体验评测：OpenAI DevDay 2026
原文：https://every.to/vibe-check/vibe-check-openai-devday-2026
OpenAI 的 DevDay 刚刚开幕，我们已经整理出了这家公司发布的 20 多款（没错，20 多款！）产品和功能的完整清单。以下是哪些值得关注、它们意味着什么，以及我在亲手测试后学到的东西。
快速结论
OpenAI 想让 ChatGPT 成为你工作用的操作系统——文档、幻灯片和智能体（agent）全都集中在你电脑上的同一个地方。它还想让开发者和创业公司能在这个基础上建立自己的生意。
今天的五组发布展示了这具体意味着什么：
- Dots： ChatGPT 内部持久存在的智能体，能够保留上下文并持续工作（可以类比 OpenClaw、Grok Bots 和 Muse）。
- Space 与一套办公套件： 一个类似 Google Drive 的地方，让你和自己的 Dot 一起工作，外加 ChatGPT 原生的文档、幻灯片和表格应用。
- 开发者构建的应用与发现机制： 完整的应用可以运行在 ChatGPT 内部——被称为“插件扩展（plugin extensions）”——配有一个目录，并会在对话中自动推荐，帮助用户找到你。
- 把你的 ChatGPT 订阅带到其他应用： 可携带的 Plus 和 Pro 用量，首批约 15 家合作伙伴。另外，Marketplace 是一个经过审核的合作伙伴软件目录，符合条件的企业客户可以用现有的 OpenAI 支出承诺中的一部分来购买。
- Decisions API： 这可能是五者中最大的一个。它是 OpenAI 对 Jev 的回应——那个近期刷屏 X、像“智能的 if-then 语句”一样工作的热门新模型。在我们的测试中，Decisions API 至少在某个维度上胜过 Jev：它是多模态的，也就是说它接受图像输入。在几个早期测试中，它在速度和准确率上击败了 Jev，但在我们更广泛的评测中落后。它今天开始预览，取决于定价，它可能重塑整个生态。
OpenAI 还推出了一个叫 Sol 6.1 的模型（由 Astra 驱动，但更便宜）、Ultrafast 推理（每秒 250 个 token）、每月 500 美元、用量大幅提升的 Pro 套餐，以及更多内容。发布数量本身就是故事的一部分：从 2023 年 Dev Day 开始，我每一届都去了，按我的非官方统计，这次的新产品数量远超以往任何一届。
我喜欢 OpenAI 的宏大野心，但如此全面的愿景也需要卓越的执行。在测试中，Dots 已经成为我使用 ChatGPT 的主要方式，但它也有不少 bug，有时让人沮丧（后面细说）。Space 更好，似乎能轻松取代我以前的文档编辑器 Proof（已停运，RIP）。OpenAI 行动很快——有了编码智能体，它能比以往更快地交付——但一次加入这么多东西，有可能失去当初让 Codex 出色的那种简洁和一致性。
以下是 OpenAI 宣布的一切，以及它们的意义：
Dots——ChatGPT 内部持久存在的智能体
Dots 是 OpenAI 内置于 ChatGPT 的常驻智能体。如果你用过 OpenClaw、Muse、Instinct 或 Grok Bots，会觉得它们很眼熟。（视觉风格与 Muse 和 Grok Bots 相似。）
你的 Dot 就在重新设计的 ChatGPT 侧边栏里，“New chat”按钮的正下方：
它有自己的云端电脑，所以即使你合上笔记本它也能工作，并能主动替你行动。你可以打字跟它说话，也可以打电话给它。当它在工作时，它改变了我使用 ChatGPT 的方式：我和 Boo（我的 Dot 的名字）互动，而 Boo 负责编排 ChatGPT 的各个对话线程、读我的邮件、使用 Slack，等等。它会自动过滤进来的 Slack 请求和邮件，让我不用打开收件箱就能快速处理。当我在改签航班时，Boo 提醒我，新的航班时间会和一条我还没读到的、来自 Slack 的会议请求冲突。
这就是它的承诺：一个持续运行的智能体，过滤出需要我关注的东西，主动替我行动，全部在一个长期运行的对话线程里。
