Beranda → Panduan → GPT-6 Astra vs GPT-6.1 Sol vs Claude Opus 5.5: uji koding dengan tes tersembunyi
Benchmark di kartu model dijalankan oleh pihak yang menjual modelnya. Jadi kami membuat sendiri: 13 tugas JavaScript, dikerjakan dua kali oleh tiap model dalam satu percobaan, lalu diperiksa dengan 286 kasus uji tersembunyi di sandbox tanpa jaringan. Tujuh tugas berupa kode sehari-hari; enam dibangun di sekitar kasus tepi yang mudah terlewat.
| Model | Kasus uji lulus | Tugas selesai sempurna | Waktu median, tugas sehari-hari | Waktu median, tugas kasus tepi | Jawaban median (token keluaran) | Rata-rata biaya per tugas |
|---|---|---|---|---|---|---|
gpt-6.1-sol | 286/286 (100%) | 26/26 | 12.4 s | 19.8 s | 428 | $0.0027 |
gpt-6-astra | 284/286 (99.3%) | 24/26 | 12.1 s | 17.4 s | 428 | $0.0124 |
claude-opus-5-5 | 275/286 (96.2%) | 21/26 | 4.2 s | 8.9 s | 447 | $0.0056 |
Hanya gpt-6.1-sol yang lulus semuanya di kedua putaran. gpt-6-astra gagal satu kasus, kasus yang sama di kedua putaran. claude-opus-5-5 dua sampai tiga kali lebih cepat daripada kedua model GPT dan menulis kode sepanjang yang mirip, tetapi paling banyak gagal. Biaya adalah tagihan gateway kami untuk permintaan-permintaan ini.
-2^2 adalah -4, dan putaran lain menerima 2 2 sebagai ekspresi yang sah. Pada kalkulator sehari-hari, satu putaran menolak 1 + 2 * 3 karena spasi, padahal tugas meminta dukungan spasi bebas.Tidak ada yang aneh: spasi, sisi berbobot 0, batas panggilan paralel. Justru kasus seperti inilah yang lolos saat dicoba manual sekilas lalu rusak di produksi, makanya tes memeriksanya.
Opus 5.5 menjawab tugas biasa dalam 4–9 detik. Kedua model GPT butuh 12–20 detik karena berpikir dulu sebelum menulis. Dalam obrolan yang jawabannya Anda saksikan muncul, Opus terasa jauh lebih cepat; untuk agen yang menjalankan tes setiap langkah, sepuluh detik tambahan jarang berarti dibanding biaya jawaban yang salah.
Per tugas, gpt-6.1-sol $0,0027, claude-opus-5-5 $0,0056, dan gpt-6-astra $0,0124. Astra sekitar 4,6 kali harga Sol dengan skor sedikit lebih rendah. Ketiganya menulis jawaban yang hampir sama panjang, jadi selisihnya berasal dari harga per token, bukan dari bertele-tele.
Setiap model menerima prompt yang sama: deskripsi tugas ditambah “Balas dengan tepat satu blok kode berisi modul CommonJS lengkap”. Tanpa prompt sistem, tanpa contoh, tanpa percobaan ulang. Kode dijalankan dengan Node 20 di kontainer tanpa jaringan dengan batas waktu per tugas; jika jawaban crash, setiap kasus uji dijalankan ulang sendiri-sendiri agar satu crash tidak membuat sisanya bernilai nol.
. * + ?, perkalian angka 2.000 digit tanpa BigInt, evaluator dengan ^ asosiatif kanan, pool async dengan batas konkurensi, menghitung hari kerja lintas tahun, dan jalur terpendek terkecil secara leksikografis.Semua permintaan melewati gateway kami pada 12–13 Oktober 2026. Dua percobaan per tugas adalah sampel kecil; selisih beberapa kasus antara dua model bisa jadi variasi biasa. Putaran tanpa salah dari Sol dan bug berulang Astra bukan variasi.
gpt-6.1-sol, satu-satunya skor sempurna dan biaya terendah.claude-opus-5-5, menjawab dalam hitungan detik; padukan dengan tes karena model inilah yang paling sering melewatkan detail spesifikasi.Harga saat ini: GPT-6.1 Sol · GPT-6 Astra · Claude Opus 5.5.
Tanpa langganan, tanpa minimum bulanan, tanpa panggilan sales. Isi saldo dengan USDT dan pakai sesuai kebutuhan — 1 USDT memberi Anda 2 kredit saldo API.
Baca panduan cepat 30 detikBahasa: English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Deutsch · Français · Español · Türkçe · Português · Italiano · Bahasa Indonesia · Tiếng Việt · Bahasa Melayu · Polski · Čeština · فارسی · Русский
Harga di halaman ini diisi otomatis dari data penagihan nyata. Ketentuan pihak ketiga dikutip dari dokumentasi mereka sendiri.