OpenAI 开发者大会一口气发布 20 多项更新:它盯上了整个工作流程

旧金山时间 9 月 29 日，OpenAI 在 DevDay 2026 一次公布了 20 多项产品和功能。如果只看最热闹的 Dots，很容易把这场大会理解成“又出了一个能替人干活的 AI”。但完整清单从模型、Codex、开发者 API，一直延伸到团队空间、插件分发、订阅额度、企业采购和数据保护。

这些发布并非全部当天上线，也不是每个人都能使用。把它们串起来，才能看出 OpenAI 的目标：让 AI 不只在对话框里回答问题，而是进入一个任务从产生、执行、协作、审核到付款的全过程。下面按这条工作链，看看大会究竟说了什么，以及哪些事情仍待验证。

OpenAI 发布的 DevDay 2026 回顾封面，用来标示本文讨论的大会；这不是活动现场照片。

Dots：从一次对话，走向持续负责一件事

Dots 是大会最具代表性的新品。OpenAI 给它配备由 GPT‑6 Astra 驱动的能力、独立的云端电脑和浏览器。用户连接应用后，可以交给它一个持续推进的目标，而不必每做一步都重新写提示词。OpenAI 称，这套插件生态能够连接 4000 多个应用；但接上应用并不等于自动获得其中所有权限。

官方展示的开发者场景很具体：Dot 持续观察客户反馈，发现重复出现的小问题，准备修复、运行测试，再把代码变更和演示视频送到开发者面前审核。产品负责人也可以让它在需求改变时更新发布材料；研究者可以让它在新数据到来后重跑分析、标出异常。它承诺的价值不是单次回答有多惊艳，而是把“盯着变化、整理上下文、准备下一步”这些容易耗掉注意力的工作接过去。

图中 Dot 根据反馈准备修复，并把结果交给开发者审阅；这是 OpenAI 展示的产品使用场景。

用户可以在 ChatGPT、Slack 和 Microsoft Teams 中联系 Dot，语音也在支持范围内；短信联系仍是后续计划。它可以同时跟进多个项目，并在需要决策时主动找人。这样的产品形态，已经更接近一位持续工作的助理，而不是传统聊天机器人。

不过，“一直在工作”也是最需要追问的地方。它怎样判断新消息值得处理？遇到互相矛盾的指令怎么办？任务几天后还能保留正确的背景吗？发布会展示了路径，却没有替每个团队证明长期可靠性。尤其是客户沟通、付款、代码合并这类有后果的动作，最终质量不能只用一段演示来衡量。

权限与审批，决定 Dots 能走多远

OpenAI 对 Dots 的权限做了分层。无人交互时，它的“主动研究”只能使用只读工具，不能自行发送消息、修改应用内容，也不能控制用户的浏览器或电脑。用户可以选择连接哪些应用、查看活动记录，并通过规则允许、要求审批或禁止某类动作。涉及账号和信息分享的操作会经过自动审查；改密码等敏感任务仍须由人完成。

这让 Dots 的核心难题更加清楚：代理越能跨应用行动，权限和审计就越重要。一个读写权限都很大的代理，哪怕只偶尔误解一句话，后果也可能远大于聊天回答出错。我的判断是，代理产品真正的竞争会落到三个细节上：能否准确理解授权边界，能否把每一步留给用户复查，出错时能否停下和恢复。

开放范围也需要看仔细。截至 9 月 30 日，个人 Dots 正向符合地区条件的 Pro 和 Business Premium 用户逐步开放；Enterprise、Edu、Healthcare 工作区可以由管理员开启测试版。首个 Dot 包含在相应套餐内，但更深入的工作有额度限制；让 Dot 启动 Codex 或 ChatGPT Work 任务，还会按这些任务原有的额度计算。产品页说“24 小时可用”，不应理解成无限量、无成本地执行复杂任务。

