Lompat ke konten
Rahman FakhruDiskusi proyek

Articles · AI

OpenAI DevDay 2026: Mana yang Benar-Benar Kepakai?

DevDay 2026 tanpa jargon: apa yang benar-benar baru, GPT-6.1 Sol dibanding model sekelas, dan contoh workflow yang bisa langsung dicoba.

On this page · 12

Kalau cuma membaca daftar launch, DevDay 2026 terlihat seperti kumpulan fitur baru.

Yang lebih penting justru perubahan pola kerjanya: AI makin punya context, tempat kerja, tools, cloud runtime, event trigger, dan jalur untuk mengambil action.

Ini bukan slogan resmi OpenAI. Ini interpretasi praktis saya dari pengumuman DevDay 2025 → 2026.

OpenAI DevDay 2026 practical breakdown

#Versi 30 detik

  • Dots: always-on agent dengan cloud computer sendiri.
  • Space: shared context untuk manusia + ChatGPT + Dots.
  • GPT-6.1 Sol: near-Astra untuk agentic coding, computer use, dan professional work dengan harga API $2 input / $10 output per 1M token.
  • Codex in the cloud: reusable dev environment dari device mana pun.
  • Decisions API: keputusan real-time dari jawaban finite yang kamu tentukan sendiri — saat ini limited preview.
  • Agents API + computer use: agent bisa berinteraksi dengan software.
  • MCP Events: connected app bisa memicu automation.

#Apa yang benar-benar berubah dari DevDay 2025?

DevDay 2025 banyak memberi building blocks: Apps SDK, AgentKit, Codex GA, dan GPT-5 Pro API.

DevDay 2026 menambah layer yang membuat lebih banyak pekerjaan bisa berjalan setelah kita memberikan tujuan: ongoing agent, shared workspace, reusable cloud runtime, computer use, decision layer, dan event trigger.

Perbandingan praktis OpenAI DevDay 2025 dan 2026

#Contoh awam

2025: mau bikin support agent → rakit agent → sambungkan tools → atur deployment → buat routing.

2026: ticket masuk → AI klasifikasi → model memahami kasus → agent membuka software → menyiapkan action → manusia approve kalau risikonya tinggi.

Bukan berarti semuanya otomatis aman. Tetapi jumlah komponen yang perlu kita rakit sendiri mulai berkurang.

Untuk perbandingan yang lebih fair, saya pakai model yang benar-benar current per akhir September 2026.

Perbandingan GPT-6.1 Sol, Claude Sonnet 5.5, dan Gemini 3.8 Flash

Model Harga API saat ini Practical fit
GPT-6.1 Sol $2 input / $10 output / $0.10 cached input per 1M Agentic coding, computer use, professional workflows, terutama jika stack sudah di OpenAI
Claude Sonnet 5.5 $2 input / $10 output / $0.20 cache reads per 1M Well-scoped everyday work, bug fixing, dokumen, slide, spreadsheet
Gemini 3.8 Flash $0.75 input / $3.75 output per 1M sampai 31 Des 2026 High-volume apps, long-horizon software engineering, autonomous agents, complex enterprise workflows

Catatan: ini bukan ranking kualitas. Vendor memakai eval dan runtime yang berbeda, jadi angka benchmark tidak apple-to-apple.

#Kenapa Sol menarik?

OpenAI menyebut GPT-6.1 Sol hampir menyamai GPT-6 Astra untuk agentic coding, computer use, dan professional work dengan 1/5 harga token standar Astra.

Yang menarik buat aplikasi agent bukan hanya harga input/output, tapi cached input $0.10/1M. Kalau agent terus memakai context yang sama—repo, SOP, docs, project state—cache bisa penting.

GPT-6.1 Sol tersedia di API, ChatGPT Work, dan Codex. Belum tersedia di Chat biasa saat launch.

#Jangan salah baca Ultrafast

Ultrafast bukan “GPT-6.1 Sol 750 token/detik”.

Saat DevDay:

  • GPT-6 Astra Ultrafast tersedia sekarang.
  • hingga 300 token/detik.
  • hingga 8× lebih cepat di Codex.
  • hingga 6× lebih cepat di API.
  • GPT-6.1 Sol Ultrafast masih coming soon.

Jadi use case sekarang lebih cocok dibaca sebagai: live coding, voice, realtime support, atau workflow yang latency-nya memang penting.

#Contoh praktis: satu ticket customer

Ini contoh arsitektur, bukan paket produk resmi yang otomatis tersambung.

Contoh arsitektur praktis Decisions API, GPT-6.1 Sol, Agents API computer use, dan human review

  1. Customer mengirim ticket.
  2. Decisions API menentukan kategori/route dari pilihan jawaban yang sudah kita definisikan.
  3. GPT-6.1 Sol membaca history, invoice, SOP, dan menyusun rencana.
  4. Agents API + computer use membuka software yang diperlukan.
  5. Kalau action berisiko—refund, permission, perubahan akun—manusia approve.

Ini jauh lebih berguna daripada sekadar “chatbot yang jawab tiket”.

#Dots dan Space paling mudah dibayangkan seperti apa?

Dots adalah agent yang terus aktif. OpenAI menyebut Dots punya cloud computer sendiri, belajar dari feedback, bekerja 24/7, dan melalui plugin ecosystem bisa terhubung ke 4.000+ app.

Space menjadi ruang kerja bersama: teammate, ChatGPT, dan Dot memakai shared knowledge yang sama.

Use case sederhana:

“Setiap pagi cek bug baru, lihat apakah ada regression, siapkan draft fix, lalu taruh ringkasannya di Space sebelum standup.”

Di sini nilai utamanya bukan satu jawaban lebih pintar, tetapi pekerjaan bisa berlanjut tanpa kamu menjaga chat tetap terbuka.

#Decisions API itu bukan LLM baru

Decisions API memakai intelligence dari Luna, tetapi dipersempit ke pertanyaan yang kamu tentukan sendiri dengan jawaban finite.

Misalnya:

  • department = billing | support | sales
  • urgency = low | medium | high
  • next_action = reply | escalate | investigate

Karena bentuk output sudah jelas, hasilnya lebih mudah dipakai software daripada meminta model menulis paragraf lalu parsing lagi.

Saat ini limited preview.

#Tonton: 2026 sekarang, 2025 untuk pembanding

Replay/livestream resmi DevDay 2026 tersedia lewat halaman livestream OpenAI:

OpenAI Livestreams — DevDay 2026

Untuk melihat seberapa jauh arahnya berubah dari tahun lalu:

Saya sengaja tidak memasukkan ID YouTube DevDay 2026 yang belum bisa diverifikasi dari kanal resmi OpenAI saat artikel ini diperbarui. Begitu replay resminya terindeks, embed ini sebaiknya diganti dengan video 2026.

#Jadi apa yang sebaiknya dicoba?

Kalau kamu baru mulai, jangan otomatisasi semuanya.

Mulai dari satu workflow yang:

  • sering berulang;
  • input/output-nya jelas;
  • bisa diukur hasilnya;
  • dan masih punya human approval saat action berdampak besar.

Contoh paling gampang: triage support, QA bug, weekly project update, atau review dokumen berulang.

#Sumber utama

Semua visual di artikel ini adalah ilustrasi editorial Rahmanef. Angka produk dan status availability diverifikasi terhadap sumber resmi vendor.