Jawaban singkatnya: memulai tugas biasa dengan Astra Low itu masuk akal, tapi jangan dikunci di sana. Mulai dari Low, naik ke Medium kalau meleset, dan simpan High serta xhigh untuk sedikit pekerjaan yang benar-benar butuh.
Kalau di menu model ada tulisan Low, kesan pertama biasanya "mode hemat", "buat tugas gampang", atau "belum dipakai mikir serius".
GPT-6 Astra bikin kesan itu goyah.
Di uji coba pihak ketiga, Astra Low dapat skor lebih tinggi daripada GPT-5.6 Sol di level xhigh pada nilai gabungan (Intelligence Index). Di beberapa tes coding yang dikerjakan AI secara mandiri, selisihnya lebih besar lagi. Dan di kumpulan tes itu, biayanya per tugas malah lebih murah.[1]
Jadi wajar kalau muncul pertanyaan:
"Kenapa tidak Astra Low terus saja?"
Namanya Low, tapi kerjanya nggak rendah hati.
1. Angka dulu: Sol xhigh vs Astra Low, Medium, High, dan xhigh
Ini data Artificial Analysis yang dicek pada 12 September 2026.[1][2][3][4]
| Pengaturan | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | Biaya AA/tugas | Token output/tugas | Token reasoning/tugas |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol xhigh | 44 | 55% | 25% | 57% | $1.18 | ~20k | ~10k |
| GPT-6 Astra Low | 46 | 59% | 42% | 54% | $0.82 | ~4k | ~938 |
| GPT-6 Astra Medium | 50 | 65% | 49% | 54% | $1.54 | ~10k | ~3k |
| GPT-6 Astra High | 51 | 67% | 54% | 55% | $1.72 | ~12k | ~5k |
| GPT-6 Astra xhigh | 53 | 67% | 60% | 56% | $2.31 | ~17k | ~9k |
Satu peringatan dulu: jangan baca 46 lawan 44 sebagai "4,5% lebih pintar". Intelligence Index menggabungkan beberapa tes jadi satu skor. Bukan seperti harga atau jarak, yang perbandingannya bisa dihitung langsung.
Yang bisa dikatakan: pada indeks yang sama, Astra Low dapat 46 dan Sol xhigh dapat 44. Di Terminal-Bench v4.0, yang menguji AI menyelesaikan tugas pemrograman sendiri, hasilnya 42% lawan 25%.[1]
Tapi di SciCode, Sol xhigh masih menang: 57% lawan 54% milik Astra Low. Jadi Low tidak lebih baik di semua hal.[1]
2. Soal harga yang aneh: Astra 2,5 kali lebih mahal per token, tapi Low lebih murah per tugas
Harga resmi API OpenAI-nya sederhana.[5][6]
| Model | Input / 1 juta | Input cache / 1 juta | Output / 1 juta |
|---|---|---|---|
| GPT-5.6 Sol | $4 | $0.40 | $20 |
| GPT-6 Astra | $10 | $1 | $50 |
Untuk jumlah token yang sama, Astra 2,5 kali lebih mahal.
Tarif kredit resmi Work/Codex juga sama rasionya. Astra 250 / 25 / 1.250 kredit per juta token input / input cache / output, sedangkan Sol 100 / 10 / 500.[7]
Tapi Artificial Analysis mengukur $0,82 per tugas untuk Astra Low dan $1,18 untuk Sol xhigh.[1]
Kok bisa? Model dengan harga per token lebih tinggi tetap bisa lebih murah per tugas kalau token yang dipakainya jauh lebih sedikit.
Di tes yang sama, Sol xhigh memakai sekitar 20k token output dan 10k token reasoning per tugas. Astra Low hanya sekitar 4k dan 938.[1]
Bayangkan taksi mahal yang langsung ke tujuan, dibanding taksi murah yang muter-muter tiga kali keliling kompleks dulu.
