Perang Harga Model AI September 2026: Grok 4.7, Opus 5.5, GPT-6 Sol dan Luna

Jika Anda menyimpan spreadsheet harga model, minggu ini spreadsheet itu sudah kedaluwarsa. xAI merilis Grok 4.7 pada 21 September. Keesokan harinya, Anthropic merilis Claude Opus 5.5 dan OpenAI merilis dua model GPT-6 baru, Sol dan Luna. Tiga peluncuran dalam 48 jam, dua lab terdepan di hari yang sama, dan setiap baris dalam model biaya Anda kini salah.

Coba Apidog hari ini

Angka per token ada di bawah. Kisah yang lebih berguna: harga per token berhenti menjadi satuan yang diperebutkan siapa pun, dan salah satu klaim paling nyaring minggu ini kedaluwarsa dalam hitungan jam setelah dipublikasikan.

Semua harga baru dalam satu tabel

Model	id API	Input $/Jt	Output $/Jt	Input cache	Konteks	AA Intelligence Index
Claude Opus 5.5	claude-opus-5-5	$4	$20	$0,20 baca, $5 tulis	1J	58, #1 dari 212
GPT-6 Sol	gpt-6-sol	$2	$10	diskon 90% untuk baca	872rb	48
GPT-6 Luna	gpt-6-luna	$0,10	$0,50	diskon 90% untuk baca	1J	37
GPT-6 Astra	n/a	$10	$50	n/a	n/a	n/a
Claude Opus 5 (sebelumnya)	claude-opus-5	$5	$25	n/a	n/a	n/a
Grok 4.7 (21 Sep)	n/a	$2	$6	n/a	n/a	n/a

Tiga hal menonjol. Opus 5.5 berada di $4/$20 dibandingkan Opus 5 di $5/$25 — model unggulan menjadi 20% lebih murah sekaligus mengambil posisi teratas di indeks Artificial Analysis dengan skor 58. Sol berada di seperlima tarif Astra untuk input maupun output. Dan Luna menempatkan jendela konteks 1J pada sepuluh sen per juta token input.

Anthropic juga mencantumkan mode cepat untuk Opus 5.5 pada $8/$40 dengan output maksimum 128rb. Jika Anda memiliki tarif yang di-hardcode dari tulisan kami tentang harga Claude Opus 5 atau harga GPT-5.6, halaman-halaman itu kini mendeskripsikan generasi sebelumnya.

Yang sebenarnya berubah: biaya per tugas, bukan biaya per token

Postingan peluncuran OpenAI tidak mengawali dengan tarif per token. Ia mengawali dengan biaya per tugas yang diselesaikan, dan tabel yang dipublikasikannya adalah artefak paling menarik minggu ini.

Model (upaya penalaran)	AutomationBench 1.0.6	Biaya per tugas
GPT-6 Sol (xhigh)	33,2%	$0,27
Fable 5.1 dengan fallback Opus 5 (max)	31,4%	lebih dari 8,9x Sol
GPT-6 Astra (low)	30,3%	3,9x Sol
Claude Opus 5 (max)	26,9%	11,1x Sol

Baca baris terbawah dengan saksama. Sol pada upaya penalaran ekstra-tinggi mendapat skor lebih tinggi daripada Opus 5 pada max, dengan biaya per tugas sekitar 9% dari Opus 5. Biaya per tugas adalah satuan yang jujur karena ia memasukkan apa yang disembunyikan oleh harga per [REDACTED CREDENTIAL] penalaran, pemanggilan tool, percobaan ulang, dan berapa banyak giliran yang dibutuhkan sebuah model sebelum berhenti. Model dengan tarif dua kali lipat yang selesai dalam sepertiga token justru lebih murah — dan tidak ada halaman harga yang memberi tahu Anda itu.

Polanya berulang. Pada Agents' Last Exam V1, Sol pada max mendapat skor 56,4%, di atas hasil terbaik Opus 5, dengan biaya per tugas 60% lebih rendah. Pada DeepSWE 1.1, Sol pada max mencapai 68,8%, hanya terpaut 1,1 poin dari Fable 5 pada xhigh (69,9%) dan sekitar 80% lebih murah per tugas; Luna pada max mendapat skor 66,6%, yang menurut OpenAI berada di band yang sama dengan Opus 5 dan Fable 5 pada upaya medium, dengan biaya per tugas 93% lebih rendah daripada Opus 5 dan 96% lebih rendah daripada Fable 5. Pada OSWorld 2.0 offline, Sol pada xhigh mendapat skor 60,5% melawan Opus 5 pada medium dengan 60,3%, sekali lagi sekitar 80% lebih murah per tugas. Pada faktualitas, OpenAI menyatakan Sol membuat sekitar setengah kesalahan dibandingkan pendahulunya, dan Luna pada upaya lebih tinggi menyamai GPT-5.6 Sol dengan biaya sekitar seperseratusnya.

Konsekuensi praktisnya: pertanyaan pengadaan bukan lagi "berapa tarif per juta token," melainkan "berapa biaya satu tugas saya dari awal sampai akhir" — dan hanya beban kerja Anda sendiri yang bisa menjawabnya.

