OpenAI DevDay 2026：GPT-6.1 Sol、dots与Spaces重塑Agent工程

上午从DevDay 2026现场出来，手机里存了三十多张PPT照片，排队的空当已经把几个关键新接口的文档草稿翻了一遍。说实话，过去几年的开发者日多少有些“模型秀”的味道，但这一次的OpenAI DevDay 2026明显变了基调：整场发布会的核心议题不是某个单点能力的炫技，而是把Agent工程标准化。20多项更新里，dots、ChatGPT Spaces、GPT-6.1 Sol这三样东西不是我预想中的“大新闻”，却恰恰是接下来一年里普通开发者和中小团队最用得上的东西。如果你正在纠结要不要迁移模型、要不要把Agent任务拆成可追踪的流程，或者想让团队从“翻聊天记录”里解放出来，这篇文章就是照着这些需求写的。我会把发布会的重点拆开，结合我在现场和回来后实测的经验，讲清楚它们解决什么问题、怎么接入、坑在哪。

1. GPT-6.1 Sol：模型的进化方向其实在“省”字上

1.1 Sol到底强在哪：效率、多模态与工具调用

先说结论：GPT-6.1 Sol仍然是一个推理优先的大模型，但这一代的侧重点不是“更难的问题也能答”，而是“同样的任务花更少的token、更低的成本、更可控的时间完成”。

Sol在架构上沿用并改进了混合专家（MoE）方案。官方没有给出完整的参数量，但从发布会透露的稀疏激活逻辑来看，每个token只激活一小部分专家网络，整体计算量比上一代同规模模型低了不少。这个设计带来的直接好处是：推理延迟更稳定，不会因为上下文变长而线性恶化。开发者最直观的感受是，原先需要拆成多轮工具调用才能做完的复杂任务，Sol可以用更长的推理链一次性完成，而且中间的工具调用路径更加收敛。官方数据的口径是“相比GPT-5级模型，在标准Agent评测集上平均工具调用次数减少约30%”，这个数字我实测下来比较诚实。

多模态能力也不再是“能看图、能听音”这种基础层面。Sol把图像、音频、文本统一成同一条输入的token流处理，这意味着你在API里可以同时传入一张截图、一段录音和一段文字描述，模型会跨模态对齐信息。比如让它看一份UI设计图，再听一段用户反馈录音，最后生成一份产品改进说明，这种复合任务在以前需要先转写再分析，现在可以在一个请求里完成。

工具调用方面，Sol支持更加精细的并行工具执行。过去想让模型同时调用多个工具，经常遇到参数冲突或结果互相覆盖的问题。Sol会在内部维护一个工具依赖图：如果两个工具没有依赖关系，就并行执行；如果有先后依赖，则自动串行等待。这个机制直接改善了Agent任务的成功率。

1.2 价格与延迟：为什么说这次最狠的是成本结构

模型能力的提升当然重要，但2026年开发者最在意的其实是成本。Sol这一代最狠的动作是把输出token价格大幅压下来，同时把“推理成本”显性化，让你能选择到底为推理过程付多少钱。

看一下发布时的API定价对比：

这次我有一个很明确的感受：OpenAI在逼着开发者把任务分档。过去所有请求都默认走同一个模型、同一个推理强度，很多简单任务其实花了不少冤枉钱。Sol引入了更细粒度的推理强度控制，你可以在API请求里通过reasoning_effort参数选择low、medium、high。简单问答用low，代码生成用medium，核心debug和复杂规划用high，这样能把平均成本再压缩一大截。

延迟方面，官方给的数据是Sol在low推理强度下的首token延迟在0.3秒左右，在high强度下会到3到5秒。这里必须提醒你：推理强度并不等同于“质量越高越好”。我实测下来，简单任务强行上high，不仅慢，还容易出现过度思考，反而在一些格式要求严格的场景里变得更啰嗦。

1.3 实际接入体验与API示例

Sol沿用了OpenAI API的兼容风格，官方推荐方式是直接用Responses API，而不是旧的Chat Completions。如果你沿用旧端点，很可能还是拿到默认的gpt-6.1-sol-preview别名，但新特性不会全部开放。

下面是一个最基础的请求示例，注意参数的变化：

from openai import OpenAI client = OpenAI() response = client.responses.create( model="gpt-6.1-sol", reasoning_effort="medium", input=[ { "role": "user", "content": "分析这段客服会话记录，总结用户的核心诉求，并输出一个可执行的回复建议。", } ], tools=[ { "type": "function", "name": "search_knowledge_base", "description": "查询产品知识库", "parameters": { "type": "object", "properties": { "query": {"type": "string"} } } } ], ) print(response.output_text)

