GPT-6 Luna Kini Hadir di Felo Search: Satu Juta Token seharga $0,10
GPT-6 Luna sudah tersedia di Felo Search: 1,05 juta konteks dan pembacaan kelas frontier dengan harga $0,10 per juta token input, tingkat termurah di keluarga GPT-6.
OpenAI merilis GPT-6 Luna pada 22 September bersama GPT-6 Sol. Luna menjadi model termurah di keluarga GPT-6 dengan selisih yang besar: $0,10 per juta token input dan $0,50 per juta token output, sekitar seperdua puluh dari harga Sol dan seperseratus dari Astra sebagai flagship.
Model ini sudah tersedia di Felo Search. Pertanyaan menarik bukan tentang apakah Luna model paling cerdas yang bisa digunakan di kotak pencarian. Pertanyaannya adalah apa yang bisa terjadi ketika membaca dokumen hampir tanpa biaya.
Apa Itu GPT-6 Luna
Luna berada di posisi terbawah generasi GPT-6, di bawah GPT-6 Sol dan jauh di bawah GPT-6 Astra. Penamaan ini perlu diperhatikan, karena berlawanan dengan generasi sebelumnya.
Pada generasi GPT-5.6, Sol menjadi flagship, dengan Terra dan Luna di bawahnya. GPT-6 membalik urutan itu: Astra memimpin di $10/$50, Sol di tingkat menengah di $2/$10, dan Luna menjadi jangkar keluarga di $0,10/$0,50. Tiga nama yang sama, urutan berbeda. Jika membawa asumsi dari GPT-5.6, harga menjadi cara tercepat untuk mengenali Luna yang sedang digunakan.
| Spesifikasi | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Pembuat | OpenAI |
| Rilis | 22 September 2026 |
| Jendela konteks | 1.050.000 token |
| Input maksimum | 922.000 token |
| Output maksimum | 128.000 token |
| Input | Teks, gambar |
| Output | Teks |
| Upaya penalaran | none / low / medium (default) / high / xhigh / max |
| Harga | $0,10 per juta input, $0,50 per juta output |
| Konteks panjang | $0,20 in / $0,75 out di atas 272.000 token input |
| Input cache | $0,01 per juta token |
| Batas pengetahuan | 18 Mei 2026 |
Baca baris konteks di samping baris harga. Luna memiliki jendela 1.050.000 token yang sama dengan flagship (922.000 token input, 128.000 output) dengan harga input seperseratus dari Astra. OpenAI tidak memperkecil jendela untuk mencapai harga ini. Jendela sama pada model yang lebih murah.
Tiga baris lagi mengubah perilaku model pada pekerjaan nyata.
Input cache seharga satu sen per juta token. Menggunakan sumber yang sama untuk dua puluh pertanyaan berbeda, biayanya hampir tidak ada.
Enam pengaturan upaya penalaran, default di medium. Luna menjadi satu-satunya model dari empat yang dirilis minggu ini dengan tombol off: none melewati penalaran sepenuhnya untuk pekerjaan yang tidak membutuhkannya. Keputusan ini berkaitan dengan latensi dan biaya. Untuk klasifikasi, ekstraksi, dan routing, jawaban benar tercepat biasanya yang tidak berpikir dulu.
Batch dan Flex memangkas harga lagi setengahnya. Untuk pekerjaan yang tidak butuh jawaban langsung, lima puluh sen per juta token output menjadi batas bawah.
Apa yang Berubah dengan Membaca Murah
Sebagian besar anggaran riset tidak digunakan untuk sintesis. Anggaran habis untuk membaca: membuka empat puluh sumber untuk menemukan enam yang relevan, lalu membaca keenamnya dengan saksama. Proses awal ini mahal karena model frontier melakukan pekerjaan yang bisa dilakukan model jauh lebih murah.
Dengan $0,10 per juta token input, perhitungannya berubah. Sekarang, hal berikut bisa dilakukan di Felo Search:
- Baca semua sebelum menentukan yang penting. Tarik semua hasil ke satu konteks dan urutkan berdasarkan relevansi dengan pertanyaan spesifik, beserta alasannya. Seratus ribu token input hanya seharga satu sen.
- Jalankan pertanyaan yang sama ke lebih banyak sumber dari biasanya. Alasan membaca sepuluh sumber, bukan tiga, adalah cakupan. Orang membaca tiga karena biaya. Dengan harga ini, batasan berpindah.
