OpenAI DevDay 2026 untuk Developer: Sol, Ultrafast, Agents API

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.

Apa yang dirilis OpenAI DevDay 2026 untuk developer

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.

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.

GPT-6.1 Sol vs GPT-6 Astra vs Luna: harga yang penting

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.

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.

Migrasi ke GPT-6.1 Sol: parameter yang bikin error

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.

Ultrafast adalah tier harga 6x, bukan percepatan gratis

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.

• Dukungan model: tersedia luas untuk gpt-6-astra. Panduannya memberi akses preview untuk GPT-5.6 Sol, sedangkan keynote bilang dukungan Sol segera hadir; GPT-6.1 Sol belum tercantum sebagai model yang didukung.
• Rate limit default: 500.000 token per menit untuk usage tier 1 sampai 3, 1.000.000 untuk tier 4, dan 5.000.000 untuk tier 5. Limit lebih tinggi diajukan lewat tim akun OpenAI.
• Data residency: hanya data residency US dan global processing. Endpoint EU dan regional processing lain tidak didukung, sehingga tidak bisa dipakai untuk workload yang wajib berada di EU.
• Transport: OpenAI sangat menyarankan WebSocket persisten untuk aplikasi agentic dengan banyak tool call, karena overhead jaringan per request lewat HTTP menggerus keuntungannya.

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.

Computer use di Agents API dan Bedrock Managed Agents

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.

Decisions API, Codex, dan plugin extensions

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: limited preview yang memfokuskan Luna pada pertanyaan buatan pengguna dengan sekumpulan jawaban terbatas yang sudah ditentukan, untuk routing request, klasifikasi input, atau memilih langkah berikutnya sebuah agent. Belum ada harga yang dipublikasikan, jadi pertahankan classifier Luna Anda sendiri untuk sekarang.
• Codex Cloud dan CLI: task di cloud tetap berjalan saat laptop ditutup dan bisa dilanjutkan di perangkat lain; CLI menambahkan voice dua arah, tampilan agents, serta perubahan pada prompt editing, session resumption, dan worktree.
• Code Review dan Codex Security Cloud: ringkasan, diff, dan pertanyaan di antarmuka review dengan review otomatis di cloud, plus scan kerentanan terjadwal yang menghapus temuan duplikat dan menyiapkan perbaikan.
• Plugin extensions dan MCP events: plugin bisa menambahkan sidebar app, panel percakapan, dan file viewer lewat SDK OpenAI MCP Extensions untuk TypeScript dan Python, dan MCP events memungkinkan aplikasi terhubung memicu otomasi.

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, Space, dan paket baru dalam satu bagian

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.

Yang perlu dilakukan kuartal ini kalau Anda membangun di OpenAI

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.

1. Jalankan evaluation set Anda sendiri untuk gpt-6.1-sol dibandingkan model Anda saat ini dan gpt-6-astra, dan catat biaya per task yang selesai, bukan hanya akurasi. Selisih harga daftar lima kali lipat baru bermakna setelah Anda tahu berapa output token yang benar-benar dipakai tiap model.
2. Perbaiki bentuk request di sebuah branch: reasoning effort none atau minimal menjadi low, hapus temperature dan top_p, pindahkan tool call dari Chat Completions ke Responses, dan ganti prompt_cache_retention menjadi prompt_cache_options dengan ttl 30m.
3. Audit setiap skill dan file AGENTS.md yang bisa dibaca agent Anda sebelum memindahkannya ke Astra, dan hapus instruksi yang bertentangan yang bisa menyebabkan jeda lebih awal.
4. Putuskan Ultrafast per call site, secara tertulis, dengan harga 6x di sebelahnya, dan cek data residency lebih dulu; workload yang wajib berada di EU tidak bisa memakainya.
5. Jangan masukkan Decisions API dan Private Inference ke roadmap sampai harganya dipublikasikan dan statusnya keluar dari preview, dan kalau Anda di AWS, baca dokumentasi Bedrock Managed Agents sebelum merencanakan port kode Agents API.

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.