1. 2026 DevDay 主舞台的节奏与整体印象今年的 DevDay 开场没有那么多预热视频直接就是 Sam Altman 上台放了半分钟 demo让 GPT-6.1 Sol 在几分钟内完成一个多智能体协作的完整任务从拆解需求、分配子任务、调用外部 API、生成可视化报告到最终把结果整理进 ChatGPT Spaces 的一个共享空间里。整个过程几乎没有人工干预旁边只配了简短的语音指令。说实话这个开场看得人挺热血因为这就是过去一年整个行业反复念叨的“Agent 真正落到工作流里”的样子。之后的 45 分钟官方陆续放出了 20 多项更新信息密度极高但真正值得开发者停下来细品的一个是全新的交互产品 dots一个是面向团队协作的 ChatGPT Spaces再就是新模型底座 GPT-6.1 Sol。这次发布会的定位非常明确不再是单纯堆参数、堆 benchmark而是把“模型、工具、协作界面、开发者基础设施”串成一条完整的链。如果你只看模型参数会以为只是常规迭代但如果你把 dots、Spaces、API 更新放在同一个上下文里看会发现 OpenAI 在试图重新定义“人和 AI 一起工作”的形态。这篇文章我想以参会者和开发者的双重视角把整场发布会里真正有干活的东西拆开讲包括哪些更新值得立刻上手、哪些东西目前还有坑、以及我对整套体系的判断。2. 全场 20 项发布的总览与分层2.1 发布内容的四大层次我把这次 DevDay 的发布内容按层拆解理解起来会清晰很多模型层GPT-6.1 Sol 正式发布同时开放了 Sol 的轻量版 Sol Mini 给高并发场景还有配套的 Embedding 新模型。界面与交互层全新的 dots 产品以及 ChatGPT Spaces 从预览转为全面开放这两个属于普通用户和团队都能直接感知的更新。开发者平台层Realtime API、微调 API、结构化输出、函数调用这些基础能力都做了重要升级其中不少还直接降了价。生态与协作层应用商店机制完善、第三方工具集成规范、团队工作区的权限模型强化。这个分层不是官方给的但是按我的理解它更能说明这次发布会的真实意图。模型能力是基础但哪怕模型再强如果没有好用的交互界面和稳定可控的 API 底座开发者也没办法把它变成真正的产品。这次 DevDay 让人兴奋的地方在于三层都有实质性的进展而不是只有模型层单点突破。2.2 值得优先关注的重点项目在所有发布里有三个东西热度最高dots、ChatGPT Spaces、GPT-6.1 Sol。后面我会分别展开。这里先说说其他容易被忽略但不该错过的更新。提示词缓存价格再次下降新的长上下文缓存首次命中成本直接降了 75%对做 RAG 或者长文档处理的人影响极大。结构化输出支持嵌套 AnyOf以前要做复杂的 JSON Schema 校验经常得自己拼 Prompt 再加外置校验器现在模型原生支持更复杂的数据结构响应格式的正确率提升明显。Realtime API 增加了语音活动检测的置信度字段这在做语音对话产品时非常关键能大幅减少误断句。批量 API 支持了检查点断点续跑大批量任务中间挂了不用全量重来对生产环境友好很多。这些小更新单独看都不算革命但组合起来使用成本更低、容错更强这恰恰是生产环境最需要的。推荐有条件的团队直接把相关的 Beta 功能开起来测试大部分都是向下兼容的开关。3. 详解 dots被很多人低估的交互范式变化3.1 dots 到底是个什么东西dots 是这次 DevDay 上最让我意外的一个产品。它不是一个传统的聊天界面也不是普通的画布工具。你可以在一个无限画布上创建一个个“点”每个点可以承载一段文本、一张图片、一段音频、一段代码、一个 API 调用结果甚至一个正在运行的小型 Agent。