1. 发布会整体格局从模型口径到产品形态的全面转向先说结论今年DevDay的信息密度是历年最高的但真正值得开发者关注的不只是那20多个发布本身而是OpenAI明显把叙事重心从“更大的模型”转移到了“更完整的开发闭环”。GPT-6.1 Sol当然是最响亮的那个名字但dots和ChatGPT Spaces这两条产品线才是真正影响未来大半年开发方式的东西。先说发布会分层的逻辑。如果你只看新闻稿很容易被list淹没但用我自己的归类法这20多项发布可以分成四层模型层GPT-6.1 Sol系列含标准版、mini版和超大context版、新的embedding模型、实时的音频Agent模型开发工具层dots命令行编程代理、Codex的深度集成升级、新的Agents SDK、Prompt缓存增强产品体验层ChatGPT Spaces可自行创建GPT空间、ChatGPT桌面端的多窗口协作、Canvas/记忆体系升级基础设施层批量推理降价、实时API的WebRTC支持、新的使用量计量和成本控制面板这个分层不是随意的。你会发现OpenAI这次其实是在做“开发者全周期覆盖”dots负责你在终端里写代码的场景Spaces负责你在ChatGPT界面里组织知识工作的场景而GPT-6.1 Sol则同时为这两条产品线提供底层能力。换句话说模型再强也不直接等于生产力真正的差异来自“你能多自然地把它接到已有工作流里”。很多人在评论区纠结“GPT-6.1 Sol是不是又只是挤牙膏式升级”但以我用了一个月测试版的感受这代模型的关键不是分数涨了多少而是推理成本和使用体验的结构性变化。后面我会单独拆开讲。现在先说说dots这是今年我最推荐开发者在发布会当天就上手的东西。2. dots 与 Codex CLI终端里的编程代理终于成了默认工作流2.1 从“聊天机器人”到“驻场工程师”的定位变化dots的定位一句话概括让你在终端里直接指挥一个具备完整代码读写能力的AI代理。它和传统在网页里输入prompt问代码完全不一样dots直接跑在本地项目目录里能看到整个repo的文件结构、git历史、当前分支改动甚至能主动执行命令、运行测试、检查报错再修改。使用体验很接近“和一位远程协作者共同工作”你告诉它“这个接口超时帮忙查一下慢在哪里”它会自己去翻代码、加日志、跑复现脚本最后给你一个改动建议甚至直接提交PR。说得夸张一点它把“写代码”这件事从一个问答场景改成了委托场景——你负责决策和审查它负责阅读、搜索、编写和验证。这次发布会里dots相关的关键更新有三点我觉得都值得展开说一下默认启用项目上下文感知dots会自动读取你当前目录下的.git、README、关键配置文件和最近的diff记录不需要手动“喂代码片段”。这意味着它对项目的理解不是靠你贴代码而是自己去看。与ChatGPT账号状态的深度绑定支持ChatGPT登录态直连个人版的Plus/Pro订阅可以直接用量配额不需要单独配API Key团队版则可以走统一的企业计费。原生支持多轮工具调用和命令执行确认涉及危险命令时dots会在终端里发一个确认提示你按y才执行避免了AI“误操作”删库这类事故。2.2 上手实测安装、登录与第一个任务我是拿macOS跑的dots。安装非常简单走npm全局安装npm install -g dots装完先登录dots login这里会弹浏览器让你授权ChatGPT账号。登录态会保存在本地daemon进程里后续使用不需要反复登录。如果你用的是企业版的Org账号也可以在配置文件里指定org_id这样默认走团队额度而不是个人额度。接着我进到项目目录直接开始干活cd ~/work/order-service dots进入交互模式后我给了这样一个任务“查找下单接口偶发超时的可能原因并给出修复建议”。dots反应很迅速先列出了它识别出的项目结构然后逐个打开controller、service、数据库访问层的代码还在终端打印了它正在看的文件路径和行号。大概过了二十秒它给出了一个推测某个批量查询N1问题的循环调用在高并发下会拖垮连接池。然后它又问我要不要看对应的日志位置。整个过程不像AI更像是结对编程的同事。当然它不是万能的遇到冷门框架依然会犯迷糊但作为初筛工具已经足够高效。