Bisakah saya menjalankan o1-pro secara lokal?

Tidak. o1-pro hanya tersedia via API tanpa bobot terbuka, jadi deployment lokal tidak mungkin.

Berapa biaya o1-pro dan berapa jendela konteksnya?

OpenAI menetapkan harga $150,00 per juta token input dan $600,00 per juta token output, dengan jendela konteks 200.000 token.

Apa perbedaan o1-pro dengan o1 standar?

Keduanya menggunakan penalaran berbasis pembelajaran penguatan, tapi o1-pro mengalokasikan lebih banyak komputasi per kueri, yang menurut OpenAI menghasilkan jawaban yang lebih konsisten benar pada masalah sulit — dengan harga jauh lebih tinggi.

O1 pro

5509°

#llm #openai #visi #penalaran #riset #pemrograman

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

OpenAI | konteks 200.000 token | $150.00/M input, $600.00/M output. Seri model o1 dilatih dengan pembelajaran penguatan untuk berpikir sebelum menjawab dan melakukan penalaran kompleks. Model o1-pro menggunakan lebih banyak komputasi untuk berpikir lebih keras dan memberikan jawaban yang konsisten lebih baik.

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

o1-pro adalah model penalaran dengan komputasi tertinggi dari OpenAI, dibangun di atas fondasi pembelajaran penguatan yang sama dengan o1 tapi diberi waktu lebih banyak untuk berpikir sebelum menjawab. Komputasi ekstra ini menghasilkan performa yang lebih konsisten pada masalah sulit — jenis masalah di mana model lebih murah kadang gagal. Cocok untuk peneliti, insinyur, dan analis yang membutuhkan jawaban andal pada tugas kompleks dan siap menanggung tagihan API serius.

Dikenal untuk

Penalaran internal diperpanjang sebelum menjawab, mengurangi kesalahan pada masalah sulit.
Jendela konteks 200.000 token menangani dokumen panjang dan basis kode besar.
Kemampuan visi bersama penalaran teks.
Jawaban lebih konsisten dibanding o1 standar pada prompt sulit yang sama.

Waspadai

Dengan biaya $150/M input dan $600/M output, biaya cepat membengkak — prototipe dulu di tempat lain.
Bobot tertutup, hanya API: tidak ada deployment lokal, tidak bisa fine-tuning, tidak bisa offline.
Lebih lambat karena desain; waktu berpikir ekstra tidak cocok untuk aplikasi sensitif latensi.

Terbaik untuk

Prompt untuk dicoba

Audit algoritma kompleks

Berikut solusi pemrograman dinamis rekursif untuk masalah penjadwalan interval berbobot. Jelaskan logikanya langkah demi langkah, identifikasi kasus tepi yang ditangani salah, dan tulis ulang fungsi untuk memperbaikinya. Jelaskan setiap perubahan dan mengapa penting.

Uji ketahanan argumen riset

Saya menulis makalah yang berargumen bahwa review kode wajib mengurangi tingkat cacat lebih dari analisis statis otomatis saja. Daftar tiga argumen tandingan terkuat yang mungkin diajukan reviewer yang kritis, nilai bukti di balik masing-masing, dan sarankan bagaimana saya bisa menanggapinya dalam makalah.

Penalaran skenario hukum

Perusahaan SaaS menyimpan data pelanggan UE di server AS berdasarkan klausul kontrak standar yang ditandatangani sebelum keputusan kecukupan terbaru berakhir. Identifikasi risiko kepatuhan, urutkan berdasarkan tingkat keparahan, dan buat garis besar langkah minimum yang harus diambil perusahaan untuk mengurangi eksposur.

Bandingkan dengan

gpt oss 120b Turbo
Model dengan bobot terbuka
konteks 131,072 token · $0.15/M input, $0.60/M output
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
GPT-5.6 Sol
Model hanya API
konteks 1,050,000 token · $4.00/M input, $20.00/M output
GPT-6.1 Sol
Model hanya API
konteks 1,050,000 token · $2.00/M input, $10.00/M output

Model teks lain dari openai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan o1-pro secara lokal?: Tidak. o1-pro hanya tersedia via API tanpa bobot terbuka, jadi deployment lokal tidak mungkin.
Berapa biaya o1-pro dan berapa jendela konteksnya?: OpenAI menetapkan harga $150,00 per juta token input dan $600,00 per juta token output, dengan jendela konteks 200.000 token.
Apa perbedaan o1-pro dengan o1 standar?: Keduanya menggunakan penalaran berbasis pembelajaran penguatan, tapi o1-pro mengalokasikan lebih banyak komputasi per kueri, yang menurut OpenAI menghasilkan jawaban yang lebih konsisten benar pada masalah sulit — dengan harga jauh lebih tinggi.

Putusan Kapten
Model penalaran paling andal yang ditawarkan OpenAI, tapi harganya berarti Anda harus sangat yakin membutuhkannya.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Claude Opus 4.1

TEXT / LLM

Hermes 3 70B Instruct

Model AI untuk Pembuatan Gambar, Video & Teks

O1 pro adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm openai visi penalaran riset pemrograman konteks panjang

Jelajahi berdasarkan Keluarga Model