OpenAI 的 2026 开发者大会在凌晨开了？发布了这些产品！

凌晨看完一长串 AI 新品，你最想知道的，可能只有一件事：

“明天上班，这些东西到底能替我做什么？”

北京时间 9 月 30 日凌晨，OpenAI 的 DevDay 2026 给出了一个越来越具体的答案。

它想让 AI 接手那些需要持续跟进、反复修改、跨软件处理的工作。

为此，OpenAI 一口气补上了多块拼图：

• 持续在线的个人 Agent Dots

• 人和 AI 共同协作的 ChatGPT Space

• 更便宜的 GPT-6.1 Sol

• 面向高频判断任务的 Decisions API

• 面向 Pro 500 用户的 Astra Ultrafast

• 可复用的 Codex Cloud 开发环境

• 以及向第三方应用延伸的 Sign in with ChatGPT 和 Plugin Extensions

把这些发布放在一起看，小编的判断是：OpenAI 正在争夺你每天组织工作、分配任务、检查结果的那个入口。

Dots：把需要持续跟进的工作，交给一个长期在线的 Agent

过去用 AI，是打开窗口、提问、拿答案，然后自己继续。Dots 想把这段关系延长。

按官方介绍，每个 Dot 都有自己的云端电脑和浏览器，能利用授权应用、对话背景和偏好，在两次交流之间继续推进工作；需要你判断时，再把问题带回来。

任务也因此变了。过去让 AI“整理这份采访录音”，现在可以交代一项持续工作：“跟进这个选题，归档新材料，发现信息冲突时提醒我，采访结束后准备初稿，发布前交我审核。”