Perbandingan yang kedaluwarsa di hari yang sama saat dirilis

Setiap klaim di atas diukur terhadap Claude Opus 5, karena Opus 5.5 belum ada ketika postingan OpenAI ditulis. Anthropic merilis Opus 5.5 beberapa jam kemudian: 20% lebih murah daripada Opus 5, 40% lebih hemat untuk dijalankan menurut angka Anthropic sendiri, 30% lebih cepat pada output, dan memuncaki indeks Artificial Analysis.

Jadi "mengalahkan Opus 5 dengan 9% biaya per tugas" adalah pernyataan yang benar tentang model yang digantikan pada sore hari yang sama. Belum ada yang mempublikasikan angka biaya per tugas Sol versus Opus 5.5, karena setiap harness dalam tabel-tabel ini dijalankan sebelum Opus 5.5 ada. Jika Anda hendak memindahkan beban kerja berdasarkan rasio itu, Anda membandingkan dengan model yang tidak lagi akan Anda deploy.

Hati-hati juga ke arah sebaliknya. Lembar Anthropic sendiri untuk Opus 5.5 menyebut: Terminal-Bench 4.0 66,4%, FrontierCode v1.1 54,4%, CursorBench 4.0 57,8%, GDPval-AA v2.1 pada 1846 Elo, AutomationBench 40,0%, Humanity's Last Exam 67,7% dengan tools, OSWorld 2.0 81,8%, Chartography 89,0%. AutomationBench 40,0% itu tidak bisa dikurangkan dari 33,2% milik OpenAI: versi harness berbeda, pengaturan upaya berbeda, eksekusi berbeda, tanpa baseline bersama yang dinyatakan. Dua vendor yang mengutip nama benchmark yang sama bukanlah perbandingan langsung. Posisi OpenAI sendiri adalah bahwa Astra "terus menjadi model terbaik kami di semua bidang," jadi cerita GPT-6 minggu ini adalah tentang harga dan efisiensi, bukan plafon baru. Perbandingan yang beredar di X yang memasangkan angka spesifik Opus 5.5 dengan angka spesifik Astra adalah tweet, bukan data vendor.

"50% lebih murah" diukur terhadap harga diskon, dan pemotongan sebenarnya lebih besar

OpenAI menyatakan bahwa Sol dan Luna masing-masing 50% lebih murah daripada harga promosi GPT-5.6. "Promosi" adalah kata dari OpenAI sendiri, dan itu penting: baseline yang dipotong separuh adalah tarif diskon, bukan tarif daftar standar. Banyak liputan minggu ini menghilangkan kualifikasi tersebut.

Berikut garis keturunannya, menggunakan harga daftar GPT-5.6 yang kami dokumentasikan dalam liputan peluncuran kami sendiri saat itu:

Tingkat	Daftar GPT-5.6 (in / out per 1J)	Promosi GPT-5.6	GPT-6
Sol	$5 / $30	$4 / $20	$2 / $10
Terra	$2,50 / $15	$2 / $12	tidak ada GPT-6 Terra yang diumumkan
Luna	$1 / $6	$0,20 / $1,20	$0,10 / $0,50

Dua hal muncul dari sini. Pertama, versi jujur dari judul berita mengalahkan judul beritanya: dibandingkan harga daftar GPT-5.6, Sol pada $2/$10 adalah pemotongan 60% pada input dan 67% pada output, dan Luna pada $0,10/$0,50 adalah 90% dan 92%. OpenAI membandingkan terhadap tarif promosinya sendiri, yang meremehkan perubahan ini bagi siapa pun yang menyusun anggaran berdasarkan harga daftar.

Kedua, tidak ada GPT-6 Terra. GPT-5.6 adalah Sol, Terra, dan Luna; GPT-6 adalah Astra, Sol, dan Luna. Jika Anda memiliki tingkat menengah yang dipatok di konfigurasi, tidak ada penerus yang setara yang menantinya, dan panduan penamaan GPT-5.6 kami kini terbaca sebagai sejarah, bukan peta terkini.

Model murah bukanlah model cepat

Artificial Analysis mengukur model-model baru ini. Untuk varian penalaran max, ia melaporkan GPT-6 Sol pada 115,2 token output per detik dengan waktu ke token pertama 102,15 detik, dan Luna pada 153,9 token per detik dengan 124,23 detik ke token pertama. Ini angka pihak ketiga, bukan angka vendor, dan menggambarkan pengaturan penalaran tertinggi — bukan apa yang akan Anda lihat pada upaya rendah atau medium.

Secara arah, inilah pertukaran yang ditawarkan perang harga: kualitas yang mendekati terdepan dengan sebagian kecil biaya, dibayar dengan latensi sebelum byte pertama tiba. Tidak masalah untuk pekerjaan batch atau eksekusi agen semalam. Fatal untuk permintaan dengan manusia yang menunggu.

Ukur ini sendiri daripada mewarisinya dari papan peringkat, karena ia berubah sesuai pengaturan upaya, ukuran prompt, dan region Anda. Arahkan Apidog ke endpoint completions setiap model kandidat, kirim prompt yang sama pada tingkat upaya yang benar-benar akan Anda rilis, dan catat waktu ke byte pertama serta total waktu respons di samping body-nya. Disimpan sebagai skenario pengujian, peluncuran berikutnya menjadi sekadar menjalankan ulang, bukan proyek riset.

