The Most Important New AI Tools from OpenAI DevDay

OpenAI 团队表示，内部发生的重大变化之一是，像 Astra 这样的最新一代模型的能力极大地提升了他们的开发速度，以至于很多他们原本以为要到 2027 年才能实现的事情，实际上在这次 Dev Day 发布中就推出了。

结果就是超过 20 项不同的发布和公告，其中包括一些重磅产品，比如 OpenAI 对 Muse 和 GrokBot 的回应，还有一些低调的亮点，比如企业账户现在可以在一个开放市场上使用 OpenAI 的积分来购买对开源模型的访问权。

总的来说，我们在 OpenAI Dev Day 上看到的东西，并没有改变我们一直在观察的行业大趋势。

向更具成本效益的模型迈进，这些模型走向更持久的工作方式，以及其中一部分持久工作从单人体验转向多人体验。

相反，Dev Day 所强调的恰恰是，这些才是值得关注的趋势，也是将在未来几个月重塑我们所有人使用 AI 方式的趋势。

AI Daily Brief 是一档每日播客和视频节目，涵盖 AI 领域最重要的新闻和讨论。

好了朋友们，在我们开始之前，先快速说几个通知。

那么，今天节目的最后要说一点。

本来呢，我打算在 OpenAI Dev Day 之外，把昨天白宫发生的所有事情也完整地塞进来，但内容实在太多了，装不下。

所以我决定今天做一期完整的 Dev Day 回顾，然后我们会深入探讨特朗普与各大前沿实验室负责人会面的成果，以及这些是否会改变 AI 未来发展的方向。

不过现在，让我们进入 Dev Day，看看它说明了什么——不仅仅是关于 OpenAI，也是关于我们整体在 AI 领域所处的位置。

OpenAI 的公告日真是发布量巨大的一天。

事实上，公告太多了，所以在今天的节目中，我们只来得及把那些重要的都过一遍，讨论一下公告的内容是什么、是否在预期之中、大家的第一印象，以及它是否会改变 AI 竞赛的格局。

这周晚些时候，我们会更深入地探讨其中一些最重要的内容，但现在，光是过完这些就已经要花我们所有精力了。

首先登场的是 Dots，这是 OpenAI 对 Muse、GrokBot 以及正在席卷 AI 领域的个人智能体浪潮的回应。

Sam Altman 将 Dots 描述为能力非常强、始终在线的智能体，旨在处理你能想到的任何事情。

它们把 AI 带到了一个全新的形态中。

通过 Dots，用户可以创建一个持久的智能体，通过类似短信的界面与之交流，然后让它们使用自己的云电脑来执行任务，支持超过四万个不同的应用。

Dots 还可以通过语音通话或者 Microsoft Teams 和 Slack 进行通信，并且在不同服务和会话之间保持持久的上下文。

在功能上，它和 Muse 有很多相似之处，甚至包括那个可爱的吉祥物。

不过，至少在发布的时候，还是有几个需要注意的小问题。

目前，用户一次只能创建一个 Dot，但 OpenAI 计划在未来扩展到智能体团队。

与 Muse 的另一大区别是，OpenAI 只向专业版、商业版和企业版客户提供 Dots。

Muse 之所以如此成功的一个很大原因是它完全免费，这意味着 OpenAI 自然限制了他们在这一方面的竞争能力。

首席财务官 Sarah Friar 表示，愿景是最终把 Dots 带给整个用户群体，但就目前而言，这是一个面向专业用户的產品。

OpenAI 最大的卖点是他们使用 GPT-4o 来驱动这些智能体，所以这是我们第一次看到真正的前沿模型来驾驭第一方的个人智能体。

那么，从很多方面来说，这是最不令人意外的公告之一。

自从 OpenAI 推出以来，这种个人智能体形态基本上是必然会出现的，即使是对 GrokBot 这类面向商业的版本的关注也是如此，OpenAI 进入这个特定领域基本上是板上钉钉的事。

