GPT-6.1 Terra berharga US$1 per juta token masukan. Berapa biaya satu tugas yang selesai?

Diagram editorial orisinal oleh Ken Jo, berdasarkan sumber yang tercantum di bawah.

Sebuah faktur terlihat di satu sisi layar dan formulir akuntansi di sisi lainnya. Membaca jumlah tagihan adalah satu tugas. Memilih pemasok yang tepat, memasukkan mata uang yang benar, dan memastikan catatan yang disimpan benar-benar ada merupakan tugas yang lebih besar. Perbedaannya semakin penting ketika model AI yang melakukan klik.

OpenAI memperkenalkan GPT-6.1 Terra pada 26 Oktober 2026, dengan tarif API standar US$1 per juta token masukan, US$0,05 per juta token masukan dalam cache, dan US$5 per juta token keluaran. Perusahaan memosisikannya untuk penalaran visual, penggunaan komputer, dan penulisan, serta menyatakan bahwa tarif standar itu 50% lebih rendah daripada GPT-5.6 Terra dan GPT-6.1 Sol. Pengumuman resmi, kartu sistem bertanggal.

Harga yang lebih rendah membuat lebih banyak eksperimen terjangkau. Untuk menentukan eksperimen mana yang layak menjadi alur kerja, dibutuhkan ukuran berbeda: biaya hasil yang dapat Anda terima. Panduan ini membahas tiga penggunaan praktis, contoh biaya yang transparan, dan cara mengevaluasi model tanpa menyamakan panggilan alat yang berhasil dengan pekerjaan yang selesai.

Model memilih tindakan di dalam sistem yang menjalankannya

Terra adalah model dari OpenAI, perusahaan di balik ChatGPT dan Codex. Memilihnya memberikan kemampuan bahasa dan visual tertentu kepada aplikasi. Aplikasi yang melingkupinya tetap menentukan layar mana yang bisa diamati, alat mana yang dapat dipanggil, dan akun mana yang dapat diakses alat tersebut.

Anggap contoh faktur sebagai alur kerja ilustratif. Model mengamati formulir, mengusulkan tindakan, lalu menerima tampilan baru setelah alat menjalankannya. Tampilan baru penting karena klik yang tampak benar dapat membuka panel lain, menampilkan kesalahan validasi, atau meninggalkan proses penyimpanan yang belum selesai. Alur kerja harus mengenali keadaan yang dihasilkan sebelum melanjutkan.

Karena itu, penggunaan komputer merupakan putaran berulang, bukan satu jawaban. Integrasi yang berguna menghubungkan pengamatan, tindakan, dan pemeriksaan keadaan setelahnya. Integrasi juga menetapkan kapan tugas harus berhenti, meminta bantuan manusia, atau melaporkan masukan penting yang belum tersedia. Keputusan tersebut merupakan bagian desain aplikasi, sekalipun model mahir menafsirkan layar.

Dokumentasi penggunaan komputer OpenAI, diperiksa pada 27 Oktober, membedakan peristiwa aktivitas peramban dari status akhir keseluruhan giliran. Dokumentasi juga menyediakan kendali untuk menyertakan tangkapan layar dalam keluaran streaming. Pengembang dapat memakai peristiwa itu untuk memperlihatkan kemajuan sambil memeriksa secara terpisah apakah hasil yang diminta benar-benar ada.

Putaran penggunaan komputer sebagai ilustrasi. Aplikasi menyediakan alat dan izin; pemeriksaan penerimaan menentukan apakah pekerjaan yang diminta sudah selesai. Ini penjelasan orisinal, bukan tangkapan layar antarmuka OpenAI.

Daftar harga adalah titik awal anggaran beban kerja

Tarif standar dalam pengumuman 26 Oktober mudah dibandingkan selama kondisi penagihannya sama. Masukan dan keluaran memiliki harga berbeda, sedangkan masukan dalam cache merupakan kategori tersendiri. Respons panjang atau putaran pengamatan berulang dapat mengubah tagihan meskipun jumlah permintaan pengguna tetap.

Kartu model, diperiksa pada 27 Oktober, mencantumkan ketentuan penagihan tambahan. Penulisan cache memiliki tarif tersendiri, prompt di atas 272.000 token masukan memicu penyesuaian konteks panjang, dan mode layanan dapat mengubah harga. Gunakan tarif yang berlaku untuk permintaan sebenarnya, bukan menganggap angka terendah dalam daftar sebagai tarif universal.

