OpenAI个人智能体要添新搭档!

dots 是 OpenAI 的个人智能体，9 月 29 日在 DevDay 上发布。它自带一台云端电脑，全天候在线。盯着一个目标，它能连轴跑长任务。首发时给它当大脑的，是当家旗舰 GPT-6 Astra。

现在这套大脑要扩容了。Tibo 说，前沿模型系列正在扩展。Astra 之外，Terra 即将入列。后面还会塞进更多型号。

真正值得注意的是他第二条推文。dot 会为任务挑选最合适的模型，不同环节换不同的人来上。

这套机制有个名字，叫任务路由。用户看不见它，只能看见结果。

一句话，改动很深。以前用 AI，是选定一个模型干到底。升级之后，是一事一议、按步换模型。

对用户来说，差别很直接。跑腿的步骤交给快模型，你不用干等。烧脑的环节留给旗舰，好钢用在刀刃上。时间和成本，两头都能压下来。

听上去是笔稳赚的买卖，问题在于谁来判断哪一步该谁上。

Tibo 给 Terra 的定语有两个：更快，还有「性格」升级，聊起来更讨喜。速度之外，OpenAI 显然想让它更像个能长期共处的助手，而不是一台只会跑分的机器。

先看实力。第三方评测平台 Vals.ai 的综合榜上，Terra 得分 60.17%。28 个参评模型里，它排第 10。跑分不算拔尖。但它精确命中了用户最在乎的两件事：快，而且便宜。

官方还甩出一个更抓人的数字。在电脑操作评测里，Terra 的速度是 Astra 和 Sol 的 3 倍以上。

3 倍这个数，得打个折听。评测比的是单科百米冲刺。实际工作是一场障碍接力赛。总耗时多久，除了看最难啃的骨头，还要看交接高不高效。交接磨蹭，前面省的全还回去。

Terra 的强项在电脑操作。看懂屏幕、填表格、点按钮，在不同软件之间来回切换，这些活它干得快。真正烧脑的那一步，该想多久还得想多久。谁也替不了旗舰。

比起速度，价格差得更狠。按标准 API 的普通输入输出单价算，Astra 是 Terra 的 10 倍。Sol 是 Terra 的 2 倍。

换算成钱更直观。输入这一侧，Astra 10 美元、Sol 2 美元、Terra 1 美元。输出这一侧，50 美元、10 美元、5 美元。同一件活，账单能差出一个数量级。

API 单价不等于订阅费。也不等于总账单。可 dots 一跑就是几十步。单步省一点钱，乘上几十个回合，省的就不是一星半点。

让旗舰镇场子就行。专攻最难的推理，别的别麻烦它。让它包揽每一步，等于拿算力和时间一起烧。

换句话说，Terra 不是来抢 Astra 的班的。它是来干那些不值得动用旗舰的活的。

挑模型这件事，一直是用户自己的苦差事。连 Tibo 都忍不了。

这不是矫情。模型越多，选择的成本涨得越快。三套脾气你还能记住，十套就是十本说明书。

今年 10 月，他在 Lenny's Podcast 吐槽 AI 设置太繁琐。原话是：你简直得有个「模型选择器博士学位」。想让 AI 干活，先得摸清每个模型的脾气。这还没开工。前面先摆着一道超难的选择题。

所以 dots 从第一天起，就砍掉了模型选择器。你唯一要选的，是哪个渠道跟它搭话。这次升级把颗粒度推深一层。以前按任务选，现在按步骤换。

举个职场人最熟的例子。你让 dot 做一份项目延期汇报，流程要走四步。第一步，从文档里扒出进度和预算。第二步，核对几张表格里的数据。第三步，分析项目为什么延期。第四步，把结论排成 PPT。