这段代码里要注意几点：第一是reasoning_effort参数在SDK里已经直接支持；第二是tools参数格式与以往基本一致，但Sol对工具描述的理解力更强，工具描述写得越准确，模型越不会乱调工具；第三是output_text字段，现在响应对象已经自动帮你把纯文本抽取出来，不需要再手工遍历内容数组。

我实测接入时遇到的一个问题是，如果同时使用reasoning_effort="high"和stream=True，流式响应的结构会比旧模型多出两类事件：reasoning.delta和tool_call.delta。如果你的流式客户端还在解析旧的增量格式，建议先升级到SDK最新版，或者在后端做一层事件格式适配。否则很容易出现“前半段正常，到工具调用时突然断流”的诡异现象。

1.4 影子模式：升级前最稳的验证方法

如果你已经有一个跑在旧模型上的应用，直接切到Sol是有点冒险的。我的建议是做一周影子模式：让Sol和旧模型同时接收生产请求，但Sol的响应只记录不返回给用户，然后每天对比两者的结果。

具体做法是写一个旁路逻辑，在原有请求发出后，再复制一份请求发给Sol，把两边输出存到日志表里，标注任务类型、token消耗、延迟和人工评价。一周之后，你基本能看出来哪些场景值得切换，哪些场景还是留在旧模型更划算。我见过一些团队一上来就全量切换，结果发现某些长文本摘要场景里Sol的输出风格变化太大，导致下游解析逻辑崩了。影子模式虽然多花一点token钱，但比线上事故便宜得多。

2. dots：把Agent拆成可以追踪的最小单元

2.1 dots是什么：从“一次调用”到“一串状态点”

dots是这次发布会让我最兴奋的东西。简单说，它是一个面向Agent工作流的状态原语，专门解决长期运行任务“一断全没”的问题。

过去我们跑一个多步骤Agent任务，常规做法是写一个循环：调用模型、解析结果、再调用模型，直到任务完成。这个模式在小规模场景下没毛病，但一旦任务变长，中间任一环节出错，整个流程就要从头再来。更麻烦的是，你很难说清楚“这个Agent现在到底进行到哪一步了”，出问题也没法定位。

dots把Agent执行过程拆成一串有状态的“点”（dots）。每个dot代表工作流中的一个关键节点，记录了这一步的输入、输出、所用工具、耗时和成本。这些dots组合成一个有向图，模型按照图里的路径推进，每个节点都能单独暂停、恢复和查看。

你可以把dots理解成给Agent加上了断点和存档机制。以往Agent像是只能从头开始玩的一命游戏，dots则允许你随时存档、读档，甚至可以回到中间的某个节点改一下输入再继续前进。

2.2 dots API的关键概念

用dots之前，需要先掌握四个基本概念：

• Dot：工作流中的一个最小执行单元，可以是一次模型调用、一次工具调用，或者一次人工确认。每个dot有全局唯一ID。
• Graph：dots的有向图定义，描述节点之间的依赖关系。Graph可以视为“Agent任务的蓝图”。
• Checkpoint：某个dot执行完成后的状态快照，包含当时的上下文、变量和中间结果。Checkpoint是恢复执行的基石。
• Run：一次具体的执行实例。同一个Graph可以并发跑多个Run，互不干扰。

我个人的理解是，dots真正聪明的地方在于它把“Agent编程”从写循环变成了搭有向图。你不再关心“while循环什么时候退出”，而是关心“这个节点执行完，下一步应该去哪个节点”。这种思维方式更接近传统的后端状态机，对工程团队来说非常友好。

2.3 一个dots落地例子：用代码管理事件流

这里给一个贴近实战的例子。假设你要做一个“调研行业趋势并生成周报”的Agent，流程分三阶段：搜集信息、分析归纳、生成报告。用dots实现的话，大体是这样：

import dots graph = dots.Graph( nodes=[ dots.Node(name="collect_sources", tool="web_search"), dots.Node(name="summarize_findings", model="gpt-6.1-sol", reasoning_effort="medium"), dots.Node(name="generate_report", model="gpt-6.1-sol", reasoning_effort="high"), ], edges=[ ("collect_sources", "summarize_findings"), ("summarize_findings", "generate_report"), ], ) run = dots.create_run( graph=graph, payload={"topic": "AI Agent 工程化趋势", "weeks": 1}, ) dots.wait_for_checkpoint(run.id, "summarize_findings") # 到这里可以人工检查一下归纳结果，再决定是否继续 dots.resume_run(run.id)