Satu catatan: $0,82 dan $1,18 itu rata-rata berbobot dari tugas uji milik Artificial Analysis. Belum tentu sama dengan tagihan untuk pekerjaan Codex Anda sendiri.[1]
3. OpenAI sendiri bilang: mulai dari Low atau Medium
Panduan Astra dari OpenAI untuk Work dan Codex memisahkan dua hal: memilih model, dan mengatur seberapa dalam model berpikir (level reasoning).[8]
Level rendah cocok jadi titik awal kalau Anda ingin jawaban lebih cepat atau ingin jatah pemakaian lebih awet. Medium menyeimbangkan kecepatan dan penalaran yang lebih dalam. Level tinggi untuk masalah yang benar-benar sulit.[8]
OpenAI juga bilang Astra di Low bisa mengungguli Sol di High, dan menyarankan mencoba Astra Low atau Medium kalau Sol High sudah memberi hasil bagus.[8]
Ada satu peringatan lagi: menaikkan level reasoning tidak selalu membuat hasilnya lebih baik.[8]
Ini bukan toko senjata di game RPG, di mana pedang termahal selalu menang di setiap pertarungan.
4. Pekerjaan apa yang cocok tetap di Astra Low?
Low paling mudah dijadikan default kalau tujuan, file, dan garis finisnya sudah jelas.
Contohnya:
- membuat fitur dengan spesifikasi yang jelas
- perubahan kecil pada kode yang sudah ada
- refactoring (merapikan kode tanpa mengubah fungsinya)
- menambah tes
- review kode rutin
- menyelidiki error yang sudah dikenal
- ringkasan dan tabel perbandingan
- pekerjaan berulang dengan aturan tetap
Untuk pekerjaan seperti ini, berpikir lebih lama tidak otomatis lebih baik. Menyelesaikan dengan benar lewat penalaran singkat, lalu lanjut, biasanya lebih cepat daripada merenung tiga menit sebelum menyentuh satu file.
OpenAI juga menyarankan memeriksa instruksi, file, aplikasi yang terhubung, dan izin akses sebelum menaikkan level. Berpikir lebih banyak tidak bisa memunculkan informasi atau akses yang tidak ada.[8]
Tanpa izin akses file, xhigh tetap tanpa izin akses file. Modelnya tidak punya mata tembus pandang.
5. Kapan naik dari Low ke Medium?
Kalau Low meleset sekali pada tugas yang sudah dijelaskan dengan jelas, jangan langsung loncat ke xhigh. Medium adalah anak tangga pertama.
Medium cocok untuk kasus seperti ini:
- ketergantungan antar beberapa file
- kebutuhan yang masih samar
- bug dengan lebih dari satu kemungkinan penyebab
- pilihan desain yang ada untung-ruginya
- rencana implementasi yang lebih panjang
- perbaikan sambil membaca tes yang gagal
Artificial Analysis menunjukkan Astra Medium di Intelligence Index 50, Terminal-Bench v4.0 49%, dan $1,54 per tugas.[2]
Itu jelas lebih baik dari Low yang 46 / 42% / $0,82, dan belum menjadi level terberat.
Anggap Medium sebagai perlengkapan melawan bos: "Low tadi agak asal, tapi tidak perlu sampai panggil tank".
6. Kapan High dan xhigh masuk akal?
High layak dipakai kalau Medium masih meleset dari inti masalah, kalau efek samping sebuah desain mahal, atau kalau keputusan yang salah mahal untuk diperbaiki: banyak proses jalan bersamaan, kecepatan, keamanan, atau pemindahan data.
