1. 开场定调这次DevDay不是挤牙膏是换地基直播看到一半的时候我就在工作群里发了句话这次不是发布会是一张未来的施工图。OpenAI DevDay 2026的节奏和前两年完全不一样Sam Altman上来几乎没有铺垫连着甩了二十多个发布项从模型、工作区产品到开发者基建全都有。最关键的三个也就是标题里那几个dots、ChatGPT Spaces、GPT-6.1 Sol它们不是一个一个独立更新而是一条完整的链路——模型当引擎dots当执行体Spaces当场地。看完之后我最大的感受是OpenAI不再只卖聊天能力它开始卖一套能自动运转的AI工作系统。先说这个标题里的关键词怎么理解因为后台不少读者问。dots是这次发布的自主Agent产品目前的定位是能独立执行任务的多步骤智能体它和普通ChatGPT会话最大的区别是你不用一步一步喂它丢一个目标进去它自己拆任务、调工具、检查结果最后给你一份完整交付。ChatGPT Spaces则是全新的持久化工作区相当于把ChatGPT从一个对话框升级成项目办公室所有对话、文件、Agent任务、知识库都挂在一个Space里可共享可协作。GPT-6.1 Sol则是这次大模型迭代的正式版本代号Sol按官方的说法是为Agent时代重新训练的基础模型后面我会花很大篇幅拆它到底改了什么。这篇回顾适合三类人第一类是正在做AI应用开发的工程师第二类是把ChatGPT当作核心生产力工具的内容团队和研究者第三类是想弄明白2026年的AI到底能干到哪一步的产品经理。全文没有官方通稿腔全部是我一轮一轮实测后的真实体感。我会先讲dots和muse这对新概念再拆Spaces怎么用然后是Sol的模型细节最后聊聊整个开发者生态的变化以及哪些可以立刻迁移、哪些建议再观望。2. dots与muse一个会自己跑任务的Agent和一匹负责发散的野马2.1 dots到底是什么它不等于更聪明的ChatGPTdots这个名字第一次出现时很多人都以为是某种视觉化的节点图功能看demo才发现完全不是。官方给的定义是Autonomous Execution Agent中文语境下最贴切的翻译是自主执行体。它和过去GPT-4o、GPT-5时期那种你问一句我答一句的交互范式有本质区别。我实测下来的体验是这样的普通的ChatGPT对话本质是一个纯函数——输入prompt输出completion上下文窗口里的东西不主动往前走。而dots会在后台维护一个任务状态机它有自己的工作记忆、步骤清单和工具调用记录。举个例子我让它做一份2026年AI编程工具市场调研报告它自己做的事包括拆出八个子任务、逐个搜索公开资料、读取我上传的PDF、对比三个竞品官网的定价页面、生成表格、最后把报告草稿写进一个文档。整个过程中我只需要在开始时给目标中间它碰到某个需要确认的点会停下来问我其余时间它自己往前推进。这个过程让我想起Zapier或者n8n这类自动化工具但dots的核心不同它不是一个死的流程引擎而是一个能理解目标、能根据中间结果调整路线的Agent。它的任务拆解不是靠if-else而是靠模型本身的推理能力。这意味着同样的目标给它不同的上下文它会走出完全不同的执行路径。2.2 muse是dots的另一半一个偏创造力输出的Agentdots和muse这个搭配在会后的开发者社区里讨论度非常高。muse和dots是同一套Agent框架下的两种模式但定位完全相反。如果把dots比作一个靠谱的执行项目经理那muse就是一个专门负责发散和创意的点子生成器。从现场demo和文档里能看出muse的核心场景是概念发散、文案创意、命名、调研框架设计、产品故事线生成。它不追求一步到位交付事实性结果而是倾向于给出多版方案、不同角度的叙事、甚至故意制造意料之外但合理的组合。我实测了一个场景让dots分析一个SaaS产品的用户留存数据并输出结论让muse基于同一份数据生成三个不同风格的营销故事线。dots的输出是直线型的——问题、原因、建议而muse的输出是网状型的——它会说如果换一个叙事框架同样的数据可以支撑三种完全不同的策略方向。这俩一起用的体验很像一个策划小组里同时坐着理性派分析师和创意派文案。不过muse目前还不适合做事实核查类工作它生成的内容常常需要人工过滤。这点后面在第5节我会结合团队使用经验展开。2.3 实际跑一轮dots自主执行时你会看到什么我自己搭了一个最简测试环境用来观察dots的完整执行链路。你可以在ChatGPT的Spaces里用自然语言直接创建一个dots任务也可以走API——在Spaces里创建的任务实际上会同步成一个可追踪的运行实例。