GPT-5.6 Sol vs Terra vs Luna: Model Mana yang Harus Dipilih?

OpenAI merilis GPT-5.6 untuk ketersediaan umum pada 9 Juli 2026, dan keputusan pertama yang dipaksakannya tidak ada hubungannya dengan apakah akan meningkatkan versi. Ini adalah pilihan menu. Rilis ini hadir sebagai tiga model, gpt-5.6-sol, gpt-5.6-terra, dan gpt-5.6-luna, yang berada pada tiga titik kurva biaya-kemampuan. Pilih terlalu tinggi dan Anda membayar tarif Sol untuk pekerjaan yang dapat ditangani Terra dengan baik. Pilih terlalu rendah dan agen Anda akan macet pada tugas-tugas yang Luna tidak pernah dibangun untuknya.

Nama-nama tersebut mengikuti sebuah sistem: angka menandai generasi, sementara Sol, Terra, dan Luna adalah tingkatan yang tahan lama yang berkembang dengan irama mereka sendiri. Penjelasan penamaan GPT-5.6 kami membahas struktur tersebut secara mendalam, jadi panduan ini tidak membahas sejarah. Yang akan Anda temukan di sini adalah keputusan pembelian: apa yang masing-masing tingkatan lakukan dengan baik, di mana perangkap harga bersembunyi, dan bagaimana menyelesaikan pilihan dengan prompt Anda sendiri alih-alih bagan hari peluncuran.

Jawaban 30 detik

Terra adalah pilihan default yang masuk akal. OpenAI memposisikannya bersaing dengan GPT-5.5 dengan harga sekitar setengahnya, yang berarti kelas model yang digunakan sebagian besar aplikasi produksi bulan lalu kini berharga setengahnya. Sol mendapatkan premiumnya hanya ketika tugasnya cukup sulit untuk menunjukkan kesenjangan yang terukur. Luna menang setiap kali Anda mengalikan harga per-token dengan jutaan permintaan.

Jika Anda lebih suka menguji daripada percaya, itu insting yang bagus. Ketiga model ini menerima panggilan API Respons yang sama, jadi Anda dapat menjalankan satu set prompt terhadap setiap tingkatan di Apidog dan biarkan hasilnya menyelesaikan argumen. Penyiapannya memakan waktu sepuluh menit; selengkapnya di bawah ini.

Untuk apa setiap tingkatan dibangun

Ketiga model ini tersedia di API untuk akun mana pun. Aksesnya swalayan tanpa batasan paket, dan ID model di atas langsung berasal dari dokumen developer OpenAI. Cakupan dokumentasi awal melaporkan jendela konteks 1 juta token, output maksimum 128K, dan batas pengetahuan 16 Februari 2026 di seluruh keluarga; perlakukan ini sebagai angka yang dilaporkan sampai halaman model OpenAI mengkonfirmasinya untuk akun Anda.

Sol: unggulan untuk masalah sulit

Sol adalah tingkatan penalaran mendalam, dan benchmark peluncuran memusatkan peningkatannya tepat di tempat yang Anda harapkan: pekerjaan agentic berjangka panjang. Menurut OpenAI, Sol memperoleh sekitar 53 pada Agents’ Last Exam dibandingkan 46.9 untuk GPT-5.5, mencapai 88.8% pada Terminal-Bench 2.1, dan melonjak dari 47.5 menjadi 62.6 pada OSWorld 2.0. Itu adalah klaim hari peluncuran, jadi peganglah dengan longgar. Tetapi polanya konsisten: perencanaan, penggunaan alat, dan pemulihan kesalahan meningkat jauh lebih banyak daripada kualitas teks rutin.

Ini bukan kemenangan mutlak. Pada SWE-Bench Pro, Claude Fable 5 memimpin dengan 80.3% dibandingkan 64.6% milik Sol, jadi "unggulan" tidak berarti "terbaik dalam segala hal." Kami menguraikan di mana angka-angka terlihat paling kuat dan paling lemah dalam analisis benchmark GPT-5.6 Sol kami.