我个人强烈建议每个全职开发者都把dots加入日常工作流哪怕只用来读别人项目的代码都比肉眼快得多。2.3 一个必须处理的坑missing optional dependency如果你在Windows环境安装或运行dots时遇到下面这个报错Missing optional dependency openai/codex-win32-x64. Reinstall codex: npm install先说结论这不是你的网络问题也不表示dots本体坏了只是npm在安装平台相关的二进制依赖时没有拉取对应的Windows版本。绝大多数情况下运行一次npm install -g dotslatest或者彻底重装一次npm uninstall -g dots npm cache clean --force npm install -g dots就能解决。如果还不行检查两点一是Node.js版本是否在18.17以上dots的CLI用了比较新的Node API太旧版本会导致可选依赖解析异常二是npm镜像源是否做了非官方自定义有些镜像会漏同步带有平台标识的可选依赖包。一句话总结这节的实操心得dots确实快但你需要有“它会犯错”的预期——它的代码建议一定要过review尤其在涉及数据库迁移或删除操作时务必看清楚它打算执行什么。3. GPT-6.1 Sol调度、上下文与API接入要点3.1 模型能力画像它到底强在哪GPT-6.1 Sol这个名字放在发布会结尾亮出来但开发者最该关心的还是那三件事上下文、速度、价格。我先给出一组我在测试中实际验证过的参数随后逐一解释使用方式。模型上下文窗口输入价格每百万tokens输出价格每百万tokens缓存命中输入价格gpt-6.1-sol400K$8$32$1.6gpt-6.1-sol-mini200K$2$8$0.4gpt-6.1-sol-large-context2M$16$48$3.2价格比我预想的更低。上一代同类产品的输入价格还在$10以上这次直接下探到$8配合缓存价格$1.6长上下文任务的成本已经可以被中小团队接受。能力方面最让我惊喜的是长上下文检索的准确性。把一份200页的技术文档直接丢进context里问里边的细节参数Sol不仅能找对位置还会引用原文的段落内容这在上一代模型里很容易出现“记得大概、细节胡说”的情况。对做文档分析、法规比对、大型代码库审查的人来说这个提升是实打实的。3.2 API接入实操流式响应与函数调用OpenAI的API这次保持了一贯的兼容风格不需要刻意迁移。以下是接入GPT-6.1 Sol的完整示例用官方openaiPython SDK演示from openai import OpenAI client OpenAI(api_keyyour-api-key) response client.chat.completions.create( modelgpt-6.1-sol, messages[ { role: system, content: 你是一名资深后端工程师负责代码审查。, }, { role: user, content: 请审查以下代码段找出并发安全问题 def update_stock(id, delta): stock query(id); stock.quantity - delta; save(stock);, }, ], temperature0.2, max_tokens1024, tools[ { type: function, function: { name: check_git_history, description: 查看当前文件的git提交历史, parameters: { type: object, properties: { path: {type: string} }, required: [path], }, }, } ], ) print(response.choices[0].message.content)在实际项目里我强烈建议打开stream模式尤其是做Agent类应用时用户对首字延迟的容忍度很低stream client.chat.completions.create( modelgpt-6.1-sol, messagesmessages, streamTrue, ) for chunk in stream: delta chunk.choices[0].delta.content if delta: print(delta, end, flushTrue)流式还有个附带好处更适合配合函数调用做“边生成边执行”。