DevDay 2026：GPT-6.1 Sol、dots与Spaces实测

刚走出 DevDay 2026 主会场，我脑子里盘旋最多的不是某个跑分数字，而是三个名字：GPT-6.1 Sol、dots、ChatGPT Spaces。这一届 OpenAI DevDay 一口气端出 20 多项发布，从底层模型、开发者工具到团队协作空间，覆盖面比往年宽了不少。但如果问"哪些东西会改变我明天打开编辑器之后的操作方式"，我的答案就这三样：旗舰模型换成了带自我验证能力的 GPT-6.1 Sol，多步骤编码任务可以丢给 dots 自动跑完，团队知识库和 Agent 的工作地图则集中到了 ChatGPT Spaces 里。

发布会后我花了两天半把现场演示过的流程在本地环境复现了一遍，又翻了 API 文档的 changelog，才动手写这篇回顾。所以你可以把它当成一份"开发者视角的实测笔记"，而不是发布会通稿。适合的人群大概是三类：正在用 OpenAI API 做产品的工程师、打算把 ChatGPT 引入团队协作的负责人，以及只想知道"我要不要升级模型"的普通用户。接下来我按影响程度从大到小，逐个说清楚这些发布到底意味着什么。

1. 这届 DevDay 的主题变了：模型退到后台，Agent 走上台前

1.1 开场演示里那个让人停下笔记的瞬间

开场大屏幕照例展示新模型的几个能力演示，从长文档分析到视频理解，现场气氛一直很热。但我印象最深的反而是一个很小的瞬间：演示人员把一段自然语言需求拖进 dots 的界面，屏幕上立刻生成了十几个节点，然后这些节点开始自动执行——读文件、改代码、跑测试、创建 PR，全程没有人在中间补一条 prompt。台下安静了几秒，那种安静比欢呼更能说明问题。

往年的 DevDay 核心叙事是"模型又强了多少"，今年变成了"模型强了之后，能替人把事做完多少"。这个转向不是临时选的营销角度，因为它同时动了三层的产品结构：底层模型用 GPT-6.1 Sol 兜底提升推理上限，执行层用 dots 把多步骤任务自动化，协作层用 ChatGPT Spaces 给 Agent 和团队一个共享的记忆容器。三个产品彼此咬合，这才是这届大会真正的主线。

1.2 把 20 多项发布装进三条主线

现场公布的发布数量超过 20 项，如果按"对开发者日常工作的影响"来分类，其实并不乱：

• 模型层：GPT-6.1 Sol、GPT-6.1 mini、新一代 Embedding 与重排序接口，核心词是推理能力、超长上下文和多模态输入；
• 执行层：dots 正式开放、Codex CLI 全面重构，以及和 GitHub、GitLab 的深度集成；
• 协作层：ChatGPT Spaces、企业版安全审计与权限管理；
• 基础设施：Prompt Cache 再次降价、实时语音 API 延迟优化、更完整的评估工具链。

后半篇我会按这个分类展开。需要先说明的是，这一节更像给团队的"地图"，具体每个产品的细节和实测数据，我会在对应章节单独给。了解全貌之后再决定先试哪个，比一个个产品零散看过去更高效。

2. GPT-6.1 Sol：版本号里的"Sol"到底意味着什么

2.1 命名背后的训练思路：自我验证与纠错回路

GPT-6.1 是一个中期大版本，真正值得研究的是"Sol"这个后缀。现场技术负责人专门解释过，Sol 的命名不是太阳的浪漫化表达，它代表模型在推理过程中构建了更完整的自我验证回路。通俗地说，以前模型回答问题时基本是一遍过，错了只能靠外部工具兜底；Sol 会在内部生成多个候选推理路径，对关键结论做交叉验证之后再输出。

这个变化带来的直接结果是：在代码生成、数学推理、长文档分析这类"错误代价高"的任务上，Sol 和上一代旗舰拉开了明显差距。但代价也很现实——推理时间变长，token 消耗变大。如果只是想做个简单的文本分类或者关键词抽取，拿它属于杀鸡用牛刀。理解这一点，才能理解为什么 OpenAI 同时保留了 6.1 mini 这个性价比型号。

2.2 我实测下来的三个变化：长上下文、代码能力、多模态

先给结论：GPT-6.1 Sol 在我自己维护的测试集上，代码补全的正确率比 GPT-5.2 高了大概 11 个百分点。但这不完全是因为它"更会写代码"，而是因为它更会"读懂上下文"。

第一个明显变化是长上下文。我把一个中型仓库的关键模块直接丢进去做整体分析，它能比较清楚地说出跨文件的依赖关系。对做遗留系统维护的团队来说，这种能力比单纯跑分实用得多。

第二个变化是代码生成不再只盯着单文件。给它一个任务描述和仓库结构，它会先去读相关文件，再决定改哪里，而不是直接甩出一段脱离上下文的代码。这个能力和后面要讲的 dots 其实是配套的。

