
新智元报道
把活交给 AI,派哪个 AI 上场也归 AI 管了。
11 月 2 日,OpenAI 的 ChatGPT 和 Codex 负责人 Tibo 在X上连发两条推文,剧透了 dots 的一次关键升级:
同一项任务,dots 将拆成几段,交给不同模型接力。
在 Tibo 第一条推文里,他透露驱动 dots 的模型阵容正在扩容:旗舰 GPT-6 Astra 之外,Terra 即将入列,后面还会塞进更多型号的模型。

真正重要的改变,藏在他的第二条推文里: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模型。

别小看这句话,它改变了 AI 干活的逻辑。
以前用 AI,是选定一个模型干到底;升级后的 dots,要一事一议、按步换模型。
对用户来说,这个变动很关键。
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,把时间和成本都打下来。
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,为什么还要塞一个 Terra?
Tibo 的答案是:Terra 更快,「性格」也升了级(聊起来也更讨喜)。
先看实力。
第三方评测平台 Vals.ai 的综合榜上,Terra 得分 60.17%。在 28 个参评模型里,它排第 10。
虽然跑分不算拔尖,但它精确命中了用户最在乎的两大痛点:快,而且便宜。
OpenAI 官方还甩出一个数字:
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……它能抠出来的时间,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/
编辑:元宇
科技
3000万招聘NPC、最高年薪千万,景区疯抢“打工人”
2026-10-08
科技
QQ宠物登陆鸿蒙系统:会卖萌还会串门交朋友
2026-09-28
科技
OpenAI开始断网训练最强模型:“安全起见”
2026-10-27