hari terakhir ini padat. Grok 4.7 dan MiMo v2.6 keluar kemarin. Hari berikutnya Anthropic merilis Claude Opus 5.5, dan sekitar satu jam sesudahnya OpenAI merilis GPT-6 Sol serta GPT-6 Luna.

Terlalu cepat untuk menilai semuanya dengan adil. Arah anginnya sudah terbaca jelas, dan arahnya murah.

GPT-5.6 Luna sudah jadi pilihan favorit untuk membangun aplikasi, karena performa bagus dengan biaya rendah. GPT-6 Luna turun separuh lagi dari angka itu. Sol mendapat potongan sejenis.

Peta harga per juta token:

Model	Input	Input cache	Output
GPT-6 Luna	$0.10	$0.01	$0.50
GPT-5.6 Luna	$0.20	$0.02	$1.20
Grok 4.7	$2	$0.50	$6
GPT-6 Sol	$2	$0.20	$10
GPT-5.6 Terra	$2	$0.20	$12
Claude Opus 5.5	$4	$0.20	$20
GPT-5.6 Sol	$4	$0.40	$20
Claude Fable 5.1	$10	$0.25	$50
GPT-6 Astra	$10	$1	$50

GPT-5.6 dijadwalkan naik 25% mulai November, jadi label “separuh harga” itu dibandingkan dengan harga promo yang akan habis sendiri. Bulan depan selisihnya melebar tanpa perlu ada rilis model baru.

Dampaknya muncul di dua tempat.

GPT-5.6 Terra kehilangan alasan untuk dipakai, harganya sudah setara GPT-6 Sol sementara performanya di bawah. Grok 4.7 yang mendarat di $2/$6 sekarang input-nya juga setara GPT-6 Sol.

Harga per juta token itu baru daftar harga, belum tentu tagihan akhir. Yang menentukan biaya sebenarnya adalah berapa token yang dihabiskan sebuah model untuk menyelesaikan satu pekerjaan.

Artificial Analysis mengukur itu secara rutin. Biaya menjalankan satu tugas di Intelligence Index mereka, di samping skornya:

• GPT-6 Luna (max): $0,07 · skor 37
• GPT-5.6 Luna (max): $0,18 · skor 37
• GPT-6 Sol (max): $1,06 · skor 48
• Claude Opus 5.5 (medium, setelan default): $1,34 · skor 51
• GPT-5.6 Sol (max): $1,99 · skor 48
• Claude Opus 5.5 (max): $5,98 · skor 58

Potongan harganya betul-betul jadi potongan biaya per tugas, sekitar 50% untuk Sol dan sekitar 60% untuk Luna.

Yang menarik ada di dua baris bertetangga. Opus 5.5 di level medium, yang jadi setelan default-nya, memakai biaya per tugas sekitar seperempat dari level max, skornya cuma turun tujuh poin. Dan GPT-6 Sol di level max kalah skor dari Opus 5.5 level medium.

Artinya murah dan pintar itu dua sumbu yang terpisah.

Beberapa pengukuran lain justru turun dibanding generasi sebelumnya.

Di Coding Agent Index, Luna dapat 41 sementara Sol 57, selisih 16 poin untuk harga seperlima. Di GDPval, benchmark kerja nyata lintas 44 profesi, hasilnya berbalik: Sol turun sekitar 100 poin Elo dan Luna sekitar 75.

Artificial Analysis sudah memeriksa ratusan output-nya untuk mencari sebabnya. Penyebabnya kualitas presentasi yang lebih rendah dan deliverable yang melewatkan elemen wajib dari rubrik tugas, bukan kesalahan fakta.

Tingkat halusinasi kedua model turun jauh, Sol dari 92% ke 60% dan Luna dari 93% ke 77%.

Sol mencapainya sebagian dengan lebih sering menolak menjawab. Dia hanya mencoba 83% pertanyaan, turun dari 99%.

Jawaban salahnya berkurang sekitar seperempat, tapi akurasinya juga turun lima poin, dari 59% ke 54%.

Kalau metrik kalian cuma "berapa persen salah", model yang lebih banyak diam akan terlihat lebih baik.

Pengumuman OpenAI membandingkan Sol dan Luna dengan Claude Opus 5, bukan Opus 5.5 yang rilis sekitar satu jam sebelumnya. Di AutomationBench, satu-satunya benchmark yang angka keduanya bisa dibandingkan langsung, Opus 5.5 menang, 40,0% melawan Sol 33,2%.

