从「卖Token」到「雇AI员工」：OpenAI DevDay 2026 的 dots 智能体、GPT-6.1 Sol 降本与 AI 经济新模式
从「卖Token」到「雇AI员工」：OpenAI DevDay 2026 的 dots 智能体、GPT-6.1 Sol 降本与 AI 经济新模式
一、引言：被"重置"的一届开发者大会
北京时间 2026 年 9 月 30 日凌晨，OpenAI 在旧金山举办了自称"史上规模最大"的一届 DevDay。主持人山姆·奥尔特曼在主题演讲尾声，请来了被开发者昵称为"重置之神"的 Tibo（Thibault Sottiaux），当众按下"重置键"，为全世界所有 ChatGPT 用户重置账户额度——这个充满仪式感的收尾，恰好隐喻了这届大会的本质：OpenAI 正在对 AI 的定价逻辑与产品形态做一次大规模"重置"。
一口气发布 21~25 项更新，核心是三条主线：
- 产品形态的重置：推出全天候个人智能体 dots——不是"问一句答一句"的聊天机器人，而是由 GPT-6 Astra 驱动、自带云端电脑、7×24 小时持续干活的"数字员工"；
- 成本结构的重置：发布 GPT-6.1 Sol——性能逼近 Astra、但标准 token 价格仅为其约 1/5，把"高性能"从奢侈品变成日常消耗品；
- 商业模式的共振：重新设计订阅体系，从"按 token 计费"转向"按 AI 员工的工作量与运行速度"计费；同时曝出 OpenAI 计划以 1.4 万亿美元估值融资 300 亿美元、年化经常性收入（ARR）已逼近 700 亿美元。
一句话概括：OpenAI 正在把 AI 从"工具"重新定位为"员工"，并从"卖算力"全面转向"卖生产力"。 这是一场关于"AI 究竟怎么赚钱、怎么计价、怎么相处"的范式重置。本文将从技术架构与商业模式两个维度深度拆解。
二、dots：把"聊天机器人"升级成"全天候数字员工"
dots 是本届大会的最重磅产品，也是 OpenAI 对 Meta 旗下 Muse（近一个月带动 Meta 股价上涨约 25%）的正面回应。
它的本质，是让 AI 从"被动应答"跨越到"主动履职"。
┌─────────────────────────────────────────────────────────────────┐
│ dots：一个长期在线、自驱进展的 AI 员工 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ · 驱动模型：GPT-6 Astra（OpenAI 称其能力最强、对齐度最高的模型）│
│ · 运行形态：7×24 全天候运行，拥有独立云端电脑 │
│ （云端计算机 + 浏览器 + 代码编写/测试能力） │
│ · 连接能力：可操作电脑、从已连接的各类应用提取信息 │
│ （可连接数千款应用），开展研究/起草文件/开发软件 │
│ · 交互入口：ChatGPT 发消息/直接通话，Slack、微软 Teams，未来短信 │
│ · 自主边界：给它一个目标 + 明确它可自主执行的操作范围 │
│ · 初始配额：每用户先开放 1 个 dot，未来支持"dot 团队"协同 │
│ │
└─────────────────────────────────────────────────────────────────┘
dots 的设计核心是"把责任交给 AI 的同时，把控制权留给人类"。奥尔特曼反复强调一个理念：用户可以定制指令、设置自定义规则，规定 dots"不能做什么"，然后在"自己放心的范围内，把尽可能多的责任交出去"。这套"目标授权 + 权限边界 + 人类监督"的框架，正是面向长期在线智能体的关键工程挑战——上一篇我们讨论过的"scope authorization"，在这里落成了产品级的设计原则。
从工程实现看，dots 背后是一个"AI 员工运行时"的简化模型，可以用下面这段伪代码理解它如何"扛住一个长期任务"：
# ============================================================
# 概念：dots 式"长期在线智能体"的任务接管循环
# 设计：把一个大目标拆成可持续推进、可随时被人类接管的分步执行
# ============================================================
from dataclasses import dataclass, field
from enum import Enum
from typing import List, Optional
class JobStatus(Enum):
QUEUED = "queued"; RUNNING = "running"
AWAITING_USER = "awaiting_user"; DONE = "done"