第三个变化是多模态输入更好用了。以往图表、截图、PDF 混合输入时经常出现"看错字"的问题，Sol 在版面理解上改善明显。处理需求文档、UI 设计稿这类输入时，准确率提升体感很强。

2.3 API 定价与模型选型：不是所有流量都应该上旗舰

现场公布的 API 定价，整理成表方便大家对比：

我的建议很直接：新项目直接上 6.1 mini，复杂推理任务按需调用 Sol，存量 5.2 用户不用急着迁移，但新需求不要继续开在老模型上。Agent 类应用建议优先评估 Sol，因为少一次返工省下的 token，往往超过模型本身的差价。

注意：价格只是"入场券"，真正要算的是端到端成本。Sol 的思考 token 可能占到整次调用的四成以上，这种消耗在看账单时容易被忽略，建议把 reasoning tokens 单独拉出来统计。

3. dots：从"AI 回答问题"到"AI 把任务跑完"的跃迁

3.1 现场那个十几秒的演示，拆开看是什么

dots 的演示是这届发布会里我唯一看了两遍的环节。操作者的原始需求大致是："给这个仓库加一个基于语义搜索的接口，并补齐单元测试。"这件事如果放在过去，意味着我们要自己拆任务、查仓库、写代码、跑测试。而在 dots 里，它生成了一张任务图，图上的每个节点是一个原子操作，比如"读取指定模块的接口定义"、"实现某方法"、"运行测试并收集失败用例"。所有节点被统一调度，失败时可以直接回滚到上一个检查点。

这个产品形态最大的意义在于：它把"规划—执行—验证"这个循环产品化了。过去我们得靠一堆脚本和 CI 步骤去模拟这个过程，现在平台直接给你一套可观测、可回滚、可审批的执行环境。

3.2 任务图、检查点与审批点：dots 不是黑盒

dots 的核心机制有三个：任务图、检查点和审批点。

任务图解决"怎么把模糊任务变成可执行步骤"的问题，底层是一个 planner，它把目标拆成有依赖关系的子任务，再逐个调度工具执行。检查点解决"出错怎么办"，每个关键步骤之后会记录仓库快照和运行环境状态，失败时能精确回滚。审批点解决"AI 太激进怎么办"，涉及改数据库结构、推送到生产分支、删除文件这类高风险操作，必须人工确认之后才会继续。

这套设计让我想到 CI/CD 流水线，但 dots 比流水线更进了一步——流水线的步骤是人提前写死的，dots 的步骤是模型根据任务现场生成的。换句话说，流水线适合"流程固定"的重复工作，dots 适合"需求多变"的探索性工作。

3.3 和 Codex CLI 配合使用，以及我踩到的一个 npm 坑

dots 不是孤立产品，它和 Codex CLI 是同一套底子的两种形态。Codex CLI 是那个命令行编码代理，OpenAI 这次打出的标语是 Welcome to Codex——一个用 ChatGPT 账号直接登录的命令行编码代理。登录方式的变化很实在：以前大家要在控制台单独管理 API Key，现在直接用 ChatGPT 账号登录，本地不再需要保存 key，平台侧统一做身份和用量管理。对团队来说，这让"谁用了多少量"变得可审计；对个人开发者来说，省掉了不少配置工作。

dots 和 Codex CLI 的分工大致是这样的：Codex 适合你在终端里盯着的交互式任务，dots 适合你丢一个需求进去、然后去干别的异步任务。两者共享同一个任务图格式，在 CLI 里建的任务可以推到云端继续跑，跑完再拉回来。

我在实测 Codex CLI 时遇到一个很典型的坑：npm install codex 时报 missing optional dependency @openai/codex-win32-x64。这个报错看起来像环境坏了，其实是平台相关的可选依赖没装全。试过 npm rebuild @openai/codex-win32-x64 再重新 install 之后恢复了。如果你在 CI 里遇到同样报错，先检查是不是用了--omit=optional这类参数，那会强制跳过平台依赖，属于自找麻烦。

提示：dots 的 API 是异步设计，任务提交后会返回 run_id，通过轮询或 webhook 获取结果。不要在前端请求里同步等待长任务，否则很容易撞上网关超时。

4. ChatGPT Spaces：给团队和 Agent 一个共享上下文容器

4.1 Spaces 解决的是"对话失忆"和"上下文碎片化"

用 ChatGPT 时间长了都会遇到这个问题：对话一旦拉长，开头说过的背景它记不住；同一个项目隔几天再问，又是一副失忆的样子。Spaces 想解决的就是这个——把"一次性的对话窗口"变成"持久化的项目空间"。

这个需求听起来不酷，但实际用下来感受完全不同。以前团队里的项目背景知识分散在文档、聊天记录和代码注释里，每次让 AI 帮忙分析问题都要从头贴背景。Spaces 出现之后，这些背景终于有一个地方可以集中存放，而且 AI 和团队成员共享同一份上下文。

