大家好，我是娜娜。如果你把一个项目交给 AI，关掉电脑，第二天回来，它应该给你什么？一段写得很漂亮的回答？还是已经往前推进的工作？9 月 29 日 OpenAI 在旧金山举行 DevDay 2026，公布了超过 20 项更新：新模型、更快的生成速度、云端编程工具、团队协作空间，全都挤在同一场发布会上。但把这些发布连起来看，有一个变化特别值得关注：OpenAI 正在把 AI 的工作单位从一次提问延长到一项持续性的职责。
这次最能体现这个变化的产品叫 Dots，它是全天候运行的个人智能体，有自己的云端电脑和浏览器，可以在你授权连接的应用中工作。你给它目标、划定可以自己做主的范围，它就能持续跟进；在有进展或者需要你决定时，再把事情交回来。听起来像是给每个人配了一位 AI 同事，但一个同事的价值显然不能只看他会不会说话。
工作能不能接住、背景能不能记住、出了变化能不能跟上，以及什么时候必须停下来问你，才决定了你敢不敢把事情交出去。这也是这场大会真正要回答的问题。先看一个很小的例子，OpenAI 分享了一位早期测试者的经历：他忘了向一家出版机构开具发票，自己的 dot 发现了这件事，把发票准备好，在得到他的批准后发了出去。
这个案例没有复杂的技术表演，却很能说明产品想解决什么：发现遗漏、准备材料、等待确认、完成后续动作。这几步原本都要占用人的注意力，现在用户需要介入的环节被收到了那个真正需要拍板的地方。过去你可能会让 AI 帮你写一张发票，然后自己记着什么时候发；Dots 想接住的是从发现这件事到把它推进完的整个过程。
一个具体动作背后开始有了持续的责任。在软件开发场景里，这条链会更长。按照 OpenAI 展示的工作方式，dot 可以持续关注客户反馈、整理高频问题、准备代码修复、运行测试，最后把代码改动交给开发者审核。开发者回来时看到的可以是供审查的修改结果，而不只是一个建议列表。
研究工作也一样。新的实验数据进来之后，dot 可以重新跑分析、调查异常、更新图表和相关解释。这里重要的是工作会随着信息变化继续往前走，用户不用每次都重新打开一个窗口，再把前一次的背景讲一遍。内容制作也有类似的连续工作：在 OpenAI 展示的场景里，新的文字稿到来后，dot 可以先整理重点和笔记。
准备不同平台的发布文案，再交给创作者审阅；创作者提出反馈之后，相关物料也能继续调整。这个过程里最容易消耗注意力的是同一条修改意见需要反复传递；任务能够保留上下文，才有机会减少重复说明。对于使用者，检验这种能力可以很具体：改过的要求有没有落实到后面的成果里？相关物料是否还保持一致？
支撑这种连续性的是他自己的执行环境，以及跨沟通入口延续的项目背景。你可以在 ChatGPT 里交代任务，也可以到 Slack 或 Microsoft Teams 里跟进；换一个地方说话，仍然在处理同一件事。不过这里有个很实际的条件：云端任务可以在你关闭电脑之后继续运行；如果任务需要连接你本机的文件或工具，本机就仍然要保持可用。
把工作搬到云端，解决的是执行环境能持续运行的问题；不会让一台已经关掉的电脑继续提供本地资源。目前 Dots 正逐步向符合地区条件的 Pro 和 Business Premium 用户开放；企业、教育和医疗健康工作区需要管理员开启测试。首个 dot 包含在相应套餐里，而它委派给 Work 或 Codex 的任务仍然会按对应规则消耗额度。
所以想让 AI 持续接活，紧接着就会遇到两个问题：它可以动哪些东西？以及持续工作要花多少钱？先说权限。Dots 在没有用户新消息时，可以主动研究获准访问的信息、寻找变化、整理笔记；但这类主动后台研究使用的是只读工具，不能直接发送消息、修改应用内容，也不能控制浏览器或桌面。
如果研究发现了一件值得处理的事，后续执行仍然要经过相应授权和检查。对于已经交代、授权明确的任务，dot 可以按规则推进；用户也可以设置自定义规则决定哪些操作允许执行、哪些要先批准、哪些禁止。这种区分很关键：读取一条客户反馈和代表公司回复客户，是两个不同的权限；发现一份文件过时和直接修改共享资料，也有不同的后果。
一个长期运行的智能体需要在这些动作之间保持边界。OpenAI 还明确规定：永久删除数据每次都需要用户确认，修改密码则交给用户亲自完成。用户可以查看活动和进度、补充信息或者暂停它。我觉得能否少打扰人，又在关键地方及时请示，会比全天候在线这几个字更考验产品。
每一步都询问，管理成本会回到用户身上；授权之外还继续行动，用户就很难放心连接核心业务。真正有用的自主性需要和明确的责任范围放在一起。权限划清之后，还要算经济账：一次回答的费用和一个项目里反复读取资料、运行代码、检查结果的费用差别很大。工作链越长，模型就越需要多轮调用；单价会持续影响可以安排多少任务？
