OpenAI Dev Day 全盘点：20+ 发布背后的三大趋势

OpenAI 在 Dev Day 一次性抛出了超过 20 项发布与公告。据 AI Daily Brief 的分析，OpenAI 团队内部坦言，最新一代模型（如 Astra）大幅加速了研发节奏，许多原本预计要到更晚才能落地的能力，已经提前成为这次 Dev Day 的内容。

这场发布会没有颠覆行业的既有走向，反而强化了过去一年逐渐成形的几条主线：模型变得更便宜、更高效；AI 从被动调用走向持久常驻的工作形态；而这种持久工作正从单人体验扩展为多人协作。下面逐一拆解这次发布的重点。

DOTS：OpenAI 的个人智能体答卷

Sam Altman 将 DOTS 描述为「极其强大，几乎你能想到的任何事都能做」。用户可以创建一个持久化的智能体，通过类似短信的界面与它交流，让它在自己的云端电脑上处理任务，支持多达 4 万个应用，还能通过语音通话、Microsoft Teams 和 Slack 进行沟通，并在不同服务与会话间保留上下文。

它与 Muse 在形态上高度相似，连可爱的吉祥物都如出一辙。但有几点关键差异：现阶段用户一次只能创建一个 DOT（未来将扩展为智能体团队）；更重要的是，OpenAI 只向 Pro、Business 和 Enterprise 客户开放 DOTS，而 Muse 的成功很大程度上来自完全免费。CFO Sarah Fryer 表示愿景是让 DOTS 覆盖全体消费者，但目前它仍是一款面向专业用户的产品。最大的卖点在于——DOTS 由 GPT-6 Astra 驱动，这是首次有真正的前沿模型来操控第一方个人智能体。

实际体验褒贬不一。Chase Browser 遇到了 DOT 丢失全部工作的情况；分析师 Max Weinbach 的测试则显示 DOTS 能自主完成报销处理，表现优于 Grokbot。Justin Schroeder 认为 DOTS 比 Grokbot 或 Muse 更偏向工作场景，「更像是 Codex 编排器和 Slack 协作者，而不是个人助理」，并在 Slack 中表现最亮眼。Nate B. Jones 则提醒要区分「形态」与「效用」——形态在收敛，但各家智能体擅长的具体任务并不相同。

「持久化智能体」（persistent agent）与传统对话式 AI 的核心区别在于状态保留：普通 ChatGPT 每次对话结束即清空上下文，而持久化智能体能跨会话记忆用户偏好、历史任务进度和授权凭证。这使智能体从「被动问答工具」进化为「长期驻留的数字员工」——它可以在后台自主轮询邮件、定时提交报告，而无需用户每次手动唤起。这种形态在技术上依赖两个基础设施：一是云端沙箱计算（让智能体操控浏览器和应用而不影响本机环境），二是持久化记忆与权限管理系统（确保跨会话的授权不被滥用）。目前各家厂商对持久化智能体的安全边界划定方式不同，这也是 OpenAI 搁置更高级版本 Astra 的核心原因之一。

Decisions API 与 Space：补齐生态的两块拼图

Decisions API 是 OpenAI 对 Jev 这类「判断模型」的回应。Jev 不擅长输出文本，而擅长分类、给出 0 到 1 的置信度评分——也就是做判断，这正是「决策」的前提。Decisions API 让用户调用一个模仿 Jev 快速分类能力的 Luna 版本：定义问题与候选答案，模型快速给出回应，官方宣称决策速度比 Responses API 快 10 倍。相比 Jev，它的差异化在于支持视觉输入，省去了底层的文本转换步骤，从而扩展了应用场景。目前该 API 仅向有限群体预览开放。

Space 是一个共享文档工作区，可以理解为 AI 增强版的 Google Drive：团队可协作处理表格、幻灯片等文档，也能托管工作流自动化任务，DOTS 能原生地在 Space 文档上工作。与 DOTS 的争议不同，Space 几乎一边倒地获得重度用户好评。HowIAI 的 Claire Vo 直言「DOTS 略被高估，Space 则被低估，我认识的每家公司都想要一个 AI 原生的协作工作区」。Every 的 Dan Schipper 指出，原生文档避免了智能体通过浏览器操作 Google Docs 时那种「字一个个慢慢爬出来」的延迟，协作体验更流畅。

「判断模型」（classifier/decision model）是区别于生成模型的另一类 AI 架构。生成模型（如 GPT 系列）的核心任务是逐 token 输出连贯文本，而判断模型专为快速分类和置信度评分优化——它不生成解释，只输出「是/否」或 0 到 1 的概率值。这类模型在内容审核、风险评估、实时路由等高频低延迟场景中具有天然优势。Jev（xAI 旗下）率先将这种能力包装成独立产品；Decisions API 是 OpenAI 的跟进之作，差异化在于加入视觉输入支持，让图像内容也可以直接参与判断流程，省去先用 OCR 或多模态模型提取文字再输入分类器的中间步骤。10 倍速度提升的来源正是这种架构上的专项优化，而非单纯堆算力。

GPT-6.1 Sol 与被搁置的 Astra

当天最重要的模型发布是 GPT-6.1 Sol，OpenAI 的定位是「以五分之一的价格提供接近 Astra 的智能」。它在上周刚发布的 GPT-6 Sol 基础上做出显著升级：编码基准测试全面提升，6.1 Sol 在中等设置下已能超越 6 Sol 的最高设置。在 DeepSwee 上最高得分 75.2%（high 设置），但在 extra high 和 max 设置下反而出现性能退化——这与此前 Opus 5 身上观察到的现象一致，最高努力档位开始让模型「想太多」而推翻正确答案。