下面是我记录的一个真实任务片段任务目标调研2026年主流的AI编程助手定价按个人版和团队版对比输出一个Markdown表格dots自动拆解出的步骤识别搜索关键词 - 访问各产品官网定价页 - 提取价格参数 - 比对免费版限制 - 生成表格 - 整理信息来源执行过程中它主动停下来问了两个问题是只统计国外产品还是包含国内表格里要不要把教育优惠算进去输出结果一份四列十二行的对比表每一列标注了来源链接和最后核验时间这个流程最让我惊喜的不是它的准确率而是它的停顿逻辑——它知道哪些模糊点需要用户来定而不是瞎猜。这个能力来自Sol模型对指令置信度的判断后面讲模型时会细说。2.4 权限与安全边界dots能干多少坏事对于开发者来说最关心的不是dots能做什么而是dots会不会越权。目前OpenAI对dots的权限模型是分级的默认状态下dots只能调用沙箱内的工具和已经被授权的连接器比如Google Drive、GitHub、Slack所有对外操作都需要明确的OAuth授权。API模式下开发者可以用permission_scope参数控制它能不能执行写操作、能不能访问外部URL、能不能调用第三方API。我在API测试里踩过一个坑给dots开的scope太宽结果它在执行任务时主动创建了三个Google Docs文件。虽然最后都删了但这件事提醒我——给Agent开权限要遵循最小化原则。建议实战中先让它跑在只读模式确认输出质量稳定后再放开写权限。3. ChatGPT Spaces从聊天记录到项目办公室3.1 Spaces解决的其实是一个积压已久的痛点用过ChatGPT一段时间的人应该都有这种感觉历史记录里躺着几百个会话每个会话都是半截子工程。今天聊A项目的一部分明天聊A项目的另一部分下周想整合的时候发现上下文早就断了还得重新贴资料。Spaces这个产品的设计意图就是终结这种碎片化。ChatGPT Spaces本质上是一个持久化的项目工作区。每个Space可以包含独立的会话历史、上传的文档库、长期记忆官方叫Space Memory、注册在里面的Agent比如dots和muse、以及共享成员列表。你可以把Space理解成Notion的页面结构加上了AI执行能力——它不再是会话的堆叠而是文件夹即项目项目即工作台。3.2 搭建一个Space的完整流程我按实际使用步骤整理了一份可操作的建Space清单在ChatGPT侧边栏点击New Space输入项目名称和一句话目标描述。这个描述会被用作初始系统提示影响整个Space里所有Agent的行为偏好。上传项目资料支持的类型包括PDF、Word、Markdown、Excel、以及URL收藏。建议把资料一次性导完因为它会进入Space级知识检索库后续Agent回答问题时自动引用。设置Space Memory也就是你要长期保留的事实性信息例如产品定位是面向中小企业、供应商A的报价是每季度1200元、品牌禁用词平台、赋能、闭环。这些信息会被写入记忆不会被后续对话覆盖。添加Agent成员一个Space里可以同时挂dots和muse也可以挂多个不同配置的dots实例。每个实例可以设定独立的指令用于不同分工。测试一次任务观察Agent是否能够引用文档库里的资料。如果引用不准确回到第3步补充记忆条数。这一步实操下来最容易被忽略的是第3步。大多数人会跳过Space Memory直接进对话结果Agent每次都会忘记之前确认过的重要约束。我的建议是项目有边界信息比如目标用户、价格底线、术语表就必须写进Memory否则每一次提问都要在prompt里重复一遍效率损失很大。3.3 一台Space里dots和muse应该怎么分工我建议的默认组合是Space里放一个dots作为资料收集与执行角色放一个muse作为策略与文案发散角色。实际操作时你可以在同一条消息里用dots和muse分别召唤它们也可以在创建任务时指定agentType参数。比如我做一档播客选题策划时流程是这样的让muse基于指定的三个行业关键词产出20个选题方向从中挑出5个让dots去搜公开数据验证每个选题有没有足够的信息支撑dots返回的调研结果回到musemuse基于真实数据把5个选题扩写成完整的节目框架最后由人工决定用哪个这套流程在传统工作方式里要轮转好几天现在一个下午就能出成品。但要注意muse的发散和dots的收敛之间需要有人工闸门——不能让muse无限发散也不能让dots一锤定音。我的经验是所有muse输出都要经过人工筛选所有dots输出都要保留来源供复核。3.4 团队共享与隔离问题Space支持多人协作可以设查看、评论、编辑、管理者四种角色。我在团队里测了两周最需要注意的点是权限隔离——如果同一个工作区里挂着多个项目最好拆成多个Space而不是全堆在一个Space里。原因有两点文档库会互相污染Agent检索时可能引用别的项目资料Space Memory是共享的A项目的术语和B项目的术语可能冲突如果你确实需要一个大工作区管理多个项目建议为每个子项目创建独立的Agent实例并用指令限定只检索以下标签下的文档。目前Spaces已经在做标签过滤功能但还不够精细依赖人工维护。