@dataclass
class DotTask:
goal: str # 用户给的目标
allowed_ops: List[str] # 允许自主执行的操作白名单
forbidden_ops: List[str] # 禁止执行的操作（自定义规则）
tools: List[str] # 可连接的应用/工具
status: JobStatus = JobStatus.QUEUED
class Dot:
"""全天候数字员工：持目标持续自驱，越界即交还控制权"""
def __init__(self, task: DotTask):
self.task = task
self.history: List[dict] = []
def checkpoint(self):
"""每个动作前先做权限断点：能不能做，用户是否需知情"""
todo = self.task.goal
for step in self._plan(todo):
if step.op in self.task.forbidden_ops:
# 触及红线：停下来，请求人类许可/接管
self.task.status = JobStatus.AWAITING_USER
return self._hand_back_to_user(step)
if step.op in self.task.allowed_ops:
self._execute(step) # 白名单内 → 自主执行
self.history.append({"op": step.op, "state": "ok"})
self.task.status = JobStatus.DONE
return self._report_done(verbose=False) # 如实汇报，不隐藏
# 关键设计：长期在线 ≠ 全权代理
# 白名单内自主推进，红线前停下交权，全程留痕可审计
这套循环有三层价值：一是自驱（不必每条指令都等用户），二是守界（在权限白名单内运行，越界即交还控制），三是可追责（全程记录，且"如实汇报不藏进度"——这直接回应了此前对"欺骗倾向/瞒报"的担忧）。
而对开发者而言，OpenAI 把 dots 背后的能力做成了可调用、可组合的积木。
三、GPT-6.1 Sol：把"接近 Astra 的性能"打到 1/5 的价
如果说 dots 解决的是"AI 能干什么"，那 GPT-6.1 Sol 解决的就是"AI 干起来贵不贵"——而它给出的答案是"便宜得离谱"。
作为 GPT-6 Sol 的重大升级，GPT-6.1 Sol 在智能体编程、计算机使用、专业工作方面表现出色，性能与 GPT-6 Astra 相当，奥尔特曼甚至说它在某些方面"比 Astra 更聪明"——但它的 API 标准 token 价格，仅为 Astra 的约 1/5。OpenAI 还预告"GPT-6.1 Sol 超快版"将于未来数日推出。
这种"性能接近旗舰、价格打到品类底"的策略，本质上是降本驱动普及——当高性能推理变得便宜，Agent 才能在日常、高频、大规模的工作流里被"不计成本"地使用。
我们来量化这笔账，并用代码算一算"同样预算下，Sol 能比 Astra 多跑多少事"：
# ============================================================
# 概念：Sol 的 1/5 价格对"Agent 可用性"的数量级影响
# 计算：同样预算下，token 配比与成本敏感工作流的承载量
# ============================================================
class-ModelCost:
def __init__(self, in_per_M, out_per_M):
self.in_per_M = in_per_M # 每百万输入 token 成本
self.out_per_M = out_per_M # 每百万输出 token 成本
astra = ModelCost(in_per_M=15.0, out_per_M=60.0) # 示意基准
sol = ModelCost(in_per_M=asmts, in_per_M=15.0/5, out_per_M=60.0/5)
def per_million_message_cost(m, in_tokens=600, out_tokens=1500):
return (m.in_per_M * in_tokens + m.out_per_M * out_tokens) / 1e6
def throughput_per_budget(model, budget=100.0):
return budget / per_million_message_cost(model)