Terra: default untuk pekerjaan produksi

Penawaran Terra lebih bersifat ekonomis daripada heroik. OpenAI memposisikannya bersaing dengan GPT-5.5 dengan harga sekitar 2x lebih murah, dan kerangka tersebut dengan sendirinya menentukan sebagian besar beban kerja nyata. Jika produk Anda berjalan baik di GPT-5.5, Terra memberi Anda kelas kemampuan yang sama dengan setengah biaya. Asisten obrolan, ringkasan, pipeline konten, sebagian besar setup RAG: ini adalah tingkatan untuk memulai, dan yang harus Anda perjuangkan untuk tidak menggunakannya.

Luna: ekonomi unit dan kecepatan

Luna menangani pekerjaan di mana tidak ada yang membaca penalarannya: klasifikasi, ekstraksi entitas, perutean permintaan, draf awal yang direvisi oleh manusia atau model yang lebih besar. Dengan $1 input / $6 output, biayanya seperlima dari Sol di kedua sisi meteran, dan ini adalah yang tercepat dari ketiganya. Kesalahan umum bersifat emosional, bukan teknis: tim melewatkan Luna karena "termurah" terdengar seperti "terburuk," lalu membayar tarif Terra untuk tugas dengan output satu kata.

Jebakan dalam default

Berikut adalah detail yang diam-diam menggembungkan tagihan: alias kosong gpt-5.6 akan mengarahkan ke Sol. Raih string model yang jelas dan Anda telah memilih tingkatan termahal tanpa pernah memutuskan untuk melakukannya.

Tentukan tingkatan secara eksplisit dalam setiap panggilan:

{
  "model": "gpt-5.6-terra",
  "input": "Klasifikasikan tiket dukungan ini berdasarkan urgensi dan area produk.",
  "reasoning": { "effort": "medium" }
}

Perbedaannya berlipat ganda dengan cepat. Layanan yang mendorong 50 juta token input dan 10 juta token output per bulan membayar sekitar $275 di Terra, $550 di Sol, dan $110 di Luna. Lalu lintas yang sama, selisih 5x, ditentukan oleh satu string. Untuk kartu tarif lengkap, termasuk diskon caching, lihat rincian harga GPT-5.6 kami. Tulisan peluncuran Simon Willison juga patut Anda luangkan waktu sebagai tinjauan pertama seorang developer independen terhadap rilis ini.

Sesuaikan model dengan beban kerja Anda

Tiga skenario mencakup sebagian besar ruang keputusan.

Pipeline pengkodean agen. Pilih Sol. Keuntungan benchmark mendarat di sini, begitu juga fitur GA: pemanggilan alat secara terprogram memungkinkan model menulis JavaScript yang mengorkestrasi pemanggilan alat Anda, dieksekusi dalam runtime V8 terisolasi tanpa akses jaringan, dan penalaran yang persisten membawa konteks antar giliran. Ketika sebuah eksekusi membutuhkan 40 langkah dan keputusan buruk pada langkah ke-12 menyia-nyiakan 28 langkah berikutnya, kualitas model adalah item baris termurah dalam pipeline. Profil Sol lengkap mencakup apa lagi yang diubah oleh unggulan ini.

Asisten obrolan produksi. Pilih Terra. Pengguna menilai latensi dan kebermanfaatan, bukan delta benchmark, dan pada pertanyaan rutin mereka tidak dapat membedakan Sol dari Terra. Arahkan kueri sulit yang jarang terjadi ke Sol di balik heuristik jika log Anda membuktikan Anda membutuhkannya; jangan membayar tarif unggulan untuk "bagaimana cara mereset kata sandi saya."

