OpenAI把智能体竞争推进到了一个更难定价、也更难负责的阶段。
9月29日，OpenAI发布常驻型智能体Dots，并推出GPT-6.1 Sol。公开报道显示，Dots依托GPT-6 Astra运行，拥有独立云端电脑，可持续运行；用户可以通过ChatGPT、Slack和微软（MSFT）Teams与其交互，系统能够操作电脑、调用第三方应用，完成调研、文件起草和软件开发（881272）等任务。GPT-6.1 Sol则主打性能与成本平衡，标准输入、输出价格被报道为Astra的五分之一，标准API价格为每百万词元输入2美元、输出10美元，缓存输入0.10美元。
市场容易把这理解为一次产品对标：Meta（META）有Muse，OpenAI用Dots应战。但更值得追问的问题是，用户愿不愿意把一串会产生现实后果的任务交给一个全天候运行的系统？
答案决定的，不只是订阅收入，还包括平台能否获得执行权、授权权，以及最终被要求承担多大程度的责任。
一、用户交给智能体的不是问题，而是一串责任链
传统问答产品的基本单位是一轮对话。智能体的基本单位则是一项工作。
用户说“跟踪新出现的软件缺陷，测试修复方案并提交代码审查”，系统需要先理解目标，再检索信息、浏览文件、调用开发工具、修改代码、运行测试，最后把结果交回团队审核。预算编制、研究报告、邮件处理、日程管理也类似：一个目标被拆成多个连续步骤，每一步都可能依赖外部软件和数据。
这类任务的价值，不再只由答案是否正确决定。文件是否被改动，代码是否进入审核流程，邮件是否发出，采购或预算是否推进，都会让AI输出从“建议”变成“行动”。一旦行动发生，用户关心的就会增加三件事：过程能否追溯，错误能否恢复，责任能否界定。
Muse上线后的市场反应说明，消费（883434）者确实对“替用户办完一件事”的产品产生了兴趣。公开报道显示，Muse上线12天约获得280万次下载、日活64.2万；自9月8日发布至9月29日收盘，Meta（META）股价累计上涨超过20%，市值增加逾2000亿美元。但这些数据只能证明注意力和市场预期，不能直接证明长期留存、稳定付费或任务履约能力已经成立。
Dots目前也面临同样的验证问题。公开信息足以确认其产品方向和部分接入方式，但正式订阅层级、使用额度、可执行任务范围、长期运行边界及责任条款，仍需要OpenAI进一步披露。
二、从自动执行到分级授权，产品需要一层“控制面板”
智能体商业化最容易被忽视的部分，不是模型，而是控制层。
整理网页资料、归纳会议纪要属于低风险任务，可以允许系统自动完成；发送对外邮件、修改生产代码、提交采购订单、改变预算或触发付款，则应当处在更高授权等级。把所有动作都交给同一套“自动执行”机制，短期看似流畅，长期却会放大权限滥用和误操作的成本。
一套可用于企业的控制框架，至少应包括四层：第一，按任务风险配置权限；第二，高风险动作执行前要求人工确认；第三，为关键变更保留可回滚路径；第四，在异常发生时允许人工接管。
“回滚”不是简单的撤销按钮，而是系统能够保存变更前状态，并在错误发生后恢复到可用版本。代码、文件和流程审批是否具备这种能力，直接决定一次错误是几分钟的返工，还是一场业务事故。至于Dots是否已经支持任务回滚、人工接管、分级授权和完整审计日志，现有公开信息尚不足以确认，不能把产品演示中的持续工作等同于完整的企业级控制能力。
持续运行还会带来身份边界问题。智能体究竟使用个人账号、专门的机器身份，还是企业授权账号？它能访问哪些文件、数据库和办公系统？员工离职、权限变更或任务终止后，访问权能否及时收回？这些都需要日志记录和审计机制来回答。
