Sol, Terra, atau Luna: model termurah belum tentu paling cepat

Untuk beban kerja campuran, Terra adalah titik awal yang paling masuk akal. Pilih Sol ketika kesalahan mahal atau tugas menuntut penalaran, penggunaan alat, dan pemahaman konteks panjang yang lebih kuat. Pertimbangkan Luna untuk pekerjaan sederhana bervolume tinggi, tetapi jangan menyamakan harga token terendah dengan waktu respons terpendek.

Pembagian itu mengikuti posisi produk yang tercantum dalam daftar model resmi OpenAI: Sol ditujukan untuk pekerjaan profesional kompleks, Terra menyeimbangkan kemampuan dan biaya, sedangkan Luna dioptimalkan untuk beban kerja sensitif biaya. Pilihan akhirnya tetap bergantung pada mutu minimum, latensi dalam konfigurasi Anda, dan biaya untuk menghasilkan keluaran yang benar-benar dapat digunakan.

Peta pilihan untuk empat jenis pekerjaan

Untuk pengodean rutin, Terra layak dijadikan baseline bagi implementasi fitur, pengujian, dan perbaikan yang masih ditinjau manusia. Sol lebih masuk akal untuk migrasi arsitektur, debugging lintas komponen, atau gerbang sebelum produksi, ketika kegagalan dapat memicu pemeriksaan ulang yang mahal. Luna dapat menangani klasifikasi isu, pemeriksaan format, dan tugas berulang dengan kriteria lulus yang tegas.

Pada dokumen panjang, kapasitas konteks nominal bukan satu-satunya pertimbangan. Kemampuan menerima berkas besar tidak menjamin setiap detail dapat ditemukan kembali secara konsisten. Karena itu, Sol atau Terra lebih aman sebagai kandidat awal untuk kontrak, laporan riset, dan repositori besar, sementara Luna perlu diuji pada pertanyaan yang menuntut pengambilan fakta dari bagian berjauhan.

Untuk terjemahan, Sol cocok ketika ketepatan istilah, register, dan format lebih penting daripada selisih biaya. Terra menawarkan kompromi untuk pemrosesan batch yang tetap memerlukan mutu tinggi. Luna relevan untuk volume besar atau draf awal hanya setelah sampel bahasa, jenis dokumen, tabel, serta terminologi khusus memenuhi rubrik yang ditetapkan.

• Pengodean: Terra untuk iterasi umum, Sol untuk kasus sulit, dan Luna untuk pemeriksaan rutin berskala besar.
• Dokumen panjang: utamakan hasil uji pengambilan fakta, bukan ukuran jendela konteks saja.
• Terjemahan: bandingkan kesetiaan, kelancaran, terminologi, gaya, dan format.
• Volume tinggi: mulai dengan Luna untuk kasus sederhana, lalu alihkan kasus gagal ke Terra atau Sol.

Sol unggul, tetapi Terra sering mendekat pada pengodean

Hasil evaluasi yang dipublikasikan OpenAI mencatat skor SWE-Bench Pro sebesar 64,6% untuk Sol, 63,4% untuk Terra, dan 62,7% untuk Luna. Pada Terminal-Bench 2.1, skornya masing-masing 88,8%, 87,4%, dan 84,7%. Angka vendor ini menunjukkan jarak yang relatif kecil pada dua evaluasi pengodean, tetapi tidak membuktikan bahwa ketiganya setara pada setiap repositori atau konfigurasi penalaran.

Jaraknya lebih besar pada beberapa tugas lain. Pada MRCR v2 dengan delapan informasi tersembunyi dalam rentang 256K–512K token, hasil yang dipublikasikan adalah 91,5% untuk Sol, 89,6% untuk Terra, dan 41,3% untuk Luna. Perbedaan itu mendukung kehati-hatian terhadap Luna untuk pekerjaan yang bergantung pada pengambilan banyak detail dari konteks sangat panjang.

Ulasan LayerLens atas 12 benchmark menempatkan Terra sebagai pilihan untuk siklus pengembangan dan Sol untuk gerbang produksi, tetapi sebagian angka utamanya berasal dari evaluasi peluncuran OpenAI. Karena itu, ulasan tersebut berguna sebagai interpretasi lintas tugas, bukan set pengukuran independen kedua. Hasil aplikasi nyata tetap dapat berubah karena prompt, tingkat penalaran, alat, panjang keluaran, dan kriteria keberhasilan.