Caching adalah separuh lainnya dari pemotongan harga minggu ini

Selain model-model itu, OpenAI merilis prompt caching sungguhan untuk GPT-6: diskon 90% untuk pembacaan input dari cache, tingkat hit yang lebih tinggi secara default, Prompt Caching Dashboard, alat diagnostik, dan dua perbaikan perilaku yang lebih penting daripada diskonnya. Mengubah upaya penalaran atau ketersediaan tool tidak lagi membatalkan cache, dan breakpoint eksplisit memungkinkan Anda menentukan di mana awalan yang di-cache berakhir. OpenAI menyebut GitHub mengalami lebih dari 50% lebih sedikit token prompt yang perlu diproses ulang di miliaran permintaan. Sisi Anthropic ada di tabel di atas: pembacaan cache Opus 5.5 berbiaya $0,20 per juta dibandingkan $4 untuk input segar — pembacaan dari cache adalah 5% dari input segar.

Jika agen Anda mengirim ulang system prompt yang besar dan skema tool yang gemuk pada setiap giliran (dan sebagian besar memang begitu), perubahan-perubahan ini akan menggerakkan tagihan Anda lebih besar daripada harga label mana pun di sini. Itu menjadikan caching sebagai item paling tahan lama minggu ini dan yang paling layak direkayasa.

Yang perlu dilakukan minggu ini

1. Pindahkan id model ke konfigurasi, bukan ke kode. Tiga id berubah dalam dua hari. claude-opus-5-5, gpt-6-sol, dan gpt-6-luna seharusnya berada di variabel lingkungan yang bisa Anda ubah, bukan literal string di pembungkus klien:

   ANTHROPIC_MODEL=claude-opus-5-5
   OPENAI_MODEL=gpt-6-sol
   OPENAI_MODEL_CHEAP=gpt-6-luna

1. Jalankan ulang eval Anda sendiri sebelum beralih. Tabel biaya per tugas vendor diukur pada harness vendor terhadap tugas vendor. Milik Anda akan berbeda.
2. Instrumentasikan biaya per tugas. Catat token input, output, dan penalaran terhadap unit pekerjaan yang diselesaikan, termasuk percobaan ulang. Dasbor per token akan menyesatkan Anda selama sisa tahun ini.
3. Tetapkan anggaran latensi dan uji pada upaya yang akan dirilis. Model yang 93% lebih murah per tugas dan dua menit lebih lambat ke token pertama adalah produk yang berbeda, bukan yang lebih murah.
4. Audit batas cache Anda. Awalan yang stabil lebih dulu, konten yang berubah-ubah di akhir, breakpoint eksplisit di tempat platform mendukungnya.
5. Perbarui pengujian kontrak untuk amplop baru. Sol berkonteks 872rb, Luna dan Opus 5.5 adalah 1J, dan Opus 5.5 membatasi output pada 128rb. Assertion yang ditulis terhadap batas bulan lalu akan lolos diam-diam dan terpotong di produksi.
6. Rutekan berdasarkan tugas alih-alih migrasi menyeluruh. Rentang antara $0,10 dan $10 per juta token input adalah dua orde besaran. Tingkat murah untuk ekstraksi dan klasifikasi, tingkat mahal untuk pekerjaan yang membutuhkannya.

Satu angka untuk skala: OpenAI mengungkapkan bahwa peneliti internalnya di median menghabiskan lebih dari $600 per hari untuk agen coding, dengan persentil ke-90 di $7.000. Pemotongan sebesar ini ditujukan untuk beban kerja dengan ruang anggaran sebesar itu. Jika beban kerja Anda lebih kecil, pemotongan ini terutama memberi Anda opsi untuk menjalankan model yang lebih baik dengan anggaran yang sama.

Ketersediaan, singkat saja

Sol dan Luna tersedia di ChatGPT Work dan Codex untuk Plus, Pro, Business, Enterprise, dan Edu. Free dan Go mendapatkan Luna di aplikasi desktop. Keduanya belum ada di Chat. Id API-nya adalah gpt-6-sol dan gpt-6-luna, bersama GPT-6 Astra API yang sudah ada. Opus 5.5 berjalan di Claude Platform, AWS, Google Cloud, dan Azure.

Untuk detail per model: apa itu Claude Opus 5.5, apa itu GPT-6 Sol, apa itu GPT-6 Luna, adu langsung Sol versus Opus 5.5, dan rilis prompt caching GPT-6.

Intinya

Harga label turun, tetapi peristiwa sebenarnya adalah bahwa industri beralih satuan. Biaya per tugas, tingkat hit cache, dan waktu ke token pertama kini menentukan berapa biaya sebuah model bagi Anda, dan tidak satu pun dari itu muncul di halaman harga. Ukur ketiganya pada traffic Anda sendiri minggu ini, karena tabel perbandingan yang semua orang kutip sudah kedaluwarsa pada saat dipublikasikan.