OpenAI个人智能体要添新搭档，比旗舰快3倍，单价只要1/10 - 开奖结果

把任务交给AI，连派哪个AI上场也由AI自己决定。

11月2日，OpenAI的ChatGPT和Codex主管Tibo在X上接连发布两条推文，透露dots的一次重要更新：

同一任务，dots将分割成多个部分，交给不同模型依次执行。

在Tibo的第一条推文中，他提到驱动dots的模型组合正在扩大：旗舰模型GPT-6 Astra之外，Terra即将加入，后续还会纳入更多类型的模型。

真正关键的改变，藏在他的第二条推文里：

你的dot会为任务选择最合适的模型，在工作的不同环节调用不同模型。

别轻视这句话，它改变了AI工作的逻辑。

过去用AI，是选定一个模型从头干到尾；升级后的dots，要一事一议、按步骤换模型。

对用户来说，这个变化很重要。

那些执行的步骤可以交给速度快的模型，你就不用干等；只把一些烧脑的核心环节交给旗舰模型，也能把好钢用在刀刃上。

这样，你就能让AI在把活干好的同时，把时间和成本都降下来。

Astra坐镇还不够，快3倍的Terra加入

dots是OpenAI的个人智能体，9月29日在DevDay上发布。

它自带云端电脑，全天候在线，能盯着你的目标持续运行长时任务。

首发时，给它当大脑的是当家旗舰GPT-6 Astra。

Astra已经够聪明，为什么还要加入一个Terra？

Tibo的答案是：Terra更快，「性格」也升级了（聊起来也更讨喜）。

先看实力。

第三方评测平台Vals.ai的综合榜上，Terra得分60.17%。在28个参评模型里，它排名第10。

虽然跑分不算顶尖，但它精准命中了用户最在乎的两大痛点：快，而且便宜。

OpenAI官方还公布了一个数据：

在电脑操作评测中，Terra完成任务的速度，是Astra和Sol的3倍以上。

但这个数据只是单项成绩，如果放进dots实战，整套活干下来，大概率快不了3倍。

因为评测比的是单科百米冲刺，实际工作是一场障碍接力赛。

一项任务总耗时多久，除了要看最难啃的骨头，也要看模型之间的交接是否高效。

与Astra相比，Terra的强项是电脑操作。

看懂屏幕、填表格、点按钮，在不同软件之间来回切换……它能节省的时间，主要就在这些动手不动脑的环节。

可真正烧脑的那一步，该想多久，还得想多久，要留给旗舰模型。

比起速度差距，价格相差则更为悬殊。

按标准API的普通输入、输出单价，Astra均为Terra的10倍，Sol均为Terra的2倍。

虽然，API单价不等于dots的订阅费，也不等于你办成一件事的总账单。

可积少成多。

dots是个一跑就是几十步的长时任务智能体，单步省一点时间、一点钱，乘上几十个回合，省的就不是一星半点。

让旗舰模型负责「镇场子」，专攻最难的推理任务就够了，如果让它包揽每一步就等于浪费算力和时间。

一份汇报四步走，几个模型流水线接力

过去很长一段时间，挑模型是用户自己的苦差事。

这件事，连Tibo自己都忍不了。

今年10月，Tibo在Lenny’s Podcast谈到使用AI的繁琐设置时，就吐槽：

你简直得有个「模型选择器博士学位」。

Tibo谈模型选择和推理设置给用户带来的额外负担。

想让AI干活，你得先摸清每个模型的脾气，再估一估这步活有多难。

还没开工，前面就有一道超难的选择题。

所以dots从诞生第一天起，就砍掉了模型选择器。

你唯一要选的，是在哪个渠道跟它搭话。

这次升级，把选择的颗粒度再往深推一层：从按任务选模型，细化到按步骤换模型。

举个职场人最熟悉的例子。

你让dot做一份项目延期汇报，整个流程要走四步：

先从文档里扒出进度和预算；再核对几张表格里的数据；然后分析项目为什么延期；最后把结论排成PPT。

这四步，难度也完全不在一个档次上。

扒资料，拼的是眼疾手快；表格数据打架时，判断哪个口径可信最吃推理；做PPT，又考验提炼、排版和动手操作。

如果全程都让最贵的Astra包办，就像请首席科学家帮你填Excel，你的钱包和耐心会一起滴血。

