OpenAI个人智能体要添新搭档，比旗舰快3倍，单价只要1/10 - 竞彩历史指数

把任务分配给AI后，连派哪个AI上场也由AI自己决定。

11月2日，OpenAI的ChatGPT与Codex负责人Tibo在X上接连发布两条动态，透露了dots的一次重要更新：

针对同一任务，dots将拆分成多个阶段，由不同模型接力完成。

在Tibo的首条动态中，他提到驱动dots的模型阵容正在扩大：除了旗舰GPT-6 Astra，Terra即将加入，后续还会引入更多类型的模型。

更关键的改变出现在他的第二条动态里：

你的dot会根据任务需求选择最合适的模型，并在工作的不同环节调用不同模型。

别小瞧这一点，它改变了AI执行任务的方式。

过去使用AI，是选定一个模型从头到尾执行；升级后的dots，则会根据具体情况、按步骤更换模型。

对用户而言，这个变化意义重大。

那些执行性的步骤可以交给速度更快的模型，这样用户就不必等待；只把一些复杂的核心环节交给旗舰模型，也能让资源用在最关键的地方。

这样一来，你就能让AI在完成好任务的同时，节省时间和成本。

Astra坐镇还不够，快3倍的Terra加入

dots是OpenAI的个人智能体，于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间任务。

最初发布时，担任其大脑的是当家旗舰GPT-6 Astra。

Astra已经足够聪明，为什么还要加入一个Terra？

Tibo的回答是：Terra更快，并且「性格」也有升级（聊起来也更讨喜）。

先看实力。

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

虽然分数不算突出，但它精准命中了用户最关心的两大痛点：速度快，且成本低。

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。

但这个数字只是单项成绩，如果放到dots的实际应用中，整个任务完成下来，大概率不会快上3倍。

因为评测比拼的是单科百米冲刺，实际工作则是一场障碍接力赛。

一项任务的总耗时，除了要看最难的环节，也要看模型之间的衔接是否顺畅。

与Astra相比，Terra的强项在于电脑操作。

看懂屏幕、填写表格、点击按钮、在不同软件间来回切换……它能节省的时间，主要集中在这些动手不动脑的环节。

但真正烧脑的步骤，该思考多久还是得思考多久，需要留给旗舰模型。

相比速度差距，价格差异则更为显著。

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，也不等于你完成一件事的总成本。

但积少成多。

dots是一个需要运行几十步的长时任务智能体，单步节省一点时间、一点成本，乘以几十个回合，节省的就不是一星半点。

让旗舰模型负责「掌控全局」，专攻最难的推理任务就足够了，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，选择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，曾吐槽：

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工作，你得先了解每个模型的特性，再评估这步任务的难度。

还没开始工作，前面就有一道超难的选择题。

所以dots从诞生第一天起，就取消了模型选择器。

你唯一要选的，是在哪个渠道与它交流。

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。

举个例子，职场人最熟悉的情景。

你让dot做一份项目延期汇报，整个流程需要四步：

先从文档中提取进度和预算；再核对几张表格中的数据；然后分析项目为什么延期；最后把结论整理成PPT。

这四步，难度也不在一个档次上。

提取资料，比拼的是速度；表格数据冲突时，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消耗。

但如果全交给快模型，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，官方还没公布具体调度规则，不能就此断定分析一定归Astra、排版一定归Terra。

这是同一个dot在后台换模型工作，和一群智能体同时开工是两回事。

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自己安排。

上一次替你选模型，OpenAI翻过车

替用户选模型这件事，OpenAI在一年多前就做过，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。

没想到打脸来得很快，上线第一天，路由就出问题了。

奥特曼不得不公开承认：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，已有网友警觉：这会不会又是「动态降智」？

也有人在Tibo推文下追问：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，是一次性决定。dots要在同一项长任务里安排班次，玩的是多棒接力。

排班越细，交接出错的风险就越大。

前一步提取的资料，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，系统能不能当场发现？

长链条任务中，单步跑得再快只是表面，全程不返工才是核心。

交接一旦出错，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，都在争抢「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、改错重来的全部精力。

在这个战场上，比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。