Untuk contoh berikut, asumsikan pemrosesan standar, tanpa penggunaan cache, dan permintaan di bawah ambang konteks panjang. Setiap percobaan memakai 10.000 token masukan dan 1.000 token keluaran yang ditagihkan. Biaya tokennya adalah US$0,01 + US$0,005 = US$0,015 per percobaan. Jumlah token ini dipilih untuk perhitungan, bukan hasil pengukuran Terra atau alur faktur.

Pembedaan ini menjadi dasar anggaran yang berguna. Pertama, tentukan tagihan satu percobaan dengan asumsi yang jelas. Kemudian tanyakan berapa percobaan yang dibutuhkan alur kerja, layanan lain apa yang dipakai, dan seberapa banyak pemeriksaan diperlukan sebelum seseorang menerima hasilnya.

Percobaan ulang dan pemeriksaan mengubah biaya pekerjaan yang diterima

Misalkan satu kelompok hipotetis berisi 100 pekerjaan yang diminta. Dalam satu skenario, sistem menjalankan 100 percobaan dan 90 pekerjaan diterima. Dalam skenario lain, pekerjaan pemulihan menaikkan jumlah percobaan menjadi 150 dan pekerjaan yang diterima menjadi 95. Tambahan keberhasilan itu berguna, tetapi perbandingan biayanya berubah.

Tabel menambahkan skenario ketiga: 30 item diperiksa manusia selama 20 detik per item, dengan asumsi biaya tenaga kerja US$30 per jam. Totalnya 600 detik atau 10 menit, senilai US$5. Setiap jumlah pekerjaan, angka penerimaan, dan asumsi tenaga kerja dalam tabel bersifat ilustratif; tidak ada yang menggambarkan hasil produk yang telah diukur.

Penyebutnya adalah pekerjaan yang diterima, bukan jawaban yang dihasilkan. Pesan penyelesaian yang rapi tidak menambah penyebut jika catatan tersimpan secara keliru. Sebaliknya, alur kerja yang meminta klarifikasi singkat mungkin memberi hasil lebih berguna daripada alur yang terus melaju dengan yakin meski informasinya kurang.

Sebut pekerjaan tambahan itu tagihan penyelesaian: sumber daya yang diperlukan untuk mengubah upaya tindakan menjadi hasil yang diterima. Harga token adalah salah satu posnya. Biaya alat, lingkungan eksekusi, pemulihan, dan pemeriksaan manusia dapat menambah pos lain. Tabel mengabaikan layanan tambahan itu agar perhitungannya jelas; perkiraan produksi harus memasukkan layanan yang benar-benar dipakai integrasi.

Penilaian kami: dampak paling bernilai dari harga model yang lebih rendah adalah ruang lebih besar untuk memperbaiki penyelesaian. Tim bisa membandingkan instruksi, memeriksa kasus gagal, dan menguji jalur pemulihan. Memangkas harga jawaban yang belum diperiksa kurang berguna dibanding memakai penghematannya untuk menghasilkan pekerjaan yang membutuhkan lebih sedikit perbaikan.

Mulai dari draf catatan faktur dengan titik selesai yang jelas

Skenario praktis pertama adalah asisten utang usaha yang menyiapkan draf catatan dari faktur yang diberikan. Gunakan akun pengujian dan kumpulan dokumen contoh yang terbatas. Tentukan bidang pemasok, mata uang, jumlah, dan referensi yang wajib sebelum meminta model berinteraksi dengan formulir.

Hasil yang diterima dalam skenario ini adalah draf tersimpan dengan bidang yang sesuai sumber dan pengenal catatan yang dapat diambil. Klik Save merupakan peristiwa antara. Alur kerja sebaiknya memeriksa catatan hasil atau keadaan konfirmasi dan melaporkan bidang yang belum terselesaikan, bukan mengisinya dengan dugaan yang masuk akal.

Uji coba perlu memuat dokumen biasa dan contoh yang sengaja sulit: mata uang tidak jelas, pengenal pemasok yang hilang, atau nomor faktur yang sudah ada. Kasus ini menunjukkan jenis kegagalan berbeda. Membaca teks dengan benar, memilih akun yang tepat, dan menghindari catatan duplikat merupakan bagian tugas yang terpisah.

Buat uji pertama cukup kecil agar setiap hasil bisa diperiksa. Jika terjadi kegagalan, identifikasi pengamatan atau tindakan salah yang paling awal, alih-alih langsung menulis ulang semua instruksi. Diagnosis yang lebih sempit membantu menentukan apakah masalah terletak pada interpretasi dokumen, navigasi, data akun, atau pemeriksaan penerimaan.