Angka biaya per tugas dari OpenAI tetap benar untuk model yang mereka sebut, tapi bukan perbandingan dengan model terbaru pesaingnya. Jarak satu jam memang tidak memberi waktu mengukur model yang baru keluar.

Opus 5.5 menjawab keluhan terbesar pengguna soal gaya komunikasi Opus. Menurut Thariq Shihipar dari Anthropic, model ini lebih hemat token dan berjalan di semua effort level, dengan kecerdasan setara Fable 5.1.

Soal angka, generasi Opus sebelumnya stabil di $5 input dan $25 output sejak 4.5 sampai 5. Opus 5.5 turun 20% menjadi $4 dan $20.

Baris cache yang paling berpengaruh. Biaya baca cache jatuh 60%, dan di percakapan agentik yang panjang, 90% lebih token input diproses pada tarif cache.

Menurunkan tarif input 20% lebih menonjol di pengumuman, tapi menurunkan tarif cache 60% lebih berpengaruh di tagihan.

Menurut Anthropic, biaya menjalankan tugas yang sama turun sekitar 40% dibanding Opus 5.

Artificial Analysis mengukur di setelan default kedua model dan menemukan penghematan yang lebih besar lagi.

$1,34 per tugas untuk Opus 5.5, $3,61 per tugas untuk Opus 5, sekitar 37% dari biayanya, dengan skor lebih tinggi (51 lawan 48).

Klaim itu hanya berlaku di setelan default. Buka level max, dan penghematannya hilang. Opus 5.5 di max memakai sekitar 119.000 token output per tugas di Intelligence Index, sementara Opus 5 sekitar 73.000. Biaya per tugasnya jadi setara, bukan lebih murah.

Sisi buruknya lebih jelas di pekerjaan coding.

Di Coding Agent Index, Opus 5.5 memakai sekitar 15,6 juta token per tugas melawan 11,4 juta untuk Opus 5, termasuk sekitar 2,4 kali token output.

Hasilnya, biaya per tugas $13,04 naik 21% dari Opus 5 yang $10,79. Skornya memang tertinggi yang pernah diukur di indeks itu, tapi ditebus dengan tagihan yang lebih besar.

Di Intelligence Index, Opus 5.5 menghasilkan 260 juta token output, sementara median model yang diuji 92 juta. Artificial Analysis menyebutnya "sangat verbose". GPT-6 Sol sebaliknya: 77 juta token, di bawah median 88 juta.

Jadi klaim 40% itu benar untuk cara Anthropic menyarankan memakainya, yaitu di setelan default. Angka itu tidak berlaku kalau kalian menaikkan level reasoning. Kalau tim kalian menaikkan effort demi kualitas, penghematannya bisa berbalik jadi lebih mahal, bukan cuma hilang.

Catatan perbandingan: harga Opus 5.5 sekarang sama persis dengan GPT-5.6 Sol. Itu sebelum OpenAI memangkas harga Sol menjadi separuh.

Anthropic menyebut Sonnet 5.5 dan Haiku 5.5 menyusul. Pertanyaannya apakah Haiku bisa kembali kompetitif di ujung bawah. Haiku 4.5 sekarang di $1/$5, sementara GPT-6 Luna sepersepuluh dari itu.

Argumen lama bahwa model terbuka lebih murah ikut kena imbas.

DeepSeek V4.1 Flash, yang rilis 10 September, memakai tarif dua lapis. Off-peak: $0,15 input dan $0,60 output per juta token. Jam peak tepat dua kali lipat.

Jam peak itu Senin sampai Jumat, 01:00–04:00 dan 06:00–10:00 UTC, kira-kira 35 jam dari 168 jam seminggu. Selebihnya, termasuk seluruh akhir pekan, masuk tarif murah.

Dengan $0,10 input dan $0,50 output yang rata sepanjang hari, Luna lebih murah dari tarif off-peak DeepSeek. Saat DeepSeek masuk jam peak, selisihnya melebar jadi sekitar sepertiga.

DeepSeek masih menang telak di satu baris. Tarif baca cache-nya $0,003 per juta token saat off-peak, sementara Luna $0,01.