可如果全交给快模型，到了分析延期原因这一报告的关键环节，又容易想不透或者答偏。

最聪明的解法是流水线作业：哪一步谁擅长，就让谁上。

目前，官方还没亮出具体调度规则，不能就此断定分析一定归Astra、排版一定归Terra。

这是同一个dot在后台换模型干活，和一群智能体同时开工是两码事。

因此对用户来说，前台也将极其清爽：你只管提要求，后台派谁上场dot自己排班。

上一次替你选模型，OpenAI翻过车

替用户选模型这件事，OpenAI在一年多前就干过，还翻过车。

2025年8月7日，GPT-5发布。

当时的王牌卖点是实时路由，每条提问由谁回答，系统自动分配。

发布前，奥特曼还特意吐槽过旧版模型菜单，嫌它乱成一团。

没想到打脸来得飞快，上线第一天，路由就趴窝了。

奥特曼不得不公开认栽：路由一度停摆，GPT-5因此显得笨了不少。

折腾几天后，OpenAI不得不把模型菜单加了回来，GPT-4o也重新回到付费用户的列表里。

一年多过去，一些用户的心理阴影还在。

中文技术社区LINUX DO上，已经有网友警觉：这会不会又是「动态降智」？

也有人在Tibo推文底下追问：那dots现在用的到底是Sol吗？

模型选择权一旦收进黑盒，用户可能连谁在替自己干活都分不清。

更何况，这次的调度更难。

GPT-5的路由，只替每一次提问挑模型，是一锤子买卖。dots要在同一项长任务里排班，玩的是多棒接力。

排班越细，交接出错的风险就越大。

前一步扒出的资料，换个模型能不能完整接住？中途改了一个数据口径，做PPT的模型会不会还在用旧数据？某一步跑偏了，系统能不能当场揪出来？

长链条任务里，单步跑得再快只是表面，全程不返工才是里子。

交接一旦翻车，快模型省下的那点时间，还不够填返工的坑。你是愿意花钱看AI表演，还是想让它们真正把活干好？

替用户做选择，真正难的地方是省下算力，还能不把活干砸。

想走出100美元俱乐部，先过交付这一关

Tibo在推文中说：Terra会帮助OpenAI，把dots带给更多人。

现在的dots，还是高端玩家的专属。

个人用户想尝鲜，得先订每月至少100美元的Pro。20美元的Plus用户，至今还用不上。

还有一位网友说得很实在：

Tibo，我不想要dot，我想要Plus多给点用量。

如果dots足够便宜呢？他还想不想要？

官方谈的是功能升级，用户惦记的还是老额度。

更快、更便宜的Terra，让dots走出「100美元俱乐部」又更近了一步。

长期追踪AI新功能的TestingCatalog，看到Tibo的预告只回了一句：有待实测。

效果怎么样，还要过上线后的四个实测检验：

完成一项复杂任务，到底要等多久？ 跑一次要烧掉多少额度？ 中途要人工救火几次？ 最终交付的东西，能不能直接交差？

对于用户来说，这四个问题比模型列表里多一个Terra重要得多。

但风向已经变了：模型选择器没有消失，只是从你的屏幕上转到了智能体的大脑中。

如今，Meta有Muse，马斯克有Grok Bot，Google有Gemini Spark，都在抢「个人第一助手」的入口。

用户把任务交出去，想省下的不只是那几分钟的打字时间，还有挑模型、等结果、改错重来的全部心力。

在这个战场上，拼的早就不止旗舰跑分，而是谁能用最少的等待和折腾，交出一份不用返工的活。

最聪明的模型已经不再稀缺，会看活派人、一次把活干利索的管家，才稀缺。

参考资料：

https://x.com/thsottiaux/status/2117283124833055196
https://x.com/thsottiaux/status/2117283355427495983https://openai.com/index/introducing-gpt-6-1-terra/
https://developers.openai.com/api/docs/pricing?utm_source=chatgpt.com
https://openai.com/build-week/
本文来自微信公众号“新智元”，作者：ASI启示录；编辑：元宇，36氪经授权发布。