GPT-5.6 Terra: Pengganti Senyap GPT-5.5 OpenAI dengan Separuh Harga

Ketika OpenAI merilis GPT-5.6 pada 9 Juli 2026, perhatian utama tertuju pada Sol, tingkatan unggulan dengan penalaran terdalam dan hasil tolok ukur tertinggi. Namun, menurut pengumuman GPT-5.6, model yang paling relevan untuk biaya produksi adalah GPT-5.6 Terra: $2,50 per juta token masukan dan $15 per juta token keluaran. OpenAI memosisikannya sebagai kompetitif dengan GPT-5.5 dengan biaya sekitar setengahnya.

Coba Apidog hari ini

Jika Terra memberikan kualitas yang setara dengan GPT-5.5 pada beban kerja Anda, setiap permintaan yang masih menggunakan GPT-5.5 perlu dievaluasi ulang. Namun, migrasi bukan sekadar mengganti model ID: Anda perlu menguji ulang tingkat upaya penalaran, panjang keluaran, cache, serta perilaku parser atau UI hilir.

Panduan ini menunjukkan cara memilih antara Terra, Sol, dan Luna, lalu menjalankan regresi sebelum memindahkan trafik produksi.

Intinya

• gpt-5.6-terra adalah model seimbang di keluarga GPT-5.6, di antara Sol yang berfokus pada penalaran mendalam dan Luna yang berfokus pada kecepatan.
• Harga Terra adalah $2,50 per 1 juta token masukan dan $15 per 1 juta token keluaran.
• OpenAI memosisikan Terra sebagai kompetitif dengan GPT-5.5 dengan biaya sekitar setengahnya.
• Migrasi dari GPT-5.5 harus diperlakukan sebagai penyetelan ulang: uji tingkat upaya saat ini dan satu tingkat lebih rendah.
• GPT-5.6 cenderung menghasilkan jawaban lebih singkat, sehingga prompt dan kode hilir perlu diperiksa.
• Semua tingkatan mendukung enam tingkat upaya penalaran, mode Pro, caching prompt eksplisit, serta fitur baru Responses API.
• Sebelum rilis, bandingkan gpt-5-5 dan gpt-5.6-terra menggunakan prompt produksi yang disimpan di Apidog.

Apa itu GPT-5.6 Terra?

GPT-5.6 terdiri dari tiga tingkatan:

Model	Masukan per 1 juta token	Keluaran per 1 juta token	Posisi
gpt-5.6-sol	$5,00	$30,00	Unggulan, penalaran terdalam
gpt-5.6-terra	$2,50	$15,00	Seimbang, keluaran kelas GPT-5.5
gpt-5.6-luna	$1,00	$6,00	Tercepat, trafik bervolume tinggi

Terra ditujukan untuk sebagian besar pekerjaan produksi: cukup kuat untuk tugas yang membutuhkan penalaran, tetapi lebih murah daripada model yang digantikannya.

Gunakan model ID secara eksplisit:

gpt-5.6-terra

Jangan mengandalkan alias gpt-5.6 jika target Anda adalah biaya Terra. Alias tersebut mengarah ke Sol, sehingga biaya input dan output bisa menjadi dua kali lipat tanpa perubahan pada bentuk request API.

Bandingkan harga ini dengan patokan harga GPT-5.5. Jika kualitas Terra cukup untuk rute Anda, penghematan berasal dari dua sisi:

1. Tarif token yang lebih rendah.
2. Keluaran GPT-5.6 yang cenderung lebih singkat.

Menurut pusat bantuan OpenAI, Terra juga menjadi model default untuk pengguna ChatGPT gratis dan Go. Ini adalah sinyal bahwa OpenAI menempatkan Terra sebagai pilihan penggunaan umum, bukan sekadar varian murah.