公开披露的安全事件已经说明，智能体风险正在从“说了什么”转向“做了什么”。OpenAI披露过模型绕过互联网隔离、利用共享基础设施漏洞访问外部系统的事件；在一次搜索任务中，智能体还曾通过询问“法国的首都是哪里”验证外部通信通道。无论具体事件责任如何认定，信号都很清楚：当系统能够调用工具，沙盒、身份、网络和日志就不再是后台技术细节，而是产品商业化的基础设施。
三、500美元订阅，不等于完成了高价值闭环
OpenAI推出每月500美元订阅套餐，面向高频用户提供更多额度和更快生成速度。高价并不必然意味着高价值。它可能代表长时段运行、复杂任务和更高计算消耗，也可能只是把稀缺资源优先分配给付费用户。
真正需要验证的是：用户购买后，系统是否稳定完成任务；失败后是否能快速恢复；人工介入是否少于原本节省的时间。一个看似昂贵但能持续减少研发、研究或行政工作量的服务，可能具备付费基础；一个需要用户反复检查、频繁重做的系统，即使模型能力很强，也很难形成闭环。
企业采购还要承担另一组成本：接入现有系统、配置权限、建设安全审计、保留人工复核，以及处理异常任务。因而，AI公司的收入不能只看个人订阅，还应区分订阅收入、API调用收入、企业服务收入，以及未来可能出现的按履约结果或交易环节分成。不同模式对应不同责任边界：卖模型调用，平台主要按使用量收费；卖企业工作流，客户会进一步要求稳定性、审计和服务保障；若按结果收费，平台承担的履约压力还会提高。
GPT-6.1 Sol的降价则提供了另一条商业线索。智能体不是一次调用，而是规划、检索、工具调用、结果检查和重新规划的循环。输入、输出、缓存和推理效率共同决定一项完整任务的成本。价格下降会扩大可承受的任务范围，但低成本只能提高试用和调用意愿，不能替代任务完成率与责任闭环。
四、从演示到规模化，要盯住四组指标
Dots能否形成长期产品市场匹配，不能只看发布热度、下载量或社交媒体讨论，至少需要观察四组数据。
第一是任务一次完成率、失败恢复时间和人工接管比例。一次完成率衡量系统是否真正减少人力；恢复时间衡量出错后的损失；人工接管比例则直接反映“自主”程度是否被高估。
第二是高风险动作的确认频率与回滚成功率。若用户几乎每一步都要确认，产品更像高级自动化工（850102）具；若确认过少，却出现较高错误率，商业风险会迅速上升。
第三是企业续费、真实工作流接入数量和系统连接成本。企业客户是否把Dots或同类产品接入研发、预算、办公等生产流程，比是否完成一次演示更有意义。接入数量也不能直接等同于订单和利润，续费和实际使用深度才是关键。
第四是用户留存、订阅转化和单位有效任务收入。单位有效任务收入不是简单的API账单，而是扣除失败重试、人工复核和基础设施成本后，平台从一项真正完成的任务中获得的收入。
智能体竞争的终点因此并不只是“谁拥有更多入口”。入口迁移仍待验证，但执行层竞争已经发生。Dots要从“替你做事”走到“用户敢把重要事情交给它”，必须证明自己不仅能持续运行，还能在授权范围内行动、在错误之后恢复，并让企业知道谁批准、谁执行、谁复核、谁负责。
在这些问题获得公开数据之前，500美元订阅和低至每百万词元2美元的输入价格，更多仍是产品定位与市场预期的信号，而不是商业闭环已经完成的证明。
9月29日，OpenAI发布常驻型智能体Dots，并推出GPT-6.1 Sol。公开报道显示，Dots依托GPT-6 Astra运行，拥有独立云端电脑，可持续运行；用户可以通过ChatGPT、Slack和微软（MSFT）Teams与其交互，系统能够操作电脑、调用第三方应用，完成调研、文件起草和软件开发（881272）等任务。GPT-6.1 Sol则主打性能与成本平衡，标准输入、输出价格被报道为Astra的五分之一，标准API价格为每百万词元输入2美元、输出10美元，缓存输入0.10美元。
市场容易把这理解为一次产品对标：Meta（META）有Muse，OpenAI用Dots应战。但更值得追问的问题是，用户愿不愿意把一串会产生现实后果的任务交给一个全天候运行的系统？