OpenAI 还预览了面向企业的“专职 Dots”：它有独立身份、凭证和明确职责，可以连接企业系统。当前是聚焦场景的企业试点，与 Microsoft Agent 365 的整合也仍在推进中。这条路的意义在于，企业不可能长期依赖某位员工个人账号来代表整个部门执行任务；代理若要成为正式岗位的一部分，就必须进入组织的身份、授权和审计体系。

GPT‑6.1 Sol：更强能力之外，OpenAI 在重算代理的成本

支撑上述工作的是模型。大会推出的 GPT‑6.1 Sol 是 GPT‑6 Sol 的升级版。OpenAI 将它定位为更适合代理编程、电脑操作和专业工作、同时比旗舰模型 Astra 便宜的选择。在官方公布的 DeepSWE 1.1 软件工程评测中，Sol 以约五分之一的任务成本达到 Astra 的成绩；在 OSWorld 2.0 的离线电脑操作测试中，它与 Astra 的分差缩小到 2.1 个百分点，任务成本约为后者的七分之一。

这些数字值得关注，也必须看清口径。它们来自 OpenAI 公布的评测，使用指定任务、工具和推理设置；“接近 Astra”不是所有工作场景里的通用结论。团队自己的代码库、业务文档和软件界面，往往会暴露出基准测试没有覆盖的问题。选型时应比较整个任务的完成率与成本，而不是只看模型一次调用的标价。

Sol 的标准 API 价格是每百万输入 token 2 美元、输出 token 10 美元，命中缓存的输入为 0.10 美元。token 是模型处理文本的计费单位。对需要反复读取固定说明、代码仓库或长文档的代理，缓存价格可能明显影响账单；但工具调用、重试、运行时长和人工复核仍要算进去。

三张官方模型卡片列出 Astra、Sol 和 Luna 的每百万 token 标准价格，便于对照 Sol 的成本定位；性能仍须按具体任务另行评估。

截至大会当天，Sol 可用于 API，以及符合条件套餐的 ChatGPT Work 和 Codex，普通 Chat 对话还不能选择它。另一个发布 Ultrafast 则解决速度问题：Astra 的高价速度档已提供，官方称 Codex 中最高可达每秒 300 token、相对标准速度最高 8 倍，API 中最高 6 倍；Sol 的 Ultrafast 还要等后续推出。更快的输出适合交互频繁的任务，长时间后台运行的工作未必值得为低延迟付费。

Codex：写代码只是开始，审查和安全也被拉进来

大会给 Codex 加上的不是单一“更会写代码”的标签。Codex Cloud 让任务在云端开发环境里持续运行，开发者可以在电脑、网页或手机上接续查看；可复用环境让团队共享获准的工具、依赖和设置。CLI 则加入语音指挥和 /agents 视图，方便分派、跟踪多个任务，也改善了恢复会话和使用 worktree 的操作。

代码完成后，新的桌面审查体验让人先看摘要、逐段差异，再向 Codex 追问潜在问题，并把反馈带到 GitHub PR 或 GitLab MR。自动审查也可以在云端先跑一轮。另一项 Codex Security Cloud 支持按需或定期扫描整个 GitHub 仓库、持续检查新提交、合并重复发现并准备修复。

把这些放在一起看，Codex 正从“替我写一段代码”延伸到“接任务、改代码、解释改动、找风险”。这会改变开发者花时间的地方，但不能把审查变成形式。测试通过只证明某些输入下代码能运行；它是否满足产品意图、是否扩大权限、是否引入安全风险，依旧需要分别判断。自动审查的价值是帮人更早发现问题，而不是提供一张可跳过责任的通行证。

Agents API 与 Decisions API：给开发者两种不同的积木

如果团队想在自己的产品里做类似代理，大会提供的是 Agents API。这个 API 在 9 月上旬已经进入公开测试，DevDay 新增电脑操作支持，使代理可以与软件界面交互。它还提供多代理协作、工具搜索与调用、上下文压缩等能力；托管环境和运行基础设施由 OpenAI 提供。与亚马逊合作的 Bedrock Managed Agents，则把相关能力带进 AWS 的资源和管理体系。