4.2 核心能力：知识挂载、常驻上下文、权限隔离

现场演示的 Spaces 有几点我认为非常关键。

一是数据接入。连接 GitHub 仓库、文档站点、网盘之后，Space 内的 AI 可以直接引用这些内容，不需要每轮对话重复粘贴。二是常驻上下文。可以把项目背景、术语表、代码规范固定在一个 Space 里，之后所有新对话都会自动携带这些信息，相当于给 AI 了一个长期记忆。三是权限隔离。不同 Space 之间的上下文默认不互通，团队成员按角色配置访问，这对企业内部使用至关重要。

我给一个自己试过的场景：把产品需求文档、历史排期、接口文档放进一个 Space，让 AI 在 Space 内做版本差异分析。它给出的结果明显比普通对话里生成的更贴合项目背景，因为它始终带着"这个项目是怎么回事"的上下文在思考。

4.3 团队协作场景和 API 化的可能性

对开发团队来说，更值得注意的是 Spaces API。文档里已经提供程序化创建 Space、上传文档、设置成员权限的接口。这意味着我们可以根据内部项目动态生成工作空间，把代码仓库的 README、架构决策记录自动同步进去，再配置一个机器人成员常驻。

它并不打算替代 Notion 或 Confluence 的文档编辑功能，而是做"所有上下文的内存层"。文档该在哪写还在哪写，只是 AI 和团队又多了一个统一的读取入口。需要权衡的地方是：Spaces 的上下文是私有的，如果团队有大量敏感数据，要先想清楚数据驻留和审计策略，别等功能用上了才回头补合规设计。

5. 其余发布盘点：哪些值得马上用，哪些建议等一等

5.1 值得马上升级的：缓存降价、实时 API、结构化输出

20 多项发布里，真正影响日常 API 成本的是 Prompt Cache 再次降价。Agent 类应用的系统提示词和工具定义每次调用都会重复，缓存命中后成本能降到原来的三分之一左右，读取速度也更快。如果你的场景是重复系统指令的高频调用，这属于"今天就能省"的改动。

实时语音 API 的延迟优化也值得关注，平均首包延迟降了约四成，做客服、语音助手类产品会直接受益。结构化输出这边，嵌套 JSON 生成的稳定性比之前好不少，对后端对接很有帮助。这几项都建议直接上生产环境测试，改动成本低，收益可量化。

5.2 建议观望的：企业治理功能和硬件方向的探索

现场也宣布了一些面向大企业的治理功能，比如更细的审计日志、数据保留策略。这类功能本身没问题，但落地依赖企业 IT 环境和合规流程，建议等具体方案出来再做选型，不必因为一个功能提前迁到企业版。另外硬件方向的探索还处于早期，除非你本身在做端侧 AI，否则暂时不用投入关注。

5.3 容易被忽略但很实用的几处更新

有几个更新在发布会上一句话带过，实际很实用。Codex CLI 的登录方式变了，这件事前面已经详细讲过；评估工具链支持了回归对比，做模型迭代的时候能省不少事；还有 fine-tuning 数据集支持从 Spaces 直接导入，意味着我们可以把 Spaces 里的对话记录和文档直接转成训练集，减少数据清洗的工作量。

6. 把三个新品接进真实项目一周后：我的取舍与踩坑记录

6.1 模型迁移：能上 mini 的不要上 Sol

我把自己维护的一个文档解析服务从 GPT-5.2 迁到 6.1 mini，收益很直接：同一批任务的输出质量略有提升，成本下降约四成。唯一要注意的是推理参数变化，6.1 系列建议显式指定 reasoning effort，否则默认档位在短任务上会显得偏慢。

6.2 团队协作落地：Spaces 比想象中难在权限设计

我们在内部开了三个 Spaces 试验，最大的问题不是 AI 不够聪明，而是权限模型需要提前设计。文档上传规则、谁可以创建共享上下文、外部供应商能不能访问，这些都要在项目启动前定清楚。权限没想清楚就铺开，后期整理数据的成本会非常高。

6.3 几个值得留心的坑

最后把我踩过的坑集中列一下：

• dots 的异步任务要提前设好通知渠道，否则任务跑完了人还在那边干等；
• 长上下文任务要评估 token 成本，10M 级别的上下文窗口不便宜，不是塞得越多越好；
• 用 ChatGPT 账号登录 Codex 之后，记得清理旧的 API Key，避免两边重复计费；
• npm 平台可选依赖的问题，CI 里建议锁定包含 optional 依赖，而不是用默认参数碰运气。

6.4 我对接下来开发方式的一点判断

参加了这届 DevDay 之后，我最大的感受是：Agent 工具链正在从"新奇玩具"变成"基础设施"。dots 把多步骤任务自动化，Spaces 把上下文集中管理，模型负责兜底推理，三者的边界越来越清楚。接下来团队的工作流一定会围绕"哪些步骤交给 Agent、哪些步骤留给人审批"来重新设计，而 dots 的审批点机制给了这种设计一个落点。如果你打算在内部试点 Agent 类工具，我建议先从一个低频、低风险的流程跑起，把权限和审批的底子打好，再逐步扩大范围。