在测试长程计算机使用的 OS World 上，6.1 Sol 最高得分 71.4%，超过 6 Sol 的 64.4%，接近 Astra 的 73.5%，而且提升努力档位几乎不增加成本，意味着 OpenAI 在计算机使用的效率上取得了突破。Artificial Analysis 给出 52 分，仅比 Astra 低一分，但成本效率惊人——基准测试运行成本只有 Astra 的四分之一，比 6 Sol 还便宜 31%。OpenAI 称其为「当前性能对应成本最具效率的模型」。

不过，我们可能很久都见不到 GPT-6.1 Astra。《华尔街日报》报道称，OpenAI 因安全顾虑搁置了旗舰模型下一版本的发布计划。安全系统负责人 Sachi Jain 表示，模型虽然比前代「更不偷懒」，但「在保持在授权范围内、以及如何向用户回报已完成工作的类型方面，还没达到标准」。换言之，要迈向下一代前沿，OpenAI 可能需要先攻克一些技术难关，才能达到他们认为足够安全的发布门槛。

文中提到的「努力档位」（effort level）是新一代推理模型的重要调参维度：模型在生成答案前会进行内部「思考」（chain-of-thought reasoning），档位越高，思考步骤越多，理论上越准确，但延迟和成本也随之上升。然而 GPT-6.1 Sol 在 extra high/max 档位出现性能退化，揭示了一个反直觉的现象——过度推理会导致模型推翻原本正确的答案，业界称之为「overthinking」或「reasoning collapse」。Anthropic 的 Opus 5 也观察到类似规律。这表明当前推理模型的训练对「何时停止思考」的校准还不够精准，是业界共同面对的开放性问题，也意味着单纯提高算力投入并不能线性提升输出质量。OS World 是一个衡量 AI 操控真实操作系统能力的标准化基准，任务涵盖文件管理、网页交互和多步骤应用操作，得分越高代表在真实计算机环境中的自主完成能力越强。

被低估的「小」发布：生态与护城河

除了头条产品，还有一批被认为「静悄悄却意义重大」的发布。

ChatGPT 平台化：开放给外部开发者，让 ChatGPT 有望成为类似应用商店的平台。但也有质疑声，MIT 的 Christian Catalini 发问——开发者带来应用、OpenAI 带来智能，那用户的行为数据归谁？「如果你的贡献是教会合作伙伴怎么做你的工作，这是一桩耐人寻味的合作。」

Sign in with ChatGPT：允许用户用 ChatGPT 账号登录其他应用，把智能订阅「随身携带」。Jackie Luo 认为这远不止是认证功能，而是 OpenAI 把优惠定价扩展给第三方、将服务打包进订阅，让用户不再为 token 和应用重复付费，应用也能只对应用层收费。

订阅与算力：UltraFast Mode 让 Codex 的 token 生成速度提升 8 倍、应用内提升 6 倍；新增 500 美元订阅档，用量是 Plus 的 25 倍。同时重新开放的 200 美元 Pro 档虽回归，但用量计算调整后相当于 API 成本减半——这引发了「同样模型价值缩水」的不满。背后的现实是：算力约束真实、持续且短期无解，前沿模型正撞上现有算力的天花板，由此倒逼出的效率优化，长期看会带来更具性价比的体验，但过程中难免颠簸。

模型市场：允许用户通过 OpenAI 的 Responses API 在 Codex 中购买来自 Base10 的开源权重模型推理。这对 OpenAI 的护城河意义重大——既抵御开源的冲击、给客户更多选择，也让企业能安心做出大额支出承诺，因为这些预算可以用于包含开源权重模型的多模型策略。

「Sign in with ChatGPT」在技术架构上类似 OAuth 协议（即「用 Google/Apple 账号登录」的底层标准），但其商业逻辑更激进：它不只传递身份认证信息，还将用户的 OpenAI 订阅权益（包括模型访问等级和用量配额）携带进第三方应用。对开发者而言，这意味着无需自建 AI 基础设施，只需对接 OpenAI 的接口即可向用户提供智能功能，开发成本大幅降低。对 OpenAI 而言，这是一种「平台税」逻辑的变体——不直接抽佣，而是让整个生态依赖其账号体系和订阅收入，从而在应用层建立类似 Apple ID 的黏性。这也是 Christian Catalini 质疑的根源：数据与用户关系的归属权，在这一模式下存在结构性的不对等。

三条趋势，清晰可见

把这 20 多项发布串起来，Dev Day 揭示的并非全新方向，而是对过去一年几条主线的确认与深化：

其一，GPT-6.1 Sol 和 Decisions API 延续了「足够好且足够便宜，以至于可以无处不用」的模型趋势——你不必关掉它，也不必纠结该用在哪里。

其二，DOTS 代表持久化、主动化的智能体，真正把「无处不用」落到实处；而平台插件扩展和 Sign in with ChatGPT 则意味着「无处不用」既是走出去，也是把一切接进来。

其三，Space 进一步确认下一代 AI 不只是单人模式，而会原生地支持团队与多人协作模式，尽管目前仍处于早期。

这些趋势，才是真正会重塑我们未来几个月使用 AI 方式的力量。