OpenAI 在昨天的 DevDay 上，一口气公布了 25 项重大更新：能持续替你跟进工作的个人 Agent Dots、更便宜的 GPT-6.1 Sol、提速的 Ultrafast，以及重新设计的 Codex 云端体验。

其中最让人想试的，是你离开之后，AI 还能做多少事。合上电脑，Codex 的云端任务继续跑；不用每次重新交代背景，Dot 可以接着跟进项目；写好的文档也有了共享、编辑和交给同事接着做的地方。OpenAI 想让用户交给 AI 的工作，持续到聊天窗口之外。

模型升级同样有看头。按 OpenAI 的评测，GPT-6.1 Sol 在部分编程和专业任务上接近 Astra，标准输入、输出单价却只有它的五分之一。Ultrafast 则走了另一条路：多付钱，换更短的生成等待时间。前者要让复杂任务做得起，后者要让高频使用的人少等一会儿。

这批更新还包括团队文档、会议记录、插件，以及把 ChatGPT 订阅额度带到第三方工具里的新用法。不过，有的已经开放，有的仍在预览或等待推送。下面按官方的 25 项清单逐一展开：分别能做什么、谁能用、要花多少钱，以及哪些变化值得现在就试。

主动智能：一直在线的 Agent、更便宜的模型、更快的速度

1. Dots：一个不下班的 AI 同事

Dots 是 ChatGPT 里新出的常驻 Agent。 你给它一个目标、划好权限，它就自己一直做下去，不用你一句一句地问。每个人可以给自己的 Dot 取名字。

先看它怎么工作：

• 有自己的电脑。 每个 Dot 有独立的云端电脑和浏览器，能写代码、测代码。你可以随时打开它的电脑看它在干什么，甚至接管其中一步再交还给它；除非你主动授权，它碰不到你自己的笔记本。
• 接得到你的软件。 通过插件，它能连 4000 多款应用。在 ChatGPT（网页、手机、桌面）、Slack、Teams 里都能找它，也能给它打语音电话，短信渠道很快也会开。不管从哪个渠道找它，上下文都是连着的。
• 由 GPT-6 Astra 驱动。 Astra 是 OpenAI 目前最强的模型。

交给它的最好是一份长期职责，比如：

• 开发者： 盯着客户反馈里反复出现的需求，自己划出小改进和 bug 修复的范围，写完、测完，把附着改动演示视频的 PR 交给你审。
• 科学家： 新数据一到，重跑分析、追查意外结果、更新论文里的图表，并标出要你看的地方。
• 销售负责人： 对照产品文档核对客户需求，给关键集成做概念验证，随需求变化更新提案。
• 内容创作者： 收到访谈文字稿，挑出适合剪的片段、写节目笔记，起草社交媒体帖子等你批。

Altman 在台上挑了一个难的例子：在旧 API 关停之前把 app 迁出去。旧 API 的调用可能散落在整个代码库里，Dot 会顺着依赖关系找出所有要改的地方，写代码、跑测试，最后提 PR 给团队审。按老办法，这得几个人花不少时间。

现场演示由 OpenAI 产品团队的 Holly Li 来做。她用一个虚构的歌单 app 模拟上线前一天，她的 Dot 叫 Dottie：

• 早上 Dottie 已经把要她看的事理好了：发布评审提前了，日历改好了；昨晚测试用户的反馈看完了；设计临时改了一版首页，设计稿直接推到她手机上。
• 在 Slack 里，同事随手一个 @ 常常会变成一整个项目，她现在直接把讨论串转给 Dottie，一句"你能接一下吗"就交出去。OpenAI 内部甚至出现了一个新习惯：建群聊时先把各自的 Dot 拉进来。
• 她说 OpenAI 工程师的 Dots 每天会修几十个 bug：有人在反馈频道贴一个会话 ID 和用户报的问题，Dot 接手调查，提修复 PR。

演示也翻了车：她问 Dottie 昨晚用户测试的结果，它一直回"还在查"；让它调用笔记本上的 Codex 把新首页做成 iPhone 模拟器里的 app，第一次报错，重试后时间到了也没跑完。

