OpenAI个人智能体dots升级：任务拆给多模型接力，Terra比旗舰快3倍
AI开始给AI派活了
把任务交给AI之后，该由哪个AI来干，现在也交给AI自己决定了。
11月2日，OpenAI负责ChatGPT和Codex的Tibo在X上接连发了两条推文，提前透露了dots的一次重要升级：
同一个任务会被dots切成若干段，再分派给不同的模型接力完成。
Tibo在第一条推文里说，驱动dots的模型阵容要扩容了：除了旗舰GPT-6 Astra，Terra很快也会加入，之后还会有更多型号的模型进来。
更关键的改动出现在他的第二条推文里：
你的dot会替任务挑出最合适的模型，在工作涉及的不同环节调用不同的模型。
这句话份量不轻，它换掉了AI干活的老逻辑。
过去用AI，是挑定一个模型从头干到尾；升级后的dots变成一事一议，按步骤换模型。
对用户而言，这个变化相当要紧。
执行类的步骤可以派速度快的模型上场，人不用干等着；烧脑的核心环节再交给旗舰模型，好钢用在刀刃上。
这样一来，AI把活干好的同时，时间和成本也能压下来。
Astra坐镇还不够，快3倍的Terra也来了
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，能盯着你的目标连续跑长时任务。
刚发布时，给它当大脑的是当家旗舰GPT-6 Astra。
Astra已经够聪明了，为什么还要再加一个Terra？
Tibo给出的答案是：Terra更快，「性格」也做了升级（聊起来更讨人喜欢）。
先看实力。
第三方评测平台Vals.ai的综合榜上，Terra拿到60.17%的得分，在28个参评模型里排第10。
跑分虽然不算拔尖，但它正好打中用户最在意的两点：快，还有便宜。
OpenAI官方还给出了一个数字：
在电脑操作评测里，Terra完成任务的速度达到Astra和Sol的3倍以上。
不过这只是一个单项成绩，放到dots的实战里，整套活干下来大概率快不到3倍。
评测比的是单科百米冲刺，真实工作却更像一场带障碍的接力赛。
一项任务总共要花多久，既取决于最难啃的那块骨头，也取决于模型之间的交接顺不顺畅。
电脑操作是Terra相对Astra的拿手好戏。
看屏幕、填表格、点按钮，还得在不同软件间切来切去……它省下的时间，基本都出在这些动手多、动脑少的活儿上。
但真正费脑子的那一步，该花多久还是多久，这部分得交给旗舰模型。
速度上的差距还不算最扎眼的，价格差得更开。
按标准API的普通输入、输出单价算，Astra都是Terra的10倍，Sol都是Terra的2倍。
当然，API单价跟dots的订阅费不是一回事，跟你办成一件事的总账单也不是一回事。
但架不住量大。
dots干的是动辄几十步的长时任务，每一步省一点时间、省一点钱，几十个回合乘下来，省出来的就不是小数目了。
让旗舰模型去“镇场子”、专攻最难的推理任务就够了，要是每一步都让它包揽，算力和时间都白搭。
一份汇报分四步，几个模型流水线接力
挑模型这件事，过去很长时间都是用户自己的苦活。
连Tibo本人都受不了这个。
今年10月，Tibo在Lenny’s Podcast聊到用AI时那些繁琐设置，就吐槽过：
你简直得有个“模型选择器博士学位”。
这是Tibo在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，先得摸清每个模型什么脾气，再掂量这步活有多难。
活还没开始干，一道超难的选择题已经摆在面前。
所以dots从第一天起，就把模型选择器砍掉了。
你唯一要挑的，是在哪个渠道跟它说话。
这回升级，把选择的颗粒度又往下推了一层：从按任务选模型，细到按步骤换模型。
拿职场人最熟的一个场景来说。
你让dot做一份项目延期汇报，整个流程分四步：
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；最后把结论排进PPT。
