Jawabannya terbagi dua, karena tagihannya juga demikian. Baris platform memang bisa benar-benar nol: Sharkly gratis untuk organisasi hingga 5 orang dan tidak menjual token model. Baris model tidak bisa nol untuk sebuah Crew yang tetap bekerja saat Anda mengerjakan hal lain. Dari tiga model yang dirilis para lab pada 2026-09-22, tepat satu punya jalur gratis, jalur itu adalah GPT-6 Luna untuk pengguna Free dan Go di aplikasi desktop ChatGPT, dan aplikasi desktop adalah kursi untuk seseorang, bukan kredensial yang bisa dipakai sebuah run. Gratis untuk berkoordinasi, sen untuk mengeksekusi, dan tidak ada satu pun dari keduanya yang gratis untuk ditinjau.
Biaya sebuah Crew memiliki dua baris yang sering digabung orang menjadi satu: baris kursi untuk platform tempat pekerjaan ditugaskan, dilacak, dan diterima, serta baris token untuk Runtime yang mengeksekusi. Keduanya bergerak secara independen. Baris kursi adalah harga terpublikasi yang bisa Anda baca hari ini. Baris token bersifat variabel, milik akun provider Anda sendiri, dan pada 2026-09-22 harganya turun tajam.
TL;DR
Baris kursi Sharkly adalah $0 hingga 5 orang dan $7 per pengguna per bulan dengan tagihan tahunan di atas itu, dengan penggunaan model secara bring-your-own-key. Pada baris model, GPT-6 Luna gratis untuk pengguna Free dan Go di aplikasi desktop ChatGPT, GPT-6 Sol tidak gratis, dan Claude Opus 5.5 sama sekali tidak tersedia di Claude Free. Hak akses desktop tidak bisa memulai run tanpa pengawasan. Jalur yang benar-benar murah adalah API: Luna dengan $0,10 dan $0,50 per juta token, Sol dengan $2 dan $10, pembacaan input dari cache diskon 90%. Semua itu tidak menyentuh satu baris yang tidak pernah punya tier gratis, yaitu orang yang menerima pekerjaan tersebut.
Baris kursi: apa arti gratis di platform ini
Harga Sharkly punya satu variabel, yaitu jumlah orang. Free adalah $0 untuk organisasi hingga 5 orang. Team adalah $7 per pengguna per bulan dengan tagihan tahunan untuk organisasi yang lebih besar dari itu. Self-hosted dihargai per kasus. Free dan Team adalah produk yang sama, jadi paketnya tidak membatasi fitur.
Bagian yang penting untuk sebuah Crew: guest, Agent, Crew, Computer, dan Runtime tidak menempati kursi. Kursi adalah orang di dalam organisasi. Menambah Agent keenam, Computer kedua, atau Runtime ketiga tidak mengubah baris kursi. Menambah kolega keenam baru mengubahnya.
Dua catatan jujur. Sharkly gratis digunakan saat ini dan angka Team adalah harga kursi yang terpublikasi, jadi untuk sekarang frasa yang akurat adalah gratis, bukan gratis selamanya. Dan Sharkly tidak menjual token: sebuah run ditagihkan ke paket Claude Code, Codex, atau API yang sudah terpasang pada Runtime yang mengeksekusinya. Itulah sebabnya kedua baris di sini tetap terpisah, dan mengapa tidak ada satu pun ekonomi model di bawah ini yang bergantung pada platform mana yang Anda gunakan. Mekanisme paket: penjelasan harga Sharkly.
Baris token: model baru mana yang bisa Anda akses tanpa biaya
| Model | Jalur gratis | Yang bukan dari jalur itu | Akses berbayar |
|---|---|---|---|
| GPT-6 Luna | Pengguna Free dan Go, di aplikasi desktop ChatGPT | Belum di Chat, dan bukan API key | API gpt-6-luna, $0,10 / $0,50 per 1M |
| GPT-6 Sol | Tidak ada | Hanya Plus, Pro, Business, Enterprise, dan Edu, di ChatGPT Work dan Codex | API gpt-6-sol, $2 / $10 per 1M |
| Claude Opus 5.5 | Tidak ada. Claude Free hanya membawa Sonnet dan Haiku | Claude Code disertakan dalam paket berbayar, bukan Free | Pro seharga $17/bulan dengan tahunan ($200 di muka) atau $20 per bulan; Max mulai $100/bulan; API claude-opus-5-5, $4 / $20 per 1M |
Dua dari tiga jawabannya adalah tidak, dan yang ketiga punya syarat yang menentukan segalanya.