它会自己动手，所以控制是 Dots 最要紧的部分：

• 你决定它能访问哪些应用，并设规则：哪些事它可以自己做，哪些必须先问你，哪些永远不许做。
• 没人找它时，它会在后台"主动研究"，找能帮上忙的地方，但这一步只用只读工具，不能发消息、不能改内容、不能操作你的浏览器或电脑。
• 会动你账户或往外发信息的操作，先过一道自动审核；改密码这类敏感事，永远得你本人来。登录网站时它能用你存的密码，但密码不会暴露给模型。
• 有一个活动视图，能看它的进度，包括后台在做的事。

价格方面，首个 Dot 含在 Pro（包括 100 美元档）和 Business Premium 套餐里，不另收费，上线首月额度更高；和它聊天不占 ChatGPT 额度，但它替你在 Codex 或 ChatGPT 工作里开的任务照常计。Enterprise 要等管理员打开测试版。首批只能在桌面端创建，Pro 用户里欧洲经济区、英国和瑞士暂时不在首批。

企业还有更进一步的形态，叫专职 Dot：不替某个人干活，而是在公司里担一个岗位，有独立身份、凭据和系统权限。OpenAI 内部已经在采购、发票处理、邮件营销、客服、合同签订这些岗位上试过。现在是小范围企业试点，OpenAI 的工程师直接和企业一起定义职责、工具和审批流程；微软那边会把它接进 Agent 365，企业可以用现有的微软工具来管。

我的看法是，Dots 的形态和 Meta 最近的 Muse 很像，连取名字、卡通头像都像；它的很多能力，懂行的人之前用 Codex 之类的 Agent 框架也搭得出来，Dots 做的是把这些打包成普通人不用配置就能用的产品。好不好用，一次演示看不出来，得连续用上一周：看它有没有抓对值得跟进的事、记不记得你的纠正、该停下来问你的时候有没有停。

2. GPT-6.1 Sol：接近最强模型的智力，价格只要五分之一

OpenAI 现在的 GPT-6 家族有三个型号：Astra 最强，Sol 居中，Luna 最便宜（GPT-6 Sol 与 Luna 的发布解读）。GPT-6.1 Sol 是 Sol 的大升级，主攻 Agent 编程、操作电脑和专业工作，智力接近 Astra，标准输入输出价格只有 Astra 的五分之一。

价格（API，每百万 token）：

细看价格表，Sol 的标准价和一周前的 GPT-6 Sol 一样，降下来的是缓存价：比标准输入便宜 95%，比上一代 Sol 的缓存价还低一半。缓存价是反复读同一段上下文时的计费，Agent 一个任务要来回请求几十次，账单的大头就在这里，所以做 Agent 的人更该看缓存价。

OpenAI 公布的评测里，Sol 和对手的对比是这样的：

• DeepSWE（真实代码库里的软件工程任务）： 以约五分之一的成本追平 Astra，比上一代 Sol 的最好成绩高 6.4 个百分点。
• GDP.pdf（读复杂 PDF 回答专业问题）： 各个推理档位都高于 Opus 5.5，单任务成本不到它一半。
• AutomationBench（用 47 种工具走完多步业务流程）： 中等推理强度下比 Opus 5.5 高 2.2 个百分点，成本约三分之一。
• OSWorld 2.0（长流程的电脑操作）： 和 Astra 差距在 2.1 分以内，单任务成本约七分之一。
• Terminal-Bench Science（科研任务）： 单任务平均 5.47 美元，Opus 5.5 是 23.21 美元，Astra 是 23.80 美元；但得分第一的还是 Astra（68.1%），最难的科研活仍该交给 Astra。
• 事实错误： 专挑容易答错的难题，低推理强度下含事实错误的回答从 11.4% 降到 7.7%；最高档下 Sol 4.1%，Astra 4.0%，几乎持平。
• 诚实度： 搜索工具坏了该告诉用户，而不是编一个答案。没说出来的比例 Sol 是 2.1%，上一代 Sol 4.9%，Astra 1.5%，Luna 高达 28.7%。