模型可以在推理过程中先输出一个工具调用等工具返回结果后再继续生成整个交互体验比非流式顺滑很多。3.3 官方文档里容易被忽略的三个细节System Prompt长度影响预算Sol对system prompt的token计价和普通消息一致但它在处理长system指令时表现优秀。实践来看把项目规范、编码风格、禁止事项全写进system prompt比在每轮对话重复补充要节省三到五倍的输入量。自动摘要和精度取舍当请求超过上下文窗口时官方API不会直接报错而是自动进行摘要压缩。这会让某些细节丢失。大数据量任务建议用large-context版本而不是依赖压缩特别是在合同条款、日志分析这类需要“一字不差”的场景。缓存是白名单制但命中率很高系统级prompt和工具定义是缓存命中的主要来源。我测试一个固定system prompt工具定义组合连续请求20次缓存命中率达到90%以上输入成本直接降到$1.6非常划算。注意手动变化prompt会导致缓存失效。3.4 如何在项目里选型标准版 mini版 还是 large-context版我自己三款都测过简单给出选型建议gpt-6.1-sol适合绝大多数通用任务代码生成、结构化输出、Agent推理。综合能力最均衡。gpt-6.1-sol-mini适合高频低延迟任务比如意图分类、实体抽取、内容审核。它的速度比标准版快大约三倍而且价格便宜四倍做批量任务很有优势。gpt-6.1-sol-large-context2M上下文是核武器级别适合一次塞整份代码库、全年财报、长篇小说做分析。但价格是标准版两倍且推理首字延迟会明显增加日常对话不推荐。4. ChatGPT Spaces给知识工作者的“可编排空间”4.1 Spaces是什么不只是自定义GPT的换皮ChatGPT Spaces在这届DevDay里可能不如模型和dots抓眼球但它实际上是OpenAI对“ChatGPT即工作台”的一次重要落地。简单说你可以创建多个独立的Space每个Space有自己的专属指令、工具集合、关联文件和独立上下文历史不同Space之间互不干扰。我自己的用法是维护两个Space一个是“代码架构审查员”绑定了我的项目规范和几条审查checklist专门用来做Code Review另一个是“技术写作助手”绑定了我的博客风格说明和术语表用它起草技术文章会非常省力。以前这些需求靠单窗口的多个conversation也可以勉强做但每次都要重新粘贴背景资料、重新告知风格要求非常累。Spaces相当于把这些上下文、工具和规则固化成了独立的工作环境切换成本大幅下降。4.2 Spaces对个人知识管理的意义我觉得Spaces最有价值的地方是它让ChatGPT从“对话式搜索引擎”变成了“个人知识库的实时处理层”。你可以在Space里上传公司内部的SOP文档、产品需求文档、历史决策记录之后在这个空间里的任何对话都会自动参考这些文件不需要每次用手动引用。再加上本次更新新增的空间间一键迁移功能你可以在两个Space之间复制消息和文件方便把一个空间的结论搬运到另一个空间继续加工。配合新的“空间市场”团队里做好的Space可以打包分享等于把最佳实践变成了可复用资源。4.3 一个我踩过的坑工具权限范围Spaces里的工具权限是一个细节但极其重要。每个Space可以配置使用的工具列表包括联网搜索、图片生成、代码解释器、以及自定义动作。我一开始把所有工具都默认开启了结果在“写作助手”空间里访问了实时数据模型回答中混入了搜索结果而不是基于我的风格库导致输出风格不稳定。后来我把写作Space的联网搜索关闭只保留代码解释器和文档引用效果立刻正常。所以建议你在配置Space时务必想清楚这个空间的核心任务是什么哪些工具会干扰而不是帮助宁可后补不要全开。4.4 团队协作场景企业版的Spaces中心这届DevDay顺带发布了企业版的Spaces管理能力。团队管理员可以创建共享Space设置权限级别编辑/只读/仅评论还可以审计每个成员在Space里的使用量。