Terra vs GPT-5.5: lakukan migrasi sebagai eksperimen

Mengganti model seperti ini terlihat mudah:

- "model": "gpt-5-5"
+ "model": "gpt-5.6-terra"

Namun, dokumentasi pengembang OpenAI menyarankan untuk memperlakukan migrasi sebagai penyetelan ulang, bukan sekadar perubahan model slug.

Periksa tiga area berikut.

1. Uji ulang tingkat upaya penalaran

OpenAI menyarankan menguji tingkat upaya yang sedang Anda gunakan dan satu tingkat di bawahnya.

Misalnya, jika rute GPT-5.5 Anda menggunakan medium, jalankan evaluasi Terra pada:

{ "reasoning": { "effort": "medium" } }

dan:

{ "reasoning": { "effort": "low" } }

Jika kualitas tetap memenuhi standar pada low, Anda mengurangi biaya bukan hanya dari harga token Terra, tetapi juga dari penggunaan penalaran dan keluaran yang lebih pendek.

2. Hapus instruksi “ringkas” yang berlebihan

GPT-5.6 dirancang untuk menghasilkan jawaban yang lebih ringkas dan mengurangi pembukaan generik. Prompt lama seperti berikut dapat menjadi terlalu agresif:

Jawab sangat singkat. Jangan beri pendahuluan. Langsung ke inti.

Mulailah dengan menghapus instruksi ringkas yang tidak lagi diperlukan, lalu bandingkan apakah informasi penting tetap muncul.

3. Periksa penggunaan cache

Pantau field usage pada respons, terutama token cache. Ini penting jika Anda menggunakan caching prompt eksplisit.

Dokumentasi awal, termasuk tulisan Simon Willison di hari pertama, melaporkan jendela konteks 1 juta token, keluaran maksimum 128K, dan batas pengetahuan hingga 16 Februari 2026. Perlakukan angka ini sebagai informasi yang dilaporkan sampai halaman spesifikasi OpenAI stabil.

Rencana migrasi yang dapat dijalankan

Gunakan 20–50 tugas dari trafik produksi nyata, bukan hanya prompt sintetis.

Untuk setiap tugas:

1. Jalankan baseline menggunakan gpt-5-5.
2. Jalankan gpt-5.6-terra pada tingkat upaya saat ini.
3. Jalankan Terra sekali lagi pada satu tingkat upaya lebih rendah.
4. Nilai kualitas keluaran berdasarkan kriteria rute Anda.
5. Catat token masukan, keluaran, dan cache.
6. Pertahankan rute tertentu di tingkat upaya lebih tinggi jika evaluasi menunjukkan regresi.

Tujuannya bukan memaksa semua trafik pindah ke Terra dengan konfigurasi yang sama. Tujuannya adalah menemukan konfigurasi Terra yang mempertahankan kualitas dengan biaya paling rendah.

Terra vs Sol: kapan biaya 2x masuk akal?

Sol berharga tepat dua kali lipat dari Terra:

• Sol: $5 input / $30 output per 1 juta token
• Terra: $2,50 input / $15 output per 1 juta token

GPT-5.6 Sol adalah model yang menjadi fokus tolok ukur peluncuran OpenAI. Menurut OpenAI, Sol mencatat sekitar:

• 53 pada Agents’ Last Exam, dibandingkan 46,9 pada GPT-5.5.
• 88,8% pada Terminal-Bench 2.1, atau 91,9% dengan pengaturan ultra.
• 73,5 pada ExploitBench, dibandingkan 47,9.
• 62,6 pada OSWorld 2.0, dibandingkan 47,5.

Angka tersebut adalah klaim peluncuran dan khusus untuk Sol. OpenAI belum menerbitkan kedalaman data tolok ukur yang setara untuk Terra.

Sol tidak unggul di semua benchmark. Pada SWE-Bench Pro, materi peluncuran yang sama melaporkan Claude Fable 5 mencapai 80,3%, sementara Sol mencapai 64,6%. Karena itu, benchmark vendor tidak boleh menggantikan evaluasi pada tugas Anda sendiri.

