GPT-5.6 Benchmarks dijelaskan: Sol vs Terra vs Luna, Harga, dan Kasus Penggunaan Terbaik

OpenAI GPT-5.6 keluarga memiliki tiga tingkat kemampuan tahan lama: Sol (Dan) bagi orang-orang yang mengerjakan pekerjaan yang paling berat. Terra untuk beban kerja produksi yang seimbang, dan Bulan untuk lalu lintas cepat dan sensitif terhadap biaya. Kisah benchmark bukan hanya bahwa Sol menang. Terra dan Luna sering mempertahankan banyak kemampuan saat menggunakan token harga lebih rendah, sehingga routing model lebih penting daripada memilih satu model untuk setiap permintaan.

OpenAI dilepaskan penuh GPT-5.6 keluarga pada bulan Juli 9, 2026. Panduan ini menjelaskan hasil benchmark yang diterbitkan, apa yang mereka ukur, dan bagaimana menggabungkan kualitas, harga, latensi, dan tingkat uji ulang saat memilih model.

Data dan harga diperiksa Juli 19, 2026. Hasil benchmark berasal dari OpenAImenggunakan pengaturan yang dijelaskan di sana. Mereka tidak merupakan jaminan langsung untuk aplikasi atau agen harness yang berbeda.

GPT-5.6 ringkasan benchmark

Tabel di bawah ini berfokus pada evaluasi profesional dan pengkodean representatif.

Evaluasi	Sol	Terra	Bulan	GPT-5.5	Apa yang diukur
Ujian Akhir Agen	52.7%	50.4%	50.3%	46.9%	Aliran kerja profesional yang berlangsung lama
Analisis Artificial Intelligence Index	58.9	55.0	51.2	54.8	Kecerdasan luas di seluruh pekerjaan agen, pengkodean, dan penalaran
Indeks Agen Pengkodean	80.0	77.4	74.6	76.4	Implementasi, penggunaan terminal, dan basis kode yang sebenarnya
SWE-Bench Pro	64.6%	63.4%	62.7%	59.4%	resolusi masalah perangkat lunak
DeepSWE 1.1	72.7%	69.6%	67.2%	67.0%	Teknik horisontal dalam basis kode nyata
Terminal-Bench 2.1	88.8%	87.4%	84.7%	85.6%	Aliran kerja baris perintah yang kompleks

Sol memimpin evaluasi yang dipilih ini. Terra tetap dekat pada beberapa tugas pengkodean. Luna tidak universal lebih kuat dari GPT-5.5, namun tetap kompetitif sementara menempati yang tercepat dan termurah GPT-5.6 tier.

Tabel ini juga menunjukkan mengapa satu nilai rata-rata tidak cukup. Klasifikator dukungan, agen review kode, aliran kerja penelitian keuangan, dan operator browser tidak menghargai kemampuan yang sama.

Apa GPT-5.6 benchmark sebenarnya mengukur

Referensi agen pengkodean

Referensi pengkodean sangat bervariasi. Beberapa menguji apakah model dapat menghasilkan patch. Yang lain termasuk eksplorasi repositori, perintah terminal, eksekusi tes, dan koreksi iteratif.

OpenAI laporan bahwa GPT-5.6 Sol mencapai 80 pada indeks agen pengkodean analisis buatan dengan menggunakan lebih sedikit token dan waktu yang lebih sedikit daripada beberapa alternatif perbatasan dalam perbandingan. Terra mencetak gol 77.4 dan Luna 74.6. Untuk agen pengkodean produksi, pertanyaan lanjutan penting adalah:

• Apakah itu menemukan file yang benar?
• Apakah itu menjaga konvensi proyek?
• Apakah itu menjalankan dan menerjemahkan tes?
• Apakah ia pulih setelah pendekatan gagal?
• Berapa banyak putaran model yang diperlukan sebelum hasil yang diverifikasi?

Model dengan skor patch yang sedikit lebih tinggi masih bisa kurang ekonomis jika menghasilkan jejak penalaran panjang, mengulangi panggilan alat, atau membutuhkan ulasan manusia yang mahal.

Benchmark agen horisontal panjang

Ujian Akhir Agen Evaluasi alur kerja profesional yang lebih panjang di berbagai domain. Sol mencetak gol 52.7%, sementara Terra dan Luna mencetak gol 50.4% dan 50.3%. Penyebaran sempit ini sangat menonjol: menunjukkan bahwa banyak tugas profesional mungkin tidak memerlukan tingkat kapal induk.

Evaluasi jangka panjang sangat sensitif terhadap sistem sekitarnya. Desain alat, memori, kebijakan uji ulang, izin, dan langkah verifikasi dapat mengubah hasil sebanyak model dasar.

Penelusuran dan penggunaan komputer

OpenAI laporan 92.2% untuk GPT-5.6 Sol di BrowseComp dan 62.6% di OSWorld 2.0. Hasil ini mendukung agen penelitian, alur kerja browser, dan aplikasi yang harus memeriksa output mereka sendiri.