但我过去几天测试的这个版本 bug 太多，我现在没法推荐。我频繁遇到权限问题和消息丢失，我的 Dot 也经常无法连接到应用内浏览器。Dots 还给 ChatGPT 的体验增加了大量复杂性：我发现我的 Dot 和我都会搞不清它到底应该在自己的电脑上工作、在我主线程的应用内浏览器里工作，还是在它自己启动并编排的另一个 ChatGPT 线程里工作。
在测试期间，我发现我会更倾向于用我的 Dot，而不是新开 Codex 线程，所以尽管令人沮丧，它确实已经成了一种习惯。但除非你喜欢有毛边的新东西，否则我建议等一两周再试。到那时 OpenAI 会解决很多这类小毛病。如果你已经在深度使用 Grok Bots、Muse 或 Instinct，那可能不值得切换，除非你同时也是 ChatGPT 或 Codex 的重度用户。
Space 与办公套件
Space 是 ChatGPT 内部一个类似 Google Drive 的地方，让你、你的 Dots 和你的团队可以一起整理文件、协作处理文件。OpenAI 还推出了原生的文档、表格和幻灯片应用，你可以在 ChatGPT 内部以及配合 Space 使用。这是一套智能体原生的文档套件：凡是你能在文档里做的事，你的 Dot 都能做。它的目标就是取代 Google Docs、Microsoft Word 和 Notion 这类工具。这篇体验评测就是我在自己的 Space 里写的：
显而易见的好处是，写作时你不用再在 ChatGPT 和 Notion 之类的应用之间来回切换窗口。不那么明显的好处是速度。当 Dot 通过浏览器在 Google Docs 里构建文档时，编辑几乎是慢吞吞地爬进来，因为 Docs 不是为智能体设计的。原生文档就没有这种延迟。你可以在文档内部直接 @ 你的 Dot，而不必回到聊天窗口告诉它去查看这个文件。
我一直预期这家公司会这么做——2024 年我写过 ChatGPT 内部整合文档、幻灯片和表格的潜力——我很高兴这个产品终于来了。我已经在 ChatGPT 的应用内浏览器里完成大部分工作，而这让整个流程更顺畅：我可以在文档评论里 @ 我的 Dot，并在工作时就地拿到一版修订。这种来回更像是协作。
还有一个新的“Keep updated”开关，能确保你的 Dot 自动保持文档是最新的——对产品路线图或公司政策这类不断演进的产物很有用。
挑战在于切换成本。大多数 ChatGPT 用户（包括 Every）已经把所有的协作工作放在 Google 和 Notion 里了。
插件扩展：ChatGPT 原生的开发者构建应用
除了发布自己的应用，OpenAI 还给外部开发者提供了叫“插件扩展”的工具，用来构建运行在 ChatGPT 内部的应用。开发者现在可以设计和构建一个完全在 ChatGPT 内部运行的完整应用。我长期以来一直呼吁 Codex 原生应用，这就是这家公司对此的回应：开发者现在可以同时在 ChatGPT 内部为你和你的智能体构建软件。你想要界面时就有界面，不想要时智能体可以接手——你们谁都不用离开对话。
OpenAI 也在改进你发现这些应用的方式。ChatGPT 很快就能在对话过程中推荐相关插件，应用里还会包含一个可以浏览它们的目录。我还没见过它的实际运行，预览期也没法构建一个测试应用，但如果 OpenAI 能帮助开发者在 ChatGPT 内部触达用户，整个生态都会受益。会有更多开发者为它构建应用，用户也会有更多有用的工具可选。
这是 OpenAI 第三次或第四次冲击应用商店了——最终它会做出一个能用的。
把你的 ChatGPT 订阅带到其他应用
OpenAI 允许你把 ChatGPT 订阅带进合作伙伴的产品。如果你付费购买了 Plus 或 Pro，你就能在参与的应用里用 OpenAI 的模型，比如编码智能体 Devin，而这份用量会计入你现有的 ChatGPT 套餐额度。
OpenAI 说首批约 15 家合作伙伴，你将能控制每个应用的访问和用量。
我曾预测AI 订阅会变得像手机流量套餐：你付一份钱，然后选择在哪些应用里用它。OpenAI 是第一家迈出这一步的主要实验室。现在，像 Every 这样的第三方软件制造商可以专注于为人类和智能体打造出色的工具，而不用操心 token 账单会不会让我们破产。对用户来说这也更划算：你的订阅到哪儿都能用。
