本文要点
- 从一次性对话，转向可长期承担职责的常驻agent。
- 从文本工具调用，转向独立云端电脑和跨应用执行。
- 从个人尝鲜功能，转向企业管理员启用的测试版工作空间。
阅读辅助
先看数字、证据和来源，再读正文。
Dot是常驻执行型agent，而不是一次性聊天功能。
2026-09-29 · OpenAI发布Dot，称其由GPT-6 Astra驱动并配有独立云端电脑。
OpenAI在9月29日发布Dot，并把它放进DevDay 2026的主发布线。按照官方说法，Dot由GPT-6 Astra驱动，拥有独立云端电脑，可以通过插件生态连接4000多款应用，并从当天开始向符合条件市场的Pro、Business Premium和Enterprise用户逐步推出。
把Dot理解成普通聊天角色，会低估这次更新。Dot的关键变化是把agent从一次请求里的工具调用，推进到可持续承担职责的云端执行单元。它被描述为全天候在线，能在长期使用中从反馈里学习，也能在规则允许时替用户推进任务。
可确认的事实主要来自OpenAI Dot公告和DevDay回顾。The Decoder提供的是外部平台化解读，AIHOT只作为同日发现线索；本文不把二级聚合摘要当成一手事实。OpenAI公告没有给出完整应用清单、审计接口、失败率、任务完成率和企业部署案例，因此涉及实际可用性时仍需保留边界。
对个人用户来说，变化是第一个Dot被放进Pro或Business Premium套餐内，无需额外付费。对企业管理员来说，关键问题落在动作权限、审批触发、工作空间内容是否进入模型改进，以及管理员能否在事后看清每一步。
Dot到底新增了什么
OpenAI公告把Dot定义为“能力出众、全天候在线的智能体”，强调它们了解用户在意的目标，持续为用户工作，并承担重要任务。这个定位和传统ChatGPT会话不同：会话结束后，聊天机器人通常不会继续推进任务；Dot则被包装成一个持续存在的工作对象，用户可以给它命名，让它成为“专属伙伴”。
底层能力来自三件套。第一是模型，OpenAI称Dot由GPT-6 Astra驱动。第二是执行环境，Dot拥有独立的云端电脑，意味着它不是只在当前网页里输出文本，而是有自己的远端工作空间。第三是连接层，OpenAI称Dot可通过插件生态连接4000多款应用。这三点合在一起，才构成“常驻agent”的产品形态。
9月29日的news peg在于开放范围和产品状态发生了变化。OpenAI称，Dot从当天开始逐步向符合条件市场的Pro和Business Premium用户开放；Enterprise用户，包括Edu和Healthcare用户，可在工作空间管理员启用后试用测试版。Pro或Business Premium套餐包含首个Dot，无需额外付费。公告还写到，未来设想是多个Dot组成团队协同工作，但这属于愿景，不是当天已经全面交付的能力。
Dot属于同日DevDay平台组合的一部分。OpenAI同时把GPT-6.1 Sol、Codex Cloud、Agents API、插件扩展、ChatGPT资料空间、动态页面、协作式幻灯片、Slack和Teams里的@ChatGPT、会议插件、ChatGPT登录和软件市场放入同一组更新。Dot是其中最像“长期执行入口”的一项：它把模型能力、云端环境和跨应用连接组合起来，指向一个更像工作台的ChatGPT。
开放范围和数据边界
Dot公告里的状态限定比功能名更重要。尤其是“逐步推出”“需要管理员启用”“默认不使用工作空间内容改进模型”这些句子，决定了它目前是受控开放的工作流产品，而非面向所有用户的无限制自动化入口。
| 范围项 | 已确认状态 | 仍需验证 |
|---|---|---|
| 用户开放 | 符合条件市场逐步推出 | 更广地区和套餐的开放时间 |
| 模型基础 | 由GPT-6 Astra驱动 | 实际任务中可调用的能力边界 |
| 执行环境 | 拥有独立云端电脑 | 设备访问、沙盒和文件保留规则 |
| 应用连接 | 通过插件生态连接4000多款应用 | 每类应用的读写权限和审批策略 |
| 企业入口 | Enterprise需管理员启用测试版 | 日志、回放和合规导出能力 |
| 训练数据 | Business、Enterprise、Edu内容默认不用于改进模型 | 个人套餐和插件数据的细粒度控制 |