那么，Dots 到底准备好进入黄金时段了没有，还有待观察。

现场演示出了一些问题，虽然我对这些问题的在意程度远低于 X 上的那些评论家们。演示出问题，基本上只是让你知道这确实是现场直播的一种方式。

不幸的是，人们一开始用上GPTs，就遇到了其他一些初期问题。

有人发帖说，GPTs丢失了所有的工作内容。

Tenebra说，他们本来很兴奋想试试，但发现没办法同时连接多台电脑来共享完整的上下文。

其他人有更好的体验。

分析师Max Weinbach写道，我测试这些东西好不好用的基本标准是，它能不能在访问我的邮箱和Google Drive的情况下，自主帮我处理报销。

Grokbot搞得一团糟，没有按我说的做。

前三天还行，后来就开始出错了。

Dot第一次就搞定了，而且一直表现得很好。

Justin Schroeder说，他觉得Dot比Grokbot或Muse更专注于工作。

他写道，感觉更不像个人助理，而更像Codex的编排者，以及Slack上的协作者。

事实上，Justin写道，Slack才是它的真正亮点。

你的团队可以直接给你的机器人发消息，机器人可以执行操作，比如打开新的面板。

另外，这也涉及到一个我觉得会到处都有的争论，Justin认为，这本来应该做成一个单独的App。

他写道，ChatGPT很好，Codex也很好，在我看来它们是完全不同的产品，而Dot更像Codex，而不是ChatGPT。

Every的Vibe Check几乎把它留作待定，他们的用户反馈说，有时它确实非常出色，但有时又让人极其沮丧。

当Brandon Chu提出这是大家都在趋同的形态时，Nate B. Jones写道，我觉得我们需要区分这里的形态和实用性。

没错，眼下形态确实在趋同，那可能会变，但实用性并没有。

Muse擅长特定的事情，比如打电话和实际的邮件处理。

Instinct擅长其他特定的事情，比如旅行。

Dot擅长把AI上下文作为工作台。

不管怎么定位，这都是不同的实用性。

这个价值万亿美元的问题是，你选对了要搞定的实用性吗？

我们这周晚些时候会再聊DOTS，但我觉得最重要的启示是，继续关注这个领域。

虽然承认现在还有点小毛病，但Allie K. Miller认为，这里有一些相当重大的区别。

比如每个DOT都有自己专用的虚拟机，而且是常驻开启的，这让它能更主动，还有其他一些值得关注的变化。

无论如何，榜单上的第二名是Decisions API，这是OpenAI对Jev的回应。

记住，Jev是一个判断模型。

它不擅长输出文本。

它擅长对事物进行分类，给出0到1之间的置信度分数，换句话说，就是做判断，而判断是决策的前奏，这大概就是这个功能名字的由来。

Decisions API允许用户调用一个模仿Jev快速分类和决策能力的Luna版本。

用户定义一系列问题和可能的答案，模型就会快速输出响应。

OpenAI 表示，这个 API 可以用于分类、路由请求，或者为智能体选择下一步操作。

他们声称，决策速度比 Responses API 快十倍。

不过，一个大问题是，这比直接用 Jev 好在哪里？

实际上，用例的一个区别是 Luna 支持视觉输入，而 Jev 做不到。

在过去的几周“Jev 热”中，测试用户展示了 Jev 快速分类视觉营销等场景，但这需要底层进行图像到文本的转换。

Decisions API 去掉了这一步，从而扩展了可能的用例。

目前，Decisions API 还只是面向有限群体的预览测试版。

从重要性来说，我认为这更多是承认 Jev 所代表的不仅仅是新模型。

它是一个极其有用的、而且我敢说是即将成为生态系统中基础的构件。

Jev 之所以成功，不是因为它花哨或性感。

而是因为，当你看到它比传统 LLM 做得好的那些事，实际上，当你看到 LLM 被硬塞进那些它们并不擅长的场景，就像方榫插圆孔，那么有个判断模型和生成模型并排，显然是显而易见的。

再说一遍，现在比较还为时过早，但我倾向于认为，这个领域有空间容纳不止一个模型。

实际上，我认为几乎每个前沿实验室都会很快推出某种版本。

接下来是 OpenAI Space，他们的新共享文档工作区，让人和智能体可以协作。

你可以把这个功能想象成增强版 AI 的 Google Drive。

团队可以在共享电子表格、演示文稿和其他文档上工作，但 Space 也为团队提供了存放工作场所自动化的地方。

Dots 可以在 Space 中原生处理文档，但团队也可以设置定时任务，在 Space 中生成交付物。

很多人关注的是 OpenAI 用 Space 对标 Microsoft 365、Google Drive 或 Notion，虽然这确实属于这些领域，但那些服务越来越不适合智能体工作，OpenAI 推出真正 AI 原生的生产力套件只是时间问题。