DeepSWE 的原始数据还能看出一件对使用者更有用的事：推理强度开得越高，不一定越好。

新 Sol 开到"中"档，花 0.42 美元就略高于 Astra 同档的 3.08 美元；它的最好成绩出现在"高"档，再开到 Max，成本翻了一倍多，分数反而掉了 3 个多点。Astra 也一样，Max 比"超高"更贵、分数更低。所以挑推理强度时，先在自己的任务上试"中"和"高"，别默认开到最大。

放到外部的独立综合榜单上，Sol 52 分、Astra 53 分，每个任务的成本 Sol 大约是 Astra 的 22%，"接近 Astra、约五分之一价格"的说法站得住；排第一的仍是 Anthropic 的 Opus 5.5（58 分）。Sol 拼的是性价比。

规格： 上下文窗口 105 万 token，最大输出 12.8 万 token，支持文字和图片输入，推理强度分五档；单次输入超过 27.2 万 token 价格翻倍，Batch 和 Flex 半价。

Sol 目前还没进聊天窗口，开放在 ChatGPT 工作和 Codex 里（Plus、Pro、Business、Enterprise、Edu），开发者用 API 模型名 gpt-6.1-sol。

3. 超高速（Ultrafast）：花更多钱，换更快的输出

超高速是一个付费提速档。 在 Codex 里，token 生成最高快 8 倍，约每秒 300 个 token；在 API 里快 6 到 7 倍。

Agent 做一件事要走几十个小步骤，每一步都在等模型，模型快一截，你等的时间就短一截。现场 Altman 放了一段并排对比：同一句"造一枚 DevDay 配色、带大舷窗的白色火箭，并发射"，超高速那边火箭已经升空，标准档还远没搭完。

代价是钱。API 里超高速是标准价的 6 倍，Astra 超高速每百万输入 60 美元、输出 300 美元；在 ChatGPT 套餐里，用超高速会按 8 倍的速度消耗额度。它跑在 Cerebras 的芯片上。

现在能用的是 Astra 超高速：API 已上线，ChatGPT 工作和 Codex 里只有 Pro 500 和 Enterprise 能用。Sol 超高速这几天就到，价格大致和原来用 Astra 标准版差不多，却能拿到接近 Astra 的智力和最高 8 倍的速度，这可能是整场发布里对开发者最划算的组合。

适合付这个钱的，是人在盯着等结果的场景，比如在 Codex 里和 AI 结对写代码；批量任务没人在等，用 Sol 标准速度加缓存便宜得多。

4. 隐私智能：给不敢把数据交出去的企业

医院、银行、律所这类客户，最大的顾虑是数据。隐私智能是 OpenAI 给它们的方案，分两块：

• 带隐私安全处理的零数据保留。 它要解决一个矛盾：企业开了零数据保留，就是不让 OpenAI 留存提示词和回答；可 OpenAI 又得做安全审查，防止模型被滥用。做法是把记录搬到客户那边：被安全系统挑中的对话，加密后写进客户自己的云存储，OpenAI 只留一个索引，不留内容。要审查时，只有一个禁止人工访问的硬件环境能解密这些记录，自动审完，只带出一个限定格式的安全信号。

  "零数据保留"的准确意思是：OpenAI 不保留你的内容，安全记录放在你自己的存储里 30 天，由你来管。再加一层企业自己的密钥，撤销之后，这些记录谁也解不开。

• 隐私推理（预览）。 用机密计算技术，让数据在模型生成回答的那一刻也处在可验证的保护之下，今秋开始预览。

Altman 说，这套体系是和 Cisco、Databricks、Snowflake 这些大客户一起设计的。

用 Codex 和 API 构建：让 Agent 上云、给开发者更多零件

Codex 是 OpenAI 的编程 Agent。这一栏 7 项，4 项给 Codex 本身加能力，3 项是给开发者的 API 零件。

5. Codex Cloud：合上电脑，它还在干活

Altman 一上台，先把用户在 X 上呼声最高的三个 Codex 需求打了勾：Codex app 支持 Linux、一个项目可以跨多个文件夹、手机上也能用 Codex。

