OpenAI DevDay 核心发布：DOTs 个人助理与定价调整

在 Sam Altman 于旧金山举行的 OpenAI DevDay 大会上，最引人注目的发布是名为 DOTs 的个人助理服务。这一概念并非全新，早在今年一月，奥地利开发者 Peter Steinberger 发布的 Claudebot 就因 GitHub 上最快增长记录而受到关注，随后他被 OpenAI 雇佣继续开发此类想法。然而，竞争对手 Meta 的扎克伯格近期推出的 Muse 免费个人助理让 OpenAI 感到压力。作为回应，OpenAI 推出了 DOTs，这是一个基于 GPT6 Astra 模型的个人代理。用户只需为它起一个名字，它就会通过可爱的虚拟形象介入用户的数字生活。DOTs 的核心功能包括回复 AI 生成的邮件、重写后端代码，甚至能根据开发者当天偏好的语言（如 DHH 喜欢的 Ruby）进行重构。这种服务旨在让用户在无需实际工作的情况下显得高效，但也引发了对互联网内容质量下降的担忧。

"Sam Altman 在舞台上宣布，每月花费 $100，他们将提供另一个可爱且完全无害的个人助理。"

在演示环节中，Sam Altman 展示了名为 Alfred 的 DOTs 代理。Alfred 被指示在旧库存 API 被关闭前移除它，随后它遵循现代软件工程的最佳实践：追踪依赖关系、更新集成、运行测试，并向仓库提交了三个由 CEO 账户发出的 PR（Pull Request）。这一演示揭示了 AI 代理在自动化代码维护方面的潜力，但也暴露了潜在的风险：大量由 AI 生成的 PR 可能迫使人类开发者审查从未有人类目光注视过的代码。另一位演示者 Holly Lee 试图证明 DOTs 在非预录视频中的实时工作能力，但现场表现依然艰难。此外，域名恶作剧成为话题焦点：DOTs.com 属于一家已倒闭的女装品牌，而 dot.com 则由 XAI 持有并重定向至 Grokbot 的着陆页，这被戏称为近年来最好的域名玩笑之一。

订阅层级重构与 Ultraast 速度层

为了支持 DOTs 等高算力需求的服务，OpenAI 对订阅层级进行了重大调整。新的 Pro 500 计划每月收费 $500，提供比 ChatGPT Plus 25倍的使用量，并允许访问名为 Ultraast 的新速度层。Ultraast 以 300 tokens/秒的速度运行 Astra 模型，极大地提升了响应速度。在 API 层面，Ultraast 的定价为输入每百万 tokens $60，输出每百万 tokens $300。当 Sam Altman 公布这一价格时，现场观众发出了惊叹声，甚至有人表示“值得”。这种高价策略旨在吸引那些对延迟极度敏感的企业级用户，尽管普通开发者可能会感到价格门槛过高。

与此同时，原有的 $200 月度计划重新上架，但其使用量被削减了一半。对于预算有限的用户，OpenAI 推出了 GPT-6.1 Soul（原文提及为 GPT 6.1 Soul，描述为接近 Astro Intelligence 的智能水平），价格仅为前者的五分之一。其 API 定价为输入每百万 tokens $2，输出每百万 tokens $10。这一价格与上周发布的 GPT6 Soul 完全一致。这种分层定价策略清晰地划分了高端高性能需求与基础智能需求的用户群体，通过价格杠杆引导不同层级的开发者选择适合的服务。

模型/服务层级 API 输入价格 (每百万 tokens) API 输出价格 (每百万 tokens) 备注
Ultraast (Astra 模型) $60 $300 Pro 500 订阅包含，速度为 300 tokens/秒
GPT-6.1 Soul $2 $10 接近 Astro Intelligence，价格约为前者的五分之一
GPT6 Soul (上周发布) $2 $10 价格与 GPT-6.1 Soul 完全相同

Decision API：结构化输出的革命与 Typesafe AI 的相似性

Sam Altman 在大会上还宣布了一项名为 Decision API 的新功能。其核心理念是改变传统的大语言模型使用方式：不再让大型模型生成段落文本再从中解析 JSON，而是将小型的 Luna 模型与固定的答案列表结合。用户预先提供一组有限的选项，Luna 模型会在几分之一秒内从中选择一个答案。这种机制确保了输出格式的绝对确定性，消除了传统大模型在结构化数据提取中常见的格式错误和重试循环问题。

"Instead of asking a big model to write a paragraph and then parsing the JSON out of it with a retry loop, you hand their tiny Luna model a fixed list of answers and it picks one in a fraction of a second."