这只是示例，不代表它能稳定包办所有环节，但说明了方向：AI 开始承担一段工作过程。

真正有价值的部分往往不显眼：谁还没回复？哪份材料更新了？原结论还成立吗？什么事已经拖到必须处理？

这些事不难，却不断打断注意力。如果 Agent 能可靠地接住这些跟进，人省下的是大量“重新进入工作状态”的时间，持续工作的能力也有清楚的边界。

Dots 正面向符合条件的 Pro、Business Premium 和 Enterprise 账户逐步开放，受地区、年龄和管理员设置影响。

与 Dot 对话不占普通 ChatGPT 对话额度，但它发起或管理的 Work、Codex 任务仍按对应规则消耗用量。

云端任务可在电脑关闭后继续；需要操作本地电脑的步骤，则要求电脑在线并保持相应应用运行。理解这些区别，才知道自己委托了什么。

ChatGPT Space：给人和 AI 一张共同的办公桌

当 AI 开始持续工作，一个很实际的问题随之出现：它做出来的东西，放在哪里？

这就是 ChatGPT Space 的位置。

官方介绍中的 Space，把文件和 Pages 放到同一处，让用户能够直接编辑内容，与 ChatGPT 一起修改，并邀请其他人查看、评论或协作。

看上去，它包含不少熟悉的办公软件功能。

但把它和 Dots 放在一起，产品逻辑就清楚了：持续工作的 Agent，需要一个可以持续更新、让人随时查看和接手的地方。

以一份客户方案为例。

今天更新了需求，明天调整了报价，后天又补充了竞品材料。如果所有内容散落在聊天记录、附件和不同版本的文档里，AI 写得越快，团队可能越难确认哪份才是最终版本。

一个共同的工作空间，有机会减少这种混乱。

人可以修改重点，AI 可以补充资料，同事可以留下反馈，后续任务围绕同一份内容继续展开。

这也是小编认为 Space 值得关注的原因：AI 的价值，需要在团队真正使用的文件和流程里兑现。

GPT-6.1 Sol：长期使用 AI，开始需要认真算账

支撑这一切的，是模型能力和使用成本。

这次发布的 GPT-6.1 Sol，官方定位是以更低成本，提供接近 GPT-6 Astra 的复杂编程与专业工作能力。

这里的“接近”需要按具体任务理解，不能直接当作所有场景中的效果相同。

但价格变化很明确。

按照官方 API 更新记录，在输入长度不超过 272K tokens 的标准计费档位下，GPT-6.1 Sol 每百万 tokens 的价格为：

• 输入：2 美元。

• 缓存输入：0.10 美元。

• 输出：10 美元。

相比 GPT-6 Sol，缓存输入单价从 0.20 美元降到了 0.10 美元。

为什么缓存价格值得单独说？

因为长期工作的 Agent，经常需要反复使用项目背景、文档资料、代码和任务规则。可复用内容命中缓存时，读取成本降低，会影响这类任务的使用账单。

不过，某一项 token 单价下降，并不能直接推导出整项工作便宜一半。

实际成本还取决于输出量、工具调用、重试次数，以及你最后需要花多少时间返工。

这会改变我们评价 AI 的方式。

过去，我们习惯问：“它能不能做出来？”

接下来，更实际的问题会是：

“把结果做到能用，一共花了多少钱和多少时间？”

Decisions API：让模型只做决定，不必每次都写一大段答案

这次发布会上，还有一个看起来不大，却很值得关注的更新：Decisions API。

它的思路非常简单：

很多自动化任务并不需要模型生成完整文章，只需要它在几个候选方案中做出判断。

比如：

• 这条内容要不要通过审核？

• 这条请求应该分配给哪个 Agent？

• 下一步应该执行 A、B 还是 C？

• 这个用户是否符合某项条件？

• 这条告警应该忽略、升级，还是交给人工处理？

传统的大模型接口，通常会让模型先生成一段自然语言，再由程序从答案里提取结论。

这会带来两个问题：

第一，输出内容比实际需要的更多；第二，程序还要额外解析模型的文字，才能知道它到底选择了什么。

Decisions API 则把任务限制在有限选项中。

开发者提前给出候选结果，模型只需要完成选择、评分或 Yes/No 判断，并返回相应的概率和置信度。

官方此次将它与 GPT-6 Luna 结合，重点强调了响应速度和成本控制。由于模型不需要生成完整答案，这类请求可以实现更低延迟，适用于实时路由、内容审核、风险筛选、客服分流和自动化流程控制。

这类能力的价值，不在于让模型“说得更漂亮”，而在于让模型更像一个判断模块。

过去，很多系统是这样工作的：

用户请求 → 大模型生成文字 → 程序解析文字 → 决定下一步动作

未来可以变成：

用户请求 → Decisions API 做出结构化判断 → 系统直接执行下一步

这是一种非常重要的产品思路变化。

大模型并不需要参与每一个环节。面对明确的候选路径时，让它专注于判断，往往比让它写一段完整说明更快、更便宜，也更容易接入业务系统。

它也说明了一点：

Agent 的核心能力，不只是生成内容，还包括在复杂流程中持续做出正确选择。

当然，Decisions API 也有适用范围。

如果问题需要开放式解释、创造性表达或长篇推理，它就不适合直接替代普通生成接口。但对于路由、分类、审核、排序和流程控制，这种结构化决策方式可能会成为 Agent 系统中的基础组件。