这张表也是本文置信度的边界。OpenAI的一手公告足以确认Dot的发布时间、产品定位、模型基础、云电脑、插件连接数和开放范围；但它不能证明Dot在真实工作流里的稳定性、审批体验、日志可读性或安全事故率。把“可连接4000多款应用”写成“已经能在4000多款应用里可靠完成复杂任务”，就是越过了公告本身。
隐私口径也要拆开。OpenAI公告称，默认情况下，不会使用ChatGPT Business、Enterprise或Edu工作空间中的内容来改进模型；如果用户使用的是ChatGPT个人套餐，可以自行控制是否允许将Dot的对话和工作内容用于改进模型。这里有两个不同边界：企业和教育工作空间是默认不用于模型改进；个人套餐则是由用户设置控制。两者不能混写。
权限口径同样重要。OpenAI称Dot从一开始就有内置规则，规定何时可以自主行动、何时需要请求批准；用户可以通过自定义规则允许特定操作、要求先获批准或禁止这些操作。这说明OpenAI把自主执行的风险放进产品设计，但公告没有公布规则模板、审计日志格式、审批记录留存和管理员批量策略。对于企业来说，这些未展开的治理细节比“有规则”本身更关键。
为什么云电脑比聊天入口更重要
过去一年，agent产品的常见形态是“在聊天里调用工具”。它们可以查网页、写代码、操作文档或调用API，但大多仍围绕一次会话展开。用户给目标，模型调用工具，结果返回给用户；如果中间失败，用户再补充指令。这种模式的核心问题是上下文脆弱、任务连续性弱、权限边界常常埋在每个工具调用里。
Dot试图改变这个交互重心。独立云端电脑意味着执行环境从用户当前会话里抽离出来，agent可以拥有相对稳定的工作空间。全天候在线意味着它被设计成持续推进目标，不再依赖用户盯着屏幕即时响应。长期反馈学习意味着用户与Dot之间会形成偏好和规则积累。三者组合后，产品竞争点会从“回答质量”转向“任务治理”。
这个转向对开发者生态也有影响。OpenAI同日强调插件扩展、Agents API和软件市场，说明它正在把ChatGPT做成一个分发与执行平台。The Decoder把新版ChatGPT解读为更接近操作系统的入口，这属于媒体判断而非官方事实，但抓住了一个产品趋势：当用户在ChatGPT里登录第三方应用、创建资料空间、生成动态页面，并让Dot跨应用执行任务时，ChatGPT已经承担更多工作台职责。
但云电脑也会放大责任问题。一个常驻agent如果能访问邮件、文档、CRM、代码仓库或付款系统，错误不再是“答错一句话”，而可能变成发错邮件、删错文件、提交错误代码、泄露客户信息或触发错误交易。插件连接数量越多，权限配置、审批提示和执行回放就越重要。没有这些机制，连接4000多款应用反而会变成风险面积。
企业管理员会先卡在哪里
OpenAI把Enterprise放在管理员启用之后试用测试版，这是一个很现实的设计。企业不会因为一个agent会聊天就放它进入核心系统；它们会先问三类问题。
第一类是权限。Dot能否按应用、动作、数据类型和用户角色拆分权限？如果一个Dot可以访问Salesforce、Slack、Google Drive和代码仓库，管理员需要知道它能读什么、写什么、删除什么、代表谁执行、何时请求二次确认。公告里的自定义规则给出方向，但还没有展示足够细的企业控制面。
第二类是审计。常驻agent的任务通常不是一步完成，而是一串观察、推理、调用、等待和重试。企业需要回放这个链路：Dot为什么采取某个动作，调用了哪个插件，读取了哪些字段，生成了哪些中间文件，是否有人工批准。没有可读日志，管理员只能在结果出错后追问一个黑箱。
第三类是数据边界。OpenAI明确写到Business、Enterprise和Edu工作空间内容默认不用于改进模型，这是企业采购里的底线之一。但Dot还会带来更复杂的数据流：插件返回的数据是否进入Dot的长期记忆，云端电脑里的文件保留多久，个人反馈学习与组织策略如何冲突，Healthcare用户的受监管数据如何隔离。这些问题需要产品文档继续补齐。
Microsoft Agent 365集成计划也值得观察。公告提到Dot未来将与Microsoft Agent 365集成，这可能让企业用户在既有Microsoft治理栈里管理部分agent行为。如果集成真正落地，Dot进入企业的路径可能不是单独采购一个ChatGPT功能，而是进入身份、设备、日志和合规已经存在的管理面。反过来，如果集成只停留在入口层，它对企业采用的帮助会有限。