架构图把应用、OpenAI 托管的代理运行层和执行命令、处理文件的沙盒分开；虚线表示自托管时由应用控制计算环境。

另一项 Decisions API 听起来相近，解决的却是更窄的问题。开发者先定义有限的选项，再让基于 Luna 的系统根据文字或图片给出判断，例如把请求分到哪个队列、内容属于哪一类、代理下一步该走哪条路径。它在大会当天还是有限预览，OpenAI 说将在随后扩大开放。

这两种接口对应着不同的工程需求：复杂、开放式任务需要代理规划和工具；高频、答案空间明确的节点需要快速、可检查的决策。把所有事情都交给一个大代理，可能让成本和错误路径变得难以解释。我的建议是先把流程拆开：哪里允许自由探索，哪里必须在有限选项里作答，哪里必须等人批准，都应在系统设计时写清楚。

代理真正上线后，还有演示里不显眼的工作：记录它调过哪些工具，保留足够的任务日志，允许人中途接管，处理权限过期与失败重试，并评估整体完成率。API 降低了搭建门槛，却不会自动替业务团队定义“做对了”是什么。

Space 与 Pages：ChatGPT 想成为团队共同工作的地方

开发工具之外，大会还把 ChatGPT 推向团队协作。ChatGPT Space 提供共享知识、文件和页面的工作空间，团队成员、ChatGPT 和 Dot 可以在同一背景下继续工作。Pages 则是一种可由人和代理一起编辑的文档：从对话里创建，继续写作、研究、制图，再邀请同事补充意见。

Space 的共享页面中展示了入职原型和协作者标记，用来说明团队围绕同一份内容工作的方式。

这解决的并不是“AI 会不会写文档”，而是工作上下文常常散在聊天记录、网盘和会议纪要里。若代理每次都要重新找材料、猜最新版本，能力再强也难免重复劳动。Space 和 Pages 试图把资料、过程和结果留在一个能继续使用的地方。Space 已在 Pro、Business 和 Enterprise 的桌面与网页端开放；移动端目前主要支持查找、阅读和分享，创建与编辑仍待更新。

团队任务把协作再推进一步：Business 和 Enterprise 团队可以安排定期工作，也可以在新邮件或 Slack 消息等事件发生时触发任务，并共同修改任务说明。@ChatGPT 进入 Slack 和 Microsoft Teams，让同事在原有频道或对话中补充上下文，无需人人先切进 ChatGPT。会议插件可以记笔记、整理行动项并放进 Space，但目前只是 macOS 桌面端面向 Pro 和 Business 的测试版；Enterprise 尚待推出。

协作幻灯片是另一个尚未全面落地的方向：OpenAI 预告多人和代理可同时编辑、评论，并导出 PowerPoint 或 Google Slides，预计随后数周开放。把已上线的 Space、测试中的会议插件、即将推出的幻灯片混写成“现在都能用”，会让读者误判这套工作台的成熟度。

插件、Sites 与事件：第三方开发者能进 ChatGPT 多深？

插件也是这次大会的重点。新的 Plugin Extensions 允许开发者给插件建立侧边栏入口、交互面板和特定文件格式的查看器。过去外部工具常常只在对话中被调用一次，现在可以有更稳定的界面和操作空间。Plugin Creator、提交反馈、目录排序和推荐机制也被更新；用户仍需自己选择插件并批准访问权限。

官方产品页展示了插件目录的入口、搜索和热门插件列表，用于说明用户如何发现插件；画面不是 DevDay 新增扩展功能的演示。

Sites 可以装入受支持的插件，让团队成员在同一个应用里使用各自连接的数据和权限。OpenAI 还宣布支持拟议中的 MCP Events 规范：连接应用出现新任务等事件时，插件可以触发自动化。这里的关键词是“事件”。代理不再只等人发起对话，而能对工作系统里的变化作出响应；同时，事件来源、触发频率和误触发后的恢复，也会成为产品设计问题。