# 同样的 100 美元预算，能发起的调用次数
print("Astra 每 100 万美元调用成本:", per_million_message_cost(astra))
print("Sol 每 100 万美元调用成本:", per_million_message_cost(sol))
print("预算内 Sol 可发起的请求是 Astra 的",
round(throughput_per_budget(sol)/throughput_per_budget(astra)), "倍")
关键结论：当 API 价格降到 1/5，同样预算下能承载的 Agent 调用量直接提升约 5 倍。这不是线性的小优化，而是"能不能把 Agent 接入日常流水线"的门槛性变化。过去只有高价值任务才舍得让强模型全程在线，现在 Sol 让"高频、海量、规模化"的自动化成为可能——这正是 dots/Agent 普及的前提。
四、“超高速 + 按工作量计价”：AI 经济的计价范式重置
比模型降价更值得关注的，是 OpenAI 对"AI 怎么收费"的重构。它清晰地指向一个趋势：从"卖 Token"进化到"雇 AI 员工"，按交付的工作量与运行速度计价。
本届发布了两条相互配合的线索：
- Ultrafast（超高速）：Codex 中 token 生成速度最高提升至 8 倍（每秒最高 300 token），API 中最高 6 倍。这意味着同样的任务，AI 干得更快——速度第一次成了可被"单独收费"的溢价维度。
- 新的订阅档位：新增每月 500 美元的 Pro 500（额度为 Plus 的 25 倍，独家开放 Astra Ultrafast），同时下调 Pro 200 的使用额度（被开发者吐槽"最伤的是额度减半"）。
用一张图看这套"AI 员工计价"的逻辑：
┌─────────────────────────────────────────────────────────────────┐
│ 从"卖 Token"到"雇 AI 员工"：计价范式的三重变化 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ 过去（模型/工具） 现在（AI 员工/生产力） │
│ ────────────────────────────── ────────────────────────── │
│ 计费单位 token 用量 交付工作量 + 运行速度 │
│ 面向对象 开发者 开发者 + 企业 + 个人用户 │
│ 价值主张 强一点贵一点 干得多、干得快、越贵 │
│ 高端档 token 更贵 更快的速度(Ultrafast) │
│ 订阅逻辑 额度=token 额度=AI 员工工时/产出 │
│ │
│ 配合体系 │
│ · dots 每用户 1 个，对话不计入使用量配额（把 Agent 当员工雇） │
│ · Pro 500 = "雇一个带高速模式的超级员工" │
│ · 高速模式消耗额度更快（快 = 更贵，速度成为溢价维度） │
└─────────────────────────────────────────────────────────────────┘
这套逻辑的行业含义深远：当"AI 员工"成为计价单位，整个市场对 AI 的评估标准就从"模型牌号/参数"转向"单位成本能产出多少实际工作"。转而对模型厂商提出新要求——不仅要比"谁更聪明"，更要比"同预算下谁干得更多、更快、更稳"。
五、平台化：把 ChatGPT 变成"人与智能体的协作入口"
除了产品与模型，这一届 DevDay 还释放了强烈的平台化信号：OpenAI 想做的，是把 ChatGPT 从"一个聊天应用"升级成"人与智能体协作的超级入口"，对标"微信小程序 + 账号体系"。
┌─────────────────────────────────────────────────────────────────┐
│ OpenAI 平台化：从"产品"到"生态基座" │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ① 协作层 ChatGPT Space：用户+队友+多个智能体同一动态页面协作 │
│ 动态页面/团队共享任务/@dot 派活 │
│ ② 能力层 8 项开发者能力：Codex Harness 开源、Codex 云端化、 │
│ Codex 安全云、Agents API 公测、OpenAI 私有智能、 │
│ Sign in with ChatGPT、Plugin Extensions、 │
│ OpenAI Marketplace │
│ ③ 连接层 面向 OpenAI 的 Amazon Bedrock 托管智能体、 │
│ 与微软 Agent 365 集成、与 Base Ten 合作开放开源模型 │
│ ④ 分发层 OpenAI 软件市场（企业可用承诺额度采购第三方软件， │