然而，几乎其他所有公告都有很大分歧，但 Space 特别受重度用户喜爱，他们立刻爱上了。

Ray Fernando 写道，我提前体验了 OpenAI Dots，我可不是来跟风吹捧的。

这能杀死 Grokbot 或 Hermes 吗？

不。

但是 Spaces 以及让智能体在应用里蓬勃发展，感觉是这些智能体的正确方向。

在我看来，Bots 有点被高估，而 Spaces 被低估了。

我认识的每家公司都想要一个 AI 原生的协作工作区。

我们将拭目以待，看这是否会吸引更多企业加入 OpenAI 生态系统。

明显的好处是，你写作时不用再在 ChatGPT 和 Notion 这样的应用之间切换窗口。

不那么明显的是速度。

当机器人在 Google Docs 中通过浏览器构建文档时，编辑速度几乎慢如蜗牛，因为 Docs 不是为智能体设计的。

原生文档没有那种延迟。

你可以在文档里直接@你的bot，而不是回到聊天窗口告诉它去检查文件。

我早就预料到公司会这么做。

2024年的时候，我就写过ChatGPT里文档、幻灯片和表格的潜力，现在这个产品终于上线了，我很高兴。

我现在大部分工作已经在ChatGPT的应用内浏览器里完成了，而这项功能让整个流程更顺畅。

我可以在文档的评论里@我的bot，然后边工作边直接得到内联的修改。

这种来回互动感觉更像是真正的协作。

当天的大模型发布是GPT-6.1 Sol，OpenAI把它宣传为接近Astra的智能，但价格只有五分之一。

这次发布距离GPT-6 Sol只有一个星期，而且带来了一些相当显著的升级。

在所有的effort levels上，编码基准测试都有了显著提升，也就是说，6.1 Sol在中档设置下的表现超过了6 Sol在最高设置下的表现。

这个模型在DeepSWE上的最高分是高设置下的75.2%，而超高设置和最高设置反而出现了性能下降。

我们第一次看到这种现象是在Opus-5上，看起来最高设置开始迫使模型过度思考，并对自己原本正确的回答产生怀疑，反而弄巧成拙。

而且，高设置下的得分实际上比Astra的最佳表现还要高一点，这支持了OpenAI所称的“接近Astra的智能”。

这个模式在大多数主要基准测试中都很相似——相比6 Sol是很大的提升，让6.1 Sol以便宜得多的价格达到了和Astra同一水平。

其中一个值得注意的基准测试是OSWorld，它测试的是长时程的计算机使用能力。

6.1 Sol在最高设置下的最佳成绩是71.4%，超过了6 Sol的64.4%，并接近Astra最佳的73.5%。

6.1 Sol的价格也明显更低，只有6 Sol的三分之一，以及Astra的13%。

更重要的是，提高effort level几乎不会改变成本，这表明OpenAI在这个模型的计算机使用效率上取得了重大突破。

Artificial Analysis给这个模型打了52分，比Astra低一分，也落后于Opus、Sonnet和Fable，排名第五。

他们还发现了令人难以置信的成本效益，把Pareto frontier又往前推了。6.1 Sol完成基准测试的成本只有Astra的四分之一，比6 Sol便宜31%。

如果你不需要用最高设置运行它，6.1 Sol似乎可以达到更低的成本，比如GLM-53 Flash——那是ZAI开源模型更便宜的版本。

OpenAI称它是目前性价比最高的模型。

那么，这个发布是意料之中还是意料之外呢？一方面，从这些实验室拿到一个新模型从来都不算什么太意外的事。

尤其是在像Dev Day这样的大日子。

意料之外的是我们上周才刚拿到o1。

所以说到第一印象，我们只能说，还得等我们自己上手试过才知道。

因为，你每看到一条像Dropout Layer在X上发的帖子——说“GPT-6 o1让Opus 5.5看起来都变贵了”——就会看到一条像BridgeBench这样的帖子。