Hak akses desktop bukan API key
Inilah perbedaan yang dilewatkan sebagian besar rangkuman tier gratis, dan justru inilah yang menentukan apakah sebuah model gratis berguna bagi sebuah Crew.
Sharkly memisahkan perannya: Agent mendefinisikan bagaimana pekerjaan seharusnya ditangani, Computer menyediakan host, Runtime menjalankan sesi yang sebenarnya, dan Task tetap menjadi catatan bersama. Sebuah run dimulai ketika Task dengan Agent yang siap mencapai Computer dengan Runtime yang tersedia, dan Runtime itu melakukan autentikasi menggunakan langganan atau API key yang dikonfigurasi di tool pada Computer tersebut.
Hak akses desktop ChatGPT gratis bukan salah satu kredensial itu. Itu adalah seseorang yang login ke sebuah aplikasi di laptopnya sendiri, lalu mengetik. Tidak ada bagian dari itu yang terpasang ke sebuah Runtime, dan tidak ada bagian dari itu yang mulai berjalan saat pemiliknya tertidur. Model gratis di aplikasi desktop memberi Anda model untuk dievaluasi. Itu tidak memberi sebuah Crew sesuatu untuk dijalankan.
Jalur gratis itu tetap layak digunakan, jadi inilah pasangan keputusannya.
Gunakan hak akses desktop gratis saat ada orang yang hadir dan pertanyaannya adalah penilaian: bagaimana sebuah model bernalar tentang basis kode Anda, apakah sebuah pendekatan bertahan sebelum Anda mengalokasikan satu Sprint untuknya, apakah model itu layak masuk ke aturan routing Anda sama sekali. Itu adalah satu sore evaluasi yang nyata tanpa biaya.
Gunakan langganan berbayar atau API key saat run harus dimulai tanpa Anda. Task yang mengantre, penugasan sepanjang malam, apa pun yang dipicu rekan tim saat Anda sedang rapat. Run yang terjadi saat Anda tidak ada memerlukan kredensial, bukan hak akses.
Satu catatan perencanaan: OpenAI menyatakan model-model ini belum tersedia di Chat. Jalur gratis yang hidup di satu permukaan hari ini bisa berpindah bulan depan, dan itu adalah alasan untuk menuliskan aturan routing Anda alih-alih membentuk alur kerja mengikuti tier mana pun yang kebetulan gratis kuartal ini.
Jalur murah yang memang menggerakkan sebuah Crew
| Model Runtime | Input / output per 1M | Tuas cache | Tuas lainnya |
|---|---|---|---|
gpt-6-luna |
$0,10 / $0,50 | Diskon 90% untuk pembacaan input dari cache | Tingkat hit default lebih tinggi, dasbor caching, tool diagnostik |
gpt-6-sol |
$2 / $10 | Diskon 90% untuk pembacaan input dari cache | Breakpoint cache eksplisit |
claude-opus-5-5 |
$4 / $20 | Pembacaan dari cache $0,20, penulisan cache $5 | Batch API diskon 50%; mode cepat $8 / $40, jadi hindari |
OpenAI menyebut Sol dan Luna 50% lebih murah dibandingkan harga promosi GPT-5.6. Kualifikasi itu adalah kata dari OpenAI sendiri dan itu penting: perbandingannya dilakukan terhadap tarif promosi, bukan tarif daftar.
Bagaimanapun, caching adalah tuas yang lebih besar. GPT-6 menaikkan tingkat hit default, mendiskon pembacaan input dari cache sebesar 90%, menyertakan dasbor caching dan tool diagnostik, serta tidak lagi membatalkan cache saat Anda mengubah upaya penalaran atau ketersediaan tool. GitHub melaporkan lebih dari 50% lebih sedikit token prompt yang perlu diproses ulang di miliaran permintaan. Opus 5.5 membaca input dari cache seharga $0,20 dibandingkan input standar $4. Untuk sebuah Crew yang membaca ulang repositori yang sama sepanjang hari, tagihannya ditentukan di sana, bukan pada tarif utama.
Berapa biaya satu minggu sebenarnya
OpenAI menerbitkan satu angka yang bisa dikonversi menjadi anggaran: Sol pada penalaran extra high meraih 33,2% di AutomationBench 1.0.6 dengan biaya $0,27 per task. Menurut perhitungan kami sendiri, sebuah Crew yang menyelesaikan 40 task semacam itu dalam seminggu menghabiskan sekitar $11 pada baris model. Repositori Anda bukan AutomationBench dan angka Anda akan berbeda, tetapi pada volume tim kecil, baris model kini menjadi kesalahan pembulatan dibandingkan satu jam kerja engineer.
