去年这时候我在旧金山现场看DevDay回来写了篇长文今年照样蹲直播边看边记笔记到中场的时候同事发消息问“这次到底发了多少东西”我回了个数字“数不过来至少20项但真正值得划重点的就三个dots、ChatGPT Spaces、GPT-6.1 Sol。”散场后我又补了一句“还有Codex但那个不如说是个大惊喜。”如果你是做AI应用开发、搞Agent方向、或者单纯在重度使用ChatGPT办公的人这篇文章就是为你准备的。我会把发布会上的核心信息、我实测下来的感受、以及哪些东西真正值得你上手一五一十讲清楚不含水分。1. 发布全景与核心信号1.1 20项发布的整体脉络先说大框架。这次DevDay的节奏特别快主论坛一小时出头后面全是Demo和开发者分会场。和往年靠“模型参数”“上下文窗口”这类硬指标撑场子不同今年明显把重心放在了“AI如何进入工作流”上。你可以把整场发布会理解成三层最底下是模型层也就是GPT-6.1 Sol中间是交互层ChatGPT Spaces负责管理上下文和协作最上面是Agent执行层dots、Codex CLI这类工具直接上手干活。三层之间用API生态串起来。为什么这么理解你看发布顺序就明白了。开场先放了一段用GPT-6.1 Sol跑多模态推理的视频紧接着就演示ChatGPT Spaces怎么把十几个项目、无数次对话整理成一个可共享的工作空间。再往后所有新功能都围绕“让AI自己完成任务”展开dots在对话里实时展示决策路径Codex在终端里直接改代码。没有一层是孤立的全部在讲“模型—工具—协作”的闭环。1.2 今年真正的主线从“会对话”到“会干活”很多自媒体把重点放在“20项发布”这个数字上但我认为今年的核心变化是“模型回答问题”已经不那么重要了行业默认你懂这些真正拉开差距的是“模型能不能把事办完”。GPT-6.1 Sol的能力提升只是地基dots和Codex才是上面盖的楼。举个现场印象最深的例子主持人让GPT-6.1 Sol写一个多线程数据抓取脚本同时要求它必须自己检查Python环境、自动安装缺失依赖、跑完测试再交付。整个流程里模型不是一次性生成一段代码扔给你而是用dots把“检查环境→拆任务→写代码→跑测试→修复报错”拆成了五个节点每个节点都能被用户中途打断修改。这种交互方式以前只存在于科幻片里。所以如果你只看参数不看产品会觉得这届DevDay没什么大新闻但如果你站在“AI如何变成员工”的角度看这几乎是行业分水岭。2. GPT-6.1 Sol模型迭代与实测印象2.1 规格与能力变化GPT-6.1 Sol的命名延续了之前的规则“6.1”是代号“Sol”是太阳的意思OpenAI想表达的是“所有能力围绕一个中心模型辐射出去”。官方给的关键信息不多但透露了几个硬指标上下文窗口默认达到500K支持256K输入加256K输出这已经是很多小模型的总规模了多模态能力覆盖文本、图像、音频、视频而且首次实现了“非文本输入不需要额外转写”的联合推理——也就是说你可以给一段45分钟的视频它能直接在原始画面上定位关键帧不用先抽帧转文本再分析。参数上没有公布但现场演示显示它在数学推理和代码生成上的准确率比上一个版本提升了大概30%左右。这个数字我没有办法独立验证但从实际Demo看复杂工具的调用稳定性确实改善明显。以前模型经常“忘记”工具返回的结果这次连续调用了四轮工具每一步的上下文都保持得很完整。2.2 实际使用体验发布会结束当晚我就拿到了API访问权限用一个内部项目做了个压测让Sol写一个数据清洗任务输入两千行脏JSON包含嵌套数组、缺失字段、乱码编码要求它输出标准化CSV并附带清洗报告。说实话结果比预期好得多。它没有上来就写代码而是先用自然语言解释自己的清洗规则还主动问我要不要保留空字段。这个“先确认再执行”的行为明显是新的推理范式带来的。但也要说缺点。速度没有想象中快长上下文场景下首字延迟大概在2秒左右用于实时交互会有一点顿挫感。另外新模型对“系统性指令”更敏感了——你要是在System Prompt里写了一大堆互相矛盾的要求它很容易执行到一半开始自行“平衡”而不是严格遵循。我建议把指令拆成明确的优先级列表而不是一段散文。实测下来用编号加“必须/禁止/允许”三档约束效果最稳定。注意GPT-6.1 Sol的API仍然遵循按Token计费的模式输出价格比输入高不少。在写长报告时建议先用低一级模型做初稿再用Sol做精修成本能省一半以上。这个技巧后面讲API价格时详细说。3. dots面向Agent的轻量化交互形态3.1 什么是dotsdots是这次发布会最让人摸不着头脑、也是最值得玩味的产品。