Untuk percakapan agentik yang membaca ulang konteks panjang di setiap putaran, selisih tiga kali itu menyumbang porsi tagihan yang lebih besar. Angka cache DeepSeek bertahan di $0,006 bahkan saat jam peak, masih di bawah tarif Luna.

Jadi kesimpulannya berlapis. Alasan memilih model terbuka murni karena harga input-output lebih murah sudah melemah di beban kerja ringan. Alasan lainnya masih utuh, yaitu bisa di-self-host, kontrol penuh atas data, dan kebebasan fine-tuning. Untuk beban kerja yang berat di baca cache, tarif DeepSeek belum tersaingi.

Pada pengujian rutin membuat SVG, Claude Opus 5.5 di level thinking max tidak mengembalikan jawaban sama sekali.

Modelnya mulai dengan menyebut permintaan itu "permintaan tes klasik", lalu bernalar panjang tentang proporsi, jalur lengkung kaki, urutan lapisan, sampai ke detail yang tidak akan terlihat di hasil akhir. Opus 5.5 punya batas output 128.000 token, dan batas itu tersentuh sementara dia masih bernalar.

Percobaan kedua memberi hasil yang sama. Dua kegagalan itu masing-masing sekitar $2,56 dan hampir 20 menit.

Polanya lebih luas dari satu insiden ini. Level tertinggi cenderung membakar token lebih banyak, dan tidak selalu memberi hasil yang lebih baik. Kalau sebuah model menghabiskan seluruh jatah outputnya untuk berpikir di tugas sederhana, ada risiko dia melakukan hal sama di tugas yang lebih serius dan lebih mahal. Untuk sekarang, level di bawahnya lebih aman.

Perbandingan antar-vendor lewat tes menggambar mungkin sudah tidak relevan. Untuk model dari keluarga yang sama di level reasoning berbeda, tes seperti ini masih berguna.

Harga turun tidak otomatis berarti pindah ke model termurah. Ini alasan bagus untuk meninjau ulang keputusan lama yang dibuat waktu harga masih berbeda.

Tiga yang layak diperiksa:

Kalau kalian mengukur sendiri, ukur per tugas yang selesai, bukan per juta token. Dua model dengan harga daftar yang sama bisa berakhir di tagihan yang berbeda tiga kali lipat karena satu di antaranya memakai token jauh lebih banyak untuk hasil yang sama.

Pengujian Composio atas enam model di 30 task agentik memberi arah yang lebih tajam. Sol dan Opus 5.5 sama-sama menyelesaikan 22 dari 30 task, tapi biaya Sol $0,33 per task yang berhasil, berhadapan $1,43 untuk Opus.

Run Composio yang lain lebih menarik. Model yang sama, GPT-6 Astra, dijalankan lewat enam agent harness berbeda, dan selisih keberhasilan cuma sekitar tujuh poin. Biaya per task yang berhasil naik dari $1,06 di Pi Agent sampai $2,62 di Claude Code. Run yang gagal juga memakai 3 sampai 5 kali lebih banyak token daripada run yang berhasil.

Composio menjual layanan integrasi untuk agent, jadi benchmark mereka tidak netral, dan angka di thread kadang berbeda dengan halaman leaderboard mereka. Metodologinya bisa dicek sendiri di composio.dev/bench. Poinnya tetap berlaku, memilih model cuma separuh pekerjaan. Separuh lainnya ada di alat yang dipakai model itu.

Dan ukur ketiganya bersama: keberhasilan tugas, waktu tunggu, dan biaya. Model yang lebih murah per token tapi lebih sering gagal akan membebani kalian dua kali, di tagihan percobaan ulang dan di waktu orang yang menunggu. Opus 5.5 di level maksimum menghasilkan skor tertinggi yang pernah diukur Artificial Analysis, tapi biaya per tugasnya $13,04. GPT-6 Luna di $0,07 per tugas cocok untuk klasifikasi dan ekstraksi, bukan untuk perencanaan terbuka.

Perubahan harga seperti ini terjadi beberapa kali setahun, dan selalu di tingkat model yang paling sering dipakai untuk kerjaan produksi. Cara memilihnya tidak ikut berubah. Mulai dari tugasnya, lalu cari model yang cocok.

Kalau timmu ingin menentukan tugas mana yang layak diautomasi dan model sekelas apa yang dibutuhkan, sesi AI Strategy kami dirancang untuk memetakan itu sebelum kalian berkomitmen pada satu vendor.