这四步的难度，压根不在一个档次上。
查资料比的是谁手脚快，表格里数字对不上时，判断哪套口径靠得住最耗推理；做PPT，则要看提炼、排版和实际动手的本事。
整套流程都交给最贵的Astra，等于让首席科学家替你填Excel，钱和耐心都得跟着遭殃。
反过来，全压给快模型，到了分析延期原因这个报告的关键处，又容易想不周全，或者答歪。
更聪明的办法是流水线分工：哪一步谁拿手，就派谁上。
不过官方眼下还没公布具体的调度规则，所以不能一口咬定分析就归Astra、排版就归Terra。
还有一点要说清：这是同一个dot在后台换模型干活，跟一群智能体同时开工不是一回事。
对用户来讲，前台因此会非常干净：你只管提要求，后台派谁上场由dot自己安排。
上一次替用户挑模型，OpenAI栽过跟头
替用户选模型这活儿，OpenAI一年多以前就试过，结果并不好看。
2025年8月7日，GPT-5正式发布。
当时主打的卖点就是实时路由——每条提问交给哪个模型回答，全由系统自动分配。
发布之前，奥特曼还专门吐槽过旧版的模型菜单，嫌它乱得没法看。
结果打脸来得很快，上线第一天路由就瘫了。
奥特曼只好公开认错：路由停摆那段时间，GPT-5看起来笨了不少。
折腾了几天，OpenAI只能把模型菜单重新加回来，GPT-4o也回到了付费用户的列表里。
一年多过去了，部分用户心里那道坎还没过去。
中文技术社区LINUX DO上，已经有人警觉起来：这回会不会又是「动态降智」？
也有人跑到Tibo的推文下面追问：dots现在用的究竟是不是Sol？
模型选择权一旦被收进黑盒，用户恐怕连谁在替自己干活都搞不清楚。
更何况，这次调度本身更难。
GPT-5的路由只是为每一次提问挑模型，一锤子定音。dots却要在同一项长任务里排班，玩的是多棒接力。
排得越细，交接环节出岔子的风险就越高。
前一步扒出来的资料，换个模型能不能完整接住？中途改掉一个数据口径，做PPT的模型会不会还拿着旧数据？哪一步跑偏了，系统能不能当场发现？
长链条任务里，单步跑得快只是表面功夫，全程不返工才算真本事。
交接环节一失手，快模型抢出来的那点时间根本填不上返工的窟窿。用户究竟是想掏钱看AI表演，还是指望它把活真干完？替用户做取舍，难就难在算力省下来了，活还别干砸。
想走出100美元俱乐部，先过交付这一关
Tibo在推文中表示，Terra能帮OpenAI把dots送到更多人手里。可眼下dots仍是高端玩家的专属。
个人用户想尝鲜，前提是订上每月至少100美元的Pro；20美元的Plus用户到现在还没用上。有网友把话说得很实在：
Tibo，我不想要dot，我想要Plus多给点用量。
那dots要是够便宜呢，他还想不想要？官方讲的是功能升级，用户惦记的还是原来那点额度。
更快也更便宜的Terra，让dots离走出「100美元俱乐部」又近了一步。长期盯着AI新功能的TestingCatalog看到Tibo的预告，只回了一句：有待实测。
效果行不行，还得看上线后四项实测：
一件复杂任务做完，要等多久？
跑一趟要耗掉多少额度？
中间得人工上手救几回火？
最后交出来的东西，能不能直接拿去交差？
对用户来说，这四个问题远比模型列表里多出一个Terra要紧。不过风向确实变了：模型选择器并没消失，只是从屏幕上挪进了智能体的大脑里。
眼下Meta有Muse，马斯克有Grok Bot，Google有Gemini Spark，都在争「个人第一助手」这个入口。用户把活交出去，想省的不光是打字那几分钟，还有挑模型、等结果、改错重来的全部心力。
这块战场上比的早就不只是旗舰跑分，而是谁能让用户少等少折腾，拿到一份不用返工的活。最聪明的模型已经不稀罕了，稀罕的是会看活派活、一次把活干利索的管家。
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/
