OpenAI个人智能体dots升级：任务拆分给多模型接力
OpenAl个人智能体要添新搭档！比旗舰快3倍，单价只要1/10
新智元报道
新智元报道
交给AI的活，现在连派哪个AI上场也由AI自己决定了。
11月2日，OpenAI的ChatGPT和Codex负责人Tibo在X上连发两条推文，提前透露了dots的一次关键升级。
dots会把同一项任务拆成几段，分派给不同模型接力完成。
Tibo在第一条推文里说，驱动dots的模型阵容正在扩大：除了旗舰GPT-6 Astra，Terra也即将加入，之后还会有更多型号的模型被塞进来。
真正的变化在他的第二条推文里。
按照Tibo的说法，你的dot会为任务挑选最合适的模型，在工作的不同部分调用不同的模型。
这句话的分量不轻，它动的是AI干活的底层规则。
过去用AI，挑定一个模型就一直用下去；升级后的dots改成一件任务一议，每一步都可能换模型。
这个变化对用户来说，影响很实在。
跑执行的环节可以派给速度快的模型，你不用干等；烧脑的核心步骤再交给旗舰模型，好钢用在刀刃上。
这么一来，AI把活干好的同时，时间和成本也能压下来。
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，能盯着你的目标连轴跑长时任务。
首发时，给它当大脑的是当家旗舰GPT-6 Astra。
Astra已经够聪明了，为什么还要再塞一个Terra进去？
Tibo给出的理由有两条：一是Terra跑得更快，二是它的「性格」做了升级，聊起来更讨喜。
先看实力。
第三方评测平台Vals.ai的综合榜单上，Terra拿下60.17%的得分，在28个参评模型里位居第10。分数算不上拔尖，可它偏偏戳中了用户最在意的两件事：快，还有便宜。
OpenAI官方还给出了一个数据：在电脑操作评测里，Terra完成任务的用时表现，达到Astra和Sol的3倍以上。
不过这项数据只反映单项表现。真把它放进dots里干活，一整趟流程跑完，多半快不到3倍。原因在于，评测考的是单科百米冲刺，实际工作却像一场带障碍的接力赛。
一项任务总共耗多久，既取决于最难啃的那块骨头，也取决于模型之间交接得顺不顺。
和Astra比起来，Terra的长处落在电脑操作上。看懂屏幕、填写表格、点击按钮，在不同软件之间来回切换……它能省下的时间，主要就出在这些动手不动脑的环节。
需要动脑的那一步，该花多少时间还是得花多少时间，这部分留给旗舰模型。真正拉开差距的是价格。
按标准API的普通输入、输出单价算，Astra是Terra的10倍，Sol是Terra的2倍。当然，API单价并不等于dots的订阅费，也不等于办成一件事的总开销。
可架不住积少成多。dots是长时任务智能体，一跑就是几十步，单步省下的时间和钱，乘上几十个回合，省下来的就不是一星半点了。
让旗舰模型去「镇场子」、专攻最难的推理任务就够了；每一步都让它包揽，算力和时间都是浪费。
过去很长一段时间里，挑模型这件事一直由用户自己扛。
连Tibo自己都受不了这事。
今年10月，他在Lenny’s Podcast聊起用AI时那一堆繁琐设置，直接开怼：
“你简直得有个‘模型选择器博士学位’。”
Tibo说的是模型选择和推理设置给用户添的额外负担。
想让AI干活，先得摸清每个模型的脾气，再估一估这步活有多难。
还没开工，一道超难的选择题已经摆在面前。
dots从诞生第一天起就把模型选择器砍掉了。
你要选的只剩一件事：在哪个渠道跟它搭话。
这次升级把选择做得更细：从按任务选模型，变成按步骤换模型。
拿职场人最熟悉的场景举例。
你让dot做一份项目延期汇报，整个流程要走四步：
第一步，从文档中提取进度和预算；第二步，比对几张表格中的数据；第三步，分析项目延期的原因；最后，把结论整理成PPT。
