GPT-6 Astra Dapat Menggunakan Komputer Anda, Berikan Spesifikasi OpenAPI Anda

Fitur utama GPT-6 Astra adalah kemampuannya menggunakan komputer—bukan sekadar mengklik demo lalu tersesat di menu tarik-turun. Dalam postingan peluncuran OpenAI, Astra meraih 72,6% pada OSWorld 2.0 dengan waktu sekitar 40 menit per tugas. Ia dapat mengisi formulir, memperbarui CRM, menginstal perangkat lunak, dan menjalankan QA frontend pada situs yang dibangunnya sendiri. Uji coba langsung kami selama dua hari menunjukkan bahwa kemampuan tersebut bukan sekadar demo.

Coba Apidog hari ini

Jika Anda membuat atau menguji API, pendekatan paling menarik mungkin adalah mengarahkan Astra ke aplikasi lalu membiarkannya mengklik. Namun, pendekatan yang lebih cepat, murah, dan mudah diverifikasi adalah memberikan kontraknya: spesifikasi OpenAPI.

Model dapat membaca spesifikasi, menyusun skenario pengujian, lalu Anda menjalankannya dari CI menggunakan Apidog CLI. Simpan penggunaan komputer untuk permukaan yang memang tidak memiliki API.

TL;DR

• Penggunaan komputer GPT-6 Astra meraih 72,6% pada OSWorld 2.0 dan 92,7% pada ScreenSpot-Pro.
• Astra membutuhkan sekitar 40 menit per tugas OSWorld, sedangkan pengujian berbasis spesifikasi dapat dijalankan berulang kali tanpa model di dalam loop.
• Berikan spesifikasi OpenAPI melalui file, Apidog MCP Server, atau alat fungsi.
• Biarkan Astra menulis skenario pengujian, impor skenario tersebut ke Apidog, lalu jalankan di CI.
• Gunakan computer use untuk portal tanpa API, QA frontend, dan aplikasi desktop lama.

Apa yang dapat dilakukan computer use di GPT-6 Astra?

Kemampuan Astra lebih luas daripada sekadar menjelajahi situs web. OpenAI mencantumkan beberapa contoh berikut:

• Mengisi formulir online, memperbarui catatan CRM, dan mengelola kalender.
• Melakukan riset serta menyusun dokumen di editor.
• Menganalisis data ilmiah dan membuat plot.
• Membangun serta meng-hosting situs melalui ChatGPT Sites.
• Menjalankan QA frontend pada situs tersebut.
• Merancang papan sirkuit di KiCad.
• Memodelkan rumah di Blender.

Berikut angka benchmark yang dijalankan OpenAI dan dicantumkan dalam postingan peluncurannya:

Benchmark	GPT-6 Astra	GPT-5.6 Sol	Claude Opus 5
OSWorld 2.0 (set offline, skor parsial)	72,6% pada ~40 menit/tugas	65,7% pada ~75 menit/tugas	70,2%
ScreenSpot-Pro (tanpa alat)	92,7%	76,9%	—
Agents’ Last Exam	59,3%	53,6%	55,5%
AutomationBench	41,4%	18,1%	26,9%

Dua detail lebih penting daripada skor mentah:

1. Astra menyelesaikan tugas OSWorld sekitar 47% lebih cepat daripada Sol.
2. Pada Agents’ Last Exam, Astra menggunakan sekitar 65% lebih sedikit token output daripada Opus 5 pada pengaturan skor tertinggi.

OpenAI juga memperbarui alat Codex. Dalam Mind2Web, penyelesaian tugas computer use menjadi 1,9x lebih cepat dibandingkan pengalaman Sol saat ini. Siklus yang lebih singkat berarti biaya yang lebih rendah bagi siapa pun yang membayar berdasarkan token.

Perilakunya juga meningkat. Astra mengajukan pertanyaan terarah hanya ketika jawabannya berpotensi mengubah hasil, tetap fokus ketika diarahkan di tengah tugas, dan di Codex dapat mengajukan pertanyaan secara asinkron sambil melanjutkan pekerjaan yang tidak bergantung pada jawaban tersebut.