需要注意的点：create_run之后，任务不会立刻跑完，而是边执行边落checkpoint。代码里wait_for_checkpoint就是我们主动等待某个节点完成的钩子。这里有个小技巧：在进入高成本的“生成报告”节点前，先人工检查一下归纳结果，能避免报告生成完才发现中间步骤理解偏了。

dots还提供了简单的可观测性查询接口：

dots log --run run_8xZkQ3 --format json

输出会列出每个dot的触发时间、耗时、token消耗和校验状态。线上排查的时候，这个日志比你自己打的print有用得多。

2.4 什么时候不该用dots

dots不是银弹。对于单次请求、短小任务，用它反而增加复杂度。比如一个简单的邮件分类任务，直接用模型分类然后返回结果就够了，完全没必要建Graph。

我判断是否用dots的标准很简单：如果这个任务预计要跑超过10个步骤，或者包含多个工具调用，或者有可能需要人工介入修正，那就值得用dots。如果只是一个“输入、模型、输出”的线性过程，直接用普通API更省事。

另外一个实际经验：dots的checkpoint会占用存储空间，特别是当你的任务里包含大量长文本中间结果时。如果任务本身很轻量，但你把每个dot都设置成自动checkpoint，存储成本可能比模型调用成本还高。建议只在关键节点开启checkpoint，频率控制在能接受的范围。

3. ChatGPT Spaces：从“聊天记录”到“工程现场”

3.1 Spaces要解决什么问题

如果你用过ChatGPT做正经项目，一定经历过这种痛苦：几条重要的信息散落在不同的对话里；换个会话继续干活时，模型完全不记得前一个会话里确认过的技术方案；团队协作时，每个人各自跟AI对话，最后汇总出来的结论千奇百怪。

ChatGPT Spaces就是冲着这个痛点去的。它把ChatGPT从一个“单轮对话工具”升级成“持久化项目工作区”。每个Space相当于一个独立项目空间，里面有共享上下文、文件、任务清单和多个Agent成员。你在Space里讨论过的技术决策、上传过的设计稿、确认过的修改意见，都会作为该空间的长期记忆保存下来。

用一句话概括：Spaces让AI从“随聊随忘的临时工”变成“有项目档案的项目成员”。

3.2 核心功能拆解

Spaces的核心功能可以分成四块：

• 共享上下文（Shared Context）：Space内所有对话和Agent共享一个持续更新的上下文池。你在这个会话里确认的信息，下一个会话里不需要重复交代。
• 任务清单（Task List）：你可以把项目拆成具体任务分配给不同的Agent或协作者。任务状态会在Space内同步更新。
• Agent工作区（Agent Workspace）：每个Space可以添加多个Agent，比如“代码助手”“研究助手”“内容助手”。你可以在一个对话里同时@多个Agent，让他们分工协作。
• 审核机制（Review Mode）：Agent生成的代码或文档不会直接写入正式版本，而是先进入草稿状态，由人工确认后才生效。这是我最看重的一点，它给AI输出加了一道安全阀。

我试用下来感觉最顺手的场景是：在Space里上传产品需求文档，然后让“研究助手”整理用户反馈，“代码助手”直接生成MVP原型代码，“内容助手”起草发布文案。三个Agent可以在同一个上下文背景下工作，产出的东西一致性比独自对话强很多。

3.3 对团队协作方式的影响

Spaces实际上改变了团队和AI的交互单位。以前是“每个人各聊各的”，现在是“团队围绕一个Space协作”。

比如一个三人小团队做内部工具，过去的流程很可能是各自在ChatGPT里折腾Prompt和代码片段，最后拼不到一起。现在则可以把项目相关的全部资料、讨论记录、决策都放进一个Spaces，新人加入时，不需要翻聊天记录，直接看Space就能了解项目全貌。

这里有一个很关键的使用技巧：Space的共享上下文不是越大越好。如果你什么东西都往里塞，上下文池会被大量无关信息污染，反而导致Agent在关键问题上的注意力下降。我的做法是：每个Space只放一个明确主题的资料，宁可多建几个Space，也不要把研发、营销、客服全混在一起。

3.4 权限模型与注意事项

Spaces在权限上支持成员角色配置，包括查看者、编辑者、管理员。查看者只能浏览对话和产物，编辑者可以添加内容和执行任务，管理员负责管理成员和Agent权限。

我必须提醒一点：如果你把Space变成公开链接，任何拿到链接的人都能看到里面的上下文。这听起来像废话，但实测中真有团队把包含数据库连接串的对话截图放进公开Space，然后被搜索引擎收录了。敏感资料务必放进有权限管控的企业版Space，或者干脆不要上传到AI工作区。