这四个步骤的难度差别很大。
找资料靠的是眼疾手快；表格数据对不上时，判断哪个口径可信最考验推理能力；制作PPT则考验提炼、排版和动手操作。
如果整个过程都交给最贵的Astra，就像请首席科学家帮你填Excel，钱包和耐心都会受不了。
但如果全部交给快模型，到了分析延期原因这一报告的关键环节，又容易想不周全或答偏。
最聪明的做法是流水线作业：哪一步谁擅长，就让谁负责。
目前官方尚未公布具体调度规则，因此不能就此断定分析一定归Astra、排版一定归Terra。
这是同一个dot在后台切换模型干活，与一群智能体同时开工是两回事。
所以对用户来说，前台会非常清爽：你只管提要求，后台派谁上场由dot自己安排。
其实早在一年多以前，替用户自动决定用哪个模型，OpenAI 就已经动过手，结果并不好看。
GPT-5 是在 2025年8月7日上线的。
这款产品主打的卖点叫实时路由——用户每提一个问题，交给哪个模型来答，全由系统自动分派。
发布之前，奥特曼还专门抱怨过老版本的模型菜单，说它排列得乱七八糟。
反转来得比预想中快。上线头一天，路由就出了故障。
奥特曼只好站出来承认：路由有一段时间处于停摆状态，GPT-5 也因此显得笨了不少。
折腾了几天，OpenAI 最终把模型菜单重新放了回去，GPT-4o 也回到了付费用户的选项当中。
一年多时间过去，仍有用户没缓过这口气。
在中文技术社区 LINUX DO 上，已经有人提高警惕：这回会不会又是变着法儿的「动态降智」？
也有人在Tibo的推文下面继续追问：dots现在到底用没用上Sol？
一旦把挑模型的权力塞进黑盒里，用户恐怕连是谁在替自己干活都弄不明白。
况且，这一回的调度比之前更难办。
GPT-5的路由只是给每次提问选个模型，一锤子买卖；dots却得在同一项长任务里排班，靠的是多个模型接力。
排得越细，交接环节出岔子的概率就越高。
前一步扒出来的资料，换成另一个模型还能不能完整接住？中途改了口径的数据，负责做PPT的模型会不会照旧用老版本？万一某一步跑偏，系统能不能当场把它揪出来？
长链条任务里，单步跑得快只是面上的事，全程不返工才算真本事。
交接一旦翻车，快模型省下的那点时间根本不够填返工的坑。你是愿意掏钱看AI表演，还是想让它们真把活干好？
替用户做选择，难就难在既要省下算力，又不能把活干砸。
Tibo在推文中表示，Terra能帮OpenAI把dots推给更多人。
眼下，dots仍是高端用户的专属。
个人用户若想尝鲜，需先订阅每月至少100美元的Pro；20美元的Plus用户至今仍用不上。
有网友留言说得很直白：
“Tibo，我不想要dot，我想要Plus多给点用量。”
那如果dots足够便宜，他还会不会想要？
官方讲的是功能升级，用户惦记的还是原有额度。
Terra更快也更便宜，让dots离走出“100美元俱乐部”又近了一步。
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。
实际表现如何，还得等上线后看四项实测：
一件复杂任务交出去，用户要等多久才有结果？
每跑一次，消耗多少额度？
执行过程中需要人手动介入几次？
最后交出来的东西，能否直接拿去用？
对用户而言，这四个问题远比模型列表里多出一个Terra要紧。
风向其实已经变了：模型选择器并没消失，只是从屏幕挪进了智能体的脑子里。
现在Meta有Muse，马斯克有Grok Bot，Google有Gemini Spark，几家都在争「个人第一助手」这个入口。
用户把任务交出去，想省下的不只是打字那几分钟，还有挑模型、等结果、改错重来的全部精力。
这个战场上比的早已不是旗舰跑分，而是谁能让用户少等、少折腾，拿到一份不用返工的活。
最聪明的模型不再稀缺，能看活派人、一次把活干利索的管家才稀缺。
参考资料：