我们用Sunset Ocean测试跑了一下，和GPT-6 o1一样的成本，但速度慢一倍，而且它几乎没能渲染出一片海洋。

大家好。

关于AI的一个重大变化是，我们的思路已经从“如何给我们的页面排名”转变为“如何成为AI足够信任、愿意引用来回答问题的来源”。

在 KPMG，他们亲眼看到了这一点。

AI 生成的结果现在直接呈现答案，通常一次点击都不需要。

这就是为什么他们越来越关注生成式引擎优化，也就是 GEO，通过结构化内容，让 AI 系统能够检索、理解，并将其作为可信权威来引用。

这不仅是 SEO 的演进，更是一种可见性的要求。

确实，KPMG 对 GEO 的要求很简单。

如果 AI 在塑造决策，你的专业知识就需要出现在答案里面。

请访问 kpmg.com/us/geo 了解详情。

再说一遍，网址是 kpmg.com/us/geo。

这就是为什么大多数遗留系统现代化项目会失败。

做这项工作的 AI 无法大规模理解代码库。

它只看到一小部分上下文，检查语法，却错过了分布在全球应用生态系统中多年的决策。

Blitzy 像解决所有问题一样解决这个问题。

在任何迁移开始之前，Blitzy 的代理基于你的代码，将整个遗留系统逆向工程为一个持久的知识图谱。

每一个依赖、每一个约束、每一条曾经存在于某位工程师脑中的部落知识。

基于这种理解，Blitzy 自主执行语言迁移、框架升级以及单体到微服务的转型，并且全部经过端到端验证。

Blitzy 的一个客户使用编码代理，以 137 周为基线，用 16 周时间将一套价值 1000 万美元的单体保险技术栈进行了现代化改造。

那是 9 倍的压缩。

在加速路线图的同时，清除技术债务。

请访问 blitzy.com 了解具体做法。

就是 B-L-I-T-Z-Y 点 com。

最好的团队不是靠一个明星扛起所有人。

他们了解自己的长处和对方的短处，并加以利用。

不过，希望这些 o1 级别的模型足够好，因为我们可能永远看不到 GPT-6.1 Astra 了。

The Wall Street Journal 报道说，OpenAI 出于安全考虑，已经取消了发布下一代旗舰模型的计划。

OpenAI 的安全系统负责人 Sachi Jain 在一份声明中表示，凡是涉及安全和一致性的事情，都存在权衡取舍。

你确实需要找到一条正确的界线，既要保持在范围内，又要避免模型在执行任务时偷懒，哪怕遇到阻碍。

听起来，OpenAI 试图降低那种在最近几个月里导致多起事件的执着程度，但没能找到一个理想的中间地带。

Jain 补充说，虽然这个模型比之前的版本少了些懒惰，但在保持在范围内、遵守授权，以及它如何向用户反馈已完成工作类型这些方面，还不太达标。

显然，当我说我们永远不会看到 6.1 Astra 时，我是有点夸张了，但实际上，看起来他们确实需要取得一些技术突破，才能达到下一个前沿水平，并以他们认为足够安全的方式发布。

接下来，我们要讲的是活动中那些被认为比较小的公告，其中许多仍然被大家认为意义深远。

OpenAI向我们展示了其平台计划的最新版本，向外部开发者开放了ChatGPT。

OpenAI团队的Thibault写道，你现在可以构建完整的原生应用，通过插件扩展直接发布到ChatGPT中。

我们每周有超过12亿用户，会在对话中直接呈现相关的插件。

这个功能在技术上叫做插件扩展。

其实OpenAI在这一年多来一直试图在这个功能上找到平衡，测试了原生集成、插件和MCP来扩展生态系统。

那么，这最终会不会成为让ChatGPT像应用商店一样运作的功能呢？这似乎一直是OpenAI的重大目标之一。

当然，这里肯定会出现一股争相尝试的热潮。

我已经看到像Jana Wellender做的个人造型师应用这样的东西了。

但也有人在想，对应用开发者来说，这些取舍真的值得吗？

麻省理工学院的Christian Catalini写道，你带来应用，OpenAI带来智能。

那OpenAI是不是也拿到了用户的使用痕迹？

如果你的贡献是教你的合作伙伴怎么做你的工作，那这个合作还真有意思。

对此，Signal回应说，长尾应用可能会选择加入，但除此之外，这对其他任何人来说都是一个糟糕的主意。

这个的另一面是用ChatGPT登录，功能正如其名。

它让你可以用ChatGPT登录其他账户。

OpenAI应用研究主管Boris Power写道，用ChatGPT登录可以让你使用任何基于我们API构建的应用。

这对应用开发者来说好多了，不用费那么大劲去说服用户为单独的订阅付费。

ChatGPT就是一站式超级智能果汁。

这个想法基本上是，开发者允许用户随身携带他们的智能订阅，降低了应用的门槛，也让他们可以利用这样一个事实：很多人已经选择使用ChatGPT作为他们的超级智能解决方案了。

用ChatGPT登录是一件大事，我不明白他们为什么把它框定为身份验证，实际上这是OpenAI在把优惠定价扩展到第三方，并把服务捆绑进订阅里。

这终于开始让他们的激励与客户保持一致，个人不用再为token重复付费，应用也无需在API成本之上再为一切定价。

我想这会扩展到更多应用，甚至所有应用，Anthropic也将不得不跟进，为他们的订阅增加价值。

在那种情况下，应用可以绕过token成本，重新只为应用层收费，这对所有人来说可能都是好事。

换句话说，这个思路是，应用不再需要为了让人使用智能而收取看起来很贵的价格，他们只需收那20美元，或者任何他们想给应用体验定的价格，然后让API成本直接流向底层。

是的，那意味着他们可能没法加价从中赚一笔了，但好处是，当用户已经在付ChatGPT订阅费时，应用不用再费劲说服用户去付那些额外费用，这很可能超过他们本可以赚到的钱。