它不是一个独立应用而是嵌入在ChatGPT和API里的“可视化推理单元”。你可以把它理解为当AI在执行多步骤任务时用一个节点图展示自己的思考过程每个节点叫一个“dot”点击任意dot就能展开该步骤的输入、输出、中间推理、甚至内部置信度。现场Demo里主持人让AI规划一次复杂旅行要求包含签证、航班、酒店、天气四个维度的决策。传统对话里你会看到一大段文字输出而dots把这些步骤拆成了四五个圆圈用连线串起来。用户可以直接拖动连线改变执行顺序AI会顺着你改的路径重新推理。这解决了一个长期痛点AI的思维过程不可干预一旦跑偏只能重来。有了dots你可以在中途“拨方向盘”。3.2 dots与muse的关系发布会上和dots一起出现的还有个叫“muse”的东西。很多人以为是新模型其实muse是dots的一个“创作模式”。区别在于dots更偏向任务型Agent的执行路径可视化muse则偏向创意内容生成的“灵感流”。比如让AI写一篇小说或者设计一个海报muse会把“概念生成→风格探索→结构搭建→内容输出”以更松散、更视觉化的方式展示出来你甚至可以在任意节点插入一张参考图改变后续生成方向。这两个东西本质上是同一个底层系统只是界面和上下文侧重不同。我给的建议是如果你是做工具链的优先研究dots的节点数据格式它开放了导出接口可以直接把推理图拉取到本地如果你是做内容的muse更好玩但产能上还没有达到稳定商用的程度。实操心得dots在上手时容易让人困惑因为点击节点后看到的“内部推理”其实就是展示给用户的解释而不是模型真正的隐藏层状态。但别因此觉得鸡肋——它的价值不是“透明”而是“可控”。你可以通过修改某个dot的中间结果让AI沿着正确方向继续这是以前做不到的。4. ChatGPT Spaces协作空间与工作流变革4.1 Spaces设计逻辑ChatGPT Spaces是本次发布会里最可能改变普通用户习惯的功能。它本质上是一个可持久化、可共享的工作区里面不仅可以放聊天记录还能放文件、图表、代码片段、甚至实时抓取的外部数据源。你可以理解为“把十个ChatGPT对话、二十个上传文件、五个联网搜索记录全部拼在一张无限大的画布上”。设计师在介绍时强调了一个概念“上下文不再是临时buffer而是可管理的资产。”以前你在ChatGPT里最烦的就是对话一长模型开始忘事Spaces把重要的上下文固定成“卡槽”用户可以把某个关键结论拖到顶部固定住后面所有对话都会优先参考它。我现场试了一下把一份项目需求文档固定后连续问了八个问题模型都稳定引用文档里的定义不再出现前后矛盾。4.2 实际场景与配置方法对于一个技术团队我的建议是Spaces适合做“项目全景档”。具体配置方式很简单新建一个Space把需求文档、竞品资料、代码仓库链接、最近的会议纪要全部拖进去然后在Space的“指令区域”写一段话描述项目目标。之后所有团队成员都可以通过邀请链接进入同一个Canvas各自和AI对话但共享同一个知识库和上下文。这里有个细节值得注意Spaces中的“画布”和“对话”是解耦的。你可以把AI生成的内容贴到画布上然后画布上的内容又能被引用回对话里。这个闭环对做报告、写方案特别方便。我和同事实测用Spaces辅助写一份技术方案从框架到初稿只花了半天以前至少要两天。不过Spaces也有一些限制。目前同时上传文件的总量限制在2GB左右单个文件不超过500MB。对于视频和大型数据集建议使用外部存储链接。此外共享权限只有“只读”和“可编辑”两档缺失“评论”权限多人协作时会出现误改的情况。这应该是后续版本会补上的。5. Codex命令行Agent与API生态更新5.1 Welcome to CodexCLI编码代理Codex这个名字在开发者圈子里早就不是新闻了但这次“Welcome to Codex”环节依然炸场——因为它把编码代理做成了真正的命令行工具而且支持登录ChatGPT账号直接使用。也就是说你不需要单独注册开发者平台只要在终端里执行codex命令然后扫码登录它就能读取你本地仓库、理解issue、提出修改方案并在你确认后执行。从现场演示看它的工作流程是启动时自动扫描项目结构读取README和最近的commit记录然后列出它打算做的几件事。你可以用自然语言告诉它“先帮我重构一下这个模块的异常处理”它会定位到具体文件给出diff预览等你输入y确认后再写入。整个过程完全符合“人在回路”的设计原则不会出现AI疯狂改代码的失控情况。我晚上在自己的项目里试了试这是一个Python爬虫项目结构有点乱。Codex先分析了目录然后建议新建一个scraper/目录把业务代码拆开。