OpenAI Jelaskan Fungsi Empat Model ChatGPT Terbaru Menurut Laporan Workshop

Apa yang dilaporkan tentang empat model ChatGPT

OpenAI jelaskan fungsi empat model ChatGPT terbaru dalam laporan tiga media Indonesia tentang workshop di Jakarta pada 3 November 2026. Jaeyoung Shin, yang disebut sebagai Delivery Lead APAC OpenAI, dilaporkan membahas GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, dan GPT-6 Luna.

Laporan tersebut membagi pemakaian model berdasarkan karakter pekerjaan. Astra dikaitkan dengan penalaran mendalam untuk pekerjaan seperti menyusun strategi kampanye dan menentukan target. Luna disebut untuk aktivitas berulang seperti memeriksa email serta kalender. Terra dilaporkan mendukung pekerjaan kreatif visual dan pembuatan aplikasi. Sol diposisikan untuk pekerjaan rumit yang memerlukan keseimbangan antara kecepatan dan alur kerja.

Informasi ini perlu diperlakukan hati-hati. Bahan yang tersedia tidak memuat halaman primer OpenAI yang mengonfirmasi nama GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, status aksesnya, maupun rincian fiturnya. Karena itu, artikel ini membahasnya sebagai laporan media mengenai workshop, bukan pengumuman produk yang telah terverifikasi langsung.

Pembaca yang sedang memilih model tidak perlu menunggu kepastian semua nama tersebut untuk memperbaiki cara kerja. Prinsip yang lebih berguna sudah jelas: tugas sederhana, tugas analitis, pekerjaan kreatif, dan keputusan berisiko tidak seharusnya diperlakukan sebagai satu kategori pekerjaan AI.

Cara membaca klaim Astra, Sol, Terra, dan Luna

Menurut Demokratis.co.id, Astra disebut sebagai model dengan kemampuan penalaran tertinggi dalam jajaran yang dibahas. Sumber yang sama melaporkan bahwa Astra membutuhkan kredit token lebih banyak. Implikasinya praktis: kemampuan penalaran yang lebih dalam dapat relevan saat tim perlu membandingkan beberapa pilihan, menimbang batasan, lalu menyusun argumentasi. Itu berbeda dari pekerjaan yang hanya membutuhkan ekstraksi informasi.

Sebagai ilustrasi hipotetis, manajer pemasaran dapat memasukkan tujuan kampanye, segmen audiens, batasan anggaran, dan hasil kampanye terdahulu yang sudah diizinkan untuk dianalisis. Model dapat membantu menyusun beberapa alternatif pesan dan daftar asumsi. Manajer tetap memeriksa apakah target, klaim promosi, dan prioritas kanal sudah masuk akal sebelum keputusan dibuat. AI membantu menyiapkan bahan pertimbangan, bukan menetapkan arah kampanye tanpa pemilik keputusan.

Sol dilaporkan oleh SuaraGarut.ID dan Peradaban.id sebagai pilihan untuk tugas lebih rumit dengan penggunaan token yang lebih efisien sebelum beralih ke Astra. Klaim ini tidak cukup untuk menyimpulkan biaya, batas penggunaan, atau performa Sol dalam kondisi tertentu. Namun, ia memberi kerangka uji yang masuk akal: gunakan tingkat kemampuan yang sesuai dengan kerumitan pekerjaan, lalu bandingkan hasilnya dengan kebutuhan revisi manusia.

Untuk Luna, ketiga laporan media menyebut pekerjaan rutin seperti pemeriksaan email dan kalender. Tugas rutin biasanya memiliki format masukan yang relatif konsisten dan hasil yang mudah ditinjau. Contohnya, AI dapat membuat ringkasan email berdasarkan kategori seperti permintaan pelanggan, jadwal, tindak lanjut, atau informasi. Staf tetap membuka email sumber bila ringkasan menyangkut komitmen, keluhan, data pribadi, atau tenggat penting.

Terra dikaitkan dengan kebutuhan visual dan pengembangan aplikasi menurut Peradaban.id. Hubungan ini tidak berarti satu model otomatis cocok untuk seluruh proses desain atau pengembangan perangkat lunak. Pekerjaan visual masih memerlukan arahan kreatif, pengecekan hak penggunaan aset, dan penilaian manusia atas hasil akhir. Dalam pengembangan aplikasi, kode yang dihasilkan AI tetap perlu ditinjau, diuji, dan dibatasi aksesnya sebelum digunakan pada sistem produksi.

Jangan pilih model dari nama, mulai dari bentuk pekerjaannya

Pilihan model sebaiknya dimulai dari peta kerja sederhana. Pisahkan pekerjaan berdasarkan empat pertanyaan: apakah tugasnya berulang, apakah membutuhkan penalaran beberapa langkah, apakah hasilnya akan dipublikasikan, dan apakah kesalahan dapat memengaruhi pelanggan atau data bisnis. Peta ini lebih berguna daripada langsung memilih model yang terdengar paling kuat.