Pipeline dokumen bervolume tinggi. Pilih Luna, lalu tumpuk caching di atasnya. GPT-5.6 mendukung titik henti cache eksplisit (prompt_cache_options.mode: "explicit" dengan bidang ttl); pembacaan cache mempertahankan diskon 90%, penulisan ditagih 1.25x dari tarif input, dan konten yang di-cache bertahan setidaknya 30 menit. Untuk pekerjaan ekstraksi yang menggunakan kembali prompt sistem yang panjang di ribuan dokumen, Luna ditambah caching eksplisit berada dalam kelas biaya yang berbeda dari kedua saudaranya. Pengaturan detail visi baru (original dan auto) juga mempertahankan dimensi gambar sumber, yang penting ketika Anda menarik bidang dari hasil pemindaian.

Tingkat upaya mengubah perhitungan

Tingkatan hanyalah setengah dari penentu. GPT-5.6 mengekspos enam tingkat upaya penalaran pada setiap tingkatan: none, low, medium, high, xhigh, dan max. Itu mengubah tiga model menjadi sebuah kisi, dan perbandingan sel yang paling menarik bukanlah Sol versus Terra pada pengaturan yang sama. Ini adalah Terra pada high versus Sol pada medium. Terra dengan waktu berpikir yang lebih banyak dapat menutup sebagian besar kesenjangan kualitas dengan setengah harga token, dan apakah itu cukup untuk tugas Anda adalah pertanyaan empiris, bukan pertanyaan lembar spesifikasi.

Panduan migrasi OpenAI sendiri menunjukkan hal yang sama: perlakukan perpindahan sebagai penyetelan, bukan pertukaran slug model. Benchmark tugas-tugas representatif terlebih dahulu, dan uji tingkat upaya Anda saat ini bersama satu tingkat di bawahnya. Satu catatan prompt lagi dari dokumen: GPT-5.6 menulis jawaban yang jauh lebih pendek dengan intro generik yang lebih sedikit, jadi hapus boiler plat "singkat" dari prompt yang Anda bawa, atau Anda akan mendapatkan jawaban yang ringkas hingga tidak membantu.

Untuk pekerjaan yang mengutamakan kualitas di mana Anda lebih memilih menunggu daripada menjalankan ulang, mode pro (reasoning.mode: "pro") tersedia di ketiga model. Ini adalah pengaturan, bukan model terpisah, jadi Anda dapat mengaktifkannya di Terra semudah di Sol.

Uji ketiganya sebelum Anda berkomitmen

Jawaban jujur untuk "model mana yang harus Anda gunakan" adalah: yang terbaik untuk prompt Anda. Benchmark adalah tugas OpenAI; lalu lintas produksi Anda bukan.

Pengujian ini murah untuk dilakukan. Kumpulkan 10 hingga 20 tugas nyata dari log Anda, termasuk yang sulit. Unduh Apidog, simpan URL dasar OpenAI dan kunci API sekali, lalu masukkan ID model dalam variabel lingkungan sehingga satu definisi permintaan mencakup ketiga tingkatan. Ganti {{model}} antara gpt-5.6-sol, gpt-5.6-terra, dan gpt-5.6-luna, jalankan set prompt yang sama, dan bandingkan dua hal secara berdampingan: kualitas output terhadap standar Anda sendiri, dan jumlah token usage di setiap respons. Kalikan jumlah tersebut dengan kartu tarif dan tabel biaya per tugas akan terbentuk dengan sendirinya.

Dua temuan muncul di sebagian besar uji coba ini. Terra cocok dengan Sol pada bagian tugas yang lebih besar daripada yang tersirat oleh kesenjangan harga. Dan Luna bertahan dalam pekerjaan output terstruktur, jalur klasifikasi dan ekstraksi, jauh lebih sering daripada yang disarankan harganya. Anda hanya akan tahu di mana beban kerja Anda melanggar pola tersebut dengan menjalankannya.