OpenAI 在大会上也披露了内部研究的使用情况：按 API 价格折算，截至 8 月中旬，研究人员每日推理使用量的中位数超过 600 美元；使用量处于前 10% 的研究人员超过 7000 美元。这是折算后的推理使用量，并非研究人员个人支付的账单。这组数字让持续使用的成本变得直观：模型参与研究需要反复推进任务，调用量会累积。
要把这样的工作方式带给更多用户，除了提高能力，还要让用户能够承担持续执行的费用。这次推出的 GPT-6.1 Sol 就是这套工作产品里的另一块重要支撑。OpenAI 称 Sol 在智能体编程、电脑操作和专业工作方面接近 GPT-6 Astra，而标准输入输出 token 单价都是 Astra 的 1/5。
以短上下文标准 API 价格计算，Sol 每百万输入 token 是 2 美元，输出是 10 美元；Astra 对应是 10 美元和 50 美元。Sol 的缓存输入价格是每百万 token 0.1 美元，Astra 是 1 美元。缓存输入可以帮助理解为什么这个差距和长任务有关：一个智能体反复工作时，可能需要多次带上相同的项目说明和背景。
符合缓存条件的重复内容可以按缓存输入价格计费；对这种工作方式来说，反复使用同一份背景资料的成本也是一笔需要考虑的开销。能力上，OpenAI 给出的软件工程测试 DeepSWE v1.1 结果显示 GPT-6.1 Sol 达到了与 Astra 相当的表现；在 OSWorld 2.0 离线电脑操作测试里，最高推理强度下 Sol 的成绩与 Astra 相差 2.1 个百分点。
单任务成本约为 Astra 的 1/7。这些数据把选择变得更具体：对于符合这类任务特征的工作流，开发者可以考虑用更低成本的模型承担更多执行。Dots 本身由 GPT-6 Astra 驱动，Sol 则为其他编程和工作任务提供了一个成本更低的选择。OpenAI 同时推出了 Ultra Fast 的速度档，在 Codex 中 Token 生成速度最高达到每秒 300 个。
最高是标准速度的 8 倍，在 API 中最高提速 6 倍。发布时先支持 GPT-6 Astra、GPT-6.1 Sol，的 Ultrafast 还在后续推出计划中。这次也新增了每月 500 美元的 Pro 500 套餐，额度是 Plus 的 25 倍，并提供 Ultrafast 使用权。但在 Codex 和 Work 中 Ultrafast 消耗套餐额度的速度也是 Standard 的 8 倍。
高额度和高速模式要放在同一张账单里看：如果你正在等一轮代码修改完成，等完才能决定下一步，更快的生成就有实际价值；如果任务可以在后台慢慢跑，对速度的要求可能没有那么高。模型单价和生成速度被分别定价之后，用户需要根据工作流程选择，而不是只看套餐里的最大数字。
不过买到模型能力还不等于有一套能持续交付的软件开发流程：代码写完要有环境运行、要测试、要审查，也要检查安全问题。Codex 这次的更新就是把这些环节进一步接起来：Codex 可以在云端运行，开发者能通过电脑、手机或其他设备安排任务；团队还可以预先配置可复用的开发环境，把批准的设置和权限放进去。
让后面的任务从共同的配置开始。这解决的是很具体的工程问题：如果每次接任务都要重新准备运行环境，长期工作的连续性就会被准备过程打断；环境能够复用，用户才更容易把注意力放回任务本身。新的 Codex CLI 支持用语音启动和引导任务，增加了查看多个智能体工作的 Agents 视图；复杂任务拆开之后，用户可以跟踪不同部分的进度。
桌面端的代码审查则让人查看摘要和代码差异、询问潜在问题；开启自动审查后，Codex 可以在云端先完成一轮检查。Codex Security Cloud 进一步处理安全扫描：它可以按需或者定期扫描整个 GitHub 仓库，持续检查新提交、调查发现、去重并准备修复。相关工作在云端进行，合上笔记本也能继续写代码、验证改动、准备审查结果。
这些环节开始被放进同一套持续运行的环境里，对开发者来说，最终要接收的成果也从一段代码扩展到了带有检查过程的改动。外部开发者还可以通过 Agents API 使用其中一部分能力：这次接口加入电脑操作，同时提供多智能体、工具搜索、工具调用和上下文压缩。底层基础设施由 OpenAI 管理，其中上下文压缩尤其贴近长期任务。
执行过程中历史信息会不断增加；压缩的作用是保留继续工作需要的关键状态，让任务不必把所有过程原样带到后面。开发者则负责定义自己的任务、连接工具和数据，把进度展示给用户。另一项 Decisions API 使用 Luna 的能力处理预设有限答案的选择：开发者提供文本或图片，再给定问题和选项。