对于我的重度用户们，OpenAI为他们的订阅推出了一些新选项。

第一个是UltraFast模式，在Codex中token生成速度快8倍，在应用里快6倍。

目前，UltraFast模式只适用于ChatGPT Work中的Astra和Codex，但OpenAI表示很快会加入对o1和Sol的支持。

此外，OpenAI还推出了一个500美元的新订阅等级，使用量是Plus等级的25倍。

这也是目前唯一一个能使用UltraFast模式的等级。

活动开始前，Thibault宣布OpenAI会重新开放他们那个每月200美元的Pro tier，几周前他们关掉了这个选项，不过这次做了一些调整。

使用量的计算方式改了，算下来API成本降低了50%。

Thibault解释说，这是在一堆糟糕的选择里最好的那个。

OpenAI优先考虑不引入5小时使用限制，并且认为API成本降低加上更高效的模型，意味着用户还是能完成大致相同的工作量。

一方面，大家多少都预料到了这种事，但另一方面，你可以想象，同一个模型回归但价值降低了，反响会怎么样。

对我们想了解AI现状来说，你看，算力限制是真实存在的，当下的，而且会一直持续下去。

前沿模型在现有算力下已经快跑到极限了，而新算力上线的速度远远跟不上人们对这种数字智能使用量的增长。

不过好的一面是，我们会看到效率方面的大推动。

长远来看，这最终会让我们所有人享受到更具性价比、更好的体验，但过程中肯定会有一些波折。

在开发者和vibecoder那边，Codex现在有了专门的云环境，让用户合上笔记本电脑后还能继续工作。

这个功能迟早会来，因为之前旧金山到处都是人把大拇指塞在笔记本上走来走去，都成了一个梗了。

但看更广泛的趋势，从GrokBot开始，整个行业都在往云端实例移动，它已成为所有代理产品的必要组成部分。

这延续了一个重大转变：AI不再是你像使用软件那样交互的东西，而是变成一种更持久、始终在线的应用，无论你通过什么方式访问它。

Codex CLI也迎来重大更新，有了新外观和新功能。

滚动时历史记录可以追溯到更早，支持单线程的同志们——我绝对是其中之一——而输入框始终固定，随时随地可以输入下一行。

Codex CLI现在能让你更好地管理并行工作。

使用/agents查看正在运行的任务、检查进度并在不同任务之间切换。

在企业方面，OpenAI推出了Private Intelligence，保证零数据留存，甚至在推理阶段也是如此。

过去几个月，隐私一直是对企业至关重要的问题，现在也成了为企业提供服务的公司最关心的问题——大家越来越担心OpenAI和Anthropic从他们的客户那里窃取数据。

这基本就是微软最近所有沟通的潜台词或者明说：你为什么不该信任他们的竞争对手。

所有这些意味着，对于有需要的人来说，更强有力、更清晰的端到端数据隐私保证是一件大事。

OpenAI还推出了一个模型市场。

它允许用户通过OpenAI的Responses API和Codex从Base10购买开源权重模型的推理服务。

这个功能在另一天我们可以深入聊，因为它对OpenAI的护城河有一些重大影响。

它保护他们免受开源颠覆，也给顾客更多选择。

这也意味着企业可以放心地对OpenAI做出大笔开支承诺，因为他们知道这笔钱可以轻松用于多模型策略，包括开源权重模型。

请相信我，我们还会再聊到这个，因为我觉得它比人们第一印象中以为的要重要得多。

我们只是刚刚触及表面，现在快速总结一下所有这一切意味着什么，以及OpenAI DevDay揭示了AI下一阶段的什么。

我们没有看到什么全新的爆炸性东西。

我们看到的是对过去几个月我们在这个节目中一直在记录的许多趋势的确认。

首先，通过 SOL 6.1 和 Decisions API，我们看到这个趋势在延续和加深，就是模型既够好又够便宜，可以用它们来做所有事情。

也就是说，你不用关掉它们，也不用为它们该用来做什么而做决定，它们就能把一切都做了。

有了 Dots，我们有了持久且主动的 agent，它们利用这一点去真正做所有事情。

说到做所有事情，插件扩展表明，这意味着把一切都接入进来，同时也去往任何地方，也就是用 ChatGPT 登录其他应用。

最后，通过 Space，我们得到更多确认，下一代 AI 将不仅仅是单机模式，还会是原生的团队和多人模式，即使目前仍处于早期阶段。

这里还有很多很多可以探索的，但今天的 AI Daily Brief 就到这里。

一如既往感谢你的收听或收看，下次再见，peace。