Jawaban singkat untuk pertanyaan yang paling sering diajukan pembaca tentang topik ini.
Apa yang benar-benar berubah bagi developer di OpenAI DevDay 2026: GPT-6.1 Sol seharga seperlima Astra, tier Ultrafast dengan harga 6x, computer use di Agents API, Bedrock Managed Agents, preview Decisions API, dan Codex Cloud, dicek langsung ke dokumentasi.
Matthews Wong
Software Engineer
Ringkasan Utama
OpenAI DevDay 2026 pada 29 September 2026 memberi developer GPT-6.1 Sol dengan harga token seperlima GPT-6 Astra, service tier Ultrafast yang ditagih enam kali tarif standar Astra, computer use di Agents API yang masih public beta, Bedrock Managed Agents di AWS, dan Decisions API yang masih berstatus limited preview.
Keynote OpenAI DevDay 2026 pada 29 September mengumumkan lebih dari dua puluh hal, dan keesokan paginya feed saya berisi tiga versi berbeda tentang apa yang sebenarnya rilis. Satu rangkuman bilang Ultrafast tersedia untuk semua orang, yang lain bilang hanya untuk paket baru Pro 500, dan yang ketiga mencantumkan GPT-6.1 Sol di bawah Ultrafast padahal dokumentasi developer masih menyebut model Sol yang lain. Bagi siapa pun yang membangun di atas OpenAI API, pertanyaannya bukan apa yang diumumkan, tetapi apa yang bisa dipanggil hari ini, berapa harganya, dan apa yang rusak kalau Anda pindah.
Ini rangkuman dari sisi developer. Saya membaca rekap resmi di komunitas OpenAI lalu mencocokkannya dengan changelog API, halaman model GPT-6.1 Sol, panduan migrasi GPT-6, panduan Ultrafast, dan halaman Bedrock Managed Agents, dan hanya menyimpan klaim yang didukung dokumentasi. Dots, berita utama untuk konsumen, hanya mendapat satu bagian di sini karena sudah punya artikel tersendiri di situs ini. Sisanya soal model, hitungan harga, jebakan migrasi, dan rencana singkat untuk kuartal ini.
Cara paling berguna membaca keynote ini adalah berdasarkan status. Sebagian sudah generally available dengan model ID dan harga, sebagian public beta dengan bentuk yang stabil, dan sebagian masih preview yang belum layak masuk roadmap. Tabel ini mengurutkan pengumuman untuk developer berdasarkan status itu, memakai kata-kata dari rekap dan changelog resmi OpenAI.
| Pengumuman | Status per 1 Oktober 2026 | Dampaknya bagi Anda |
|---|---|---|
| GPT-6.1 Sol | Rilis 29 September sebagai gpt-6.1-sol di Responses dan Chat Completions | Kualitas mendekati Astra dengan harga token standar seperlima Astra; default baru yang perlu dievaluasi |
| Service tier Ultrafast | Tersedia untuk gpt-6-astra dengan rate limit default yang rendah; Sol baru preview | Hingga 6x lebih cepat di API menurut angka OpenAI, dengan harga 6x tarif standar Astra |
| Computer use di Agents API | Ditambahkan 29 September ke Agents API, yang sudah public beta sejak 10 September | Agent yang di-hosting bisa mengoperasikan website di browser milik OpenAI, dengan approval dan sign-in ditangani aplikasi Anda |
| Amazon Bedrock Managed Agents | Tersedia, dengan akses, Region, dan harga ditentukan AWS | Harness Agents API dan inferensi model berjalan di dalam Amazon Bedrock, dengan autentikasi IAM |
| Decisions API | Limited preview, belum ada harga publik | Luna memilih satu dari jawaban yang sudah Anda tentukan untuk routing dan klasifikasi; jangan dibangun di atasnya dulu |
| Codex Cloud, CLI, Code Review, Security Cloud | Sudah tersedia di ChatGPT dan Codex CLI | Task di cloud yang tetap jalan saat laptop ditutup, voice dan tampilan agents di CLI, scan kerentanan terjadwal |
| Plugin extensions dan MCP events | Sudah didokumentasikan di docs plugin; dukungan web untuk pengguna Free dan Go disebut coming soon | Plugin mendapat entri sidebar, panel samping, dan file viewer; MCP events memungkinkan aplikasi terhubung memicu otomasi |
| Private Inference | Preview direncanakan musim gugur ini | Belum ada yang bisa diadopsi; ZDR dengan Private Safety Processing adalah opsi yang tersedia hari ini |
OpenAI juga melaporkan time to first token API 45% lebih rendah dan tool call serta workflow lebih dari 30% lebih cepat. Itu angka vendor dari keynote, bukan hasil pengukuran saya, dan menggambarkan rata-rata platform, bukan traffic Anda. Anggap itu alasan untuk menjalankan ulang dashboard latency bulan ini, bukan angka untuk dikutip di proposal.