Referensi penggunaan komputer tidak harus ditafsirkan sebagai janji keandalan tanpa pengawasan. Sistem produksi masih membutuhkan izin jangkauan, konfirmasi untuk tindakan penting, waktu keluar, dan perilaku pemulihan.

Karya pengetahuan dan artefak

GPT-5.6 juga ditempatkan untuk dokumen, spreadsheet, presentasi, penelitian singkat, dan pekerjaan frontend. Hasil ini sulit untuk ditangkap dengan satu benchmark karena keakuratan, kesetiaan sumber, kualitas visual, dan editabilitas semua penting.

Untuk beban kerja ini, bangun rubrik internal. Nilai akurasi faktual, struktur, kepatuhan dengan template referensi, jumlah perbaikan manual, dan waktu untuk pengiriman yang dapat diterima.

GPT-5.6 Sol vs Terra vs Luna

Pilihlah GPT-5.6 Sol untuk masalah sulit nilai tinggi

Sol adalah level kapal induk. Ini adalah titik awal terbaik untuk:

• pengkodean skala repositori dan debugging yang sulit;
• agen jangka panjang dengan beberapa alat;
• keamanan siber dan analisis ilmiah dalam penggunaan yang sah;
• penelitian kompleks dan artefak profesional;
• tugas di mana hasil gagal biaya jauh lebih dari tagihan token.

Sol tidak secara otomatis default terbaik untuk lalu lintas volume tinggi. Tingkat token resmi dua kali lebih dari Terra dan lima kali lebih dari Luna.

Pilihlah GPT-5.6 Terra sebagai default seimbang

Terra dirancang untuk pekerjaan produksi sehari-hari. Ini cocok:

• Koding copilot dan revisi kode;
• analisis dokumen dan dukungan penelitian;
• asisten internal;
• proses kerja menggunakan alat yang membutuhkan keandalan yang lebih besar daripada model ringan;
• produk yang ingin GPT-5.6 kapasitas tanpa harga Sol.

Skor benchmark Terra tetap dekat dengan Sol pada beberapa evaluasi pengkodean, menjadikannya kandidat pertama yang masuk akal untuk pengujian produksi.

Pilihlah GPT-5.6 Luna untuk throughput dan tugas yang dapat diprediksi

Luna adalah tingkat tercepat dan termahal. Ini cocok untuk:

• ekstraksi dan klasifikasi;
• pengolahan konten terstruktur;
• dukungan ringan;
• otomatisasi volume tinggi;
• tahap routing pertama yang meningkatkan permintaan yang sulit.

Luna juga dapat menangani beberapa tugas pengkodean dan profesional, tetapi rata-rata benchmark tidak harus menentukan batas itu. Tes di mana kegagalan atau tingkat coba ulang mulai menghapus tabungan token.

GPT-5.6 API harga

OpenAI harga GPT-5.6 per 1 jutaan token. Poyo.ai saat ini menyediakan semua tiga tingkat melalui Jawaban API dengan tarif di bawah ini.

Model	OpenAI input	OpenAI output	Poyo.ai input	Poyo.ai output
GPT-5.6 Bulan	$0.20	$1.20	$0.056	$0.336
GPT-5.6 Terra	$2.00	$12.00	$0.56	$3.36
GPT-5.6 Sol	$5.00	$30.00	$1.40	$8.40

OpenAI juga mendokumentasikan titik putus cache eksplisit, 30-minut minimal waktu cache, cache menulis di 1.25 kali kecepatan input yang tidak di cache, dan cache membaca pada 90% diskon dari input yang tidak disimpan.

Periksa GPT-5.6 API halaman model untuk arus Poyo harga, ID model yang didukung, dan API access.

Perbandingan biaya beban kerja nyata

Pertimbangkan beban kerja bulanan dengan 10 juta token input yang tidak disimpan dan 2 juta token output.

Model dan rute	Biaya input	Biaya output	Total
Luna di OpenAI	$10.00	$12.00	$22.00
Luna di Poyo.ai	$2.80	$3.36	$6.16
Teras di OpenAI	$25.00	$30.00	$55.00
Teras di Poyo.ai	$7.00	$8.40	$15.40
Sol di OpenAI	$50.00	$60.00	$110.00
Sol di Poyo.ai	$14.00	$16.80	$30.80

Perhitungan ini berguna tetapi tidak lengkap. Ini berasumsi setiap model menyelesaikan jumlah tugas yang sama dengan jumlah upaya yang sama.

Skor benchmark vs biaya per tugas yang berhasil

Metrik produksi yang lebih berguna adalah:

effective task cost =
  average API cost per attempt
  × average attempts per successful task
  + human correction cost

Misalkan Luna biaya seperlima dari Sol per token, tapi alur kerja yang sulit berhasil hanya pada satu dari tiga upaya. Terra mungkin menyelesaikan tugas yang sama sekali, dengan lebih sedikit panggilan alat dan lebih sedikit ulasan manusia. Terra kemudian akan menjadi pilihan produksi yang lebih murah meskipun tingkat tokennya lebih tinggi.