点和点之间可以连线连线代表信息流向或者依赖关系。整个画布可以被 ChatGPT 实时读取和理解也就是说你可以用很随意的方式把素材丢上去然后让模型基于这些“点”之间的关系去推理和生成。听起来是不是有点像“可视化思维链”对实际上 dots 带来的体验确实如此。普通聊天窗口的问题在于上下文是线性的信息只能一条条往下堆而 dots 把上下文变成了网状结构。举个例子我在现场试了试让 dots 帮我梳理一份产品竞品分析左侧放了三家竞品的官网截图和定价页面中间放了我自己产品的用户反馈截图右侧让模型生成了三个对比维度。模型不仅正确理解了这些点的位置关系还自动在“用户反馈”和“竞品定价”之间建立了一条连线标注出“价格敏感度可能是流失主因”。这种对空间布局和关系的理解是普通对话模式很难做到的。3.2 dots 的技术底座与适合的使用场景dots 背后实际上依赖的是 GPT-6.1 Sol 的多模态空间理解能力。模型不是把画布简单地转成文字描述而是能够理解各个点的坐标、大小、层级、连线关系以及点里面承载的不同模态内容。这意味着 dots 特别适合这几类工作研究整理类把论文、网页、数据报告全部丢进画布让模型按逻辑重新组织并用连线标出相互引用和矛盾点。头脑风暴与方案设计一个想法一个点点和点随意连接快速展开成完整方案。比传统的思维导图更灵活因为每个点都像是活的。代码与架构设计在画布上画出模块、接口、数据流再让模型根据这个架构图直接生成代码骨架。实测对于中大型项目的起步阶段效率提升很明显。不过说实话dots 当前版本还远远不够完美。它的文件加载速度在画布元素超过 200 个时会有明显下降而且默认的自动连线偶尔也会“自作聪明”连错逻辑。我在现场也听到不少开发者反馈希望官方能开放更多画布操作的 API让自己开发的 Agent 可以主动向画布写入内容。OpenAI 在会上表示这已经在规划列表里但没给明确时间。我的建议是如果你现在主要用 ChatGPT 做长文档分析、复杂调研、团队方案设计dots 值得立刻上手如果你只是日常问答那没必要强行切换。4. ChatGPT Spaces从单人对话升级到团队协同空间4.1 Spaces 的核心功能拆解ChatGPT Spaces 是这次发布会里另一个重量级更新。简单说它就是把原来“一个对话从头聊到尾”的模式升级成一个持久化、结构化、可共享的工作空间。你可以在一个 Space 里同时创建多个子对话、多个文件存储夹、多个自定义 Agent甚至多个互相关联的 dots 画布。所有成员看到的是同一个动态更新的空间状态而不是各自对着一个孤立的聊天记录。最值得关注的是 Space 引入了全新的角色权限体系。以前团队用法基本都是共用账号或者把对话记录导出再到处转发既混乱又不安全。现在一个 Space 下可以设置 Owner、Editor、Viewer还支持按 Agent 的粒度去限制权限。举个例子你可以只让某个成员使用团队微调过的“代码审查 Agent”但不允许他直接调用“生产环境变更 Agent”。这种精细化的管控对稍微有点规模的技术团队是刚需。另外Spaces 和 GPT-6.1 Sol 的“持续性记忆”做了深度集成。每个 Space 都有自己独立的知识库和记忆空间模型会基于该 Space 的历史讨论、上传的文档、成员反馈来组织回答。这让模型不再像一个每次都“失忆”的聊天机器人而更像一个熟悉你们团队上下文的老同事。我个人尝试下来在多轮复杂项目协作中回答质量的稳定性确实比普通模式高出一截。4.2 Spaces 在团队工作流中的实际接入方法我的建议是不要一上来就把所有对话都迁到 Spaces 里而是选一个正在推进的项目做试点。