更大的变化在运行位置。Codex 现在有三种跑法：在你的电脑上跑、用手机遥控你的电脑跑、或者直接在云端跑。放到云端，任务就不用靠你的笔记本开着了。

新增的是可复用的云端开发环境，配一次，以后每个任务直接开跑，团队还能共用一套批准过的设置和权限。

短片里演示了新环境的几种用法：

• 合上电脑照跑： 任务在云端运行，合上笔记本也不停；可以从手机给正在跑的任务追加内容，甚至戴着耳机用语音发起会话，做完了它来通知你。
• 对话式配置： 新建环境时把仓库交给它，它自己研究这个仓库需要什么：网络、环境变量、密钥。
• 一次配好反复用： 配好后存成一个有名字的环境快照，可以从它出发同时开多个独立任务。分享给团队时，成员可以换上自己的密钥。
• 收尾： 做完可以直接提 PR，或者走新的代码审查流程（第 7 项）。

现场 Romain Huet 演示了本地和云端的接力：新建一个云端任务，只发一句"把整个后端用 Rust 重写"，然后就去演示别的，回头再看结果。

Plus、Pro、Business、Enterprise、Edu 和医疗版都能用。

6. 焕新的 Codex CLI：能对它说话，还能同时管多个任务

CLI 是命令行里的 Codex。这次的变化：

• 语音对话： 直接说话来启动任务、纠正方向。
• /agents 视图： 把活分给多个 Agent，在一个界面里看每件事的进度。
• 日常打磨： 改提示词更顺手、能恢复之前的会话、内置 Git 工作树（让多个任务在互不干扰的代码副本里跑），长会话更好读。

/agents 视图管的是多任务下的混乱：AI 同时干好几件事时，人最容易搞不清哪个在等回复、哪个在改文件、哪个做完了等审。任务越多，这个视图越有用。

Romain 在台上从一个空项目开始，让 CLI 做一个随机抽三位观众、送下一届 DevDay 门票的 app，几秒后页面就出来了；再说一句"改成六位"，页面立刻更新，现场抽出了六位观众。本来要用语音演示，当天语音没能启动，他改成了打字。所有套餐都能用。

7. 代码审查：你不在的时候，Codex 先看一遍

ChatGPT 桌面应用里有了专门的代码审查界面：先看改动摘要，再深入看具体的 diff，有疑问直接问 Codex；开了自动审查，你不在电脑前时 Codex 会在云端先审一遍。支持 GitHub 的 Pull Request 和 GitLab 的合并请求，所有套餐可用。

8. Codex Security Cloud：让 AI 盯着代码里的安全漏洞

Security Cloud 面向安全团队，让 Codex 在云端持续盯着代码仓库找漏洞。

• 可以盯住每一次新提交，也可以按需或定时扫描整个 GitHub 仓库。
• 发现问题后，它自己调查、去重、准备修复补丁，全在云端完成，合上笔记本也照跑。
• 附带用上 OpenAI 网络安全计划里偏防御的 Daybreak Blue 模型，不用再单独申请。

扫描本身不难，费时间的是扫完之后：判断是不是真问题、去重、定位、写补丁。Security Cloud 把这一轮也先替安全团队做了。目前是研究预览，面向 Pro、Business、Enterprise 和 Edu，在 Codex 桌面端和网页版以插件形式提供。

9. Decisions API：只做选择题的快速模型

问题： 很多应用里都有一种"小决定"：这张工单转给哪个团队？这条内容算哪一类？Agent 下一步调哪个工具？现在通常是调一个大模型，逼它只输出规定格式，再写代码检查格式、出错重试，又慢又绕。

做法： 你定义一个问题和几个固定答案，用文字或图片给上下文，它直接从选项里挑一个返回。背后是 GPT-6 Luna，也就是最便宜的那个型号。

同样把 1 万条客服请求按账单、技术、销售三类分流，走普通的 Responses API 每条约 1.6 秒，走 Decisions API 每条约 150 毫秒，快了差不多 10 倍。