OpenAI menjelaskan GPT-5 sebagai sistem terpadu yang dapat merespons cepat untuk sebagian pertanyaan dan berpikir lebih lama untuk masalah yang lebih sulit. Halaman primer OpenAI ini tidak mengonfirmasi empat nama yang diberitakan media. Namun, penjelasan tersebut mendukung gagasan bahwa kompleksitas, kebutuhan alat, dan maksud pengguna dapat memengaruhi cara sistem menangani permintaan.

Sebagai contoh hipotetis, tim operasional menerima formulir lead dari iklan. Tahap awalnya dapat berupa formulir masuk, pemeriksaan kelengkapan data, pengelompokan kebutuhan, pencatatan ke CRM, lalu notifikasi kepada sales. AI dapat membantu mengklasifikasikan kebutuhan berdasarkan jawaban lead. Otomasi dapat meneruskan hasil klasifikasi ke CRM sesuai aturan. Sales tetap meninjau lead bernilai tinggi atau jawaban yang ambigu sebelum menghubungi calon pelanggan.

Contoh tersebut membedakan tiga hal yang sering tercampur. Otomasi menjalankan aturan, misalnya formulir masuk lalu data disimpan ke CRM. AI membantu memahami isi formulir, misalnya mengelompokkan kebutuhan lead. AI agent, bila digunakan, menjalankan beberapa langkah dengan konteks dan alat untuk mengejar tujuan tertentu. Keberadaan model bahasa tidak otomatis membuat seluruh workflow menjadi AI agent.

Untuk konteks perbedaan keluarga model dan alasan sebuah tugas membutuhkan penalaran lebih dalam, pembaca dapat melihat artikel pilar berjudul “Berhenti Pakai ChatGPT Ngasal! Ini Beda Model GPT dan O-Series”.

Uji workflow kecil sebelum menetapkan model untuk tim

Pengujian awal tidak perlu memakai proses paling penting. Pilih satu pekerjaan berulang, berisiko rendah, dan memiliki contoh hasil yang dapat dibandingkan. Siapkan lima sampai sepuluh input yang mewakili kondisi normal serta kondisi yang sering membuat staf perlu bertanya ulang. Gunakan instruksi yang sama saat membandingkan model atau tingkat reasoning.

Catat empat hal selama uji coba: kelengkapan hasil, kesalahan konteks, waktu yang dibutuhkan staf untuk meninjau, dan jumlah revisi sebelum hasil dapat dipakai. Jangan hanya mengukur seberapa cepat draf muncul. Draf yang cepat tetapi sering salah mengelompokkan informasi dapat menambah beban pemeriksaan di tahap berikutnya.

Menurut Demokratis.co.id dan Peradaban.id, workshop tersebut juga membahas enam tingkat reasoning, dari low sampai ultra. Jumlah tingkat serta terminologi itu berasal dari laporan media, bukan halaman primer OpenAI dalam bahan ini. Bila opsi tersebut benar tersedia pada akun yang digunakan tim, pengaturannya dapat diuji dengan tugas yang sama untuk melihat apakah kedalaman jawaban sepadan dengan waktu tinjauan dan penggunaan token.

Andaikan tim customer service ingin memakai AI untuk menyiapkan respons awal. Buat batas yang jelas: AI boleh merangkum percakapan dan menyusun draf berdasarkan knowledge base yang disetujui. AI tidak boleh mengubah pesanan, menjanjikan kompensasi, mengungkap data pelanggan, atau mengirim jawaban final tanpa persetujuan staf. Hasil yang tidak menemukan sumber di knowledge base harus diteruskan ke manusia, bukan diisi dengan tebakan.

Kontrol manusia tetap menentukan kualitas penggunaan AI

Model dapat menghasilkan jawaban yang terdengar meyakinkan meski konteksnya keliru. Karena itu, setiap workflow perlu memiliki pemilik proses, batas akses, dan jalur penanganan kesalahan. Pemilik proses menentukan tujuan serta standar hasil. Admin sistem menentukan siapa yang dapat mengakses data dan alat. Pengguna operasional memeriksa hasil sebelum tindakan berdampak pada pelanggan atau sistem.

Data sensitif juga perlu dipisahkan dari eksperimen awal. Jangan memasukkan informasi pelanggan, kredensial, kontrak, data keuangan, atau materi rahasia ke prompt tanpa memahami aturan organisasi dan pengaturan layanan yang dipakai. Untuk pengujian, gunakan data contoh yang sudah dianonimkan bila memungkinkan. Catat juga prompt, hasil, dan alasan koreksi agar tim mengetahui pola kesalahan yang berulang.

Langkah kerja berikutnya: pilih satu proses berisiko rendah minggu ini, tulis hasil yang diharapkan dalam satu paragraf, lalu siapkan lima contoh input nyata yang telah disanitasi. Uji model atau pengaturan yang tersedia dengan rubrik yang sama. Setelah itu, tetapkan tindakan yang boleh otomatis, tindakan yang wajib disetujui manusia, dan kondisi yang harus menghentikan workflow. Perbarui pilihan model saat dokumentasi primer OpenAI menyediakan rincian kemampuan, akses, batas penggunaan, atau kebijakan yang dapat diverifikasi.