Astra High mendapat 51 di Intelligence Index, 54% di Terminal-Bench, dan biayanya $1,72 per tugas.[3]
Itu lebih baik dari Medium, tapi tidak cukup untuk mengunci semua tugas di High.
xhigh lebih mudah dibenarkan untuk pelacakan akar masalah paling sulit, pekerjaan panjang yang dilepas berjalan sendiri, perombakan besar dengan banyak syarat, dan tugas sekali jalan yang mahal kalau gagal. Skornya 53 secara keseluruhan dan 60% di Terminal-Bench, tertinggi dari lima pengaturan ini, dengan biaya $2,31 per tugas.[4]
Pakai xhigh untuk semuanya itu seperti ke minimarket naik helikopter.
Kuat? Ya. Bisa? Bisa. Tapi coba bahas dulu soal bahan bakarnya.
7. Apakah Sol xhigh sudah tidak berguna? Belum tentu
Astra Low memang menarik, tapi bilang "Sol sudah tamat" itu melebihi apa yang ditunjukkan datanya.
Pertama, pemenangnya beda-beda di tiap tes. Di SciCode, Sol xhigh dapat 57%, sedangkan Astra dapat 54% di Low dan Medium, 55% di High, dan 56% di xhigh.[1][2][3][4]
Kedua, untuk jumlah token yang sama, harga resmi Sol 60% lebih rendah daripada Astra. Astra Low lebih murah per tugas karena di tes itu ia memakai token jauh lebih sedikit. Di pekerjaan nyata, hasilnya bisa berbeda.[5][6][1]
Ketiga, proyek nyata punya hal-hal yang tidak ada di tes: sistem build yang aneh, aturan internal, alat, izin akses, riwayat yang panjang, dan masalah khas proyek itu sendiri.
Benchmark itu peta. Ia tidak mengukur tinggi anak tangga di depan pintu rumah Anda.
8. Aturan praktis: mulai dari Low, naik hanya kalau ada yang salah
Tangga sederhana saja sudah cukup.
| Situasi | Pengaturan yang disarankan |
|---|---|
| Memulai tugas baru yang biasa | Astra Low |
| Instruksi dan akses sudah jelas, tapi syarat inti terlewat sekali | Astra Medium |
| Medium masih meleset dari inti masalah / desain sulit | Astra High |
| High belum menuntaskan / gagal itu mahal / akar masalah paling sulit | Astra xhigh |
| Bagian sulit selesai dan kerja kembali normal | Kembali ke Low |
Dengan begini Anda menghindari dua kesalahan: menghabiskan jatah dengan memulai semuanya di level maksimum, dan membuang waktu mengulang Low padahal sudah jelas meleset dan butuh penalaran lebih.
Anggap level reasoning sebagai gigi kendaraan, bukan sifat bawaan.
9. Kesimpulan: "Astra Low terus?" Ya sebagai titik awal, tidak sebagai aturan mati
Berdasarkan data publik per 12 September 2026, memulai pekerjaan Codex sehari-hari dengan Astra Low adalah strategi yang kuat.
Di tes Artificial Analysis, ia mengalahkan Sol xhigh pada nilai gabungan, unggul jauh di Terminal-Bench, dan biayanya lebih rendah per tugas.[1]
OpenAI sendiri menyarankan Low atau Medium sebagai titik awal, dan mengingatkan bahwa level lebih tinggi tidak menjamin jawaban lebih baik.[8]
Tapi Low bukan untuk segalanya.
Low untuk kerja biasa. Medium kalau ada yang samar, rumit, atau sudah meleset. High kalau Medium tidak menuntaskan. xhigh hanya untuk kegagalan tersulit dan termahal. Lalu kembali ke Low.
Jangan tertipu namanya.
Astra Low berwajah mode hemat, mainnya pemain inti.
- Artificial Analysis — GPT-6 Astra (low) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (medium) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (high) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (xhigh) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- OpenAI API — GPT-6 Astra Model developers.openai.com
- OpenAI API — GPT-5.6 Sol Model developers.openai.com
- OpenAI Help Center — ChatGPT Rate Card (Business, Enterprise/Edu credit-based pricing) help.openai.com
- OpenAI Help Center — Managing usage with GPT-6 Astra in Work and Codex help.openai.com