从这个角度看，GPT-6.1 Sol 解决的是“更复杂的工作如何以更低成本完成”，而 Decisions API 解决的是：

那些根本不需要长答案的任务，能不能更快完成？

Pro 与 Astra Ultrafast：更快，需要付出什么代价？

同样的逻辑，也适用于新推出的高价订阅和速度模式。

目前，Pro 提供每月 100、200 和 500 美元的档位，500 美元档位可以使用 Astra Ultrafast。

官方称，Ultrafast 在 Codex 中的 token 生成速度最高可达到 Astra 标准模式的 8 倍。

这里说的是生成速度，不能直接理解为一项工作八倍速完成。查资料、运行工具、等待外部服务、检查结果，都可能影响最终耗时。

而且，更快也意味着更快消耗用量。

Ultrafast 对套餐内用量按标准模式的 8 倍计；购买的 credits 及适用的企业按量付费用量，则按 6 倍计。

所以，是否值得升级，最终要回到自己的工作。

如果等待结果会卡住整个团队，更快可能有价值。如果任务可以放到后台慢慢跑，成本可能更重要。

Codex Cloud：给 AI 准备一套可以反复使用的开发环境

Codex 的云端更新，解决的是另一类成本：每次开始工作之前的准备。

可复用云端环境允许开发者预先准备和测试项目环境，后续任务在基于该环境创建的独立工作区中启动。

云端任务可以从网页、手机或桌面继续查看和推进，本地电脑休眠也不影响云端执行。

这对普通读者可能有些技术化，但可以理解成：

给 AI 提前准备好一张能够反复使用的办公桌，上面放着项目需要的工具和材料。

它每接到一个任务，都能更快进入工作。

对于需要反复修改、测试和交付的软件项目，这类基础设施的意义很实际。

模型负责解决问题，环境负责让它顺利开工。后者越稳定，前者的能力才越容易转化成可用结果。

Codex Security Cloud：让代码安全检查持续进行

Codex Security Cloud 则把“持续工作”的思路带到了代码安全领域。

发现的问题、验证证据和修复补丁需要进入人的审查流程。

这项能力的价值在于跟上代码变化。

一个项目每天都在增加功能、修改依赖、调整权限。安全检查如果只在某个时间点做一次，很快就会与实际代码脱节。

从跟进个人任务到检查代码变化，OpenAI 正在让更多 AI 工作具有延续性。

Sign in with ChatGPT：订阅开始向第三方应用延伸

开发者大会里另一个值得留意的变化，是 OpenAI 开始把自己的订阅体系向第三方产品延伸。

通过“使用 ChatGPT 登录”，符合条件的用户可以在获准接入的应用里，使用自己的 ChatGPT 套餐处理 AI 请求。

这里需要说准确：

商业登录仍在与选定伙伴进行有限试点，套餐用量共享也有适用范围，不能理解为任何第三方应用都能随意调用你的订阅。

但方向已经相当清晰。

用户带着身份和订阅进入应用，开发者围绕具体场景提供服务，OpenAI 提供背后的模型与执行能力。

对用户来说，这可能减少在不同工具之间重复购买 AI 能力的摩擦。

对开发者来说，它带来了新的接入方式，也意味着产品与平台的关系会更加紧密。

Plugin Extensions：插件正在长出完整的产品界面

插件也在向更完整的应用形态发展。

官方此次介绍的 Plugin Extensions，可以把侧边栏应用、对话面板、文件查看器、编辑器和表单等界面接入 ChatGPT。

这意味着，用户可以在对话过程中查看和操作更完整的工具界面，让讨论、修改与结果检查衔接起来。

它给开发者带来了分发机会，也提出了新的问题：

当平台逐渐补齐通用能力，你的产品还能提供什么独特价值？

小编的判断是，行业知识、业务数据、真实流程和可验证的结果会变得更重要。

一个功能演示做得漂亮，很容易吸引注意。

把它放进真实业务，连续使用一个月仍然可靠，才更接近一门生意。

写在最后：先把一件真实工作交出去

回到我们自己，这场发布会带来的行动建议其实可以很小。

找一件你每周都会重复、又必须不断跟进的工作，试着把它交给 AI 跑完一个周期。

可以是整理客户反馈，可以是维护项目周报，也可以是持续跟踪一个选题。

把资料来源、交付格式、检查时间，以及哪些步骤必须由你决定，提前说清楚。

然后观察：它究竟减少了多少操作，又增加了多少审核和纠错？

这个答案比订阅价格和演示视频更能说明问题。

OpenAI 这次展示的许多能力，仍有开放范围、使用成本和可靠性需要在实际工作中检验。

但它希望建立的工作方式已经可以看见：

你提出目标，AI 持续推进，结果回到共同的工作空间，你在关键节点作出判断。

今年国庆前，AI 行业又多了一长串新名字。

真正值得带进假期后第一天工作的，是一个具体问题：

那些每天占着你注意力、却始终需要有人盯着的事情，有多少已经可以重新分工了？

Agent 任务集市： https://app.a2afans.com/tasks

#GPT6#GPT6Astra#OpenAI#AGI#AI大模型

#算法工程师#Agent#GPT61Sol#ComputerUse

#Dots

【更多相关文章请查阅】

A2A Fans是面向 AI 智能体生态的一站式协作服务平台，致力于为AI爱好者、开发者、OPC以及机构等提供 Agent 接入、上架、调用与协同的标准化基础设施，让每一个智能体在真实任务交付、专业服务交互与多方协作过程中，持续积累可信履历、量化能力模型与体系化信用资产。