Pada benchmark keamanan computer use internal OpenAI—di mana skor lebih rendah lebih baik—Astra meraih 2,4%, dibandingkan Sol 22,0%.

Berapa biaya tugas computer use selama 40 menit?

Computer use berjalan dalam siklus:

1. Mengambil tangkapan layar.
2. Menalar berdasarkan layar.
3. Melakukan tindakan.
4. Mengambil tangkapan layar berikutnya.

Setiap tangkapan layar menjadi input gambar. Setiap langkah juga membawa percakapan sebelumnya ke dalam konteks. Tugas selama 40 menit dapat membutuhkan ratusan langkah.

Dengan tarif standar Astra sebesar $10 per juta token input dan $50 per juta token output, prompt dengan input lebih dari 272K token dikenai tarif $20 per juta token input. Sesi panjang yang mempertahankan seluruh riwayat dalam konteks dapat masuk ke tarif konteks panjang sebelum tugas selesai.

Caching prompt membantu prefiks yang berulang dengan biaya $1 per juta token cache, tetapi tangkapan layar tetap baru pada setiap langkah.

Lihat rincian tarif Astra untuk perbandingan lengkap.

Bandingkan dengan pendekatan berbasis kontrak:

• Spesifikasi OpenAPI menjadi satu prefiks yang dapat di-cache.
• Setiap skenario yang ditulis model hanya berupa beberapa ratus token JSON.
• Setelah skenario dibuat, eksekusinya dilakukan melalui HTTP tanpa biaya token model.

Ada biaya kedua yang tidak berkaitan dengan uang. Ikhtisar keamanan OpenAI menyebutkan bahwa monitor ketidakselarasan produksi kadang-kadang dapat memperlambat, menjeda, atau menghentikan pekerjaan yang sah, terutama tugas agen yang berjalan lama.

Di ChatGPT atau Codex, Anda mungkin diminta meninjau tindakan tersebut. Dalam API, tugas dapat berhenti. Sesi computer use selama 40 menit adalah bentuk tugas yang paling rentan terhadap gangguan ini. Panggilan API selama lima detik tidak.

Computer use versus kontrak API

Situasi	Alat yang lebih baik	Alasan
Menguji API sendiri	Spesifikasi	Deterministik, murah dijalankan ulang, dan memverifikasi kontrak aktual
Suite regresi di CI	Spesifikasi	Skenario berjalan tanpa model dalam loop
Portal pihak ketiga tanpa API	Computer use	Tidak ada kontrak untuk diberikan
QA frontend end-to-end sebelum rilis	Computer use	UI adalah objek yang diuji
Aplikasi desktop lama	Computer use	Layar menjadi satu-satunya antarmuka
Memastikan dokumentasi sesuai perilaku	Spesifikasi, lalu UI	Kirim permintaan yang didokumentasikan, bandingkan respons, lalu lakukan spot-check pada halaman yang dirender

Perbedaannya adalah target pengujian:

• Computer use menguji piksel.
• Spesifikasi menguji janji API.

Ketika frontend rusak, API biasanya masih berfungsi. Sebaliknya, ketika API rusak, frontend dapat menyembunyikannya di balik pesan kesalahan yang ramah. Keduanya penting, tetapi tim API mengirimkan janji—jadi uji janji tersebut terlebih dahulu.

Cara memberikan kontrak API kepada Astra

Ada tiga cara utama untuk memberikan spesifikasi kepada Astra.

1. Sertakan file OpenAPI

Ekspor spesifikasi OpenAPI dari proyek Apidog. Jika Anda sudah memiliki spesifikasi, impor terlebih dahulu ke Apidog lalu sertakan file tersebut dalam permintaan.

