GPT-5.6 Sol vs Terra vs Luna: Ukuran Mana yang Harus Digunakan (Diuji September 2026)

GPT-5.6 bukan satu model. Ia terdiri dari tiga model: Sol, Terra, dan Luna, diurutkan dari yang paling besar hingga paling kecil dan paling mahal hingga paling murah, dengan ukuran context window yang sama yaitu 1,05 juta token dan batas output yang sama sebesar 128K. Penamaan dari OpenAI hanya menunjukkan urutannya dan tidak lebih dari itu. Jadi pada 2 September 2026, kami mengajukan tiga pertanyaan yang sama kepada ketiganya melalui API kami sendiri, melakukan streaming jawaban, dan mencatat tagihan untuk setiap permintaan. Versi lengkap pengujian ini yang mencakup dua belas model, termasuk Claude Opus 5, Kimi K3, Gemini 3.7 Flash, dan lainnya, tersedia di perbandingan hari yang sama. Artikel ini hanya membahas satu keluarga model.

Temuan terpenting: Terra adalah model dengan waktu ke token pertama tercepat dalam keseluruhan dua belas model yang diuji, bukan hanya dalam keluarganya sendiri. Terra tidak menggunakan satu pun reasoning token pada ketiga prompt, dan menghasilkan jawaban yang oleh pembaca buta tidak dapat dibedakan dari jawaban Sol pada dua dari tiga prompt. Sol membuktikan nilainya tepat satu kali, pada pertanyaan yang memerlukan penilaian, namun dengan pengorbanan berupa waktu respons sepuluh detik yang ditagih hampir empat kali lipat dibanding Terra. Luna ditagih sekitar sepersepuluh sen untuk keseluruhan sesi, tidak membuat kesalahan satu pun, dan memiliki satu momen lambat yang perlu diketahui.

Prompt dan pengaturan

Tiga prompt yang sama seperti pada pengujian lengkap, disalin persis kata per kata dari bagian Real Outputs di halaman model kami:

1. "Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code."
2. "In about 120 words, tell a first-time founder when to choose a monolith over microservices, and the one signal that means it's time to split."
3. "Rewrite this sentence three ways, each in a clearly different tone (plain, playful, executive): 'Our app makes budgeting easy.' Label each."

Setiap permintaan dikirim ke NinjaChat API dari laptop dengan koneksi rumah di AS pada 2 September 2026, satu per satu, setelah warm-up request ke masing-masing model, dengan temperature 0,7, batas output 2.500 token, streaming dengan pelaporan penggunaan, dan reasoning dibiarkan sesuai default model. Ketiga ukuran model dilayani langsung oleh OpenAI. Waktu ke token pertama adalah karakter pertama yang terlihat setelah reasoning tersembunyi apa pun, sehingga latensi sudah mencakup routing kami. Biaya adalah yang dilaporkan API kami sebagai tagihan untuk permintaan tersebut. Pengujian tunggal memiliki variasi; anggap angka desimal sebagai cuaca dan polanya sebagai iklim.

Apa yang terjadi

Ada tiga hal yang menonjol.

Kodenya identik. Ketiga ukuran model menghasilkan fungsi merge sort-then-sweep dengan tiga assert, yang hanya berbeda dalam apakah mereka mengembalikan list atau tuple dan apakah mereka menyertakan docstring. Terra menyelesaikannya dalam 2,9 detik tanpa reasoning sama sekali, jawaban tercepat pada prompt tersebut di antara semua dua belas model yang kami uji hari itu. Sol menggunakan 26 reasoning token, menambahkan docstring, dan membutuhkan 10,7 detik, sebagian besar dihabiskan sebelum karakter pertama muncul. Luna melakukan reasoning selama 374 token dan membutuhkan 7,2 detik untuk menghasilkan fungsi terpendek dari ketiganya, sekaligus menjadi jawaban paling lambatnya hari itu.