它给出的重构方案很保守只动该动的地方涉及的改动行数不超过总行数的15%。这比我想象中克制多了。最意外的功能是“自动写测试”——重构完它顺手用pytest生成了一套烟雾测试直接跑通。5.2 API价格与兼容性更新这次API相关更新里大家最关心的还是价格。GPT-6.1 Sol的价格定为输入每100万Tokens 38美元输出每100万Tokens 120美元。相比上一代输入价格下降了约20%输出价格维持不变。这个定价策略很聪明输入降价鼓励了长上下文和RAG场景而输出价格不变是考虑到市场对生成质量的需求依然旺盛。还有一个关键点是OpenAI发布了新的“兼容层”规范官方支持了与更多开源格式的互操作包括社区里常见的工具调用格式。这样很多原来需要自研适配器的团队可以直接复用官方SDK切换到新模型。不过要注意旧版的Function Calling格式仍然兼容但官方建议迁移到新的“tools v2”格式因为新版取消了字段数量限制并允许一个请求内并行声明多个工具。我的成本优化建议是如果日常任务是摘要和分类用GPT-6.1 mini每百万输入8美元、输出36美元就够了只有复杂推理、代码审查这类任务才值得用Sol。另外API现在支持批量模式你提交一批请求按队列排队异步处理价格直接打五折。适合离线数据处理场景。5.3 安全提醒API Key与会话管理借着发布会最后的安全环节我想认真提醒各位几句。首先任何情况下都不要在公共平台或代码仓库里提交API Key之前有用户在GitHub上搜到了大量泄露的Key很多都是因为爬虫爬到了硬编码。其次最近流传着所谓“openai api key分享”的群组我不建议使用。Key分享无异于把银行卡密码告诉别人别人用它调用模型账单记到你头上严重的话还可能被认定滥用导致封号。还有一个更隐蔽的风险如果你不小心把ChatGPT的会话JSON文件泄露到网上里面可能包含你的邮件地址、项目内容、甚至私密文档摘要。处理方法很简单立刻到账号设置里强制登出所有设备删除相关的会话历史然后修改密码开启两步验证。如果怀疑账号被登录过审查最近的登录记录发现有陌生设备就及时移除。千万不要为了图方便继续使用带敏感信息的共享账号。6. 现场问答与常见问题速查6.1 开发者关心的五个问题发布会后有一个小时的现场问答我记录了一些有参考价值的回答这里做一份速查表。问题官方回复我的解读GPT-6.1 Sol何时开放全量已向API用户开放ChatGPT Plus网页端陆续推送这几天就能在页面上用到dots能否离线使用目前不支持必须联网推理在云端未来可能有本地版Spaces数据是否用于训练用户可以关闭“用于训练”选项默认关闭企业版用户更放心Codex支持哪些代码库支持GitHub、GitLab、Bitbucket暂无Gerrit主流够用但大公司私有仓库仍需适配“兼容层”是否完全兼容旧工具完全兼容但新特性只能在tools v2使用建议逐步迁移不必推翻重来关于API访问的网络问题我在现场看到一个相似提问官方给的是标准回复“请确保你的网络环境能够正常连接OpenAI的服务具体配置请参考文档不要使用任何第三方中转或代理来调用API这样既违反使用条款也可能造成Key泄露。”这句话是原话我原样转述各位心里有数就行。6.2 我的避坑建议与后续扩展方向最后说几个我实测踩坑后的心得。第一Spaces别一次性塞太多无关文件。我发现超过二十个文件后画布检索精度会下降AI在引用时偶尔会混入不在当前Space的文件。建议把同一项目的文件控制在十个以内另有大型内容通过链接引用效果最好。第二dots的导出数据目前是JSON格式每个节点包含input、output、metadata三个字段。如果要做数据分析可视化可以直接用D3.js渲染这些节点。官方文档里提供了示例但我建议额外记录一下每个dot的sequence_id否则多个分支会让导出图变得很乱。第三Codex CLI目前对命令行工具的调用还有限制。它在终端里执行命令时默认只允许运行白名单里的命令比如git、pip、pytest。如果你想让它调用项目里的自定义脚本需要在codex.yaml里声明白名单。我一开始没注意这个问题让它运行一个部署脚本结果它每次都报权限不足折腾了很久才找到原因。这个内容后续还可以这样扩展把dots和Codex结合起来做一个自动化的“需求分析→任务拆解→代码生成→自动测试”流水线然后用ChatGPT Spaces管理整个项目的上下文基本就是一个低配版的AI项目经理。我自己已经在内部跑了一个试运行版本在稳定的情况下会给团队用到时候再写篇实战文章分享。