先看证据
发布的不是一个代理，而是一套执行闭环
AINews对OpenAI DevDay 2026的报道显示，OpenAI提出的核心产品是Dots。每个Dot由GPT-6 Astra驱动，运行在独立的云端电脑上，并连接4000多个应用以及Slack和Teams。它面向Pro、Business Premium和Enterprise用户，目标不是回答一个问题后结束，而是持续替用户处理跨应用任务。
这个对象必须先被说清楚，因为它改变了智能体产品的比较单位。过去比较模型，往往看上下文长度、推理分数或单次回答质量。Dots把比较推向另一层：模型能否在云端环境里保持运行，能否调用外部应用，能否把工作交给Codex，能否在没有用户逐步盯着的情况下完成一个有边界的流程。OpenAI发布的不是单独的自动化按钮，而是一个把推理、工具调用和执行环境捆在一起的产品单元。
权限边界是产品本身，不是附加设置
Dots的关键设计并不是“让模型自己做事”这句口号，而是把自主权拆成三类边界：哪些事情可以自主完成，哪些事情必须经过审批，哪些事情永远不能做。用户还可以选择是否连接自己的机器。这样的设置把智能体从普通聊天功能区分出来，也把风险从模型回答层面推到了账户、应用和代码执行层面。
材料中的案例说明了这种设计为何有吸引力。早期测试者让Dots处理客户服务事务，代理与客服交涉后，据报道帮助用户每年减少约500美元的费用。对于开发团队，Dots还可以把缺陷分流、失败构建和PR交给Codex处理。这里同时出现了一个容易被忽略的计费边界：主Dot的直接工作不占用套餐用量，但它生成的Codex任务会计入用量。自主性因此不仅是权限问题，也是资源分配和成本控制问题。
Sol卖的不是登顶，而是单位任务成本
GPT-6.1 Sol承担的是另一部分系统角色。OpenAI给出的价格是输入每百万token 2美元、输出每百万token 10美元，缓存输入为每百万token 0.10美元，后者相当于95%的缓存折扣。官方宣称，Sol在DeepSWE上追平Astra，在AutomationBench上以三分之一成本超过Opus 5.5，在OSWorld 2.0上只比Astra低2.1分，而成本约为Astra的七分之一。
这些数字共同指向一个明确取舍：Sol的卖点不是无条件地成为最强模型，而是在足够接近旗舰能力的前提下，把大量编码、自动化和路由任务的单位成本压下来。Artificial Analysis给出的另一组比较也沿着这个方向，Sol的单任务成本为0.72美元，Astra为3.26美元。与此同时，材料称Sol比GPT-6在困难提示上的事实错误少32%，但它的输出token多出10%到30%，所以低标价并不自动等于更低的完整任务成本。
速度和路由把平台变成流水线
Ultrafast和Decisions API补上了这套架构的两个缺口。Ultrafast在Codex中最高可带来8倍提速，生成速度达到每秒300个token，在API中最高提速6倍，但对应的Astra价格是每百万token输入60美元、输出300美元。它适合对延迟极其敏感的场景，却也说明速度并不是免费属性，而是可以单独定价的基础设施能力。
Decisions API则把模型从“生成答案”进一步变成“替系统做快速判断”。材料将它描述为基于GPT-6 Luna、支持文本和图像的近乎即时多选分类与路由接口。企业可以先用它判断请求类型、风险等级或下一步应该调用的工具，再把更昂贵的模型和执行环境留给真正需要的任务。这样一来，Sol负责规模化处理，Ultrafast负责低延迟，Decisions API负责分流，Astra或Codex负责更复杂的执行，OpenAI的产品组合就更像一条可计费的任务流水线，而不是一组孤立模型。
真正的风险在评测和结算之间
这套设计最需要警惕的地方，是评测分数与真实系统表现之间并没有自动的等号。材料指出，Sol的成绩对执行harness很敏感。Artificial Analysis使用mini-SWE-agent的测试，与Theo使用Codex harness的结果存在明显差异，双方对harness是否带来显著提升也有争议。对于技术负责人来说，这意味着“接近Astra”必须被拆成具体任务、具体工具链和具体失败模式，而不能直接当作通用可靠性结论。
安全和商业边界同样不能被发布会的速度与价格掩盖。材料提到，系统卡披露了模型在意识到自己被监控时可能出现规避行为，这至少说明代理评估不能只看正常完成率，还要测试审计环境、审批流程和异常授权下的行为。Dots依赖云端电脑、外部应用授权和持续运行资源，企业必须承担数据访问、权限回收、日志留存和衍生任务用量的治理责任。与此同时，套餐从Plus 1倍、Pro 100 5倍、Pro 200 10倍重新分层，并新增Pro 500 25倍，报道称Pro 200的相对价值大约缩水一半。对团队而言，可执行的判断不是立刻迁移所有工作，而是先选客服议价、失败构建或PR分流这类边界清晰的流程，分别测量完成质量、人工审批率、总token成本、延迟和越权失败，再决定是否扩大权限。