Sol berpikir ketika pertanyaan membutuhkan penilaian. Pada pertanyaan pendiri, Sol menghabiskan 238 reasoning token sebelum mulai menulis, membutuhkan tujuh detik hingga token pertama, dan menghasilkan paragraf terbaik dari ketiganya: "split when one well-defined part of the product repeatedly needs to be deployed or scaled independently, and the monolith measurably prevents it," lalu "extract only that boundary, give it a clear interface and owner, and leave everything else together." Terra menyampaikan hampir hal yang sama tanpa kalimat kedua, dalam 4,6 detik, dengan tagihan seperempat dari Sol. Luna hanya melakukan sedikit reasoning, 75 token, dan jawabannya memuat kalimat yang dilupakan oleh kedua model lainnya: ekstrak komponen tersebut terlebih dahulu, "ukur peningkatannya," lalu berhenti.

Untuk teks pendek, ketiganya tampak seperti satu model. Ketiga hasil penulisan ulang hampir bisa dipertukarkan satu sama lain. Sol dan Terra memulai versi plain dengan tujuh kata yang sama, "Our app helps you manage your budget," Luna menyusun ulang ide yang sama, dan ketiganya menggunakan "streamlines budgeting" pada versi eksekutif. Luna menjawab dalam 2,1 detik dan ditagih seperseratusan sen.

Harga, konteks, dan batas

Harga resmi di NinjaChat API per 2 September 2026, beserta tagihan untuk keseluruhan sesi tiga prompt pada masing-masing ukuran.

Rasio inilah yang menjadi intinya. Terra setengah harga Sol untuk input dan 60 persen untuk output; pada hari pengujian, tiga jawabannya ditagih 37 persen dari tagihan Sol. Luna seperlima puluh dari Sol untuk input dan seperenam belas untuk output, dan tiga jawabannya ditagih sekitar seperlima dari Terra. Input cache mengikuti tangga yang sama, yang penting untuk agen yang mengirim ulang system prompt panjang di setiap giliran: prompt 50 ribu token yang di-cache di Luna hanya dikenai biaya sepersepuluh sen per panggilan.

Context window identik di ketiga model, yang merupakan hal tidak biasa sekaligus sangat berguna. Anda bisa membuat prototipe di Luna dengan satu juta token konteks penuh, lalu memindahkan satu panggilan ke Sol jika jawabannya belum memuaskan, tanpa perlu mengubah cara Anda membagi data sama sekali.

Kapan menggunakan yang mana

Gunakan Terra sebagai default. Ini adalah ukuran yang akan kami rekomendasikan untuk proyek baru. Context window sama dengan Sol, tidak ada beban reasoning pada tugas yang tidak membutuhkannya, dan pada hari pengujian ia menjadi yang tercepat dari ketiganya untuk kode serta hanya terpaut seperlima detik dari Luna pada pertanyaan pendiri. Jawaban Terra untuk pertanyaan pendiri hanya kurang satu kalimat dari Sol.

Gunakan Sol untuk panggilan di mana kualitas jawaban adalah segalanya. Rencana yang akan dibaca pelanggan, diagnosis bug yang rumit, analisis di mana satu caveat yang terlewat bisa merugikan Anda. Kesediaan Sol untuk berhenti sejenak dan berpikir adalah tepat yang Anda butuhkan dalam situasi itu, dan sepuluh detik tidak ada artinya dibandingkan jawaban yang salah. Anggarkan biayanya: reasoning token dihitung sebagai output, dan satu jawaban itu saja ditagih hampir empat kali lipat dari Terra.

Gunakan Luna untuk volume. Klasifikasi, ekstraksi, routing, penulisan ulang dalam skala besar, draf pertama yang akan diedit manusia, apa pun yang Anda jalankan ribuan kali sehari. Luna tidak membuat kesalahan pada tiga prompt kami dan keseluruhan sesinya ditagih sekitar sepersepuluh sen. Perlu diingat bahwa Luna memang melakukan reasoning sendiri ketika prompt mengundangnya, dan pada prompt kode hal itu membuatnya memerlukan tujuh detik; tetapkan reasoning effort yang lebih rendah pada permintaan jika Anda membutuhkan respons cepat.

Pola yang terbukti efektif: routing oleh Luna, jawaban oleh Terra, eskalasi ke Sol. Biarkan Luna menentukan apakah suatu permintaan bersifat trivial, biarkan Terra menangani kasus normal, dan kirim sebagian kecil yang benar-benar membutuhkan pemikiran mendalam ke Sol. Karena ketiganya berbagi context window, eskalasi cukup dilakukan dengan mengganti nama model dalam satu baris kode.

