OpenAI,你这是让我用 AI,还是让我管 AI?

OpenAI 这次，连 AI 的电脑都配好了。

有浏览器，能连接应用，碰到编程任务，还能找 Codex 帮忙。你结束聊天，它已经接下的工作可以继续做。

这是这届开发者大会推出的 dots。按照官方介绍，它能在自己的云端环境里处理持续性的任务，遇到需要授权或由用户决定的事情，再来找人。

挺有意思。人给 AI 派活，AI 还能把其中一部分交给另一个 AI。

dots 跨设备接续（官方示意）

同场更新的 Codex，也把开发环境搬得更完整了。代码仓库、依赖和工具提前准备好，后续任务接着用，不必反复折腾配置。

让这些任务长时间跑下去，费用当然得算。于是，OpenAI 又拿出了 GPT-6.1 Sol，主打以较低价格提供接近旗舰的能力。

同时推出的，还有每月 500 美元的订阅档位，给需要更高用量和加速能力的用户。

这 20 多项更新串起来，OpenAI 的打算就清楚了。它希望你交给 ChatGPT 和 Codex 的事情越来越多，也越来越完整。

我对这件事有兴趣，但期待很具体。工作交出去以后，最好真能少操点心，别忙了一圈，最后还得自己重做。

写代码之前，通常得先把环境准备好。

项目用什么软件包，版本是否匹配，测试怎么运行，哪些服务需要访问权限。这些东西没配对，代码写得再漂亮，也可能运行不起来。

Codex 这次升级的云端环境，就在处理这部分麻烦。

开发者选好代码仓库后，可以让 Codex 检查项目、安装依赖、测试运行流程。确认准备妥当，再把环境保存并发布。

后续任务便能从这套已经准备好的环境开始。每个新任务都有独立工作区，但可以复用同一套环境配置。

Codex 云端环境（官方示意）

今天修问题，明天加功能，不必反复交代项目应该怎么启动。

这也不是 Codex 第一次上云。旧版本已经支持云端任务、安装脚本和环境缓存。此次变化，是把环境的准备、发布和复用做得更完整。

对于需要长期维护的项目，这比一次生成多少行代码更贴近日常需求。

毕竟，程序很少写完一次就再也不动。修改需求、补测试、处理兼容问题，才是反复发生的工作。

如果每次开始前都要重新折腾环境，节省下来的时间很容易被抵消。

任务放到云端以后，也不必依赖眼前这台电脑持续开着。电脑休眠，云端仍可运行。用户回来后检查改动，也可以通过手机跟进。

不过，本地任务不会自动获得这项能力，必须事先选择云端运行。

安全检查同样可以放在云上。Codex Security Cloud 能扫描 GitHub 仓库，关注新的代码提交，并针对发现的问题准备修复补丁。

补丁仍需要人检查，不能把自动生成修复方案理解成自动安全上线。

从准备环境到检查结果，这些环节被放得更近了。对开发者来说，少在几个地方来回切换，往往比多一个演示功能更有用。

Codex 主要处理开发任务，dots 接手的范围更宽。

一份研究需要持续补充，一项工作要隔几天跟进，项目资料会不断更新。用户希望前面交代过的背景还能用，不用每次回来都从头解释。

dots 想处理的，就是那些一次聊天结束不了的事情。

dots 云端电脑（官方示意）

这样的产品确实有吸引力。但让它长期接触应用和文件，权限就不能含糊。

整理客户邮件，和替你回复客户，是两件事。帮忙检查文件，和直接删除文件，也不是同一项授权。

OpenAI 在 dots 的规则里写得很具体，让它起草回复，不代表允许它发送。

可能影响账户或对外分享信息的动作，需要经过自动审查，判断能否继续、是否需要批准，或者必须交还给用户。

它可以主动研究已连接应用中的信息，但这部分研究使用只读工具，不能发消息、修改应用内容，也不能控制电脑或浏览器。

我不觉得这些限制是多余的。

能连续干活当然好，可一旦理解错了要求，连续执行也可能把错误放大。研究资料找偏了，可以重来。邮件发错对象，或者改动了共享文件，处理起来就没那么轻松。

所以，dots 能否让人放心使用，很大程度上取决于它是否知道什么时候该停。

需要用户拿主意时来问一句，比擅自替人做完更合适。

任务能够持续运行，费用也会持续产生。

这次发布的 GPT-6.1 Sol，正好补上了成本这一块。OpenAI 对它的定位，是在复杂编程、电脑操作和专业工作中，以较低费用提供接近 GPT-6 Astra 的表现。

标准 API 价格为每百万输入 token 2 美元、输出 10 美元，缓存输入 0.10 美元。

token 是模型处理内容时使用的计量单位，缓存则可以降低部分重复输入的费用。

只问一个问题，价格差别可能不明显。让模型反复读代码、修改、运行测试，再继续修改，调用费用就会累积起来。

如果较便宜的模型已经能把任务做好，就没必要每一步都使用最贵的型号。

但接近旗舰，不等于所有任务都能替换。便宜的模型如果频繁返工，最终账单未必更低，用户等待的时间也可能更长。

OpenAI 同时提供了另一个方向的选择。

GPT-6 Astra 的 Ultrafast 模式，官方称 token 生成速度最高可达标准模式的 8 倍。

这项加速针对 Astra，不能套到 GPT-6.1 Sol 身上。它衡量的是内容生成速度，也不是整个任务的完成速度。

下载依赖、运行测试、等待外部服务，仍然需要时间。

在 Codex 和 ChatGPT Work 中，Pro 500 及符合条件的企业、教育套餐可以使用 Ultrafast。

订阅内额度按标准模式的 8 倍速度消耗，额外购买额度和企业按量付费另有计费倍率。

一边推出费用更低的模型，一边提供更贵的加速档，OpenAI 给用户留下了不同选择。

不急的任务，可以控制费用慢慢跑。需要尽快拿到结果的任务，可以多花一些额度。最后还是得算整件事的成本，不能只盯着模型输出得有多快。

这几项更新放在一起，OpenAI 这次想做什么就比较清楚了。

Codex 减少开发环境上的重复劳动，dots 接长期任务，GPT-6.1 Sol 降低部分调用费用。

大会还公布了团队共享工作区、文档协作和会议记录等更新，工作开始有更多部分可以留在同一套产品里。

我的判断是，OpenAI 正在争取用户每天处理工作的时间。

过去，用户可能问完一个问题就离开。以后，如果项目环境、资料和待办都留在这里，再回来继续做就会方便一些。

对 OpenAI 来说，这也是用户持续使用和付费的理由。

不过，方便不能只体现在发布会上。

早期体验仍有不足。Every 的上手文章认为 dots 已有实用价值，同时也提到了不少 bug。长期任务越多，恢复中断、检查结果和处理权限的细节就越重要。

这也是我对这届大会的期待。

电脑合上后，任务继续运行，只完成了一部分。等用户回来时，最好能直接看到做好的内容、已经检查过的结果，以及少数需要自己决定的事情。

如果还得从头翻记录、找错误、补遗漏，那只是把盯着屏幕的时间挪到了后面。

能少一些这样的收尾工作，Codex 和 dots 才算替用户省下了时间。