另一个容易踩的坑是“上下文串味”。当你在同一Space里跑了多个相关性不高的任务，后一个任务会莫名受到前一个任务残留信息的影响。我建议每个明确的项目阶段单独建Space，任务结束后归档。这样既能保持上下文干净，也能减少信息干扰。

4. 二十多项更新里，还有哪些值得关注

4.1 开发者平台：SDK、缓存与响应格式

除了三个主角，这次DevDay还有一批面向开发者的细节更新，谈不上颠覆，但很实用。

Responses API已经成了官方主推的统一入口，旧的Chat Completions API虽然还兼容，但新功能只面向Responses优先开放。如果你还在维护旧接口，今年内需要考虑迁移。

Prompt Caching在这次更新里把缓存粒度从“前缀缓存”细化到了“逻辑块缓存”。也就是说，即使两条请求的前缀不完全一致，只要中间存在逻辑上共享的段落，也能命中缓存。这对于做客服问答、文档助手这类大量重复上下文的场景，能省下可观的token费用。

Structured Outputs也升级了，现在支持嵌套JSON Schema校验，数组内元素类型可以分别约束。以前最头疼的“模型输出少个字段”问题，现在能直接在API层面兜底。我建议所有做数据抽取的脚本都用上这个能力，能让清洗数据的逻辑简化不少。

此外，Batch API在新版本里再次降价，适合离线批量处理；Predicted Outputs功能允许你告诉模型“这段重复文本大概率原样返回”，在代码补全和模板渲染场景里能明显降低延迟。我没有在本文展开太多，但这些细节都是可以立刻落到项目里的优化点。

4.2 从Muse到搜索、语音：内容生产链在补全

这次发布里还有一个值得一提的产品叫Muse，定位是“面向创意工作的多模态Agent”。和常规的文生图工具不同，Muse更强调“可控生成”：你给它一个设计草稿，它能产出UI稿、配图、文案甚至背景音乐草稿，并且保留版本历史方便回溯。

官方展示的典型场景是：设计师在Spaces里丢出一份线框图，Muse自动生成多个视觉方向，然后团队直接在Spaces里评论、选择并继续迭代。它没有试图替代设计师，更像是把“灵感发散”和“素材准备”这两个环节自动化了。

实时音频API这次也正式转正，并且推出了专门的语音交互模型，支持打断、情绪识别和更低延迟的流式对话。如果你在做语音助手类的产品，这个更新值得重点测一遍。搜索端则把联网信息获取能力整合进了Spaces，在没有显式的网络搜索工具时，Agent也可以直接引用实时信息。

4.3 兼容API生态与第三方集成

这次还公布了新的第三方集成清单，包括LangChain、Zapier、Notion、飞书文档等一批常见工具的官方对接插件。对开发者来说，最直接的改变是：在很多低代码平台里可以直接选“OpenAI Agent”作为节点，而不需要自己写胶水代码。

让我有点意外的是，这次官方还发布了统一的可观测性与计费控制台。你可以在一个后台看到所有API调用、模型版本、token支出，并按项目维度设置预算上限。过去要用第三方服务才能搞定的事，现在官方直接提供了，省去不少运维工作。

当然，“兼容API生态”也意味着市场上会出现一批基于新端点封装的中间层。如果你在用社区维护的SDK，升级前记得确认它同步支持了新参数，避免出现过时字段被静默忽略的坑。

4.4 发布矩阵速览

为了让你快速定位自己关心的内容，我把这次发布会的主要更新整理成一张速查表：

这些更新单独看都不算惊天动地，但放在一起，你就会发现OpenAI这一年的重心已经从“做一个更聪明的模型”转向了“让Agent真正能被工程化管理”。

5. 我在踩坑现场：问题与排查实录

5.1 dots状态丢失：默认不落盘

我第一个踩的坑就是dots的checkpoint。起初我天真地以为只要创建Run，系统会自动保存每个步骤的状态。实际跑了一个20步的任务，中途手动杀进程后恢复，发现根本恢复不到断点。翻文档才发现，checkpoint默认只在显式标记的节点上触发，不是每个dot都会自动存档。

排查思路是看Run日志里有没有checkpoint.persisted事件。如果没有，就要在Graph定义里给关键节点加上checkpoint=True参数。我后来把finish节点、调用外部工具前的节点都改成显式checkpoint，才实现“挂了能续”。

这里也提醒你：开启太多checkpoint会拖慢整体执行速度。要在“可恢复粒度”和“执行效率”之间取一个平衡。我的经验是每3到5个普通节点设置一个checkpoint比较合适，人工介入节点之前必须设。