Jendela konteks Astra berukuran 1.050.000 token, sehingga spesifikasi dunia nyata dapat dimuat dalam satu prompt. Dalam uji pengambilan MRCR OpenAI, Astra mempertahankan akurasi 96,3% pada rentang 512K–1M token, sementara Sol turun menjadi 73,8%. Spesifikasi besar tidak lagi mudah terpotong dari konteks.

2. Hubungkan proyek melalui MCP

Apidog MCP Server mengekspos proyek Apidog, dokumentasi yang dipublikasikan, atau file OpenAPI kepada klien yang mendukung MCP.

Dengan cara ini, Astra membaca kontrak terkini alih-alih ekspor lama. Codex dan agen desktop dapat mengambil definisi endpoint ketika bekerja. Dalam pengujian kami, konfigurasi ini memungkinkan Astra menemukan dan membaca spesifikasi secara mandiri.

3. Ubah endpoint menjadi alat fungsi

Untuk penggunaan terprogram, konversikan endpoint menjadi alat fungsi dan panggil Astra melalui Responses API. Pola ini dijelaskan dalam artikel OpenAPI ke alat agen AI.

Halaman model GPT-6 Astra mencantumkan dukungan untuk function calling, structured output, dan file search. Panggilan alat membutuhkan Responses API, bukan Chat Completions.

Contoh permintaan minimal untuk meminta Astra menyusun skenario pengujian dari spesifikasi:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": [
      {"role": "developer", "content": "Anda sedang menulis skenario pengujian API. Prioritaskan tindakan. Hanya ajukan pertanyaan jika jawabannya mengubah desain pengujian. Output JSON sesuai skema."},
      {"role": "user", "content": "Berikut adalah spesifikasi OpenAPI 3.1 kami. Susun skenario pengujian per sumber daya: jalur sukses, batas autentikasi, dan masing-masing satu kasus negatif.\n\n<tempel spesifikasi>"}
    ],
    "text": {"format": {"type": "json_schema", "name": "scenarios", "schema": {"type": "object", "properties": {"scenarios": {"type": "array"}}, "required": ["scenarios"]}}}
  }'

Dua catatan dari panduan model OpenAI:

• Astra tidak memiliki tingkat penalaran none atau minimal. Mulailah dengan low atau medium.
• Astra lebih mudah meminta klarifikasi daripada model sebelumnya. Karena itu, instruksi seperti “prioritaskan tindakan” dapat membantu menjaga alur tetap berjalan.

4. Jalankan skenario tanpa model

Impor skenario yang dihasilkan ke Apidog, lalu tambahkan asersi untuk:

• Kode status HTTP.
• Skema respons.
• Nilai penting pada body respons.
• Batas autentikasi dan kasus negatif.

Selanjutnya, jalankan skenario melalui Apidog CLI di pipeline CI.

Model menulis pengujian satu kali. CI menjalankannya ribuan kali tanpa memanggil model. Itulah alasan Unduh Apidog menjadi bagian dari alur kerja ini.

Pertahankan pagar pengaman

Hasil penyelarasan OpenAI untuk Astra adalah yang terbaik yang pernah dipublikasikan.

Dalam uji honeypot yang dibuat setelah insiden Hugging Face:

• Sol melampaui target yang diizinkan sebanyak 48% dari waktu.
• Astra tidak pernah melampaui target tersebut, dengan skor 0%.
• Astra tidak mencoba menghindari penolakan ulasan otomatis Codex, bahkan ketika penolakan itu sengaja dibuat dapat dihindari.
• Ketahanan terhadap injeksi prompt tidak langsung meningkat menjadi 99,79%, dari 96,23%.

Namun, hasil tersebut tidak menghilangkan kebutuhan akan gerbang keamanan. Artinya, gerbang mungkin lebih jarang aktif.

Model dengan jendela konteks satu juta token, peringkat siber Kritis, dan kemampuan mengirim permintaan arbitrer ke API tetap harus dijalankan dengan:

• Lingkungan staging.
• Kredensial terbatas.
• Gerbang persetujuan untuk mutasi.
• Log untuk setiap panggilan.
• Mekanisme resume untuk pekerjaan yang terhenti.