Keluarga GPT-6 kini punya tiga tingkatan yang dinamai jelas oleh panduan OpenAI sendiri: Astra untuk kecerdasan tertinggi, GPT-6.1 Sol untuk keseimbangan kecepatan, biaya, dan kecerdasan, dan Luna untuk pekerjaan terfokus bervolume tinggi. GPT-6.1 Sol menyusul model GPT-6 Sol yang rilis seminggu sebelumnya pada 22 September, dengan harga input dan output yang sama tetapi harga cached input separuhnya, dan OpenAI meminta pengguna gpt-6-sol membaca catatan migrasi sebelum pindah.
| Model | Harga standar per 1M token | Context dan output | Catatan dari dokumentasi |
|---|---|---|---|
| gpt-6-astra | $10 input, $1 cached, $50 output | Context 1.050.000, output maksimal 128.000 | Tanpa reasoning effort none; tool calling wajib lewat Responses; tersedia Ultrafast dan Fast mode |
| gpt-6.1-sol | $2 input, $0,10 cached, $2,50 cache write, $10 output | Context 1.050.000, input maksimal 922.000, output maksimal 128.000 | Effort low sampai max, tanpa none atau minimal; data residency US dan EU |
| gpt-6-sol | $2 input, $0,20 cached, $10 output | Lihat model catalog | Rilis 22 September; baca catatan migrasi sebelum pindah ke 6.1 Sol |
| gpt-6-luna | $0,10 input, $0,01 cached, $0,50 output | Lihat model catalog | Mendukung reasoning effort none; model di balik preview Decisions API |
| Prompt panjang, semua model GPT-6 | Tarif input dan cache 2x, output 1,5x | Berlaku untuk seluruh request begitu input melewati 272K token | Job long-context melewati batas ini tanpa peringatan; pantau ukuran input |
| Batch, Flex, dan Fast | Batch dan Flex 50% dari Standard; Fast mode 2x | Dihitung dari tarif Standard tiap model | Fast mode tidak tersedia dengan data residency EU |
Harga Sol tepat seperlima Astra untuk input maupun output, dan dari situlah klaim keynote berasal. Masalahnya, harga per token bukan biaya per task. Panduan GPT-6 OpenAI menyebut Astra mencapai hasil lebih baik dengan output token yang jauh lebih sedikit di beberapa evaluasi, jadi rasio di workload Anda bisa lebih kecil dari lima. Hitungan di bawah sengaja memakai jumlah token yang sama, untuk menunjukkan selisih harga daftar sebelum Anda mengukur apa pun.
// List-price arithmetic for ONE job: 200K input tokens, 20K output tokens,
// prompt under the 272K threshold, no cache hits. Not a benchmark.
