OpenAI 正在调整个人智能体 dots 的工作方式。11 月 2 日,OpenAI 的 ChatGPT 和 Codex 负责人 Tibo 在 X 连发两条推文,预告 dots 将迎来一次关键升级:同一项任务会被拆成多个部分,再交给不同模型接力完成。
按 Tibo 的说法,驱动 dots 的模型阵容正在扩容。除了旗舰模型 GPT-6 Astra,Terra 也将加入,后续还会接入更多型号的模型。更核心的变化在于,dot 会为任务挑选合适的模型,并在工作的不同部分调用不同模型。
这意味着,dots 的执行逻辑将从过去的“一个模型干到底”,转向“按步骤切换模型”。对用户来说,速度要求高、但推理负担较轻的环节,可以交给更快的模型处理;需要复杂推理的关键步骤,则保留给旗舰模型。OpenAI 想解决的,是在完成质量不变的前提下,把时间和成本压低。
Terra 将加入 dots,OpenAI强调速度和价格差异
dots 是 OpenAI 的个人智能体,已于 9 月 29 日在 DevDay 上发布。该产品配有云端电脑,可全天候在线执行长时任务。首发时,承担核心能力的是 GPT-6 Astra。

在 Tibo 最新披露的信息里,Terra 将成为 Astra 之外的新搭档。Tibo 给出的理由是,Terra 更快,而且“性格”也有所升级。
从第三方评测平台 Vals.ai 的综合榜单看,Terra 得分为 60.17%,在 28 个参评模型中排第 10。这个成绩并不属于榜单最前列,但 Tibo 和 OpenAI释放的信息都指向两个更直接的卖点:速度和价格。
OpenAI 官方给出的数据是,在电脑操作评测中,Terra 完成任务的速度超过 Astra 和 Sol 的 3 倍。不过,这一数字对应的是单项评测表现,不等于 dots 在真实长任务中的整体提速幅度。
原因也很直接。评测更像单项冲刺,而 dots 面对的是多步骤长流程任务。总耗时不仅取决于最复杂的步骤,也取决于模型之间的交接是否顺畅。按文中描述,Terra 的优势主要体现在电脑操作层面,例如识别屏幕内容、填写表格、点击按钮,以及在不同软件之间切换。这些偏执行的步骤更容易压缩时间;真正需要复杂思考的部分,仍要交给旗舰模型处理。

价格差距则更明显。按标准 API 的普通输入、输出单价计算,Astra 均为 Terra 的 10 倍,Sol 均为 Terra 的 2 倍。虽然 API 单价不等于 dots 的订阅价格,也不直接等于完成一项任务的总成本,但 dots 面向的是往往包含几十个步骤的长时任务,单步节省的时间和费用累积后,差异会被放大。
从“按任务选模型”转向“按步骤换模型”
过去很长一段时间,模型选择本身就是用户使用 AI 时的一项额外负担。Tibo 今年 10 月在 Lenny’s Podcast 谈到 AI 使用中的繁琐设置时,曾直接吐槽,用户几乎得有个“模型选择器博士学位”。
这也是 dots 从一开始就弱化模型选择器的原因。按文中说法,用户唯一需要决定的,只是通过哪个渠道与它交互。现在,OpenAI 又把自动选择的颗粒度继续往下推进:不只是为整项任务选模型,而是细化到任务内部的每一个步骤。
文中举了一个职场场景作为例子:如果用户让 dot 做一份项目延期汇报,流程可能包括四步——先从文档中提取进度和预算,再核对几张表格里的数据,然后分析项目延期原因,最后把结论整理成 PPT。

这四步对模型能力的要求并不相同。提取资料更偏向执行效率;当表格数据出现冲突时,判断哪套口径可信,更依赖推理;整理 PPT 又涉及提炼、排版和具体操作。如果全程都由最贵的 Astra 处理,成本和等待时间都会被拉高;如果全部交给快模型,关键分析环节又可能出现理解不足或结论偏差。
因此,OpenAI这次想做的是让同一个 dot 在后台自行切换模型,按步骤完成流水线式协作。文中也特别指出,这和多个智能体同时开工不是一回事。对用户来说,前台界面仍会尽量保持简单,用户只需提出要求,后台由 dot 自行安排模型分工。
不过,官方目前还没有公布具体调度规则,因此外界还无法确认哪些步骤会固定交给 Astra,哪些步骤会交给 Terra,Sol 在其中又会承担什么角色。

OpenAI 过去曾因自动路由失灵遭遇质疑
替用户自动选模型,并不是 OpenAI 第一次尝试。文中提到,2025 年 8 月 7 日 GPT-5 发布时,实时路由曾是其核心卖点之一。系统会为每条提问自动分配回答模型。发布前,奥特曼还公开批评旧版模型菜单过于混乱。
但上线首日,路由功能一度失灵。按文中说法,奥特曼随后公开承认,路由停摆让 GPT-5 看起来“笨了不少”。几天后,OpenAI 又把模型菜单重新加回,GPT-4o 也重新回到付费用户列表。
这段经历也让部分用户对新的自动调度方案保持警惕。文中提到,在中文技术社区 LINUX DO,已有网友担心这会不会再次变成“动态降智”;也有人直接在 Tibo 的推文下追问,dots 现在到底是不是在用 Sol。
这种担忧与透明度有关。一旦模型选择权被收进黑盒,用户可能无法清楚知道究竟是谁在执行自己的任务。而且,相比 GPT-5 只需为单次提问做一次路由,dots 面对的是同一项长任务中的多次排班,复杂度更高。

文中列出的问题也很具体:前一步提取出的资料,换一个模型后能否完整接住;中途如果修改了数据口径,负责做 PPT 的模型会不会继续沿用旧数据;某一步一旦跑偏,系统能否及时发现并纠正。对长链条任务来说,单步速度快并不代表整体效率高,不返工才是更关键的指标。
dots 能否走出“100 美元俱乐部”,仍要看交付效果
Tibo 在推文中还表示,Terra 会帮助 OpenAI 把 dots 带给更多人。这个表态背后,指向的是 dots 当前的使用门槛。
按文中信息,个人用户如果想体验 dots,至少需要订阅每月 100 美元的 Pro 档;每月 20 美元的 Plus 用户目前还无法使用。也有网友直接向 Tibo 表示,比起 dot,自己更希望 Plus 能获得更多用量。
更快、也更便宜的 Terra,被视为 dots 走向更广泛用户的一项条件,但是否足以改变产品门槛,还要看上线后的实际表现。长期追踪 AI 新功能的 TestingCatalog 在看到 Tibo 的预告后,只给出一句评价:有待实测。

文中把后续观察点归纳为四项:完成一项复杂任务究竟要等多久;跑一次会消耗多少额度;中途需要人工介入几次;最终交付结果能否直接使用。相比模型列表里多出一个 Terra,这些问题对用户更重要。
从更大的竞争格局看,文中提到,Meta 有 Muse,马斯克有 Grok Bot,Google 有 Gemini Spark,各家都在争夺“个人第一助手”的入口。对用户来说,把任务交给智能体,想省下的不只是输入指令的几分钟,还包括挑模型、等待结果和返工修改的整套精力消耗。
在这样的竞争里,决定体验的已不只是旗舰模型的跑分。更关键的是,系统能否在尽量少的等待和折腾下,交出一份不需要返工的结果。按文中的判断,模型选择器并没有消失,只是从用户屏幕前,转移到了智能体的大脑里。