Decisions API——ChatGPT 里的 Jev
Decisions API 是 OpenAI 对 Jev 的回应，那个我们最近形容为[“智能的 if-then 语句”](https://every.to/vibe-check/mini-vibe-check-typesafe-s-jev-judged
Vibe Check: OpenAI DevDay 2026 的发芽报告
材料核心
Dan Shipper 现场盘点了 OpenAI DevDay 2026 发布的 20 多个产品，主线是：OpenAI 想让 ChatGPT 成为"工作操作系统"（文档、幻灯片、agent 都在一台电脑上完成），同时成为开发者和创业者搭建生意的平台。作者的核心判断是——模型能力每隔 6-12 个月就催生一次交互形态换代，而这一代（Astra / Opus 5.5 级别）的方向是"一个持续在线、了解你工作、按需调用其他 agent 的常驻 agent"；但一次发布这么多东西，也让 ChatGPT 面临失去简洁与连贯的风险。
发芽 01：形态跟随能力——界面是模型能力的滞后变量
种子
Dan 的 bottom line 里藏着一个规律，而不只是感慨：每一次交互形态换代，都不是产品经理设计出来的，而是模型先变好，形态才被"解锁"。GPT-3 → 浏览器里的聊天；Sonnet 3.5 → 终端里的编码 agent；GPT-5.3 → 桌面多 agent 管理台；Astra 级别 → 一个常驻 agent。这条时间线的主角不是界面，是能力阈值。
外部参照：Andrej Karpathy 在 2023 年 11 月提出过"LLM OS"的比喻——把大模型当作新的操作系统：上下文窗口是内存，模型是 CPU，工具调用是外设，对话线程是进程。当时这只是一个比喻，因为模型还没强到能撑起它。DevDay 2026 的 Dots + Space + 插件扩展，本质是把那个比喻落成了一张产品清单。
"能力先到、形态后到"的节奏，在计算史上反复出现。1973 年 Xerox PARC 的 Alto 已经跑出图形界面，但 GUI 要等到 1984 年 Macintosh 才普及——中间隔的不是设计灵感，是位图显示的廉价化和内存价格。界面很少是被"发明"出来的，更多是被算力和成本"允许"出来的。Dan 说的"每 6-12 个月换一次形态"，正是这个规律在 AI 上的高频重演：因为模型迭代周期，比硬件便宜化的周期短得多。他自己也点破了：这个形态"从八个月前的 OpenClaw 热潮就该来了"，只是"现在模型终于够好了"。
Aha 瞬间
"GUI 从 Alto 到 Macintosh 等了 11 年，不是因为没人想到，而是硬件还没允许。Dots 也一样——它早被 OpenClaw 和 Grok Bots 想到了，OpenAI 现在做，是因为 Astra 级别的模型终于允许了。"
发芽 02：平台化的诅咒——"什么都能做"如何杀死连贯性
种子
Dan 最诚实的一句在结尾："Feature velocity is great when it feels coherent, but even a power user like me has a lot to figure out... I'd be even more excited if the next time I opened ChatGPT, there was less for me to figure out." 这和他开头那句"adding so much at once risks losing the simplicity and coherence that made Codex excellent"是同一个焦虑的两面：OpenAI 正在把 Codex 当初的锋利，摊薄成 20 个功能的平均厚度。
外部参照：1997 年乔布斯回归苹果时，公司有几十条产品线（光 Performa 系列就有几十个型号），他画了一个 2×2 的方格——消费级/专业级 × 台式/便携——砍到只剩四款，连 Newton 都在次年停掉。苹果后来的爆发，起点不是加了什么，是砍了什么。
