OpenAI 发布 dots：由 GPT‑6 Astra 驱动、拥有独立云电脑的常驻智能体

2026年9月29日，OpenAI发布了名为 dots 的新产品形态。官方的定义很直接：dots 是“非常强大、始终在线、什么都能处理的智能体”。它不是一个等你提问才回答的聊天窗口，而是一个了解你的目标和标准、在云端持续工作、并在完成后把结果交给你审核的长期助手。OpenAI称之为“与人共事的全新方式”。 先看核心事实。dots 由 GPT‑6 Astra 驱动，每个 dot 拥有自己的云端计算机和浏览器，可以通过插件生态连接超过4,000个应用，并能根据反馈长期学习。用户可以在 ChatGPT、Slack 或 Teams 中与自己的 dot 交流，也可以直接发起语音通话。目前 dots 开始向 Pro、Business Premium 和 Enterprise 套餐的用户推送，仅限符合条件的市场，OpenAI表示会很快扩大范围。官方页面没有公布价格、基准测试成绩或延迟数据，所以本文不会替它编造这些数字。

从机制上看，dots 有三个层次值得拆开说。第一层是执行环境。每个 dot 在自己的云端计算机上运行，拥有独立的浏览器和你授权的应用连接。用户可以随时打开 dot 的计算机，检查它做了什么。这一点很关键：它把“智能体在黑箱里行动”变成了“智能体的工作现场可以被查看”。同时，dot 还可以在获得许可后连接其他设备，包括你的笔记本电脑，直接在你身边协同工作。 第二层是持续性与并行性。官方强调 dot 可以同时推进多个项目，用户不必为每件事开独立的对话线程，也不必指挥每一步。第三层是记忆与学习。dot 会逐渐了解你的偏好、思考方式，以及“什么样的结果算好”。OpenAI把这称为 dots 的“魔法”：交付的工作按你自己的方式完成，有时在你想到之前就已经完成。从工程角度看，这意味着产品的重心从单轮的提示词响应，转向长周期的任务状态、个人偏好建模和事件触发。

官方给出的场景很具体。开发者场景：dot 监控客户反馈中反复出现的需求，划定较小的改进和缺陷修复范围，自行构建并测试，然后交付完整的拉取请求，并附上展示改动的视频。产品发布场景：当产品范围变化时，dot 重新梳理叙事，修订发布材料，起草素材和文档的改动。科研场景：新数据到来时，dot 重新运行分析，调查异常结果，更新论文图表，并标出需要人工复核的地方。销售场景：dot 对照产品文档核对客户需求，找出仍需测试的部分，为关键集成搭建概念验证，并推荐处理过类似交易的解决方案工程师。内容创作场景：新访谈稿到达后，dot 找出适合剪辑的片段，准备节目笔记，起草社交媒体帖子等你批准。 在 OpenAI 内部，团队看到的画面是：Slack 里出现一个缺陷，dots 立刻开始排查；一份新设计稿到达，dots 把它做成可运行的应用；规划周期启动后，dots 让所有人朝着截止日期同步推进。外部早期测试者的例子更生活化：他的 dot 发现他忘了给一家出版物开发票，准备好发票，并在他批准后发出。这个例子说明了 dots 的基本节奏：先主动发现，再准备，最后由人批准。 安全与控制是官方页面的一级栏目，分为三块：内置防护、访问与权限、操作审核与批准。官方措辞是“你始终掌控一切”。具体到产品行为，从发票的例子可以看到，对外发送这类有后果的动作需要人先批准。不过，官方在公开页面里没有披露防护的技术细节，例如提示词注入防御、权限粒度、审计日志格式。对企业来说，这些才是上线前必须逐项验证的内容。 面向组织的部分是“专家 dots”预览。这类 dot 拥有独立的身份用于访问管理，使用由 IT 部门配置的硬件，并支持与企业记录系统（systems of record）的深度集成，从而在组织内承担界定清晰的职责。OpenAI还宣布把专家 dots 带到 Microsoft Agent 365。这一步的含义很大：智能体不再只是员工的个人工具，而是成为身份目录中的“数字员工”，有账号、有权限边界、可被 IT 管理和撤销。

对开发者和企业的实际影响有四点。第一，工作流的入口变了。过去是人打开工具、写提示词、检查输出。现在是 dot 观察事件源（Slack 里的缺陷、客户反馈、新数据、新转录稿），主动准备成果。第二，评审成为主要劳动。当 dot 交付完整拉取请求和演示视频时，人的价值落在判断和批准上，团队需要重新设计评审流程和责任归属。第三，身份与权限治理变成上线门槛。每个 dot 的凭证、可访问的应用和可执行的动作都需要最小权限设计。第四，插件生态成为护城河。连接4,000多个应用，意味着集成的广度本身就是产品能力。 挑战同样清楚。一是可靠性：始终在线的智能体会把小错误放大成连续的错误，所以动作审核和回滚机制比模型分数更重要。二是成本：官方未公布定价和算力计量方式，24小时运行的云端计算机对企业预算是一个未知数。三是数据治理：dot 会学习个人偏好并持续访问多个系统，数据留存、跨用户隔离和合规要求必须明确。四是责任界定：当 dot 在你批准之前已经做了大量准备工作，批准往往变成快速点击，评审疲劳会成为真实风险。 从行业趋势看，dots 把竞争从“谁的模型更强”推向“谁的智能体有更好的身份、权限、记忆和集成”。OpenAI自己也说，现在从主 dot 开始，未来设想是由多个 dots 组成团队，替你协同工作。与 Microsoft Agent 365 的联动则说明，智能体的管理层正在与企业身份体系合并。短期内值得观察的指标包括：向更多地区和套餐的扩展速度、专家 dots 的正式发布时间、定价模式，以及第三方对其安全防护的独立评估。

对读者的建议很务实。如果你是开发者，先找出团队里重复、可验证、有明确验收标准的任务，例如缺陷分类和小修复，这是 dot 最容易产生价值的地方。如果你负责企业 IT，应当在试点前先定义 dot 的身份、权限范围和审批规则。无论是哪一种角色，都应该把“可检查”当作硬性要求：能打开 dot 的计算机、看到它的操作记录，才谈得上信任。