具体步骤可以参考创建一个新 Space命名为项目名。把项目相关的文档、历史讨论记录、数据文件统一上传到 Space 的知识库。在 Space 里创建三个子助理资料分析、方案生成、代码实现。拉入团队核心成员按职责分配角色权限。把每天的工作对接讨论全部放进 Space 对应频道保持上下文连续。每完成一个里程碑用 Space 的总结功能自动生成项目周报。这套流程我们在一个内部工具的重构项目里跑了大概两周最直观的变化是“重复沟通”显著减少。以前每次新需求都要把背景资料从头讲一遍现在模型直接能从 Space 的记忆里调出相关上下文新成员也能通过历史记录快速接手。当然Spaces 也有一些待改进的点比如搜索功能目前只支持标题和正文关键词不支持语义检索移动端的编辑体验明显弱于网页端。这些问题官方应该会在后续迭代里解决但不影响它成为当前团队协作最值得尝试的 AI 工作空间。5. GPT-6.1 Sol模型能力的全面梳理与实测感受5.1 模型规格与关键能力提升这次发布会的主角毫无疑问是 GPT-6.1 Sol。命名上“Sol”来自拉丁语里的“太阳”意思也很直白这是一个试图成为“核心引擎”的模型。从官方公布的数据来看GPT-6.1 Sol 的核心提升集中在这几个方向上下文窗口扩展到 4M token实测可以在一整轮对话里读完几十本技术文档并在后续问题中准确引用其中的细节。多模态理解能力大幅增强不仅支持图片、音频、视频输入还首次把“空间布局”纳入了统一理解框架。dots 产品就是直接受益者。工具调用与多步规划能力明显提升尤其适合 Agent 场景。官方展示了一个案例模型自主完成了从电商后台拉取销售数据、清洗数据、生成可视化图表、撰写分析报告、发出邮件通知的完整链路整个过程只被用户打断了一次。推理效率优化明显。Sol 对比上一代旗舰在相同任务上的首字响应延迟降低了约 40%这对交互型产品极其重要。还有一个容易被忽略的更新Sol 引入了动态推理预算控制。以前我们调用大模型要么固定 max_tokens要么开启 reasoning mode 让模型无限推理很难控制成本和延迟。现在 API 参数里可以直接设置推理预算比如“简单问答用低预算复杂代码生成用高预算”模型会自动调整思考深度。实测下来在保证结果质量基本不变的情况下普通问题处理成本下降了约三分之一这对生产环境的意义非常实际。5.2 从开发者视角看 Sol 的 API 形态从 API 接入角度看全新的模型名是gpt-6.1-sol和gpt-6.1-sol-mini。其中 Mini 版在代码生成和结构化输出上的表现依然很强但价格只有旗舰版的大约四分之一长上下文处理能力为 1M token。如果你做的是高并发的客服系统或者内容分类任务Mini 版应该会成为新的性价比之选。官方还上线了模型路由功能你可以在同一个 API 请求里指定一组模型并设定一个质量目标。系统会根据输入提示词的复杂度自动决定这次用 Mini 版还是旗舰版。对于不想手工拆分流量逻辑的团队来说这个功能真的能省很多事。另一个让我比较惊喜的是Sol 的微调 API 现在支持了多模态数据你可以用自己的图片和文本混合语料来微调模型这在之前是没开放的。不过我得提醒一句微调不是万能药。如果你想改变模型的行为风格、输出格式微调很有用但如果你想给模型注入新知识直接用 RAG 往往成本更低、效果更可控。5.3 实测中发现的注意点与优化建议我用提前开放的 API 跑了几组任务其中包括代码生成、长文档摘要、以及一个相对复杂的多表 SQL 生成。总体上 Sol 的代码质量确实比上一代好尤其是在理解项目上下文和遵守代码风格方面。