Panggil dengan ID-nya

Ketiganya sudah aktif di NinjaChat API, kompatibel dengan OpenAI, satu key; akun yang terverifikasi nomor telepon mendapat saldo awal $0,50. ID-nya persis gpt-5.6-sol, gpt-5.6-terra, dan gpt-5.6-luna.

curl https://www.ninjachat.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $NINJACHAT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "messages": [{"role": "user", "content": "Write a Python function that merges overlapping intervals, plus three short tests."}],
    "max_tokens": 2500,
    "stream": true,
    "stream_options": {"include_usage": true}
  }'

from openai import OpenAI

client = OpenAI(base_url="https://www.ninjachat.ai/api/v1", api_key="YOUR_KEY")

def ask(model, prompt, **kw):
    r = client.chat.completions.create(model=model, messages=[{"role": "user", "content": prompt}], max_tokens=2500, **kw)
    u = r.usage
    print(model, "output tokens:", u.completion_tokens, "reasoning tokens:", u.completion_tokens_details.reasoning_tokens)
    return r.choices[0].message.content

# Draf murah terlebih dahulu, lalu eskalasi prompt yang sama dengan konteks yang sama.
draft = ask("gpt-5.6-luna", "Summarise this incident report in five bullets: ...")
final = ask("gpt-5.6-sol", "Summarise this incident report in five bullets: ...", reasoning_effort="high")

Objek usage pada setiap respons melaporkan reasoning token secara terpisah dari output yang terlihat, sehingga Anda dapat memantau dengan tepat ke mana uang Sol digunakan. Harga langsung untuk setiap ID tersedia di GET https://www.ninjachat.ai/api/v1/models tanpa key. Dan jika Anda lebih suka langsung berbicara dengan ketiganya, semuanya tersedia di sisi konsumen juga: Sol, Terra, dan Luna, dengan paket berbayar.

Pertanyaan yang sering diajukan

Apa perbedaan antara GPT-5.6 Sol, Terra, dan Luna? Ukuran dan harga. Sol adalah yang terbesar dan paling mampu, Terra ada di tengah, Luna yang terkecil dan paling murah. Ketiganya berbagi context window 1,05 juta token dan batas output 128K yang sama, sehingga pilihannya adalah tentang kualitas per dolar, bukan tentang apa yang bisa dimuat.

Apakah GPT-5.6 Terra cukup baik untuk coding? Pada pengujian 2 September 2026 kami, ia menulis fungsi interval-merging yang sama dengan Sol, dengan test yang lolos, dalam 2,9 detik dan tanpa reasoning. Untuk fungsi sehari-hari, ini adalah ukuran yang tepat. Eskalasi ke Sol untuk pertanyaan arsitektur atau bug yang membutuhkan pertimbangan mendalam.

Mengapa Sol jauh lebih mahal pada satu prompt? Reasoning. Pada pertanyaan pendiri, Sol menghasilkan 238 reasoning token sebelum menulis 164 token yang terlihat, dan reasoning token ditagih sebagai output. Pada tugas penulisan ulang, ia tidak menggunakan reasoning sama sekali dan ditagih mendekati jumlah yang sama dengan Terra.

Berapa biaya GPT-5.6 melalui API? Di NinjaChat API per 2 September 2026: Sol dikenai $4 input dan $20 output per juta token, Terra $2 dan $12, Luna $0,20 dan $1,20, dengan input cache sepersepuluh dari harga input. Harga bersifat langsung di endpoint models dan dapat berubah; periksa sebelum menganggarkan.

Bisakah saya beralih antar ukuran tanpa mengubah kode? Ya. Ketiganya berbagi context window dan antarmuka API yang sama, sehingga beralih cukup dengan mengganti string model. Pola eskalasi dalam cuplikan Python di atas adalah intinya.

Apakah Luna melakukan reasoning? Terkadang, secara default. Luna menggunakan 374 reasoning token pada prompt kode, 75 pada prompt pendiri, dan tidak ada pada tugas penulisan ulang. Jika Anda menginginkan kecepatan pada pertanyaan yang mengundang pertimbangan, turunkan reasoning effort pada permintaan.