可分享的个人资料页则把 Sites、插件和工作区内共享的技能放到一个可发现的入口。OpenAI 在大会回顾中称 ChatGPT 有 12 亿周活跃用户，这让第三方开发者看到巨大的潜在分发面。但潜在用户不等于真实流量。插件能否被发现、授权步骤是否让人放心、离开 ChatGPT 后能否持续提供价值，才决定它是不是一门生意。这是我的判断，不是大会已经证明的结果。

登录、额度与 Marketplace：OpenAI 也在重排付款路径

Sign in with ChatGPT 是另一个值得仔细看的变化。用户可以用 ChatGPT 账号登录参与的外部工具；符合条件的 Plus、Pro 用户，还可以把部分 ChatGPT 套餐额度用于参与工具中的合资格 OpenAI 用量。首批合作方有 16 家。身份登录面向全球，与“哪些套餐、哪些工具可以共享额度”不是同一回事，不能理解成所有第三方 AI 服务都可用 ChatGPT 订阅免费调用。

新推出的 Pro 500 计划提供更高用量，官方称其额度是 Plus 的 25 倍，并包含 Ultrafast。对普通用户，这更多是分层定价信息；对重度使用代理和编码工具的人，套餐额度开始直接影响任务能跑多深、多久、以什么速度运行。今后的比较不应只问“每月订阅多少钱”，还要问额度覆盖了哪些产品、超限后如何计费、外部工具实际消耗多少。

企业侧的 OpenAI Marketplace 则是采购入口。合资格企业可以把部分既有 OpenAI 合同承诺用于购买获准的合作伙伴软件，首批公布 32 家，覆盖设计、客户服务、法律、安全等领域；当前需要企业表达意向。对开发者而言，这不仅是多一个上架渠道，还可能影响企业软件怎样被采购、结算和纳入现有合同。不过“进入名单”仍不等于获得订单，实际规则和效果要等落地后观察。

Private Intelligence：企业真正担心的，不只是模型会不会犯错

如果代理开始阅读合同、客户资料和内部代码，企业马上会问：数据去了哪里？谁能看到？保存多久？Private Intelligence 是 OpenAI 对这类问题的回应。已获批零数据保留的组织可以配置 Private Safety Processing，让自动安全审查进行的同时，不由 OpenAI 留存客户请求和回复。结合机密计算、提供更严格控制的 Private Inference 仍是计划于秋季推出的预览。

这些能力有明确适用条件，不能写成所有用户的数据都自动进入同一保护级别。企业落地还需要自己完成数据分级、权限划分、审计、合同审核和应急处理。模型能接触什么、代理能替谁行动，比一句笼统的“隐私安全”更重要。

这场大会的主线：OpenAI 想接住整个工作过程

回头看这 20 多项发布，最值得注意的不是某个单品有多强，而是它们开始互相咬合：Sol 和 Astra 提供不同成本的能力，Dots 与 Agents API 承接长期执行，Codex 把开发工作闭环，Space、Pages 和插件留下协作界面，Sign in 与 Marketplace 接住分发和付款，Private Intelligence 处理企业数据边界。

我的判断是，OpenAI 正尝试从“提供模型和聊天产品”走向“提供工作的基础设施”。这并不保证它能占据每个环节。现有办公软件、开发平台和垂直应用都有自己的用户、数据和流程。OpenAI 要证明的，是把这些环节接起来之后，任务真的完成得更快、更稳，而且成本与风险可接受。

普通用户可以先看 Dots 是否能在一个具体、低风险的长期任务中减轻跟进负担；开发者应测试 Codex 和 Agents API 对自己真实流程的完成率、人工接管次数与总成本；企业则先把身份、权限、数据与审批边界画清楚。发布会已经给出一幅完整蓝图。下一步决定它价值的，不是发布项数量，而是人们能否放心把真实工作交给它，并在必要时随时接手。