- Ekstrak sebelum menalar. Minta Luna mengubah empat puluh dokumen menjadi tabel terstruktur berisi angka, tanggal, dan klaim, dengan sumber di setiap baris. Setelah itu, serahkan tabel, bukan dokumen, ke model yang lebih kuat.
- Rute berdasarkan tingkat kesulitan. Kirim setengah pekerjaan yang mudah ke Luna dan eskalasi hanya pertanyaan yang butuh kedalaman. Triage menjadi sumber penghematan.
Skor mendukung penggunaan Luna untuk tahap awal ini. DeepSWE v1.1 dari OpenAI menempatkannya di 66,6% untuk rekayasa perangkat lunak jangka panjang, dan Agents' Last Exam di 0,51. HealthBench Professional mencapai 60,8%. Skor SEC-Bench Pro, 34,2%, mengingatkan bahwa pekerjaan di bidang keuangan lebih sulit dari sekadar membaca umum untuk semua model di tingkat ini.
Apa yang Bukan Luna
Versi jujurnya: Luna menukar kedalaman penalaran dengan biaya, dan pertukaran ini nyata.
Di tabel yang dipublikasikan, Luna menjadi tingkat terbawah keluarga, dan angka OpenAI untuk pengaturan default (medium effort) jauh di bawah hasil Sol dan Astra pada upaya lebih tinggi. Angka recall domain terbuka meningkat banyak dibanding Luna sebelumnya, namun tetap belum mencapai angka yang diinginkan untuk jawaban akhir pada pertanyaan berisiko tinggi.
Hal ini bukan alasan untuk menghindarinya. Ini alasan untuk menggunakannya pada setengah pekerjaan yang tepat: Luna membaca, model yang lebih kuat memutuskan. Di Felo Search, kedua tahap ini ada di workspace yang sama. Lakukan pembacaan luas dengan Luna, lalu ganti model di picker dan ajukan pertanyaan akhir dengan bukti yang sudah diekstrak tetap dalam konteks.
Cara Menggunakan GPT-6 Luna di Felo Search
1. Buka pemilih model dan pilih GPT-6 Luna. Kotak pencarian dan sumber tetap sama.
2. Mulai dari cakupan luas. Ajukan pertanyaan yang butuh membaca lebih banyak sumber dari biasanya: "temukan semua angka yang dipublikasikan untuk ini, beserta sumber dan tanggalnya."
3. Minta struktur, bukan prosa. Tabel, daftar, dan field hasil ekstraksi menjadi keunggulan model murah. Simpan sintesis tulisan untuk tahap mahal.
4. Naikkan pengaturan upaya saat pertanyaan makin sulit. Medium menjadi default karena alasan tertentu, tapi high dan xhigh tersedia saat tugas membutuhkannya.
5. Ganti model untuk jawaban akhir. Bukti tetap, model berubah. Picker menjadi kontrol, bukan komitmen.
Tiga Model Lain Juga Tersedia di Felo Search
Luna hadir bersama tiga saudara, dan keempatnya tersedia di Felo Search.
| Model | Dirilis oleh | Harga per juta token | Konteks | Didesain untuk |
|---|---|---|---|---|
| Grok 4.7 | SpaceXAI | $2 in / $6 out | 500K | Penalaran jangka panjang dan pekerjaan pengetahuan |
| Claude Opus 5.5 | Anthropic | $4 in / $20 out | 1M | Jawaban yang lolos verifikasi |
| GPT-6 Luna | OpenAI | $0,10 in / $0,50 out | 1,05M | Pencarian volume tinggi dengan biaya terendah per panggilan |
| GPT-6 Sol | OpenAI | $2 in / $10 out | 1,05M | Agent loop dan panggilan berulang di harga menengah |
Luna menjadi yang termurah dari keempatnya, dan satu-satunya yang menawarkan pengaturan reasoning-off. Jika merasa model murah hanya untuk pertanyaan sepele, jendela sejuta token menjadi alasan untuk mengubah pandangan.
Coba GPT-6 Luna di Felo Search
GPT-6 Luna sudah tersedia di Felo Search dengan jendela konteks 1.050.000 token, enam pengaturan upaya penalaran, dan harga $0,10/$0,50. Model ini membuat membaca semua sumber menjadi pilihan termurah.
Open GPT-6 Luna in Felo Search →
Tulisan ini juga tersedia dalam English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা and Português.