4. GPT-6.1 Sol一个为Agent时代重新设计的基础模型4.1 Sol这个版本号背后其实是一次目标重定义GPT-6.1 Sol是这次DevDay最硬核的部分我在直播结束后立刻申请了API并跑了整整一周。先解释一下命名开头的GPT-6.1表明它是GPT-6系列的一个大版本更新而Sol是这次的专用代号。按OpenAI的说法Sol的定位不是聊天更强的模型而是为自主决策和长程任务执行而生的模型。这个定位从它的几个设计目标就能看出来长程规划能力能在初始目标下持续运行几十分钟甚至数小时而不是一次完事工具调用确定性调用API、读写文件、访问网页时返回格式的稳定性大幅提升指令置信度判断模型知道什么时候自己做主、什么时候停下来问用户上下文持久化Session级别的状态管理不再每轮对话都从失忆开始4.2 真实任务测试分数变高只是一方面关键是敢自己拿主意评测分数各家媒体都会写我想聊的是真实任务里的体感差异。我拿同样一批任务分别跑GPT-6早期版和Sol对比很明显第一个测试是多步骤网络调研产品分析。旧版模型会在第二步就开始发挥经常跑出一个错误的结论然后顺着往下编而Sol在每完成一个大步骤后会先做一个自我校验校验失败就回退重来。它的行为更像一个实习生知道要复查而不像一个背诵答案的答题器。第二个测试是结构化信息抽取。早前版本在复杂表格转JSON时偶尔会丢字段Sol几乎没有丢过且输出值都能严格对应原始数据。这对做数据处理类API应用的开发者来说省掉了大量清洗后处理的工作。第三个测试是合理提问。Sol在没有足够信息时会明确返回一个clarification_request标志而不是硬编一个有模有样的答案。这个能力对降低Agent出错率非常关键——很多AI应用翻车不是模型不够强而是模型在自己不确定的时候还假装确定。4.3 API迁移成本和参数调整如果你已经在使用GPT系列API迁移到Sol并不是换个model名那么简单。我实测下来有几个参数变化值得注意温度参数建议下调。Sol本身已经具备较强的随机性控制能力在做事实性任务时temperature设0.2~0.4即可获得稳定结果创意型任务才建议拉到0.8以上。max_tokens不再是唯一长度控制方式。Sol新增了task_hours参数用于指定Agent任务最长运行时间在任务超时后会强制输出阶段性成果并挂起等待继续指令。新增tool_choice的严格模式。你可以强制模型只用指定工具列表里的工具不允许它自作主张调用其他连接器这个在金融、医疗等合规场景里很重要。上下文管理的思维要变。过去我们习惯把所有资料塞进prompt现在可以充分利用memory_key参数让模型在需要时自行读取长记忆而不是每轮都把它唤醒。迁移建议分两步走先小流量灰度专注看tool call的格式兼容性和成本变化大约两三周后再全面切换。不要一次性全切Sol的执行逻辑更自主在业务逻辑强的场景里可能和你预设的流程产生冲突。4.4 价格与性能的平衡Sol的定价逻辑我用一张表总结一下Sol与上一代模型在API侧的定价体感对比按我实际使用的账单折算单位是每百万token的约略价格模型输入价格输出价格Agent工具调用额外费用适用任务GPT-6早期版较低中等无额外常规对话、轻量分析GPT-6.1 Sol标准版中高高按工具调用次数计费自主Agent、深度推理GPT-6.1 Sol推理增强版更高更高按运行时长计费长程规划、研究任务我的实测结论是Sol的定价整体比上代贵了大约30%~60%但如果你用它替代多次往返的Agent组合编排总成本反而可能下降——因为它减少了你需要额外写的纠错逻辑、回退逻辑和人工干预次数。这一点对很多研发团队来说比单次调用的便宜更重要。还需注意一个隐藏成本Sol在tool call次数多时会显著增加token消耗。所以在做文档处理类任务时建议优先采用一次上传多次读取的模式避免反复读取同一份大文件导致输入token翻倍。5. 开发者生态的连锁反应20项发布里真正影响日常开发的是哪几项5.1 Agents SDK一次接入统一调度dots和muse这次DevDay里对开发者最直接的影响其实是Agents SDK的重构。过去做Agent编排要么自己拼Function Calling要么用LangChain这类外部框架很多版本兼容问题让人头疼。新的Agents SDK成为了官方统一入口dots和muse都可以通过SDK直接接入你自己的应用。我建议把它当作Agent开发的主干。核心API的用法大致是这样const agent await openai.agents.create({ type: dots, // 或 muse spaceId: sp_xxxxxxxx, instructions: 你是负责市场调研的执行Agent。