GPT-6 Astra Kalahkan Manusia di Drone-Bench, Laba Bisnis Simulasi Hampir 3 Kali Lipat Claude

Model AI OpenAI Ini Mengalahkan Manusia Soal Jualan dan Menyetir Drone

Jakarta — Hasil uji terbaru dari laboratorium riset independen Andon Labs yang diumumkan pada 13 September 2026 menempatkan GPT-6 Astra, model AI terbaru OpenAI, dalam posisi yang belum pernah diraih model mana pun: menjadi model pertama yang mengalahkan baseline yang dikembangkan manusia pada seluruh subtes Drone-Bench, sekaligus mencetak laba hampir tiga kali lipat dibanding saingan terdekatnya, Claude Fable 5.1 dari Anthropic, dalam simulasi menjalankan bisnis vending machine.

Andon Labs dikenal lewat benchmark Vending-Bench dan Drone-Bench, yang mengukur seberapa andal AI bekerja secara otonom dalam jangka panjang — mulai dari bernegosiasi dengan pemasok hingga menulis kode untuk sistem fisik. Hasil kali ini dianggap bukti paling konkret bahwa model AI terbaru kini benar-benar mampu "melakukan pekerjaan", bukan sekadar menjawab pertanyaan.

Laba Hampir Tiga Kali Lipat dalam Simulasi Bisnis

Dalam Vending-Bench 2, setiap model diberi modal 500 dolar AS dan harus menjalankan bisnis vending machine selama satu tahun simulasi: mencari pemasok, menegosiasikan harga beli, mengatur harga jual, dan menumbuhkan saldo bank. Dari enam kali percobaan, GPT-6 Astra rata-rata menutup periode dengan saldo 15.515 dolar AS. Claude Fable 5.1 hanya mencatat rata-rata 5.422 dolar AS.

Selisihnya ekstrem. Bahkan hasil terbaik Fable sebesar 9.874 dolar AS masih kalah dari hasil terburuk Astra yang mencapai 13.272 dolar AS. Andon Labs mencatat Astra sebagai model OpenAI pertama yang memuncaki papan peringkat Vending-Bench 2, dengan selisih terhadap peringkat kedua terbesar yang pernah tercatat di benchmark tersebut.

Kunci keunggulannya ada di negosiasi pengadaan. Dalam satu kasus yang didokumentasikan Andon Labs, seorang pemasok menawarkan keranjang barang seharga 226,32 dolar AS. Astra bertahan di angka 108 dolar AS — dan mendapatkan deal itu. Sementara itu, Fable justru menerima harga yang semakin buruk seiring waktu: harga rata-rata satu kaleng minuman biasa naik dari 1,17 dolar AS pada 90 hari pertama menjadi 2,21 dolar AS menjelang akhir tahun simulasi.

Astra juga lebih tahan bunting menghadapi pemasok nakal. Sepanjang enam percobaan, Fable melakukan 45 kali prabayar ke pemasok yang ternyata sudah tutup, dengan total kerugian 14.331 dolar AS. Astra justru menemui lebih banyak pemasok tutup — 64 kejadian — tetapi tidak tercatat kehilangan uang dari prabayar tersebut.

Menariknya, dalam Vending-Bench Arena tempat beberapa agen AI berkompetisi di lokasi yang sama, Astra secara eksplisit menolak ajakan price fixing (kesepakatan penetapan harga) dari model Tiongkok GLM-5.3. Andon Labs tidak menemukan satu pun kejadian berbohong oleh Astra dalam tiga pertandingan arena yang dipelajari. Sebaliknya, Fable 5.1 terlibat pengaturan harga yang diklasifikasikan Andon Labs sebagai ilegal.

Model Pertama yang Mengalahkan Baseline Manusia di Drone-Bench

Pada Drone-Bench, Andon Labs menguji kemampuan model menulis kode untuk sistem fisik. Astra menjadi model pertama yang upaya terbaiknya mengalahkan baseline yang dikembangkan manusia pada kelima subtes — termasuk menulis kode yang membuat drone mengawasi secara otonom dan mengikuti orang tertentu.

Temuan ini disorot media teknologi the-decoder.com sebagai lompatan besar untuk agen AI: dari menulis teks menjadi mengendalikan perangkat di dunia nyata. Meski begitu, laporan yang sama mencatat tingkat keberhasilan Astra masih tidak konsisten, sehingga keandalannya untuk penggunaan penuh waktu masih terbuka.

Tagih AGI, Pasar Merespons Cepat

Kemampuan agen ini menjadi bahan bakar narasi AGI. CEO Nvidia Jensen Huang menyebut "AGI telah tiba" usai mengetahui Astra dilatih dengan lebih dari 100.000 GPU Grace Blackwell NVLink72, meski OpenAI sendiri tidak pernah mengklaim AGI dan Anthropic menilai klaim itu tanpa definisi yang jelas.

Pasar juga merespons cepat. Pada 8 September, saham Salesforce anjlok sekitar 4 persen dan ServiceNow turun 5 persen dalam sehari, karena investor mengkhawatirkan agen AI umum seperti Astra akan menggerus perangkat lunak khusus. Fenomena tersebut bahkan dijuluki media sebagai "kemungkinan peristiwa kepunahan SaaS".

Permintaan pun melonjak hingga OpenAI memutuskan menghentikan sementara pendaftaran langganan ChatGPT Pro senilai 200 dolar AS per bulan pada 11 September, karena beban server yang tak terduga. OpenAI menyebut Astra sebagai model "paling cerdas dan paling selaras" yang pernah dibuatnya, dengan keunggulan dalam penggunaan komputer, rekayasa perangkat lunak, keamanan siber, sains, dan pekerjaan profesional.

Bagi pelaku usaha dan profesional, arahnya semakin jelas: AI tidak lagi hanya menjadi asisten yang menunggu perintah, melainkan agen yang bisa diberi target dan bekerja sendiri. Kemampuan seperti yang ditunjukkan Astra di Vending-Bench dan Drone-Bench kemungkinan besar akan cepat merambah alur kerja sehari-hari — dan menjadi keterampilan baru yang layak dikuasai lebih dulu.