现场还演示了用它操作电脑订机票，画面没加速，每一步几乎一闪而过。另一个用法是机器人：Romain 最后请出一台 Hugging Face 还没发布的可编程小鸭子机器人 MicroDuck，视觉用 Astra、画图用 GPT Image 2.5、实时语音用 GPT Live 1。他说做机器人的朋友最期待的，就是用能看图的 Decisions API，让机器人根据看到的东西近乎实时地做动作。

这类模型有个说法叫 System One（快思考），和 TypeSafe 不久前推出的 Jev 思路相通：让强模型想大方向，让快速的决策模型挑每一步动作。用的时候记得在选项里留一个"需要人工确认"，别让含糊的输入被硬塞进错误的类别。现在是限量预览，几天内全面开放。

10. Agents API 加入"计算机使用"：让你的 Agent 直接操作软件

Agents API 是 OpenAI 的云端 Agent 托管服务，本身之前就推出了，这次的新东西是计算机使用。

做一个能长时间干活的 Agent，光有模型不够，还得管上下文、调工具、协调多个子 Agent，还要一个能连跑几天的运行环境。这一整套叫"执行框架（harness）"，Agents API 把 Codex 用的那一套直接托管给你：

• 一次 API 调用就能建一个云端 Agent，指定任务、模型、工具和运行环境就行。
• 环境自己选：OpenAI 托管的沙箱、你自己的基础设施，或者 Cloudflare、Vercel、Modal 这些合作方的环境。
• 自带的能力：上下文快满时自动压缩、按需加载工具、多个子 Agent 并行干活。
• 计费：Agents API 本身不收钱，只按 token 和工具用量算。

新加的计算机使用，让你的 Agent 能像人一样点击、输入、操作软件界面。现实里很多系统根本没有好用的接口，只能打开网页、看状态、点按钮，计算机使用补的就是这一块。通过 API 就能用；Pro 500 和 Enterprise 用户在 Codex 和 ChatGPT 工作里也能用。

另外，Altman 宣布 Codex Harness 开源。它驱动着 Codex、ChatGPT 工作，现在也驱动 Dots，开发者可以直接拿去搭自己的 Agent。

OpenAI 后训练研究负责人 Tejal Patwardhan 讲了计算机使用的两组数据。速度上，他们让模型在循环里反复找能降延迟的改进，再合进正式的框架，电脑操作的延迟改善了一倍多，已经上线。安全上，在电脑操作的安全压力测试里，行为偏离用户意图的比例 Claude Fable 5.1 是 9.5%，Opus 5.5 是 6.1%，GPT-6 Astra 是 2.4%。

她还给了一个研究进度的数字：人要花一天左右的研究任务，年初模型基本做不下来，到年中，超过三分之一已经能不用人插手做完。

Romain 用几段演示展示了这些能力：Astra 通过浏览器接管一款它没见过的 3D 太空游戏，自己点开始、选飞船、开起来；他对手机模拟器里的一个 app 截了一张 AppShot，说一句"在各种屏幕尺寸下审一遍我的 app"，Codex 就自己去点模拟器、打开 app、逐个试功能、截图。

API 整体也提速了：工具调用快 30% 以上，首个 token 快 45% 以上，Responses API 可用性 99.9% 以上。

11. Amazon Bedrock 托管 Agent：整个跑在 AWS 里

对数据和采购都在 AWS 的公司，这一项解决"想用 OpenAI 的 Agent，又不想离开 AWS"的问题。Bedrock 托管 Agent 以 Agents API 的核心能力为基础，加上 AWS 的定制和集成，跑在客户自己的 AWS 资源上，紧挨着现有的应用和数据。AWS 客户还能用上 GPT-6 Astra、超高速、Codex 和 ChatGPT 工作。

用插件定制 ChatGPT：把 ChatGPT 变成你产品的入口

从 2023 年的 GPTs，到后来 ChatGPT 里的应用，现在都统一叫插件。每周 12 亿用户的 ChatGPT，这次把自己做功能用的那套平台开放给了开发者。这一栏 4 项都是给开发者的。