Skenario ini menggambarkan desain aplikasi; bukan klaim bahwa Terra menyertakan konektor akuntansi atau bahwa produk akuntansi tertentu diuji untuk artikel ini. Model adalah satu komponen alur kerja yang alat dan aturan bisnisnya perlu disediakan.

Pencocokan katalog menguji penilaian visual sebelum tindakan

Skenario kedua adalah mencocokkan foto produk dengan entri katalog yang sudah ada. Kartu model OpenAI yang diperiksa pada 27 Oktober secara khusus menyebut pencocokan foto produk sebagai salah satu penggunaan Terra yang dituju. Bagi peritel, hasil yang berguna dapat berupa usulan kecocokan dengan informasi cukup agar pemeriksa bisa membedakan kemiripan visual dari barang yang benar.

Buat kumpulan evaluasi kecil berisi kecocokan mudah, kemasan mirip, dan foto yang kurang detail. Pisahkan pengenal katalog yang diharapkan dari instruksi untuk model. Minta model mengembalikan pengenal usulan dan ciri yang terlihat sebagai pendukung pilihan, dengan opsi belum dapat dipastikan jika gambarnya tidak memadai.

Hasil yang belum pasti bisa menjadi hasil yang benar. Jika dua kemasan hanya berbeda pada informasi yang tidak terlihat, alur kerja membutuhkan foto lain atau pengenal nonvisual. Deskripsi kemasan yang lancar tidak dapat menciptakan bukti yang tidak ada dalam masukan.

Mulai dari usulan kecocokan sebelum mengizinkan perubahan katalog. Ini memudahkan pemeriksaan aturan penerimaan dan memberi tim kumpulan kesalahan yang dapat dipahami. Jika aplikasi kemudian menambahkan tahap penulisan, evaluasi apakah draf deskripsi mempertahankan fakta katalog yang terverifikasi, bukan memasukkan detail yang belum terkonfirmasi dari kemiripan visual.

Portal lama menjadikan pemulihan bagian dari tugas

Skenario ketiga adalah menyiapkan draf pembaruan di portal internal berantarmuka peramban. Tugasnya dapat mencakup mencari catatan, mengganti deskripsi dengan teks yang diberikan, dan menyiapkannya untuk persetujuan manusia. Manfaatnya berasal dari menghubungkan permintaan bisnis yang jelas dengan rangkaian tindakan antarmuka.

Kasus sulit sering berkaitan dengan keadaan. Sesi dapat kedaluwarsa, bidang wajib mungkin muncul setelah pilihan sebelumnya, atau halaman membutuhkan waktu pembaruan lebih lama dari perkiraan. Evaluasi yang berguna mencatat respons alur kerja terhadap kondisi ini, bukan hanya menghitung jalur navigasi termudah.

Tentukan anggaran pemulihan sebelum uji coba. Misalnya, aplikasi dapat mengizinkan satu pengamatan ulang setelah penyimpanan yang tidak pasti, lalu berhenti untuk diperiksa jika hasil masih tidak jelas. Itu pilihan kebijakan ilustratif, bukan batas produk Terra. Aturan tersebut memberi tim perilaku terbatas untuk diuji dan mencegah putaran tidak produktif menghabiskan sumber daya.

Bedakan pula kegagalan integrasi dari kegagalan model. Alat yang tidak dapat mencapai halaman tujuan, akun tanpa akses edit, dan model yang memilih kontrol salah memerlukan perbaikan berbeda. Menjaga kategori tersebut tetap jelas membuat perkiraan biaya dan peningkatan kualitas lebih bermakna.

Ketersediaan menunjukkan tempat memulai, bukan kemampuan setiap akun

Peluncuran 26 Oktober mengumumkan Terra di ChatGPT Work dan Codex untuk Plus, Pro, Enterprise, dan Edu, serta pengenal API gpt-6.1-terra. Itu merupakan jalur akses ke model. Alat dan izin dalam alur kerja tertentu tetap bergantung pada produk, akun, dan integrasi yang digunakan.

Bagi pengembang, kartu model yang diperiksa pada 27 Oktober menetapkan Responses API untuk pemanggilan alat dan tingkat upaya penalaran bawaan medium. Catat model dan konfigurasi penalaran selama evaluasi agar dua proses uji bisa dibandingkan secara bermakna. Mengubah model, instruksi, dan lingkungan alat sekaligus menyulitkan interpretasi perbedaan hasil.

Untuk tim yang memakai Work atau Codex, mulailah dari alur yang sudah didukung dan periksa kontrolnya yang sebenarnya. Untuk aplikasi khusus, gunakan dokumentasi integrasi penggunaan komputer terkini guna mengatur lingkungan eksekusi dan tindakan yang diizinkan. Pengenal model saja tidak menciptakan koneksi terautentikasi ke aplikasi perusahaan.