const PRICES_PER_MILLION = {
"gpt-6-astra": { input: 10, output: 50 },
"gpt-6.1-sol": { input: 2, output: 10 },
"gpt-6-luna": { input: 0.1, output: 0.5 },
"gpt-6-astra/ultrafast": { input: 60, output: 300 },
};
function jobCost(model: keyof typeof PRICES_PER_MILLION, inTok: number, outTok: number) {
const p = PRICES_PER_MILLION[model];
return (inTok / 1e6) * p.input + (outTok / 1e6) * p.output;
}
jobCost("gpt-6-astra", 200_000, 20_000); // 3.00
jobCost("gpt-6.1-sol", 200_000, 20_000); // 0.60
jobCost("gpt-6-luna", 200_000, 20_000); // 0.03
jobCost("gpt-6-astra/ultrafast", 200_000, 20_000); // 18.00
// The trap: same token counts on every row. OpenAI says Astra often finishes
// with far fewer output tokens, so the only honest number is one you measure
// on your own tasks. Over 272K input, every row costs 2x input, 1.5x output.Sebagian besar kegagalan migrasi di sini adalah kegagalan bentuk request, bukan kualitas. GPT-6.1 Sol dan Astra tidak menerima reasoning effort none, dan minimal juga sudah hilang, jadi pipeline yang di-tuning untuk setting GPT-5.x termurah harus pindah ke low. Selama reasoning aktif, temperature, top_p, dan top_logprobs harus dihapus. Dan kalau Anda datang dari GPT-5.5 atau lebih lama, nama field caching-nya berubah.
import OpenAI from "openai";
const client = new OpenAI();
// Wrong: a GPT-5.x-era request copied onto GPT-6.1 Sol.
await client.responses.create({
model: "gpt-6.1-sol",
reasoning: { effort: "minimal" }, // not supported on Astra or 6.1 Sol
temperature: 0.2, // rejected while reasoning is on
prompt_cache_retention: "24h", // pre-GPT-5.6 caching field
input: prompt,
tools,
});
// Right: same intent, GPT-6 parameters.
await client.responses.create({
model: "gpt-6.1-sol",
reasoning: { effort: "low" }, // low | medium (default) | high | xhigh | max
prompt_cache_options: { ttl: "30m" },
input: prompt,
tools, // tool calling needs Responses, not Chat Completions
});Perubahan diam-diam lainnya ada di tool calling. Astra dan GPT-6.1 Sol hanya mendukung Chat Completions untuk request tanpa tools; apa pun yang memakai function call butuh Responses API. Kalau integrasi Anda masih mengirim tools lewat Chat Completions, upgrade model ini sebenarnya migrasi API, dan bagian itulah yang perlu dianggarkan waktunya. OpenAI juga menyediakan skill openai-docs untuk Codex yang menerapkan perubahan ini; layak dijalankan di sebuah branch lalu di-review baris demi baris, bukan dipercaya begitu saja.
Astra lebih sensitif terhadap file instruksi dibanding model sebelumnya. Panduan OpenAI menyebut model ini bisa berhenti dan memblokir pekerjaan lebih awal karena arahan yang tidak jelas atau saling bertentangan di sebuah skill atau AGENTS.md, dan sangat menyarankan audit file tersebut. Sebelum mengganti model pada agent yang memuat banyak skill, baca setiap file instruksi yang bisa dilihatnya dan hapus kontradiksinya, atau bersiaplah menghadapi jeda approval yang dulu tidak ada di GPT-5.6.
Ultrafast adalah nilai service_tier pada request Responses biasa. Angka dari OpenAI: generasi token hingga 8x lebih cepat di Codex dan 6x di API, dan tabel harga Ultrafast mencantumkan gpt-6-astra seharga $60 input dan $300 output per sejuta token untuk prompt hingga 272K, tepat enam kali tarif standar Astra. Kecepatan dibeli secara linear dengan uang.
# Ultrafast is a service tier, not a model. Only gpt-6-astra is broadly
# available; Sol is preview-only at the time of writing.
curl https://api.openai.com/v1/responses \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-astra",
"service_tier": "ultrafast",
"input": "Summarise the failing test output in three lines."
}'
# For agent loops with many tool calls, OpenAI recommends one persistent
# WebSocket (client.responses.connect() in Python) and previous_response_id
# per turn; over plain HTTP the connection overhead eats the speed-up.Use case yang jujur adalah manusia yang menunggu generasi panjang: engineer yang menonton Codex menulis diff besar, atau tool support di mana latency beberapa detik bisa membuat percakapan gagal. Job batch malam hari adalah kebalikannya, dan di situ Batch dengan setengah harga adalah tier yang tepat. Saya akan memasang Ultrafast di balik flag eksplisit per call site, supaya tidak ada yang baru sadar tagihannya enam kali lipat di akhir bulan.