12. 插件扩展：在 ChatGPT 里做出一整个应用

以前的插件更像"一个能被 ChatGPT 调用的工具"，现在能长成"ChatGPT 里的一个完整应用"。 开发者可以：

• 在侧边栏给插件设一个专属入口；
• 做一个交互面板，让用户一边聊天一边操作；
• 给自家产品支持的文件类型做查看器。

Altman 举了两个例子。一个是 OpenAI 自己新做的会议 app，就是用插件扩展做的：在聊天里看接下来的会议，点"在 ChatGPT 里做纪要"，纪要页直接变成一个资料空间，同事和 Dots 在里面跟进待办。另一个是 Figma：在 ChatGPT 里打开设计稿、看团队评论、让 ChatGPT 改一版，设计和对话并排进行。所有套餐都能用。

13. 更顺手的创建、提交和发现

• 创建： 有插件创建工具帮你搭。
• 提交： 提交流程重做了，能看审核进度、看哪里要改、申请人工复审，更新插件也不用从头再提交。
• 被发现： 除了在插件库里搜，用户提问时 ChatGPT 会判断你的插件能不能帮上忙，当场就能连上。
• 用户说了算： 用哪个插件由用户自己选，每个插件的权限逐一批准。

对插件开发者，对话里的自动推荐影响最大，每周 12 亿人的提问都可能变成分发入口。它也很像搜索引擎里的推荐位，以后怎么排序、会不会收费，还要再观察。所有套餐可用。

14. 接入插件的站点：让团队用各自的权限登录同一个应用

Sites 是 ChatGPT 里做网站的功能，上线几个月，用户已经建了几百万个网站。现在这些网站能接入 ChatGPT 插件：团队成员用各自的账号登录同一个应用，用的是自己连接的数据和权限，看到的内容也因人而异。财务仪表盘、活动预订、项目追踪、预算规划、多人小游戏，都能这么做。适用于 Business、Enterprise、医疗版和 Education。

15. 用 MCP 事件驱动自动化：有事发生，它自己动起来

MCP 是让 AI 连接外部工具的开放协议。这次 ChatGPT 支持了 MCP 的事件机制：连接的应用里一发生什么事，就能自动触发插件的工作流。

它和普通的工具调用方向正好相反。普通调用是 AI 主动去问外部系统"有什么新东西"，得一遍遍回去问；事件是外部系统一有变化，主动把消息推过来。流程大致是：你的服务声明自己支持哪些事件（比如"有人发了新评论"）；用户告诉 ChatGPT 要盯什么、盯到了怎么处理；ChatGPT 通过你的 MCP 服务订阅；之后一有匹配的变化，你的服务就把事件推过来，ChatGPT 在原来的对话里按指令接着干。

比如让 ChatGPT 盯着项目看板，一有新任务，不管你在不在，它就去读关联文档、起草计划。所有套餐可用。

人与 AI 协作：一个共享的工作空间

这一栏 7 项可以放在一起看，它们搭起的是一个"人、ChatGPT 和 Dots 一起上班的办公室"。

16. ChatGPT 资料空间：团队和 AI 共用的地方

把团队拉进一个专属空间，包括 ChatGPT 在内的所有成员，都能接着共同的目标和过往成果往下做，不用每次重新交代背景。你可以让 ChatGPT 把一段对话变成页面或幻灯片，它先问清需求，再当着你的面起草，你自己改、让它再改、或者拉同事一起改，全程不用换工具。它取代了原来的 Library，可以理解成"共享网盘加群聊，只不过有些成员是 AI"。

Pro、Business、Enterprise 能用，网页和桌面端可以创建编辑，手机上目前只能看；Plus 不在名单里。

17. 动态页面（Pages）：一种给人和 Agent 一起编辑的新文档

页面适合写项目计划、报告、视觉方案。你可以在里面和 ChatGPT 或你的 Dot 一起生成图表、交互式仪表盘和图片；同事可以评论或直接改，再 @ 你的 Dot 或 ChatGPT 让它改内容、做下一步。