Perbandingan di baliknya: Sol pada extra high mengalahkan Claude Opus 5 pada penalaran max dengan 9% dari biaya per task Opus 5, dan Luna pada max meraih 66,6% di DeepSWE 1.1 dengan 93% lebih murah per task dibandingkan Opus 5. Satu koreksi berlaku untuk semuanya. Baseline OpenAI di seluruh pembahasan adalah Opus 5, karena Anthropic merilis Opus 5.5 seharga $4 dan $20 beberapa jam setelah posting itu terbit, 20% di bawah Opus 5 yang $5 dan $25 serta 40% lebih murah untuk dijalankan. Tidak ada lab yang melakukan benchmark terhadap model terkini lab lainnya, jadi anggap kedua tabel itu sebagai indikatif dan pilih berdasarkan untuk apa setiap Runtime digunakan, bukan berdasarkan papan peringkat.
Untuk ujung rentang yang lain: OpenAI melaporkan median pengeluaran coding agent para penelitinya sendiri di atas $600 per hari, dengan persentil ke-90 sebesar $7.000. Tidak ada yang mencegah sebuah Crew menghabiskan sebesar itu kecuali aturan routing yang tertulis dan batas atas yang disepakati, yang merupakan keputusan manajemen, bukan tier yang Anda beli. Jika pengeluaran sudah tersebar di beberapa tool, pelacakan biaya lintas agent lebih diutamakan daripada perbandingan harga apa pun.
Di mana paket gratis berhenti membantu
Jumlahkan kedua baris itu pada skala kecil dan totalnya benar-benar kecil: $0 untuk kursi hingga 5 orang, puluhan dolar seminggu untuk token pada tier murah. Tidak ada dari kedua baris itu yang memuat langkah mahalnya.
Agent meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menetapkan arah, memberikan kewenangan, dan menerima hasilnya. Menerima tidak punya tier gratis, tidak punya tier murah, dan tidak punya potongan harga, serta skalanya mengikuti jumlah orang, bukan jumlah dolar. Tinjauan manusia adalah kendalanya berapa pun yang dibebankan Runtime. Gratis untuk 5 orang dan $0,10 per juta token input membuat Anda murah untuk memulai sepuluh run sore ini; keduanya tidak membuat Anda lebih murah untuk membaca sepuluh hasil malam ini. Yang diubah oleh lapisan manajemen bukanlah harga sebuah run, melainkan di mana hasilnya berlabuh: eksekusi, hambatan, hasil, dan diskusi lanjutan kembali ke Task, sehingga konteks, progres, hambatan, hasil, dan tinjauan manusia tetap terlihat dari permintaan hingga rilis, dan pekerjaan yang menunggu seseorang menjadi sebuah angka alih-alih perasaan yang Anda rasakan pada hari Jumat.
Baris yang tidak pernah gratis
Gratis dan murah kini menjadi dua pertanyaan berbeda. Pertanyaan platform punya jawaban terpublikasi: $0 hingga 5 orang, $7 per pengguna per bulan dengan tagihan tahunan setelahnya, dengan key dan langganan milik Anda sendiri. Pertanyaan model punya jawaban yang lebih kecil daripada yang disiratkan judul berita, karena satu jalur gratis berjalan melalui aplikasi desktop yang tidak bisa dipakai run tanpa pengawasan, dan dua jalur lainnya tidak ada.
Kesimpulan yang berguna bukanlah tier mana yang harus dipilih. Melainkan bahwa tagihan model sudah berhenti menjadi hal yang membatasi seberapa banyak yang dikirim Crew Anda, dan tidak ada yang dirilis kedua lab pada 2026-09-22 yang membaca diff untuk Anda.
Jika Anda sudah menjalankan beberapa coding agent, Sharkly memberi Anda satu tempat untuk melihat Runtime mana yang menghasilkan hasil mana, bukti apa yang dilampirkannya, dan berapa banyak dari itu yang sedang menunggu di depan seseorang saat ini juga. Hubungkan satu Computer, buat satu Agent, dan tugaskan sesuatu yang membosankan padanya. Untuk lima orang atau kurang, bagian itu tidak memakan biaya apa pun.