│ 首批 32 家：Adobe/Figma/Sierra/Harvey/PAN等） │
│ │
│ 底层：12 亿周活用户（高于今夏的 10 亿）→ 巨大的分发与复利 │
└─────────────────────────────────────────────────────────────────┘
其中两个细节尤其值得注意：
- Codex Harness 开源：把支撑 Agent 编程的执行框架开放，配合 Agents API，意味着 OpenAI 想同时成为"Agent 能力的提供者"和"Agent 生态的地基"——正如它的口号"让开发者直接面向我们合计 12 亿用户推出原生体验"。
- 软件市场 + 承诺额度互通：企业可以用对 OpenAI 的承诺消费额度购买第三方软件（Adobe/Figma/法律/网安等）。这基本是在复制云厂商"commitment"模式的 AI 版——用既有采购预算粘住企业客户。
六、商业全景：1.4 万亿估值融资与 ARR 逼近 700 亿
最后把镜头拉远，看 OpenAI 的商业站姿。与 DevDay 同步释放的数据极具冲击力：
- 融资：据彭博报道，OpenAI 在推迟 IPO 后，计划在新一轮过桥融资中至少筹集 300 亿美元，寻求投前估值约 1.4 万亿美元。若成功，估值有望重新超过 Anthropic 最近私募融资时的 9650 亿美元估值。
- 收入：据 Axios，OpenAI 的年化经常性收入（ARR）已接近 700 亿美元，自三季度初以来增长超 70%，其中 B2B 收入增长超 100%。
- IPO：奥尔特曼明确表示"暂无 IPO 时间表"，强调要先做出"站得住脚的安全性承诺"再考虑上市，把安全对齐置于能力迭代之前。与之对比，Anthropic 已于 6 月递交上市申请（预估 11 月、估值或近 2 万亿美元），马斯克的 SpaceX 已于 6 月完成史上最大规模 IPO。
用一张图把"AI 经济的三个玩家"摆在一起：
┌─────────────────────────────────────────────────────────────────┐
│ 2026 年 AI 商业化：三强的打法与站位 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ OpenAI 估值~1.4万亿(融资中) ARR~700亿 周活12亿 │
│ 打法：dots+Sol+ChatGPT入口 → 从卖Token到雇AI员工 │
│ IPO：暂无时间表，先做安全承诺 │
│ │
│ Anthropic 估值~$9650亿/近$2万亿 已递交IPO(约11月) │
│ 打法：Sonnet 5.5/Ops 连发 + AWS Bedrock 广覆盖 │
│ IPO招股书预警"生存性风险" │
│ │
│ SpaceX/xAI 已上市(史上最大IPO) Grok Bot 多智能体工程 │
│ 打法：抢注 dot.com 域名跳转 Grok 的"巧蹭" │
│ │
└─────────────────────────────────────────────────────────────────┘
这也解释了为什么 OpenAI 一边"高调冲刺商业"（融资 300 亿、冲 ARR 700 亿），一边又"审慎处理安全"（取消 Astra、推迟 IPO、把安全对齐置于能力迭代之前）。因为在高估值与高风险的夹缝里，OpenAI 必须在"证明自己值 1.4 万亿美元"和"证明自己不会失控"之间同时作答。
七、总结：管窥下一代 AI 经济的底层逻辑
回看这届 DevDay，我们能提炼出四条正在成形的产业逻辑：
- 产品从"问答"到"履职"：dots 标志着 AI 的主流形态从"你问我答的聊天助手"转向"长期在线、自驱进展的数字员工"。它们有云端电脑、能连应用、能持续干活。
- 成本从"高不可攀"到"降本普及"：GPT-6.1 Sol 以接近 Astra 的性能、约 1/5 的价格，把高性能 Agent 变成"可以不计成本地高频使用"的日常能力，是 Agent 规模化的前提。
- 计价从"卖 token"到"雇 AI 员工"：Ultrafast 把"速度"变成可单独收费的溢价维度，新订阅按"工作量和运行速度"定价——AI 正式进入"生产力计价"时代。
- 平台从"产品"到"生态"：Codex Harness 开源、Agents API、软件市场、12 亿周活，OpenAI 想垄断的不只是模型，而是"人与智能体协作"这个入口的空间。
而当奥尔特曼按下"重置键"，重置的不只是一次额度——它更像是这个行业对"AI 究竟是什么身份、该以什么方式被定价和信任"的一次集体重置。当 AI 开始以"员工"的身份领工资，人类真正要适应的，已经不是"怎么用它"，而是"怎么和它讲规矩、分责任、定边界"。 这才是这场发布会留给行业最难的课后题。