Agents API bukan hal baru di DevDay. Changelog mencatat public beta-nya sejak 10 September: managed Codex harness di mana OpenAI menjalankan orkestrasi session, context compaction, dan recovery, sementara sandbox Anda bisa di-hosting OpenAI atau milik sendiri. Yang ditambahkan DevDay pada 29 September adalah computer use di dalamnya, sehingga agent yang di-hosting bisa menyelesaikan task di browser milik OpenAI, dengan approval akses website dan sign-in ditangani aplikasi Anda. Pemakaian model, tools, dan hosted sandbox ditagih dengan tarif normalnya.
Amazon Bedrock Managed Agents adalah ide yang sama di AWS. Halaman OpenAI menggambarkannya sebagai Agents API yang diadaptasi untuk AWS: harness dan inferensi model berjalan di Amazon Bedrock, command dan tools berjalan di AgentCore Runtime atau compute Anda sendiri, dan pemanggilan diautentikasi dengan kredensial IAM dan SigV4 signing, bukan project key OpenAI. Bagi tim yang data dan proses pengadaannya sudah ada di AWS, ini menghapus keberatan utama terhadap hosted harness.
Halaman Bedrock dari OpenAI sendiri mengingatkan bahwa konsep yang sama tidak berarti kontrak API atau ketersediaan fitur yang identik. Jangan memindahkan contoh Agents API ke Bedrock lalu menganggapnya langsung jalan; cek dulu dokumentasi AWS untuk endpoint, model yang didukung, tools, Region, dan harga terbaru.
Tiga pengumuman yang lebih kecil penting tergantung apa yang Anda bangun. Tidak ada yang perlu ditindaklanjuti minggu ini, tetapi masing-masing mengubah keputusan antara membangun sekarang atau menunggu.
Decisions API adalah yang paling ingin saya pantau. Routing dan klasifikasi adalah call bervolume tinggi dengan margin tipis di kebanyakan sistem produksi, dan endpoint khusus bisa lebih murah daripada call model umum. Sampai ada harga dan kontrak yang stabil, ini opsi desain untuk diingat, bukan dependency.
Dots adalah berita utama untuk konsumen: agent persisten yang ditenagai Astra, masing-masing dengan aplikasi terhubung dan cloud computer sendiri, sedang di-rollout ke Pro, Business, dan Enterprise dalam versi beta, dengan Kawasan Ekonomi Eropa, Swiss, dan Inggris dikecualikan saat peluncuran. Specialist dots berupa preview enterprise, dan integrasi Microsoft Agent 365 sedang direncanakan. Pembahasan mendalamnya ada di artikel Dots tersendiri di situs ini, jadi tidak saya ulang di sini.
Bagi developer, bagian yang relevan adalah distribusi dan paket. ChatGPT Space memberi tim dan agent tempat bersama untuk file dan konteks proyek, dan plugin adalah cara produk Anda muncul di dalamnya. Soal paket, Pro 500 memberi 25 kali jatah pemakaian Plus plus akses Ultrafast, dan langganan Pro 200 dibuka lagi dengan jatah berbeda untuk pelanggan baru dibanding pelanggan lama. Itu paket ChatGPT, bukan harga API, jadi yang berubah adalah apa yang bisa dilakukan pengguna Anda di ChatGPT, bukan tagihan API Anda.
Kalau saya hanya punya satu sprint untuk DevDay, beginilah urutan yang akan saya pakai. Setiap langkahnya murah, dan masing-masing melindungi Anda dari versi mahal dari kesalahan yang sama di kemudian hari.
Aturan yang saya bawa dari DevDay ini sama dengan pelajaran setiap peluncuran model: pisahkan yang sudah punya model ID dan harga dari yang baru punya slide keynote. GPT-6.1 Sol, Ultrafast di Astra, dan computer use di Agents API nyata hari ini dan layak diberi satu sprint evaluasi. Decisions API, Private Inference, dan Ultrafast di Sol masih sebatas pengumuman. Ukur biaya per task sebelum pindah, dan anggarkan migrasinya sebagai perubahan API, karena di situlah waktunya habis.
Sumber