但也有几个坑需要提醒大家在超长上下文的极端场景下如果文档中间混杂了大量无关内容Sol 偶尔会在回复中“过度参考”较早的片段导致最新信息被稀释。建议关键信息尽量放在上下文的开头或结尾并且用明确的 XML 分段标记。动态推理预算这个参数需要调优。我一开始把预算拉得太低导致复杂问题出现逻辑不完整后来改成“阶梯式预算”让模型先尝试低预算失败再升级才找到平衡。4M 上下文窗口确实很香但它对工程架构的挑战也很大。你依然需要做上下文裁剪和压缩不可能真把所有内容无脑塞进去。官方提供了上下文摘要和分块引用接口建议直接使用而不是自己造轮子。整体来说GPT-6.1 Sol 代表了当前技术上能做出来的最好水平之一但把它放回真实业务里模型的绝对能力只是基础工程化的数据管理、调用策略、成本控制才是决定项目能不能长期跑下去的关键。6. 开发者平台更新API、工具链与成本策略6.1 API 关键更新一览与定价变化这次 DevDay 在开发者平台方面也放了不少大招。很多更新不是那种一眼惊艳的类型但放到生产环节里每一条都能实打实省成本、稳服务。我把最关键的几条整理成了表格更新项内容对开发者的影响提示词缓存降价长上下文缓存命中成本降低 75%RAG、长文档处理成本大幅下降结构化输出增强支持嵌套 AnyOf、循环引用校验复杂 JSON 响应更稳定减少外置修复Realtime API 升级增加 VAD 置信度、语音打断控制实时语音对话体验更自然批量 API 检查点失败任务支持断点续跑大规模离线批处理更可靠函数调用改进支持并行函数调用的依赖声明多工具 Agent 的编排更准确Codex CLI 正式版命令行 Agent 支持深度项目理解智能编码从 IDE 扩展到了任意环境定价方面除了缓存降价官方还调整了 Sol 系列的输入输出 token 价格同时把微调 API 的按 token 训练费下调约 20%。另外新推出的“按任务计费”模式允许开发者为常见任务购买固定套餐而不是按 token 计费。对于调用量稳定的业务这个模式能带来更高的成本可预测性。我建议做 To B 产品的团队认真算一笔账如果任务类型集中按任务计费通常会比按 token 计费省不少。6.2 新工具链Codex CLI 正式版与 Code Interpreter 内置发布会上OpenAI 花了很大篇幅介绍 Codex CLI。简单来说它是一个跑在终端里的编程智能体可以在你的本地代码仓库里直接读代码、改代码、跑测试、提交 commit。和之前只能在云端沙箱里运行不同Codex CLI 直接附着在你自己的开发环境里支持各类主流版本管理工具。我实际用下来它对大型代码仓库的导航能力比我想象中要强能准确找到跨模块的函数调用链。尤其是 Debug 场景它会主动在工程里搜索相关日志和异常堆栈然后提出修改方案。对于脚本维护和重构任务配合这次发布的动态推理预算体验已经接近一个中级开发者的水平。同时Code Interpreter 也被升级成一个更完整的工具集。它现在可以自主运行 Python、R、JavaScript并且支持访问网页内容抓取和数据库连接。用大白话说你给对话一个任务它可以自己决定用什么代码、查什么库、画什么图而不是像以前一样只能在一个受限环境里跑简单脚本。这个变化对数据分析场景很有价值我在现场试着让它读取一个 CSV 后生成可视化分析再结合 dots 画布整理成汇报页面整个流程大约三分钟中间不需要切换任何工具。6.3 开发者需要避开的成本与配置陷阱说完了亮点也说说我在实际测试中踩过或者观察到别人踩过的坑。第一个坑是“缓存命中率幻觉”。OpenAI 的提示词缓存并不是你输入了相同文本就必然命中它对前缀相同的部分才生效。如果你在每次请求前面都拼一个动态时间戳或者随机 ID缓存就完全失效。