Mengukur setidaknya:

• tingkat lulus;
• upaya per pass;
• token input dan output;
• waktu yang telah berlalu;
• panggilan alat;
• catatan koreksi manusia;
• tingkat kesalahan yang parah.

Metrik terakhir penting untuk alur kerja di mana jawaban yang salah lebih mahal daripada permintaan yang gagal.

Sebuah praktik GPT-5.6 strategi routing

Keluarga tiga tingkat sangat berharga jika jalur aplikasi bekerja dengan sengaja.

Is the task repetitive and easy to verify?
├── Yes: start with Luna
└── No
    ├── Is it normal production coding, analysis, or tool use?
    │   └── Start with Terra
    └── Is failure expensive or the task unusually difficult?
        └── Use Sol

Sebuah router produksi dapat menggunakan jenis tugas, nilai permintaan, kegagalan sebelumnya, sinyal kepercayaan, atau output evaluator. Pola umum adalah:

1. Kirimkan permintaan terstruktur dan berisiko rendah ke Luna.
2. Gunakan Terra sebagai standar untuk alasan produksi umum.
3. Escalate gagal atau kasus bernilai tinggi ke Sol.
4. Bandingkan biaya akhir per tugas yang berhasil per rute.

Jangan hanya rute panjang prompt. Masalah keamanan singkat bisa lebih sulit daripada permintaan ekstraksi panjang.

Bagaimana untuk mengevaluasi GPT-5.6 dalam aplikasi Anda

Membangun evaluasi dari lalu lintas nyata daripada prompt generik.

1. Pilih 30 untuk 100 tugas representatif.
2. Catat hasil yang diharapkan dan mode kegagalan yang tidak dapat diterima.
3. Lakukan tugas yang sama di Luna, Terra, dan Sol dengan pengaturan yang sebanding.
4. Kualitas rekaman, latensi, token, alat, percobaan ulang, dan koreksi manusia.
5. Hasil segmen menurut jenis tugas.
6. Pilih aturan routing dari hasil segmen.
7. Ulangi setelah prompt, alat, atau model diperbarui.

Untuk agen, termasuk kasus yang sulit: respon alat yang rusak, data ambigu, file yang hilang, dan tugas yang membutuhkan koreksi diri. Demo mudah cenderung menyembunyikan perbedaan antara model tingkat.

Cara Menggunakan GPT-5.6 pada Poyo.ai

Poyo.ai Mengungkapkan ID model gpt-5-6-luna, gpt-5-6-terra, dan gpt-5-6-sol melalui /v1/responses.

curl https://api.poyo.ai/v1/responses \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5-6-terra",
    "input": "Review this migration plan and identify the highest-risk assumptions.",
    "reasoning": {"effort": "medium"}
  }'

Buat kunci di Poyo papan pemindai dan meninjau GPT-5.6 halaman model sebelum digunakan dalam produksi.

Yang mana GPT-5.6 model yang harus Anda pilih?

Mulailah dengan Bulan ketika throughput dan verifikasi mudah masalah. Mulailah dengan Terra untuk kode umum, analisis, dan agen produksi. Penggunaan Sol ketika masalah itu sangat sulit atau kegagalan memiliki biaya bisnis yang tinggi.

Jawaban terbaik jarang pilihan model tunggal permanen. GPT-5.6 struktur sebagai keluarga, dan desain ekonomi yang paling kuat menggunakan tingkat bersama.

Pertanyaan yang sering diajukan

Yang mana GPT-5.6 Model yang terbaik?

Sol adalah tingkat yang paling mampu, tetapi Terra mungkin menawarkan keseimbangan produksi yang lebih baik dan Luna jauh lebih murah untuk tugas sederhana, volume tinggi.

Apakah GPT-5.6 Luna cocok untuk coding?

Luna mampu melakukan pekerjaan pengkodean, tetapi hasil yang diterbitkan mengikuti Terra dan Sol pada evaluasi pengkodean yang dipilih. Uji di repositori Anda dan meningkatkan tugas yang gagal verifikasi.

Berapa banyak yang GPT-5.6 API biaya?

Resmi OpenAI tarif berkisar dari $1 input dan $6 output per 1 juta token untuk Luna untuk $5 input dan $30 output untuk Sol. Poyo.ai saat ini daftar tingkat pembayaran yang lebih rendah untuk ketiga tingkat.

Apakah GPT-5.6 menggunakan Jawaban API?

Ya. Poyo.ai Mengungkapkan tiga GPT-5.6 ID model melalui /v1/responses.

Haruskah saya menggantikannya? GPT-5.5 dengan GPT-5.6 Terra?

Terra adalah kandidat migrasi yang kuat, tetapi bandingkan keberhasilan tugas, latensi, token, dan panggilan alat pada set evaluasi representatif sebelum mengubah semua lalu lintas.

Sumber

• OpenAI GPT-5.6 peluncuran, benchmark, ketersediaan, dan harga
• OpenAI API harga
• Poyo.ai GPT-5.6 API