Holly 在演示里 @ 了两位同事和 Dottie，说一句"chart, please"，页面里就多出一张可以按反馈类型筛选的用户反馈图表，由 Dottie 每小时更新一次。页面还能设成从连接的工具自动更新，比如一个随工作进展变化的待办清单。

团队用之前先注意权限：分享页面不会顺带分享你的私人聊天和记忆，也不会把外部文件的访问权限给出去；但只要 ChatGPT 把其中的内容摘录或总结进了共享页面，所有能看页面的人就都能看到。什么内容能进共享页，最好先定个规矩。适用于 Pro、Business、Enterprise。

18. 协作式幻灯片：多人加 AI 同时改一份 PPT

一个新的演示文稿编辑器：

• 有原生可编辑的图表，以及文本、形状、图片；
• 可以把对话直接变成幻灯片，也可以从自己的模板开始，边做边给 ChatGPT 反馈；
• 多人同时编辑、评论，或者标出希望 ChatGPT 修改的地方；
• 做完可以直接在 ChatGPT 里演示，也能导出到 PowerPoint 或 Google Slides 接着改。

Altman 的说法是，这是"一种 Agent 容易读懂、也容易修改的幻灯片"。它更在意的是多人来回改时，内容、版式和修改意见都留在同一个地方。未来几周上线，Pro、Business、Enterprise 可用。

19. 创建团队，共享任务：把重复的活交给 ChatGPT

在 ChatGPT 里把同事拉进一个团队，就能共享页面、演示文稿、表格。更有用的是团队任务：比如每周项目进展汇报，你描述需求，ChatGPT 用连接好的工具收集信息、执行动作，可以定时跑，也可以由变化触发，比如来了一封新邮件或一条新 Slack 消息。团队成员能一起改指令，让任务跟着工作重点变。它用团队的服务账号执行，不借用某个人的全部权限。适用于 Business 和 Enterprise。

20. Slack 和 Teams 里 @ChatGPT

在频道、消息串或私信里 @ChatGPT，就能让它把一段讨论整理成项目简报、排查 bug 并准备修复方案，或者每天早上发一份客户动态。它能用管理员连好的工具，也能在你授权的范围内用你的工具。一个细节：没有 ChatGPT 账号的同事，也能在同一个对话里补充上下文、一起完善结果。适用于 Business 和 Enterprise。

21. 会议插件：开完会，纪要和待办自动到位

用会议插件录下会议音频，纪要存进资料空间，可以只给自己看，也可以分享给团队。ChatGPT 会结合你们之前的合作背景，提炼和你最相关的要点、决定和下一步，还能帮你处理待办，比如站会后按新的决定和卡点更新项目计划。

纪要生成后录音就删掉，不能回放，要留原始录音的场合别指望它。目前是 macOS 桌面端测试版，面向 Pro 和 Business，Enterprise 随后。

22. 可分享的个人资料页：给你的插件和站点一个名片

个人资料页把你做过的站点和插件集中展示，方便别人发现和复用；团队成员还能发现被共享的"技能"，技能只在工作空间内共享。对做小工具的人来说，这比把链接散落在各个群里好找得多。Enterprise、Edu 和医疗版即将推出，其他套餐已经能用。

用 ChatGPT 订阅做更多：账号、套餐、采购

23. 使用 ChatGPT 登录：一个账号，走到别的产品里

在合作产品里用 ChatGPT 账号登录，不用再设密码。对方只拿到你的姓名、邮箱和头像，聊天记录和记忆不会给出去。

登录之外还有额度：Plus 和 Pro 用户可以在合作应用里直接花自己 ChatGPT 套餐里的用量，每个应用最多能用多少由你来定。首发 16 家，包括 Devin、Notion、Vercel、Lovable、Warp、Amp、Conductor、Kilo、T3、OpenClaw、Dactyl 等。注意这是从你原有的额度里扣，不会因为多接一个应用就多一份额度。

Altman 在台上坦白，这类做法以前试过，"结果好坏参半"。这次给开发者的好处是：推理成本由用户的订阅来付，你不用再替重度用户垫 token 钱。代价是：你的登录、用户的额度和你的成本结构，都压在了 OpenAI 的账号体系上。

