OpenAI个人智能体要添新搭档，比旗舰快3倍，单价只要1/10
将任务分配给AI后，由谁来执行也由AI自行决定。
11月2日，OpenAI旗下ChatGPT和Codex的负责人Tibo在X平台连续发布两条消息，透露了dots的一项重大更新：同一项任务，dots会被拆解成多个环节，交由不同模型接力完成。
在Tibo的第一条推文中，他表示驱动dots的模型阵容正在扩大：除了旗舰级GPT-6 Astra外，Terra即将加入，未来还将纳入更多型号的模型。
更关键的变革体现在他的第二条推文里：你的dot会为任务选择最合适的模型，并在工作的不同部分调用不同模型。
这一变化改变了AI执行任务的方式。
过去使用AI时，是选定一个模型从头到尾执行；升级后的dots则根据具体情况，按步骤更换模型。
对用户而言，这一调整至关重要。
那些执行的步骤可以交给速度快的模型，用户无需等待；只有那些需要深度思考的核心环节才交给旗舰模型，确保资源用在关键处。
这样，你就能让AI在完成工作的同时，降低时间和成本。
Astra坐镇还不够，快3倍的Terra加入
dots是OpenAI的个人智能体，于9月29日在DevDay上发布。
它配备云端电脑，全天候在线，能够盯着你的目标持续运行长时任务。
发布时，为其提供核心智能的是当家旗舰GPT-6 Astra。
既然Astra已经足够智能，为什么还要加入Terra？
Tibo的回答是：Terra速度更快，且“性格”也得到升级（沟通起来更讨喜）。
先看性能。
第三方评测平台Vals.ai的综合榜单上，Terra得分60.17%。在28个参评模型中，它排名第10。
虽然评分不算顶尖，但它精准满足了用户最关心的两大需求：速度快且价格低。
OpenAI官方还公布了一个数据：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，如果应用于dots的实际场景，整个任务完成时间大概率不会快3倍。
因为评测比较的是单科百米冲刺，实际工作则是一场障碍接力赛。
一项任务的总耗时，除了取决于最难的部分，还取决于模型之间的交接是否高效。
相比Astra，Terra的优势在于电脑操作。
看懂屏幕、填写表格、点击按钮、在不同软件间切换……它能节省的时间主要集中在这些动手而非动脑的环节。
但真正需要思考的部分，该花多长时间还得花多长时间，必须留给旗舰模型。
相比速度差异，价格差距更为显著。
按标准API的普通输入、输出单价计算，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，也不等于你完成一项任务的总成本。
但积少成多。
dots是一个运行几十步的长时任务智能体，单步节省一点时间、一点成本，乘以几十个回合，节省的就不是一星半点。
让旗舰模型负责“镇场子”，只处理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，选择模型是用户自己的繁琐工作。
这件事，连Tibo自己都无法忍受。
今年10月，Tibo在Lenny’s Podcast谈到使用AI的复杂设置时，吐槽道：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工作，你得先了解每个模型的特点，再评估这步任务的难度。
还没开始工作，前面就有一道超难的选择题。
因此，dots从诞生第一天起，就取消了模型选择器。
你唯一要选择的，是在哪个渠道与它互动。
这次升级，将选择的颗粒度进一步细化：从按任务选择模型，细化到按步骤更换模型。
举一个职场人最熟悉的例子。
你让dot制作一份项目延期汇报，整个流程需要四步：先从文档中提取进度和预算；再核对几张表格中的数据；然后分析项目延期的原因；最后将结论整理成PPT。
这四步的难度也完全不在一个档次。
提取资料，拼的是效率；表格数据冲突时，判断哪个口径可信最需要推理；制作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受损。
但如果全交给快模型，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，官方尚未公布具体调度规则，不能就此断定分析一定归Astra、排版一定归Terra。
这是同一个dot在后台更换模型工作，与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：你只管提出要求，后台派谁上场dot自己排班。
上一次替你选模型，OpenAI翻过车
替用户选择模型这件事，OpenAI在一年多前就尝试过，并且翻过车。
2025年8月7日，GPT-5发布。
当时的核心卖点是实时路由，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，嫌它混乱。
没想到打脸来得很快，上线第一天，路由就出现故障。
奥特曼不得不公开承认：路由一度停摆，GPT-5因此显得笨了不少。
折腾几天后，OpenAI不得不将模型菜单恢复，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仍在。
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，只替每一次提问选择模型，是一次性决策。dots则要在同一项长任务中排班，是多棒接力。
排班越细，交接出错的风险就越大。
前一步提取的资料，换个模型能否完整接住？中途修改了一个数据口径，制作PPT的模型会不会还在用旧数据？某一步跑偏了，系统能否当场发现？
长链条任务中，单步跑得再快只是表面，全程不返工才是核心。
交接一旦翻车，快模型节省的那点时间，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，真正难的地方是节省算力，同时还能不把活干砸。
想走出100美元俱乐部，先过交付这一关
Tibo在推文中表示：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。
个人用户想体验，得先订阅每月至少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，都在争夺“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，还有选择模型、等待结果、修改错误、重新开始的全部心力。
在这个战场上，比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://developers.openai.com/api/docs/pricing?utm_source=chatgpt.com
https://openai.com/build-week/
本文来自微信公众号“新智元”，作者：ASI启示录；编辑：元宇，36氪经授权发布。