OpenAI DevDay 2026:发布 Dots 智能体、ChatGPT Space 与 GPT-6.1 Sol

OpenAI 于 9 月 29 日举办 DevDay 开发者大会,发布了由 GPT-6 Astra 驱动的常驻个人智能体 Dots,它能够主动处理工作与个人事务,仅在关键检查点寻求用户批准。大会还推出了人类与智能体协作的工作区 ChatGPT Space,以及价格仅为 Astra 五分之一的 GPT-6.1 Sol。
Key insights
Dots:由 GPT-6 Astra 驱动的常驻个人智能体
OpenAI 在 DevDay 2026 上发布了 Dots,这是一款配备专属云端计算机和浏览器的常驻智能体,能够编写代码并运行测试。Dots 可主动推进任务,仅在关键检查点寻求用户批准,同时兼顾工作与个人事务,例如编辑董事会演示文稿、部署代码、订购蛋糕以及处理日程冲突。它可连接 ChatGPT 中已关联的 4000 多款应用,后续还可通过短信和电话与其取得联系,其底层由 GPT-6 Astra 驱动——Sam Altman 称其为 OpenAI 对齐程度最高的模型。每位用户起初将拥有一个 Dot,后续计划推出 Dot 组合;用户可以限制其使用的应用,并为其操作编写自定义指令。
ChatGPT Space:人类与智能体协作的工作区
ChatGPT Space 以页面为核心进行组织,用户可以在页面上撰写计划、开展研究并生成图像与数据,页面和文件统一存储于同一空间,类似于云盘。用户可在评论中 @ 自己的 Dot 来分配任务,页面还可承载常设指令,例如每天检查某个 Slack 频道。斜杠命令可插入交互式图表、表格和可运行的原型;在演示中,一个名为 Dotty 的 Dot 将数据转换为每小时刷新一次的可筛选柱状图,并把 Slack 私信中提到的入职数据整理成常见问题解答(FAQ)。演示文稿支持功能已在规划中,该格式专为智能体的可读性而设计。
Dots 已经改变了 OpenAI 的内部工作方式
在 OpenAI 内部,每个 Dot 在公司 Slack 中都拥有自己的身份,员工将其视为自己的代理人,把零散的请求转发给它们,并从一开始就将 Dot 拉入群聊。在一场模拟音乐播放列表应用 Blossom Music 发布前夜的演示中,Dotty 重新安排了一场被提前的评审会议,审阅了测试人员夜间提交的反馈,并使用演示者笔记本电脑上的 Codex 构建了重新设计的主页,先在 iPhone 模拟器中运行,随后提交了 PR。工程师的 Dot 会认领反馈频道中发布的漏洞并提交修复 PR;公司表示,其 Dot 每天修复数十个漏洞,而 Dots 产品本身的许多部分也出自 Dots 之手。
企业级专家型 Dots 问世,并集成 Microsoft Agent 365
Dots 与 Space 于发布当天面向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放,Dot 对话包含在订阅计划内,而不占用配额。企业客户可预览专家型 Dots(Specialist Dots):由企业配置的虚拟同事,可承担会计、市场营销或法律等工作,由公司为其设定目标与背景信息,其产出经审核后,反馈将在全公司范围内共享。OpenAI 还正与微软合作,将专家型 Dots 接入微软的企业智能体管理工具 Agent 365,使企业能够借助现有的微软工具对其进行管理。
GPT-6.1 Sol 将成本降至 Astra 的五分之一;UltraFast 速度达每秒 300 个 token
GPT-6.1 Sol 以五分之一的价格提供接近 GPT-6 Astra 的能力,缓存输入的价格比标准输入低 95%,旨在满足开发者的日常主力模型需求;Altman 表示,Sol 在某些方面比 Astra 更聪明。新的 UltraFast 高速档位可提供每秒 300 个 token 的速度,其价格为标准档位的六倍、速度为标准档位的八倍,现已在 API、ChatGPT 和 Codex 中可用,并在演示中以快于标准档位的速度构建了一个 DevDay 主题的火箭。售价 500 美元的 Pro 500 订阅提供相当于 Plus 套餐 25 倍的配额以及 UltraFast 访问权限,Pro 200 则重新开放并涵盖所有前沿模型。Decisions API 预览版将 Luna 模型限定为从预定义选项中进行选择,从而将响应时间缩短至一秒以内。
OpenAI 称模型如今已能协助开展其自身研究
后训练研究负责人 Tejal 介绍了用于改进 OpenAI 自身研究流程的模型:其中一个模型以循环方式优化了计算机操作框架,其产出的改动使生产环境中的延迟改善幅度提升逾一倍;另一个模型改进了监控与拒答训练,助力 Astra 在计算机操作压力测试中取得行业领先成绩。内部数据显示,今年夏季之后研究 token 消耗量大幅上升:1 月份,模型最多能处理 15 分钟的任务;而到 7 月,超过三分之一的需耗时一整天的研究任务已能在无人干预的情况下完成。Astra 级别的模型已协助解决了 100 多个悬置数十年的数学公开难题,并在针对耐药性感染的抗生素研究、古代语言、可再生能源和工业机器人等领域做出贡献。