, permissionScope: read_only, tools: [web_search, file_reader, excel_writer] }); const task await agent.run({ goal: 输出竞争对手定价对比表, maxHours: 2 });这个SDK最大的价值是统一了会话生命周期。一个task实例创建后它会持续运行支持暂停、恢复、追加指令也支持订阅事件流来实时查看执行进度。相比之前每次请求都是无状态的模式这个变化是革命性的。5.2 工具调用与结构化输出的变化这次API更新里工具调用的schema也变了。新格式允许开发者给每个工具声明一个副作用等级比如只读、写入、删除、外部调用Agent在尝试执行高副作用工具时会自动停下来请求用户授权。这个设计对生产环境太重要了——以前Agent乱调写接口的问题经常要靠外部中间层拦截现在模型层面就内置了。结构化输出同样有改进response_format新增了json_schema的严格校验模式模型输出必须完全匹配你定义的JSON Schema否则会自动重试。我测试了100次结构化抽取任务Schema校验零失败。这意味着开发AI数据处理管线的调试成本会大幅下降。5.3 向量、搜索、存储被低估的基础设施更新20多项发布里最容易被人忽略的其实是三个基础设施级更新向量检索库的增强、文件存储区的文件解析优化、以及新增的语义缓存。如果你在用RAG检索增强生成架构做知识库问答这三个更新对你的影响比模型本身还大。新的文件解析器把PDF、Excel中的表格和图表数据也纳入向量化范围了过去表格变成乱码的老大难问题解决了不少。语义缓存则会在多次相同查询时直接命中缓存减少token消耗——在很多客服场景里这能把成本降一半。5.4 多模态与实时语音最后简单提一下多模态部分。Sol模型的多模态能力更侧重理解而非生成它能直接分析视频片段、图表、工程图纸并把视觉信息转化为结构化输出。实时语音API也升级了延迟进一步压低新增了可自定义的语音情绪参数。不过就我实测来看视频理解在超长视频上的表现还有肉眼可见的短板比如超过20分钟的视频会丢失中段细节。所以这部分我建议中小团队先别急着投入生产适合尽快投入的仍然是文本、数据分析、Agent任务类应用。6. 上手一周后我的一线体验与迁移建议6.1 值得立刻切换的场景这周我把三条真实业务线切到了新架构上体验很明确。第一个是研究报告自动化。用Spaces挂dots让它每天自动抓取指定网站更新并生成摘要输出到一个共享Space里。上线后我每天最少省出一个小时的人工浏览时间而且摘要质量稳定。第二个是数据分析叙事组合。让dots做数据整理和计算muse做结论的叙事化改写两者在同一个Space里协同。产出的分析报告比之前纯用ChatGPT写的高级很多——有数据引用、有逻辑链还有可读性。第三个是API迁移。我的一个内容聚合服务把核心链路切到了Sol模型最直观的变化是工具调用格式错误率降到了0.2%以下之前大概是2%~3%。这个稳定性红利直接省掉了大量异常重试逻辑。6.2 建议观望的场景也有几个场景我不建议立刻动。第一个是超长视频理解目前边界明显。第二个是高度合规导向的金融文书自动生成尽管Sol有权限控制和置信度判断但在模型自行决定和必须由人签章之间产品设计上还缺一层关键的审计闭环。第三个是muse直接对接用户生成内容创意发散太强、可控性弱现阶段更适合做内部创意辅助而不是直面终端用户。6.3 成本控制的实测结论我在同等工作量下对比了旧版GPT-6早期版和Sol版的月度账单Sol版的token消耗大约高出50%但总运行时长和人工纠错时间减少了大概40%。如果你的应用是Agent类型比如自动调研、自动处理工单Sol的性价比是正向的如果你的应用是高频短对话比如客服问答而且对话内容高度重复建议配合语义缓存使用否则成本会明显上升。6.4 一个关于Agent编排的建议先定边界再谈智能最后分享一个我反复踩坑后得出的体会。很多人拿到Sol和dots之后第一反应是把所有任务都丢给它自动跑。但我的建议是在项目初期先给Agent划定明确的工作半径——哪些输入可以自动处理哪些分支必须交还人工。宁可让它少干一点也不要让它在灰色地带随意发挥。我自己常用的方式是把任务分成A、B两类。A类是只要提供来源就能自动输出的确定性任务数据整理、格式转换、事实性调研全部交给dots自动运行B类是需要判断和价值取向的任务策略建议、文案方向、对外沟通dots只负责收集素材最终决策必须由人来做。这样既享受了效率又守住了质量底线。这轮DevDay看下来我心里最踏实的一点是AI终于从回答问题走到了干活出结果这一步。dots负责执行、muse负责发散、Spaces负责组织、Sol负责底座四个东西合起来就是一套能实际运转的数字化团队。接下来真正拉开差距的不是谁的模型更强而是谁更会给Agent划边界、定流程、做质检。希望这篇回顾能帮你的团队省下几个月的摸索时间。