正确做法是尽量保持前缀静态把动态内容放到请求的后面。第二个坑是动态推理预算设得太低。我在几个代码生成任务里试过把推理预算设为低档结果模型确实返回得很快但生成的代码在一些边界条件上处理得不够严谨。这类问题在单元测试覆盖不完善的项目上尤其危险。建议大家对生成结果保持机器和人双重校验至少跑一遍静态检查。第三个坑是工具调用的循环防护。新版函数调用支持依赖声明之后Agent 可以串联多个步骤但也更容易因为外部 API 异常而进入死循环。务必设置最大调用轮数以及在每个步骤后做结果状态检查。官方给你提供了轮次计数上下文变量但不会主动帮你切断异常循环。7. 常见问题排查与现场反馈速查7.1 开发者高频问题与解决建议针对这次发布的新功能我整理了大家在现场和开发者社区里讨论最集中的几个问题这里直接给结论。为什么我的 dots 画布在某些浏览器上总是卡顿大概率是 GPU 加速没有开启。Chrome 和 Edge 需要硬解支持Safari 在画布元素超过 300 个时建议开启“降低动态效果”。另外很多卡顿其实来自插件冲突换无痕模式试试往往就解决了。Spaces 同步的延迟大概是多少正常网络环境下网页端基本是秒级同步。但如果开了很多大文件预览可能延迟到十几秒。建议大文件只保留在知识库里不要直接挂到空间面板的预览区。调用 Sol 的 API 出现 400 错误提示“prompt_too_long”4M token 的上限是总量包括了输入、工具调用历史、系统提示。如果工具调用步骤很多历史累积可能很快超出预期。建议使用会话压缩接口把早期步骤整理成摘要。结构化输出的嵌套 AnyOf 在部分 SDK 里报错目前只有新版 Python SDK 和 Node SDK 完整支持这一特性旧版本需要升级。如果暂时没法升级可以先退回到 JSON Schema 的oneOf写法。7.2 现场两则让我印象深刻的 Demo 细节发布会现场有两个细节我觉得比 PPT 本身更能说明趋势。第一个是现场展示了用 dots 组织一个“家庭旅行计划”的场景用户在画布上放了机票价格截图、酒店评价、天气预报、几个人的饮食偏好模型自动生成了三个备选行程并用连线标出了天气变化和行程调整之间的冲突。这个场景并不算硬核但直观地展示了 dots 作为“AI 协作画布”的潜能。第二个是直播演示了一个小型 SaaS 团队在 Spaces 里开发并上线一个小功能的完整过程。产品经理、设计师、前端、后端分别在不同区域加内容模型能根据标签自动聚合每个人的进展最后汇总成一份带着甘特图的进度状态。虽然明显有彩排痕迹但工作流本身是真实合理的。我能明显感觉到OpenAI 这轮主推的不再是“单个 AI 更聪明”而是“一群人和一群 AI 如何更高效地围绕同一个目标协作”。8. 结语这次发布带给我的真实体会整个 DevDay 看下来我自己最大的感受是模型能力已经不是唯一焦点产品形态和工程底座的重要性正在快速上升。GPT-6.1 Sol 解决了“模型本身能不能做”的问题dots 和 Spaces 解决的是“人怎么更好地用模型”的问题而 API 层的一系列更新解决的是“生产环境能不能稳定跑”的问题。三个问题一起被回应才是这次发布会真正值得关注的地方。如果你是独立开发者我建议先从 Codex CLI 和 Sol Mini 入手成本低、见效快如果你在带团队认真把 Spaces 用起来并建立一个围绕空间的知识管理习惯如果你在做商业化产品动态推理预算、缓存降本、按任务计费这三个点值得立刻评估。当然所有新东西都需要实际踩一踩才知道合不合脚这次发布的很多能力还在快速迭代中我建议保持关注但不要盲目跟随。等 OpenAI 后续补齐更多文档和 SDK 示例以后我会再综合写一份实际落地中的经验分享。