GPT-6 Sol dan Luna Hadir, Bikin Proyek AI Lebih Ramah Budget?

OpenAI merilis GPT-6 Sol dan Luna dengan tarif API lebih rendah. Ini artinya untuk mahasiswa, kreator, dan pengembang proyek digital.

Punya ide bikin aplikasi, tetapi sudah pusing duluan menghitung biaya AI? Kabar baru dari OpenAI ini relevan buat kamu yang sedang merancang proyek digital. GPT-6 Sol dan GPT-6 Luna resmi diperkenalkan sebagai pilihan yang lebih terjangkau dalam keluarga GPT-6.

Pembaruan ini menarik karena proses membuat sesuatu biasanya butuh percobaan berulang. Ada instruksi yang perlu diperbaiki, jawaban yang harus dicek, dan hasil yang belum sesuai brief. Biaya setiap percobaan ikut menentukan seberapa leluasa kita bereksperimen.

Apa yang sebenarnya baru?

OpenAI membawa Sol dan Luna ke ChatGPT Work, Codex, serta API. Saat pengumuman, akses di Work dan Codex ditujukan untuk pengguna Plus, Pro, Business, Enterprise, dan Edu. Pengguna Free dan Go dapat mencoba Luna melalui aplikasi desktop. Keduanya belum tersedia di mode Chat saat peluncuran. Sumber: pengumuman OpenAI.

Untuk API standar dengan konteks pendek, Sol dikenakan US$2 per satu juta token input dan US$10 untuk output. Luna berada di US$0,10 untuk input dan US$0,50 untuk output. Token adalah potongan teks yang diproses model; satu token tidak selalu sama dengan satu kata. Tarif konteks panjang dan mode pemrosesan lain bisa berbeda. Sumber: harga API OpenAI.

Murahnya API berarti apa buat kita?

Menurut saya, peluang yang paling masuk akal adalah menguji proyek dengan ruang lingkup kecil. Misalnya, alat yang mengelompokkan masukan pelanggan atau membantu menyusun draf deskripsi katalog. Tentukan dulu hasil yang dianggap benar, lalu lihat apakah model bisa mencapainya secara konsisten.

Contoh tersebut adalah ide eksperimen, bukan hasil uji produk dalam artikel ini. Aplikasi yang kamu bangun tetap membutuhkan rancangan alur kerja, pengecekan hasil, dan pengelolaan data yang baik.

Tarif API juga berbeda dari harga langganan ChatGPT. Turunnya biaya pemakaian model untuk pengembang tidak otomatis berarti biaya paket langganan ikut turun.

Jangan cuma menghitung satu jawaban

Saat membandingkan model, catat biaya untuk menyelesaikan satu tugas sampai hasilnya bisa dipakai. Jawaban pertama yang murah mungkin perlu beberapa kali revisi. Sebaliknya, model yang lebih mahal per permintaan bisa saja menyelesaikan kebutuhan tertentu dengan lebih sedikit percobaan.

Buat sampel tugas yang sama, berikan instruksi yang setara, lalu nilai ketepatan, waktu koreksi, dan total biaya. Cara ini lebih berguna untuk proyekmu daripada memilih hanya berdasarkan nama model.

Mulai dari masalah yang jelas

Bagi saya, berita ini membuka alasan untuk meninjau ulang ide yang dulu terasa terlalu mahal untuk dicoba. Namun, keputusan memakai AI tetap sebaiknya berangkat dari kebutuhan yang konkret.

Pilih satu masalah kecil yang sering muncul dalam pekerjaanmu. Jika hasil eksperimennya benar-benar membantu, barulah pikirkan cara mengembangkannya.