早报判断是，Dot的核心意义来自OpenAI把agent的三个基础件摆到了同一个产品里：前沿模型、云端执行环境和跨应用连接。聊天窗口解决的是“我现在问什么”；常驻Dot要解决的是“我能把什么职责交出去”。这会把竞争变量从模型单轮能力，推向权限、记忆、审批和执行可靠性。
这也是Dot最容易被误读的地方。连接4000多款应用听起来像覆盖面优势，但在企业场景里，覆盖面越大，治理难度越高。决定采用的因素会落在每个应用内的动作边界：读、写、发、删、支付、提交代码都需要被清楚区分，并让用户和管理员在事前、事中、事后都看得见。
OpenAI选择把首个Dot放进Pro或Business Premium套餐，说明它想先用低门槛让用户形成“长期agent”的使用习惯。但长远看，Dot的护城河不会只来自套餐权益。谁能把agent工作日志、审批流、插件责任边界和组织策略做成默认基础设施，谁才更可能把常驻agent从演示带进日常工作。
对个人用户和开发者的直接影响
个人用户会先遇到一个很具体的问题：应该把什么交给Dot，而不是继续用普通ChatGPT会话。适合Dot的任务通常有三个特征：目标持续存在，需要跨应用收集或整理信息，需要根据用户偏好反复迭代。比如整理会议后续、跟踪项目进展、准备定期报告、维护候选清单。一次性问答、短文润色或临时搜索，并不一定需要常驻agent。
开发者需要关注的是平台边界。OpenAI同日发布插件扩展和Agents API计算机使用能力，Dot则是面向最终用户的常驻执行形态。如果开发者的产品能成为Dot可调用的插件，分发入口可能从传统网页或SaaS控制台转移到ChatGPT工作流里。反过来，开发者也要适配更严格的授权和回调规范，因为一个常驻agent调用插件时，用户不一定每次都盯着屏幕。
对于做agent基础设施的团队，Dot给出的是产品压力而非技术答案。云端电脑、浏览器自动化、长期记忆、审批和工具调用，过去都有单点开源项目或垂直工具。OpenAI把它们合成一个用户可见的入口，会迫使同类团队回答：你比ChatGPT内置Dot强在哪里？是更好的企业审计、更开放的运行环境、更低成本，还是更可控的本地部署？
社区同日也有OpenDots等项目受到关注，说明“always-on AI coworkers”已经成为开发者想象中的形态。但早报不会把这些仓库直接合并进Dot事实线。开源项目可以说明社区兴趣和概念扩散，不能证明OpenAI Dot的具体能力。对用户来说，官方产品和开源实现要分开评估：一个看生态和治理，一个看可控性和可替代性。
接下来要盯哪些指标
首先看审批和自定义规则。OpenAI说Dot内置规则并支持用户自定义，但真实风险在细节：付款、发信、外部分享、删改文件、创建公开链接、提交代码、修改客户记录，这些动作是否默认需要批准？批准提示是否清楚展示影响范围？用户能否为不同应用设置不同策略？这些指标比演示视频更能说明产品成熟度。
其次看企业审计。Enterprise测试版如果只能由管理员开关，而不能提供日志、回放、策略模板、导出接口和安全事件告警，就很难进入严肃工作流。常驻agent的价值来自持续性，风险也来自持续性。管理员需要看到一个任务从目标设定到每一步执行的证据链，否则很难把Dot放到CRM、代码和财务系统附近。
再次看长期记忆和反馈学习。公告称Dot能在长期使用中从反馈里学习，但这类学习如何展示、撤销、迁移和删除，是隐私与控制权问题。个人用户需要知道Dot记住了什么；企业需要知道这些偏好是否属于个人、团队还是工作空间，离职、转岗或权限调整后如何处理。
最后看生态真实采用。4000多款应用连接是供给侧数字，不能直接等同于活跃任务量。后续更有价值的信号是：哪些高频企业应用真的开放可写动作，首批企业用户把Dot用于什么场景，微软Agent 365集成是否提供统一治理，以及OpenAI是否公布首个Dot以外的价格、额度和用量策略。
Dot已经把OpenAI的agent路线说得更清楚：让模型不只回答问题，而是在一个受控云端环境里持续推进任务。接下来要证明的，是这套受控环境能否在真实工作里足够可靠、足够透明，也足够容易被企业治理系统接住。