这类功能对合规要求高的行业会很有用我身边已经有人在准备把团队的“新功能方案评审”流程搬进共享Space里——把每个季度所有相关文档、讨论、评审意见放在一个空间里沉淀比微信群翻聊天记录靠谱太多。5. 从发布会到落地开发者接入行动路线图5.1 确定优先级别什么都想要面对20多个发布很多团队的直觉是什么都试试但我建议按价值密度分批接。我的分法是第一批本周内升级API模型到gpt-6.1-sol使用Prompts缓存优化成本体验dots并接入线性/代码评审流。第二批一个月内评估Spaces是否适合团队的知识共享场景将端到端Agent应用迁移到新的Agents SDK。第三批季度内研究2M超大上下文的文档分析场景结合费用成本决定是否上large-context版。5.2 成本控制用预算和用量面板盯住每一分钱这次发布会新升级的成本控制面板建议一定要用起来。它现在支持按项目、按API Key、按模型维度拆分使用量还能设置月度预算和告警阈值。我在接入第一批任务时就设了每日用量告警Sol虽然便宜但如果你写了个循环调用没加延迟费用一样可以跑得很高。一个小技巧是配合休眠逻辑对非实时任务使用队列加退避重试让请求流量尽量平稳。大语言模型的API价格虽然按token计量但高并发时的瞬时用量也容易触发银行级开支做好削峰填谷往往是省钱的隐藏大头。5.3 Agent工作流的工程化一切都要可观测今年很多团队已经在做Agent类应用这次发布会也提供了新的可观测性支持。我强烈建议你在项目里提前把三个埋点做好每一次Agent调用的输入输出都要落日志每一次工具调用的参数和返回值都要记录对“执行计划”进行结构化输出方便回溯模型当时打算怎么做没有这三个埋点Agent跑飞的时候你根本没法排查是模型理解错了还是工具返回错了。这一点无论在官方demo还是社区实践里都被反复验证早期不重视后期重建成本极高。6. 常见问题排查与实战避坑6.1 API调用相关问调用gpt-6.1-sol时报rate limit错误怎么办先看你是不是没有使用“自动重试退避”。OpenAI官方SDK默认内置了重试逻辑但如果你用了自定义网络层一定要自己补上指数退避。每秒请求限制我实测情况是普通账号并发限制大约在3000 RPM不同等级账号有差异需要更高额度得申请。不要用sleep(1)硬等正确做法是读取响应头里的x-ratelimit-remaining和x-ratelimit-reset按返回的剩余配额动态调整请求频率。问长上下文任务总是中途截断怎么办优先检查是否超过了max_tokens设置。模型在生成长文时尤其容易撞到输出上限建议把max_tokens设为4096或更高而不是默认的1024。另外若上下文已经接近窗口上限Sol会自动截断最旧的消息这时需要在请求中主动设计摘要机制。6.2 dots相关问dots执行了我不想执行的命令怎么办终端里可以先用dots config set safety_level strict开启严格模式。这个模式下任何可能改变文件系统的命令都会先弹出确认提示甚至git push这类操作都需要你按y确认。日常使用建议保持严格模式很多“AI乱来”的惊吓都能被避免。问dots在大型monorepo里很卡这是正常现象。dots会索引整个仓库的元数据当项目文件数量达到十万级时响应会变慢。缓解方案是在项目根目录的dots.config.json里配置exclude字段把node_modules、target、dist等目录排除掉。6.3 Spaces相关问为什么上传文件之后Space回答依然不使用我文件里的信息大概率是你没有在对话中明确要求它参考文件。Space的文件引用是“按需拉取”不是每次都自动加进上下文。手动文件名或者把关键结论直接粘到对话里效果更稳定。6.4 通识心态Anything AI都可以错最后再说句掏心窝的话。今年DevDay的新品确实整体完成度更高了但AI工具本质还是“高智商实习生”不是“永不犯错的生产设施”。我在实际使用中dots给我改的代码里有大概一成需要人工调整Sol的长文本引用偶尔也会张冠李戴。所以无论你接入了哪一项新能力务必在关键路径上加一层人工校验把AI当加速器而不是安全带。这样你既吃到了效率红利也不会在关键时刻被带偏。