为了说明这一优势，演讲者举了一个荒诞但具代表性的例子：构建一个面向“同性恋驴子”的约会应用，每条消息都需要根据其可用于勒索的有效性进行分类。传统方法需要将每条消息发送给全功能语言模型，等待数秒以获取伦理判断和 JSON 输出。而使用 Decision API，用户只需提供有限的分类选项（如“高价值勒索”、“低价值闲聊”等），模型会在几百毫秒内返回其中一个选项。由于模型物理上无法回答列表之外的内容，开发者无需进行解析或重试处理。值得注意的是，这种功能与两周前由 OpenAI 研究员创立的 Typesafe AI 公司发布的 Jev 模型功能高度相似，后者同样专注于快速类型决策。这表明 OpenAI 正在将原本由第三方初创公司验证的市场需求内部化，通过官方 API 提供更稳定的服务。

OpenAI 生产力套件与 Sign in with ChatGPT 的变现逻辑

除了模型和 API，OpenAI 还展示了一系列基于无限 token 上下文窗口构建的生产力工具克隆版。其中包括类似 Google Docs 的 Pages、类似 Notion 的 Space，以及类似于 Claude Tag 的 Slackbot。这些工具的发布展示了 OpenAI 试图将其 AI 能力深度嵌入日常办公流中的野心，通过提供无缝的集成体验来增强用户粘性。然而，本次大会中最具商业潜力的发布实际上是 Sign in with ChatGPT。

这一功能允许用户通过其 ChatGPT 账户登录第三方应用程序，并直接使用他们自己的 token 余额进行交互，而非消耗开发者的资源。对于开发者而言，这意味着降低了用户获取成本（CAC），因为无需为每个用户的请求支付 API 费用；对于 OpenAI 而言，这构建了一个庞大的生态闭环。

"Sign in with ChatGPT lets your users log into your app with their chat GBPT account and burn their own tokens instead of yours."

该功能首发时已集成 16 家合作伙伴，包括 Devon、Notion、Verscell 和 OpenClaw。然而，这种合作伴随着一种隐性的商业逻辑：如果第三方应用因使用 ChatGPT 登录而变得过于流行，OpenAI 可能会直接克隆该应用。这种“既当裁判又当运动员”的策略使得开发者在依赖 OpenAI 生态时面临巨大的竞争风险。因此，对于需要构建关键决策逻辑（如 Decision API）的应用而言，拥有模型权重或部署本地化解决方案可能更为安全。

赞助商技术对比：Fastino Labs 与 Jev 的性能差异

视频后半部分介绍了本次内容的赞助商 Fastino Labs，重点对比了其开源模型 Gliner 2.5-tiny-side 与 Typesafe AI 的 Jev 在意图路由和结构化输出任务上的表现。Jev 虽然因提供快速的类型决策而走红，但其权重是封闭的，且仅能在其云端运行。相比之下，Fastino 推出的 Gliner 2.5-tiny-side 是一个开源权重模型，允许开发者在本地部署并拥有完全的控制权。

"Fastino's Gliner 2.5 to side is an openweight model that makes those same calls locally and up to eight times faster."

根据视频中的测试数据，Gliner 2.5-tiny-side 在本地运行时的速度比 Jev 快最多八倍。此外，Fastino 还发布了一个名为 Glide 的新模型。在意图路由、事实核查和幻觉检测等关键指标上，Glide 以显著优势击败了 Jev。这些性能数据表明，开源模型在特定垂直任务上已经具备替代闭源前沿模型的潜力。对于开发者而言，选择 Fastino 的模型不仅意味着成本降低（有案例显示运行浏览器代理的成本比 Jev 低 36 倍），还意味着数据隐私和部署灵活性的提升。Fastino 提供的推理 API 也被宣传为替换前沿模型的最快途径，开发者可通过特定代码免费试用。

结论

OpenAI DevDay 2026 的核心信息表明，OpenAI 正从单纯的模型提供商向全方位的生产力生态构建者转型。通过发布 DOTs 个人助理，OpenAI 将 AI 代理的概念商业化并设定了高昂的价格门槛（$100/月），同时通过 Pro 500 ($500/月) 和 Ultraast 速度层服务于高端企业需求。在技术层面，Decision API 的推出标志着 OpenAI 开始标准化结构化输出任务，直接竞争 Typesafe AI 等初创公司。然而，最具战略意义的发布是 Sign in with ChatGPT，它通过让用户消耗自己的 token 来降低开发者门槛，从而扩大生态规模。但这种模式也伴随着 OpenAI 直接竞争合作伙伴的风险。对于开发者而言，这意味着在享受生态红利的同时，必须考虑模型所有权和本地化部署（如使用 Fastino 的开源模型）以规避被平台克隆或锁定的风险。整体而言，AI 应用的重心正从“生成内容”转向“代理执行任务”，而谁能控制这些任务的底层逻辑和成本结构，谁就能在下一轮竞争中占据主动。