另一条对照线是"功能蔓延"的代价。killedbygoogle 一路追踪了数百个被关停的 Google 产品，说明一个平台每"顺手再加一个"，都在稀释用户的注意力预算和公司的执行带宽。Dan 用 Dots 时"经常搞不清该让它在自己电脑、主线程浏览器、还是它开的另一个线程里干活"，就是这种稀释在体验层面的具体症状——它不是某个 bug，是认知负荷。
这里可以接上软件工程的"90-90 法则"（Bell Labs 的 Tom Cargill）：前 90% 的代码花 90% 的时间，剩下 10% 再花 90% 的时间。Dots 的 demo 属于前 90%，权限、掉消息、连不上内置浏览器这些"paper cuts"属于那最后的 10%——而恰恰是这 10% 决定它能不能被推荐。Dan 说"等一两周再用"，其实就是在等 OpenAI 走完第二个 90%。
Aha 瞬间
"这份发布清单像一场能力展示，但它真正的考题是乔布斯式的减法——不是'我还能做什么'，而是'我敢不做什么'。Dan 的抱怨不是功能不够，是'要 figure out 的东西太多'，这正是平台从工具长成生态时最容易付的代价。"
发芽 03：决策层的崛起——agent 时代真正的瓶颈是"if-then"
种子
Dan 把 Decisions API 称为"今天最大的发布之一"，理由很反直觉：它做的不是生成，是选择。你给它上下文和一组固定答案，它挑一个——这封邮件要不要回、agent 下一步点哪个按钮。Jev 之所以在 X 上爆火，也是因为大家发现：agent 干的活里，大量其实是高频、廉价、需要极快的小判断，而不是长篇大论。
外部参照：这是"路由即价值"的又一次重演。Google 的 PageRank 本质就是一个决策函数——给定查询，排序结果；它值钱不是因为生成了网页，而是替用户做了"下一个点哪里"的判断。支付网络里的 Visa / Mastercard 同理：它们不生产商品，只坐在每一笔交易"决定授权与否"的那一层，按笔收过路费。如果 agent 一天要做上万次小决策，谁掌握这层、每次收多少钱，就决定了整个 agent 生态的利润分配——这正是 Dan 说"取决于价格，它可能重塑整个生态"的潜台词。
而 Dan 引的两组测试数据，恰好说明这层有多难被垄断：Jack Cheng 的文本任务回放里，Decisions 在 78 步中答对 76 步（Jev 73 步），响应约 230 毫秒对 500 毫秒，占优；Kieran Klaassen 的对话线程分类里，两者准确率基本打平，但 Jev 中位数 161 毫秒对 Decisions 的 309 毫秒，占优。同一个"smart if-then statement"，在不同任务上互有胜负——这意味着决策层未必会像搜索那样一家独大，而更可能按场景切分成多个玩家。
Aha 瞬间
"生成模型比的是谁更聪明，决策模型比的是谁更快更便宜——而 agent 每天要做上万次小决定，所以真正的战场可能不在'大脑'，在那根没人注意的'神经反射'。"
你的思考空间
- Dan 说形态换代是被模型能力"解锁"的。反过来问：有没有哪种交互形态，是被产品设计倒逼出模型能力的？还是永远只能是能力先行？
- 乔布斯 1997 年砍产品线时，有清晰的"消费/专业"轴可以画 2×2。今天的 OpenAI 面对 Dots / Space / 插件 / Marketplace / Decisions，它的两根轴应该是什么？如果画不出来，是否说明它还没想清楚自己是谁？
- "ChatGPT 订阅像手机套餐一样可携带"一旦成立，token 账单不再是工具创业者的生死线。这会催生更多好工具，还是会让所有人挤进同一个分发入口、反而更依赖 OpenAI？
- Decisions API 和 Jev 在不同任务上互有胜负。如果决策层最终按场景分裂，那"通用 agent"这个叙事还成立吗？还是我们其实在走向一堆各管一段的专用决策器？
- Dan 一边说"手动开 Codex 线程已经显得古老"，一边说"我有点累、有点困惑"。对你自己的工作流来说，你更想要"更强大的 agent"，还是"更少的待办认知负荷"？这两者一定是同一件事吗？