返回结果可以用于分类、请求分流或者决定智能体下一步动作；它目前处于有限预览阶段。这两类接口放在一起也能看出工作流需要不同的判断方式：开放任务需要规划和执行，流程中的一些节点则只需要在明确选项里做出选择。开发者可以围绕具体环节组织能力，而不必把所有事情都塞进同一种问答形式。
当工作能够持续执行，下一步问题就是成果放在哪里、别人怎么接着做？ChatGPT Space 和 Pages 回答的是这个问题。Space 把相关页面、文件和项目背景组织在一起，让团队成员 ChatGPT 和 dot 围绕共享资料协作；Pages 则是其中的文档载体，可以写作、做研究、生成图表和图片。
也可以邀请团队成员编辑和评论；一个页面因此可以同时承载工作成果和后续任务的背景，有人提出修改意见，智能体能够围绕这份正在协作的内容继续处理。资料与结果之间的联系开始留在共享空间里，对于团队，这比个人拿到一份好答案更进一步。项目经常要经过不同的人：前一个人的讨论、后一个人的修改，以及智能体使用的背景需要接得上。
共享页面提供了一个让大家回到同一份工作、内容上的位置。会议也可以成为这些任务的资料入口：Meetings 插件会记录会议，生成带行动事项的总结，保存在 Space 里。用户可以将纪要保持私密或者与团队共享，再让 ChatGPT 据此更新项目计划。纪要完成后，音频会被删除、无法访问或回放；这让会议里的决定有了继续推进的位置。
它的价值要落到行动事项上：谁需要处理什么？计划发生了哪些变化？后续任务有没有接住？记录能够成为项目背景，才有机会减少会议结束后重新整理、重新分派的工作。Space 和 Pages 已向 Pro Business Enterprise 用户推出；支持多人和智能体共同编辑的协作幻灯片则计划在未来几周开放，并支持导出到 PowerPoint 或 Google Slides。
OpenAI 还在开放 ChatGPT 的应用界面：插件可以有自己的侧边栏入口、交互面板和文件查看器。开发者获得的空间从提供一个可调用的工具，扩展到了让用户直接在对话旁边操作产品。配套的 MCP 事件支持则让连接的应用能够触发自动化：例如项目看板出现新任务，ChatGPT 可以读取关联文档、起草计划。
任务的起点由外部变化触发，就不必完全依赖用户每次主动回来发指令。账户和付费方式也在跟着变化：Sign in with ChatGPT 让用户通过 ChatGPT 账户登录合作工具，首批 16 家合作方包括 Devin、Notion、Vercel 和 OpenClaw。参与工具中的合格 OpenAI 使用可以计入 Plus 或 Pro 套餐额度，用户能够控制各工具可使用的份额。
这意味着 ChatGPT 的订阅开始承接跨应用使用，用户可以在不同产品里消费同一套额度；第三方工具也有机会借用已有的账户关系。对 OpenAI 来说，工作发生在哪个界面，与底层使用谁的能力和额度，开始可以分开。外部工具接进来之后，权限还要继续跟着用户走：用户选择插件并批准每个插件的访问权限。
团队成员使用接入插件的站点时，也依照自己的连接数据和权限工作；共享了工作界面，仍然需要分别管理能够访问的内容。企业侧的 OpenAI Marketplace 则允许符合条件的客户将现有承诺消费额度的一部分，用于获批的合作伙伴软件；首批合作伙伴有 32 家。这进一步把模型采购和软件采购联系起来。
走到这里，这场大会的产品逻辑就比较完整了：Dots 负责接住持续职责；模型和速度档提供不同成本的执行选择；Codex 与 API 提供执行环境；共享空间承接资料和成果；插件与账户体系再把外部软件连接进来。我更在意的是这套产品能不能减少人为了让 AI 工作而付出的管理时间；持续运行只是起点。
用户修正目标之后，后续工作能否跟着调整？任务遇到阻碍，能否把问题说清？交回来的结果是否真的可以使用？这些才会决定长期委派有没有价值。如果 AI 做了更多事，用户却要花更多时间核对、追问和返工，那么工作量只是换了位置。发票案例之所以有说服力，就在于它把发现遗漏和准备材料接走，把需要批准的决定留给了人。
OpenAI 这次展示了一种更连续的协作方式，也把费用、权限和成果交接这些问题摆到了产品中心。下一步要检验的就是这些能力放进真实项目之后能不能稳定地接住责任：一个值得长期留下来的 AI 同事，应该让你离开时工作仍在合理范围内推进；让你回来时能够看懂发生了什么。
并把注意力放到真正需要你判断的地方。能做到这一点，全天候在线才会变成用户拿得回来的时间。好了，以上就是本期视频的所有内容；如果你喜欢本期视频，不要忘记订阅、点赞、分享，这样就不会错过每一期的精彩内容。感谢收看，我们下期再见！