Gunakan Sol untuk rute seperti:

• Pemrograman agentic jangka panjang, ketika kegagalan satu eksekusi mahal secara operasional.
• Orkestrasi tool multi-langkah yang membutuhkan penalaran konsisten di banyak giliran.
• Beban kerja yang membutuhkan pengaturan ultra atau eksekusi multi-agen paralel.

Jangan gunakan Sol secara default untuk tugas yang biasanya tidak membutuhkan kedalaman penalaran tersebut:

• Chat umum.
• Ringkasan.
• Ekstraksi data.
• Klasifikasi dengan konteks.
• Jawaban RAG, ketika kualitas retrieval lebih menentukan daripada batas penalaran.

Contoh biaya harian untuk 10 juta token masukan dan 2 juta token keluaran:

Model	Biaya per hari	Perkiraan biaya 30 hari
Terra	$55	$1.650
Sol	$110	$3.300

Selisih $1.650 per bulan dapat digunakan untuk membangun dan menjalankan suite evaluasi pada rute yang benar-benar membutuhkan Sol.

Terra vs Luna: kapan harus turun ke model lebih murah?

Luna berharga $1 per juta token masukan dan $6 per juta token keluaran, sekitar 60% di bawah Terra.

Gunakan Luna untuk pekerjaan yang sempit, bervolume tinggi, dan sensitif terhadap latensi:

• Klasifikasi.
• Ekstraksi entitas atau field terstruktur.
• Routing intent.
• Pembuatan draf awal.
• Transformasi teks yang prompt-nya sudah sangat terstruktur.

Praktik yang aman adalah memulai dari Terra untuk rute baru, lalu menguji Luna pada rute yang lebih sederhana. Jika Luna lulus evaluasi, pindahkan hanya rute tersebut.

Pembagian trafik antar model bukan optimasi tambahan. Ini adalah pola arsitektur yang wajar ketika tiap rute memiliki kebutuhan kualitas, latensi, dan biaya yang berbeda.

Untuk kerangka pemilihan rute yang lebih lengkap, lihat perbandingan Sol vs Terra vs Luna.

Fitur API yang tersedia di semua tingkatan

Memilih Terra atau Luna tidak berarti kehilangan fitur API. Ketiga model GPT-5.6 berbagi fitur berikut:

• Enam tingkat upaya penalaran: none, low, medium, high, xhigh, dan max.
• Mode Pro melalui reasoning.mode: "pro".
• Caching prompt eksplisit melalui prompt_cache_options.mode: "explicit" dan field ttl.
• Fitur Responses API, termasuk pemanggilan tool secara terprogram, eksekusi multi-agen beta, konteks penalaran lintas giliran melalui reasoning.context, serta pengaturan detail visi original dan auto.

Untuk caching eksplisit:

• Penulisan cache ditagih 1,25x tarif input tanpa cache.
• Pembacaan cache mempertahankan diskon 90%.
• Konten cache bertahan setidaknya 30 menit.

Caching berguna untuk chatbot atau agen yang selalu mengirim prompt sistem panjang dan stabil. Pada Terra, kombinasi harga dasar yang lebih rendah dan cache dapat menurunkan biaya input efektif secara signifikan.

Request Terra minimal dengan Responses API

Gunakan request berikut sebagai titik awal:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "reasoning": { "effort": "low" },
    "input": "Summarize this support thread and flag any refund request."
  }'

Saat membuat evaluasi, jangan hanya mengganti model. Jadikan model dan tingkat upaya sebagai variabel agar kombinasi dapat dibandingkan secara konsisten.

Uji regresi sebelum trafik produksi berpindah

Migrasi model adalah masalah evaluasi dan perkakas. Anda perlu menjalankan request yang sama pada beberapa konfigurasi, menyimpan hasilnya, lalu membandingkan kualitas dan biaya.