24. 新的 Pro 档位：每月 500 美元

OpenAI 推出每月 500 美元的 Pro 500：用量是 Plus 的 25 倍，没有 5 小时限额，额度还能通过"用 ChatGPT 登录"在合作方的应用里花，而且只有这一档能在 ChatGPT 和 Codex 里用超高速，在 100 或 200 美元档上另买额度也解锁不了。现在 Pro 分三档：每月 100、200、500 美元。

200 美元档也有变化：重新开放订阅，但新订阅的用量缩水了，在 ChatGPT 工作和 Codex 里从 Plus 的 20 倍降到 10 倍，GPT-6 Pro 在聊天里的消息数也从每周 200 条减到 100 条；老用户过渡期内保留原来的额度。200 美元档的重度用户，最好重新算一下自己的用量。

要不要升，看你是不是每天都被额度和等待卡住。整天在 Codex 里干活的人，500 美元换 25 倍用量加超高速可能划算；偶尔用的人，多花的钱换不来相应的体验。

25. OpenAI 软件市场：用你和 OpenAI 的合同额度买别家的软件

符合条件的企业客户，可以把已经承诺给 OpenAI 的一部分消费额度，拿去买合作伙伴的软件，不用为每家供应商单独走采购。首批 32 家：创意领域的 Adobe 和 Figma，客户体验领域的 Sierra、Decagon、HubSpot、Salesforce、ServiceNow，法律领域的 Harvey 和 Legora，安全领域的 Palo Alto Networks 和 CrowdStrike，还有提供开源模型的 Baseten。目前是测试版，企业可以先登记意向。

一张表看谁现在能用

把 25 项放在一起看

按"它降低了哪一种工作成本"，这 25 项可以归成五组：

• 持续跟进的成本：Dots。 以前你既要派任务，还得不停提醒 AI 接着做。Dots 要省掉的，是"盯着"本身占用的注意力。
• 能力的价格和等待的价格：GPT-6.1 Sol 和超高速。 一个让更多复杂任务能交给便宜的模型，一个让着急的任务花钱买速度。这是两笔账，要分开算。
• 任务对"人在场"的依赖：Codex 云端、MCP 事件、团队任务。 有地方跑、有事件触发、有团队共同管理的身份，自动化才能从一次性脚本变成长期运转的流程。
• 成果交接的方式：资料空间、动态页面、插件扩展。 AI 的产出从聊天记录里搬出来，变成能编辑、能共享、能接着操作的文档。这一组离普通上班族最近。
• 分发和采购的路径：用 ChatGPT 登录、软件市场。 前者让个人订阅额度走出 ChatGPT，后者让企业的采购预算流向合作软件。这跟模型能力无关，影响的是以后大家在哪用、在哪买 AI 工具。

协作那几项单看有点零碎，放进一次交接流程里看：

一次完整的流程是：会议产生待办，待办写进页面，页面放进共享空间，团队任务或 Dot 盯着后续变化，结果回到大家讨论的地方。

几个还没有答案的问题

• 现场演示频频卡壳。 Dot 一直"还在查"，语音两次没启动，和宣传片里顺滑的一天对比明显。Dots 这类产品好不好用，要看用上一个月后，你少追了多少事、多返工了多少活。
• 500 美元贵不贵，取决于能不能算出回报。 一年 6000 美元一个席位，对开发工具不算离谱，前提是你能说清它省了多少时间。500 美元档的价值高度集中在超高速上，而超高速只在人盯着等的场景里才显出来。
• 对话里的插件推荐，会不会变成广告位。 12 亿人的提问现场是最好的分发渠道，推荐怎么排、谁排在前面，还要看后面怎么做。
• Dots 和 Muse 撞上了。 两家都在做"有名字、有头像、一直在线"的个人 Agent。OpenAI 的优势在于它背后连着 Codex、插件和 ChatGPT 的用户盘子；最后比的是谁先让普通人放心把一份职责交出去。