Di mana ultra cocok

Ultra adalah satu-satunya opsi dalam jajaran ini yang bukan ID model API. Ini adalah pengaturan multi-agen yang menjalankan empat agen secara paralel secara default, sengaja menghabiskan lebih banyak token sebagai ganti hasil wall-clock yang lebih cepat pada masalah sulit. Menurut OpenAI, ultra meningkatkan skor Terminal-Bench 2.1 Sol dari 88.8% menjadi 91.9%.

Ketersediaan dibatasi berdasarkan paket di sisi produk: ultra tersedia di ChatGPT Work pada paket Pro dan Enterprise, serta di Codex mulai dari Plus ke atas. Produk obrolan memiliki peta tingkatan sendiri, menurut pusat bantuan OpenAI:

Jika beban kerja agen paralel Anda berada dalam kode daripada obrolan, perhatikan beta multi-agen di Responses API; itu adalah saudara di sisi API dari ide yang sama.

FAQ

Apakah gpt-5.6-terra cukup baik untuk menggantikan GPT-5.5 di produksi?

Untuk sebagian besar beban kerja, ya. OpenAI memposisikan Terra bersaing dengan GPT-5.5 dengan harga sekitar setengahnya, dan permukaan API Respons yang sama berarti perpindahan memiliki risiko rendah. Jalankan evaluasi Anda sebelum beralih, dan perhatikan panjang output, karena jawaban GPT-5.6 dirancang untuk lebih pendek.

Apa yang terjadi jika saya memanggil alias gpt-5.6 kosong?

Permintaan Anda akan diarahkan ke Sol dan ditagih dengan tarif Sol, $5 per 1 juta token input dan $30 per 1 juta output. Tidak ada yang rusak, itulah masalahnya; biayanya akan muncul di kemudian hari pada faktur. Tentukan secara eksplisit gpt-5.6-terra atau gpt-5.6-luna di mana pun tingkatan yang lebih murah dapat melakukan pekerjaan.

Bisakah saya berpindah tingkatan tanpa mengubah integrasi saya?

Ya. Sol, Terra, dan Luna berbagi permukaan Responses API yang sama, jadi berpindah di antara mereka hanyalah perubahan string model satu baris. Tingkat upaya dan mode pro juga berfungsi di ketiganya. Panduan kami tentang cara menggunakan API GPT-5.6 membahas bentuk permintaan secara menyeluruh.

Apakah saya memerlukan paket ChatGPT tertentu untuk menggunakan model-model ini di API?

Tidak. Akses API bersifat swalayan untuk akun API mana pun, tanpa batasan paket pada salah satu dari tiga model. Tingkatan paket ChatGPT hanya mengontrol produk obrolan, dan ultra adalah satu-satunya kemampuan yang tetap berada di sisi produk (ChatGPT Work dan Codex) daripada dikirimkan sebagai model API.

Jam pertama Anda dengan tingkatan

Mulailah dengan Terra dan biarkan tingkatan lainnya membuktikan diri. Eskalasi ke Sol hanya jika evaluasi Anda sendiri menunjukkan celah yang layak dibayar dua kali lipat, yang biasanya berarti pekerjaan agen dan berjangka panjang. Turunkan ke Luna di mana pun output pendek dan volume tinggi. Sematkan ID model eksplisit di mana-mana sehingga alias default Sol tidak pernah memilih untuk Anda, dan sesuaikan tingkat upaya sebelum Anda mengubah tingkatan, karena Terra pada high adalah peningkatan kualitas termurah dalam jajaran.

Kemudian berhenti membaca dan ukur. Muat sepuluh prompt produksi terburuk Anda ke Apidog, arahkan satu permintaan ke ketiga ID model dengan variabel lingkungan, dan biarkan jumlah token serta output Anda sendiri yang memutuskan. Seluruh latihan ini berharga kurang dari satu dolar dalam pengeluaran API dan menyelesaikan keputusan yang berlipat ganda setiap bulan.