5.2 Spaces上下文污染：任务之间互相打架

Spaces最让我头疼的是上下文污染。我在一个研发Space里同时跑UI设计讨论和数据库结构设计，结果生成SQL时出现了“把界面配色变成字段名”这种荒谬错误。原因就是Space的共享上下文把所有对话混在一起，模型分不清哪些信息属于当前任务。

解决办法其实也简单：第一，只开一个独立Space给当前专注项目；第二，利用Spaces里的“指令文档”功能，把每个任务的目标、范围和禁用词写清楚；第三，在进行切换度较大的任务前，先清理会话上下文或者新建子会话。如果你遇到的Agent开始“串味”，优先检查是不是同一个Space下塞了太多不相干内容。

5.3 Sol的思考模式选择：不是越强越好

Sol的reasoning_effort参数是个双刃剑。我一开始为了图省事，全部请求统一设成high，结果两件事发生：延迟明显变高，输出token数量也比预期多，月底账单拉出来让人肉疼。更麻烦的是，在严格JSON输出任务里，模型因为思考过多，偶尔会在JSON里插入注释，直接导致解析失败。

后来我按任务类型做了匹配：简单分类用low，代码补全和中等推理用medium，复杂重构和架构设计用high。同时把temperature固定在一个稳定值，不对推理模型做过高的随机性设置。整体成本降了一半还不止，效果反而更稳定。

5.4 迁移检查清单

如果你打算把现有应用从旧模型或旧API迁移到新体系，我建议按下面清单走一遍，能省很多试错时间：

• 确认SDK版本更新到支持新参数，旧版本不会报错，但会忽略新字段，后果很隐蔽。
• 检查流式响应处理逻辑是否兼容新增的reasoning.delta事件。
• 梳理代码里所有使用model参数的位置，统一替换为新的模型别名。
• 在非核心请求上先开启影子模式，观察输出差异。
• 核对Structured Outputs的Schema定义，新校验规则更严格，旧的宽松Schema可能过不了。
• 关注token计费口径变化，Sol的推理链token不再隐藏在总输出里，账单明细会更清晰。

这个清单是我和几位做了同样迁移的朋友聊完后总结出来的，照着做基本能避开绝大多数低级事故。

6. 一些个人判断和建议

6.1 值得立刻接入的两样东西

如果只让我推荐立刻上手的两个发布，我会选GPT-6.1 Sol的low推理模式和dots。前者的收益是立竿见影的成本下降，后者则是长期可靠性的保障。

Sol的low模式特别适合处理那些你本来就在用旧模型完成的“体力活”：标题生成、文本分类、关键词抽取、简单的意图识别。你会发现质量没有下降，价格却低了不少。在一个中等规模的自动化脚本里，只改这一处，月度成本就能有肉眼可见的改善。

dots则更适合已经开始跑多Agent协作的团队。只要你的任务流程里出现过“中间挂了又要全部重来”的情况，dots就能立刻体现价值。它现在的SDK成熟度虽然还不算完美，但基本状态管理的能力已经够用，越早接入，越早积累调试经验。

6.2 可以再等等的部分

ChatGPT Spaces我建议小团队可以先试用，但不必急于作为核心协作平台。它的共享上下文模型在单团队、单项目场景下很好用，一旦涉及跨部门多项目，权限管理和上下文隔离就需要额外配置。等官方完善企业级管理能力之后，再大规模推广也不迟。

Muse也属于“方向正确但还需打磨”的产品。目前它更适合作为创意辅助工具在早期概念阶段使用，真要进入生产级设计流程，还与成熟的专业设计工具有差距。偶尔拿来发散思路不错，别指望它一步到位。

6.3 一个务实的落地顺序

如果你是一个个人开发者或中小团队，我的建议是这样推进：先花一周时间做Sol影子模式验证，确认哪些任务适合切换；然后评估现有Agent流程里最耗时的长任务，试着用dots重构一个试点；等流程稳定后，再邀请团队试用Spaces做项目协作，最后再考虑Muse这类创意辅助能力。

这个顺序的核心逻辑是：先省成本，再稳流程，然后提协作，最后扩边界。盲目追新特性反而容易让团队陷入工具疲劳。AI工程的价值永远是先落在“解决问题”上，其次才是“用最新的东西”。

最后分享一个我自己的习惯：每次大版本更新后，我都会挑一个小项目做一次“全新技术栈重构”，哪怕这个项目用旧方案也能跑。这既是对新特性的压力测试，也是对自我知识体系的更新。技术人的手感，就是在一次次主动折腾里练出来的。这次DevDay给我的感觉也是一样：与其盯着参数表撕扯，不如把手弄脏，让真实项目告诉你什么值得用。