这四步的难度完全不在一个档次。扒资料拼的是眼疾手快。表格数据打架时，判断哪个口径可信最吃推理。做 PPT 又考验提炼和排版。

全程让最贵的 Astra 包办，就像请首席科学家帮你填 Excel。钱包和耐心会一起滴血。可要是全交给快模型，分析延期这一步又容易想不透。而这恰恰是汇报里最值钱的部分。

这套分工逻辑，制造业早就在用。贵的设备不干粗活，粗活交给专用机台。dots 现在干的，是把这条产线搬进一次对话里。

最聪明的解法是流水线：哪一步擅长就让谁上，不必所有环节都上最贵的。

只是官方还没亮出调度规则。不能断定分析一定归 Astra、排版一定归 Terra。还有一点容易混。这是同一个 dot 在后台换模型，和一群智能体同时开工是两码事。

所以前台会很清爽。你只管提要求，后台派谁上场，dot 自己排班。

替用户选模型，OpenAI 一年多前就干过。那次翻车了。2025 年 8 月 7 日，GPT-5 发布。最响的卖点是实时路由：每条提问由谁回答，系统自动分配。

发布前，奥特曼还特意吐槽过旧版模型菜单，嫌它乱成一团。

打脸来得飞快。上线第一天，实时路由就趴窝了。奥特曼不得不公开认栽，说自动切换故障让 GPT-5 显得逊色不少。

折腾几天后，OpenAI 把模型菜单加了回来。GPT-4o 重回报付费列表。一年多过去，阴影还没散。中文技术社区 LINUX DO 上，已经有人警觉：这会不会又是一次「动态降智」？

那次事故里最伤的不是慢。你在对话框里看到的是 GPT-5，却没法确认回答你的是不是它。

也有人在 Tibo 推文底下追问。那 dots 现在用的到底是 Sol 吗？模型选择权一旦收进黑盒，用户连谁在替自己干活都分不清。

更何况这次的调度更难。GPT-5 的路由只替每次提问挑模型，是一锤子买卖。dots 要在同一项长任务里排班，玩的是多棒接力。排班越细，交接出错的风险越大。

前一步扒的资料，换个模型能接住吗？改了口径，做 PPT 的会不会还在用旧数据？跑偏了，能当场揪出来吗？

交接一旦翻车，快模型省下的时间，还不够填返工的坑。你愿意花钱看 AI 表演？还是想让它们真正把活干好？

真正的难点从来不是省算力，是省了算力还不把活干砸。

Tibo 说，Terra 会帮 OpenAI 把 dots 带给更多人。这话听着像客气。但「更多人」三个字，说到底指的是价格。

现在的 dots 还是高端玩家的专属。个人用户想尝鲜，得先订每月至少 100 美元的 Pro。20 美元的 Plus 用户，至今用不上。

100 美元一个月，一年是 1200 美元。这个价买的不是某个模型，是一个替你排班的调度台。

有位网友说得很实在：Tibo，我不想要 dot，我想要 Plus 多给点用量。

如果 dots 足够便宜呢，他还想不想要？这个问题官方没回答。更快更便宜的 Terra，确实让门槛近了一步。

但长期追踪 AI 新功能的 TestingCatalog，只回了三个字。有待实测。

这三个字其实很准。效果好不好，要过上线后的四道检验。复杂任务要等多久？跑一次烧多少额度？中途要救火几次？交付的能不能直接交差？

这四个问题，比列表里多一个 Terra 要重要得多。

它们决定你是在用一个助手，还是在伺候一个玩具。风向其实已经变了。模型选择器没有消失，只是从你的屏幕搬进了智能体的脑子里。

赛道上也不止 OpenAI。Meta 有 Muse，马斯克有 Grok Bot。Google 有 Gemini Spark。三家都在抢「个人第一助手」的入口。

用户把任务交出去，省下的不只是打字时间。还有挑模型、等结果、改错重来的心力。

最聪明的模型已经不再稀缺。会看活派人、一次把活干利索的管家，才稀缺。这是两种完全不同的能力。