Uji terjemahan menunjukkan yang termurah tidak selalu tercepat

Pengujian terjemahan Belin Doc memakai delapan skenario, tiga pengulangan per konfigurasi, dan 168 hasil yang dinilai secara buta oleh dua model yang tidak ikut bertanding. Skor keseluruhannya adalah 4,70 untuk Sol, 4,38 untuk Terra, dan 4,34 untuk Luna. Latensi diukur secara berurutan pada concurrency 1: median Terra 3.598 milidetik, Sol 4.640 milidetik, dan Luna 7.998 milidetik.

Dalam pengujian khusus itu, Luna memiliki biaya terendah per poin kualitas, tetapi menjadi varian paling lambat di antara ketiganya. Temuan tersebut tidak berarti Luna selalu lambat: OpenAI memosisikannya sebagai tier yang cepat, sedangkan Belin Doc memperingatkan bahwa selisih yang terukur dapat dipengaruhi jalur permintaan. Kesimpulan yang dapat dipertahankan lebih sempit—model termurah belum tentu mencatat latensi terendah pada pekerjaan dan lingkungan tertentu.

Harga dalam tabel Belin Doc diverifikasi pada 10 Juli 2026 dan kini sudah tidak berlaku. Skor kualitas serta latensinya masih dapat dibaca sebagai hasil pengujian bertanggal, tetapi perencanaan anggaran harus memakai daftar harga terbaru.

Tarif terbaru dan contoh biaya dalam rupiah

Tarif API standar per satu juta token kini sebesar US$4 untuk input dan US$20 untuk output pada Sol, US$2 dan US$12 pada Terra, serta US$0,20 dan US$1,20 pada Luna. Ketiganya mencantumkan jendela konteks 1,05 juta token dan keluaran maksimum 128.000 token. Permintaan sangat panjang, cache, alat, atau jenis pemrosesan lain dapat memiliki perhitungan berbeda, sehingga contoh berikut hanya memakai token teks standar.

Dalam contoh bersyarat dengan dua juta token input dan 500.000 token output, biaya aritmetisnya adalah US$18 untuk Sol, US$10 untuk Terra, dan US$1 untuk Luna. Dengan JISDOR Bank Indonesia 27 Agustus 2026 sebesar Rp17.762 per dolar AS, nilainya sekitar Rp319.716, Rp177.620, dan Rp17.762.

Konversi tersebut belum memasukkan pajak, kurs penerbit kartu, biaya alat, atau retry. Harga per token juga bukan biaya per hasil sukses. Jika keluaran murah lebih sering harus diulang, diperbaiki manusia, atau dialihkan ke model lain, selisih tagihan awal dapat menyusut.

Bandingkan dengan ukuran yang sama

Gunakan kumpulan tugas yang benar-benar mewakili produksi, lalu jalankan setiap kandidat dengan prompt, alat, batas keluaran, dan tingkat penalaran yang sama. Pisahkan kasus sederhana, normal, dan sulit agar rata-rata tidak menutupi kegagalan pada pekerjaan berisiko tinggi.

Nilai setidaknya tingkat keberhasilan menurut rubrik, latensi median dan persentil ke-95, seluruh token atau biaya, serta jumlah keluaran yang memerlukan retry atau koreksi manusia. Untuk dokumen dan terjemahan, tambahkan pemeriksaan kehilangan fakta, konsistensi istilah, format, dan kepatuhan terhadap instruksi.

Biaya efektif dapat dihitung dengan membagi seluruh pengeluaran percobaan, termasuk retry, dengan jumlah hasil yang lulus. Ukuran ini dapat memperlihatkan bahwa model bertarif lebih tinggi justru lebih ekonomis pada tugas sulit, atau bahwa peningkatan mutu Sol tidak sebanding dengan biayanya pada pekerjaan rutin.

Keputusan akhirnya bukan satu pemenang universal

Pilih Terra sebagai baseline untuk beban kerja campuran, turunkan tugas sederhana dan terukur ke Luna, lalu naikkan kasus kompleks atau berisiko tinggi ke Sol. Ini adalah rekomendasi perutean, bukan jaminan bahwa Terra selalu menjadi pilihan terbaik.

Luna menawarkan penghematan token terbesar, tetapi bukan janji latensi minimum dalam setiap lingkungan. Terra mendekati Sol pada beberapa benchmark, tetapi tertinggal lebih jauh pada tugas tertentu. Sol layak dibayar ketika peningkatan keberhasilan mengurangi koreksi, pengulangan, atau risiko dengan nilai yang melebihi selisih biaya API.