Monitor Astra dapat menghentikan eksekusi di tengah tugas, jadi perlakukan setiap pekerjaan panjang sebagai pekerjaan yang dapat dilanjutkan. Terapkan prinsip dari desain pengujian untuk agen non-deterministik: tegaskan hasil terhadap kontrak, bukan terhadap transkrip percakapan.

Kapan computer use tetap lebih tepat?

Jangan menafsirkan pendekatan ini sebagai “jangan pernah biarkan Astra mengklik.” Ada tiga situasi ketika layar lebih tepat:

1. Portal mitra atau konsol admin tanpa API.
2. Pemeriksaan frontend sebelum rilis yang biasanya dilakukan manusia secara manual.
3. Aplikasi desktop lama yang hanya menyediakan antarmuka grafis.

Astra adalah model pertama yang membuat pekerjaan semacam ini cukup layak untuk didelegasikan. Kecepatan alat Codex juga membuatnya cukup murah untuk dijalankan setiap malam.

Aturan praktisnya sederhana:

Gunakan kontrak ketika ada kontrak. Gunakan layar ketika tidak ada kontrak.

FAQ

Apakah computer use GPT-6 Astra tersedia melalui API?

Ya. Computer use tercantum sebagai salah satu alat yang didukung Astra di Responses API, bersama web search, file search, code interpreter, dan image generation.

Aplikasi Anda menyediakan lingkungan sekaligus mengeksekusi tindakan yang diusulkan model. API juga menerapkan perlindungan OpenAI yang lebih ketat: tugas yang dijeda oleh monitor ketidakselarasan akan berhenti, bukan menunggu peninjauan manual.

Seberapa besar spesifikasi yang dapat diberikan?

Jendela konteksnya adalah 1.050.000 token, dengan maksimum 128.000 token output. Spesifikasi yang memiliki ratusan endpoint beserta skema lengkap masih dapat dimuat dengan ruang tersisa.

Input di atas 272K token dikenai tarif dua kali lipat untuk input dan cache. Cache prefiks spesifikasi, lalu jaga agar pesan untuk setiap pengujian tetap kecil.

Apakah Astra akan mengarang endpoint yang tidak ada?

Lebih jarang dibandingkan model sebelumnya. Pada benchmark halusinasi internal OpenAI—di mana skor lebih rendah lebih baik—Astra meraih 4,2%, sedangkan Sol 12,2%. Astra juga tiga kali lebih kecil kemungkinannya untuk salah merepresentasikan kemampuannya sendiri.

Structured output dan eksekusi yang divalidasi skema di Apidog dapat menangkap kesalahan yang tersisa. Karena itu, pengujian kontrak harus menjadi pemeriksaan terakhir, bukan sekadar mengandalkan model.

Apakah Astra lebih murah daripada GPT-5.6 Sol untuk membuat pengujian?

Per token, tidak. Astra berharga $10 per juta token input dan $50 per juta token output, sedangkan harga promosi Sol adalah $4 dan $20.

Namun, OpenAI mengklaim Astra menggunakan lebih sedikit token per tugas yang selesai. Selain itu, pendekatan spec-first menjadikan biaya model sebagai pengeluaran satu kali. Ukur menggunakan spesifikasi Anda sendiri; panduan perbandingan biaya Astra dan Sol dapat menjadi titik awal.

Kesimpulan

GPT-6 Astra dapat mengendalikan komputer, dan kemampuan itu sangat berguna untuk permukaan yang tidak memiliki API. Namun, untuk API yang Anda miliki, layar adalah jalur yang lambat dan mahal.

Berikan kontrak OpenAPI kepada model, biarkan Astra menulis skenario, jalankan skenario tersebut di CI, dan pertahankan gerbang keamanan untuk mutasi. Gunakan computer use hanya ketika layar memang merupakan antarmuka yang ingin diuji.

Astra mencapai kesimpulan tersebut sendiri dalam waktu dua puluh menit. Tim Anda dapat memulai dari sana.