Bandingkan konfigurasi pada tugas diterima yang sama

Uji pertama yang berguna cukup kecil untuk diperiksa tetapi cukup beragam untuk memuat kondisi nyata yang akan dihadapi alur kerja. Pilih aturan penerimaan sebelum melihat hasil yang dihasilkan. Prosedur berikut merupakan usulan metode evaluasi, bukan hasil tolok ukur.

1. Pilih satu pekerjaan dengan batas jelas. Sebutkan keluaran yang dibutuhkan dan orang yang memutuskan kelayakannya. Utamakan draf atau tindakan di lingkungan uji untuk percobaan pertama.
2. Siapkan kumpulan kasus tetap. Sertakan masukan biasa, informasi yang hilang, dan gangguan antarmuka yang relevan. Simpan hasil harapan di luar instruksi model.
3. Catat konfigurasi. Simpan ID model, pengaturan penalaran, instruksi, versi alat, dan izin akun yang relevan.
4. Tetapkan aturan berhenti dan pemulihan. Jelaskan kapan pengamatan tambahan diizinkan, kapan percobaan ulang berguna, dan kapan manusia harus menyelesaikan ketidakpastian.
5. Rekam hasil yang dapat diamati. Catat hasil diterima, hasil salah, kasus belum terselesaikan, percobaan, waktu, dan penggunaan yang ditagihkan. Status operasi alat hanya satu bagian catatan ini.
6. Tambahkan biaya operasi sebenarnya. Masukkan biaya alat dan lingkungan yang berlaku serta waktu pemeriksaan yang diukur. Bagikan dengan jumlah pekerjaan diterima menggunakan definisi konsisten.
7. Ubah satu variabel bermakna. Bandingkan instruksi atau tingkat penalaran yang direvisi pada kasus yang sama, lalu periksa kegagalan mana yang berubah sebelum memperluas uji.

Model biaya yang diusulkan: jumlahkan sumber daya yang benar-benar dipakai alur kerja, lalu bagi dengan pekerjaan yang diterima. Komponennya merupakan kerangka evaluasi, bukan pengukuran operasi Terra yang dipublikasikan.

Catatan yang dihasilkan tetap berguna meskipun uji pertama mengecewakan. Catatan itu mengidentifikasi apakah perbaikan harus menyasar interpretasi visual, desain alur, keandalan alat, atau banyaknya perbaikan manusia. Itu dasar yang jauh lebih baik untuk memutuskan otomatisasi berikutnya daripada sekadar biaya rata-rata per permintaan.

Penggunaan komputer yang murah berarti ketika penyelesaian lebih terjangkau

Tarif token standar Terra yang lebih rendah menciptakan peluang untuk menguji lebih teliti dan mendukung lebih banyak pekerjaan dalam anggaran. Pertanyaan bisnisnya adalah apakah integrasi tertentu bisa mengubah peluang itu menjadi hasil yang diterima dengan upaya pemeriksaan dan pemulihan yang terkendali.

Model yang dapat membaca layar dan memilih klik memang berguna. Alur kerja yang bisa menunjukkan perubahan, mengenali kapan selesai, dan menghitung upaya untuk mencapainya adalah sesuatu yang dapat dievaluasi dan diperbaiki oleh tim.

Sumber

• Introducing GPT-6.1 Terra, OpenAI, 26 Oktober 2026: posisi produk, tarif standar peluncuran, dan jalur akses.
• Kartu sistem GPT-6.1 Terra, OpenAI, 26 Oktober 2026: rilis bertanggal dan konteks evaluasi.
• Kartu model GPT-6.1 Terra, diperiksa 27 Oktober 2026: ID model, endpoint alat, tingkat penalaran, dan kondisi penagihan.
• Dokumentasi integrasi penggunaan komputer, diperiksa 27 Oktober 2026: aktivitas peramban, tangkapan layar, dan mekanisme integrasi.

Ketiga skenario, masukan biaya, dan prosedur evaluasi bersifat ilustratif. Perhitungan dolar memakai tarif standar yang disebutkan dan asumsi yang dipilih secara eksplisit; bukan hasil pengukuran latensi, akurasi, atau biaya operasi.

---

Rekomendasi Telli.sh: Simpan catatan uji, bahan referensi, dan alasan perubahan alur kerja agar mudah ditinjau kembali. Buat akun Telli.sh untuk menata catatan evaluasi Anda.