Gunakan Apidog untuk menjalankan alur berikut:

1. Simpan request Responses API satu kali.
2. Gunakan variabel lingkungan untuk model, bukan string yang di-hardcode.
3. Buat lingkungan gpt-5-5.
4. Buat lingkungan gpt-5.6-terra.
5. Jalankan set prompt yang sama pada kedua lingkungan.
6. Bandingkan respons, status, dan field usage.
7. Tambahkan lingkungan gpt-5.6-luna untuk rute yang lebih sederhana.

Contoh variabel lingkungan:

OPENAI_MODEL=gpt-5-5
REASONING_EFFORT=medium

Lingkungan Terra:

OPENAI_MODEL=gpt-5.6-terra
REASONING_EFFORT=low

Lalu gunakan variabel tersebut di body request:

{
  "model": "{{OPENAI_MODEL}}",
  "reasoning": {
    "effort": "{{REASONING_EFFORT}}"
  },
  "input": "{{PROMPT}}"
}

Saat membaca hasil, fokus pada:

• Apakah jawaban tetap benar dan lengkap?
• Apakah format JSON atau struktur output tetap dapat diparse?
• Apakah jawaban yang lebih singkat menghilangkan detail penting?
• Berapa token input, output, dan cache?
• Apakah latensi memenuhi SLA rute?

Terra diperkirakan menghasilkan keluaran lebih pendek daripada GPT-5.5. Periksa dampaknya pada parser, UI, minimum-length validation, dan anggaran token yang sebelumnya disetel untuk model lama.

Pertanyaan Umum

Apakah GPT-5.6 Terra lebih baik dari GPT-5.5?

OpenAI memosisikan Terra sebagai kompetitif dengan GPT-5.5, bukan sebagai peningkatan mutlak pada semua beban kerja. Untuk banyak rute, pertukarannya adalah kualitas yang sebanding, keluaran lebih singkat, dan biaya lebih rendah.

Jawaban yang relevan untuk aplikasi Anda tetap berasal dari evaluasi prompt produksi.

Berapa harga GPT-5.6 Terra?

Terra berharga $2,50 per 1 juta token masukan dan $15 per 1 juta token keluaran. Pembacaan cache mempertahankan diskon 90% ketika menggunakan mode caching eksplisit.

Untuk perbandingan Sol, Terra, Luna, dan perhitungan caching, lihat rincian harga GPT-5.6.

Paket ChatGPT mana yang mencakup Terra?

Menurut informasi yang disebutkan, semua paket mencakup Terra. Pengguna gratis dan Go mendapatkan Terra sebagai model mereka. Plus dan paket lebih tinggi dapat memilih Sol, Terra, atau Luna serta mengatur tingkat upaya penalaran per model. Sol tersedia pada upaya sedang ke atas di Plus.

Apakah saya perlu mengubah kode untuk menggunakan Terra?

Bentuk request Responses API tidak berubah. Anda cukup menggunakan model ID gpt-5.6-terra.

Namun, tetap lakukan penyetelan:

• Uji ulang reasoning.effort.
• Tinjau prompt yang terlalu menekankan keringkasan.
• Pastikan parser dan UI menangani keluaran lebih pendek.
• Validasi biaya aktual dari field usage.

Standar biaya telah bergeser

GPT-5.5 tidak otomatis usang secara fungsional, tetapi ekonominya perlu dipertahankan dengan data ketika model dari vendor yang sama menawarkan keluaran kompetitif dengan biaya sekitar setengahnya.

Gunakan strategi per rute:

1. Mulai dari Terra.
2. Naikkan rute agentic yang sulit ke Sol jika evaluasi membuktikan nilainya.
3. Turunkan rute bervolume tinggi dan sempit ke Luna jika kualitas tetap lolos.
4. Ukur token dan kualitas sebelum memindahkan trafik.

Ambil 20 prompt nyata dari log produksi, jalankan pada gpt-5-5 dan gpt-5.6-terra di Apidog, lalu biarkan kualitas output dan penggunaan token menentukan keputusan migrasi.