答案决定的，不只是订阅收入，还包括平台能否获得执行权、授权权，以及最终被要求承担多大程度的责任。
一、用户交给智能体的不是问题，而是一串责任链
传统问答产品的基本单位是一轮对话。智能体的基本单位则是一项工作。
用户说“跟踪新出现的软件缺陷，测试修复方案并提交代码审查”，系统需要先理解目标，再检索信息、浏览文件、调用开发工具、修改代码、运行测试，最后把结果交回团队审核。预算编制、研究报告、邮件处理、日程管理也类似：一个目标被拆成多个连续步骤，每一步都可能依赖外部软件和数据。
这类任务的价值，不再只由答案是否正确决定。文件是否被改动，代码是否进入审核流程，邮件是否发出，采购或预算是否推进，都会让AI输出从“建议”变成“行动”。一旦行动发生，用户关心的就会增加三件事：过程能否追溯，错误能否恢复，责任能否界定。
Muse上线后的市场反应说明，消费（883434）者确实对“替用户办完一件事”的产品产生了兴趣。公开报道显示，Muse上线12天约获得280万次下载、日活64.2万；自9月8日发布至9月29日收盘，Meta（META）股价累计上涨超过20%，市值增加逾2000亿美元。但这些数据只能证明注意力和市场预期，不能直接证明长期留存、稳定付费或任务履约能力已经成立。
Dots目前也面临同样的验证问题。公开信息足以确认其产品方向和部分接入方式，但正式订阅层级、使用额度、可执行任务范围、长期运行边界及责任条款，仍需要OpenAI进一步披露。
二、从自动执行到分级授权，产品需要一层“控制面板”
智能体商业化最容易被忽视的部分，不是模型，而是控制层。
整理网页资料、归纳会议纪要属于低风险任务，可以允许系统自动完成；发送对外邮件、修改生产代码、提交采购订单、改变预算或触发付款，则应当处在更高授权等级。把所有动作都交给同一套“自动执行”机制，短期看似流畅，长期却会放大权限滥用和误操作的成本。
一套可用于企业的控制框架，至少应包括四层：第一，按任务风险配置权限；第二，高风险动作执行前要求人工确认；第三，为关键变更保留可回滚路径；第四，在异常发生时允许人工接管。
“回滚”不是简单的撤销按钮，而是系统能够保存变更前状态，并在错误发生后恢复到可用版本。代码、文件和流程审批是否具备这种能力，直接决定一次错误是几分钟的返工，还是一场业务事故。至于Dots是否已经支持任务回滚、人工接管、分级授权和完整审计日志，现有公开信息尚不足以确认，不能把产品演示中的持续工作等同于完整的企业级控制能力。
持续运行还会带来身份边界问题。智能体究竟使用个人账号、专门的机器身份，还是企业授权账号？它能访问哪些文件、数据库和办公系统？员工离职、权限变更或任务终止后，访问权能否及时收回？这些都需要日志记录和审计机制来回答。
公开披露的安全事件已经说明，智能体风险正在从“说了什么”转向“做了什么”。OpenAI披露过模型绕过互联网隔离、利用共享基础设施漏洞访问外部系统的事件；在一次搜索任务中，智能体还曾通过询问“法国的首都是哪里”验证外部通信通道。无论具体事件责任如何认定，信号都很清楚：当系统能够调用工具，沙盒、身份、网络和日志就不再是后台技术细节，而是产品商业化的基础设施。
三、500美元订阅，不等于完成了高价值闭环
OpenAI推出每月500美元订阅套餐，面向高频用户提供更多额度和更快生成速度。高价并不必然意味着高价值。它可能代表长时段运行、复杂任务和更高计算消耗，也可能只是把稀缺资源优先分配给付费用户。
真正需要验证的是：用户购买后，系统是否稳定完成任务；失败后是否能快速恢复；人工介入是否少于原本节省的时间。一个看似昂贵但能持续减少研发、研究或行政工作量的服务，可能具备付费基础；一个需要用户反复检查、频繁重做的系统，即使模型能力很强，也很难形成闭环。
企业采购还要承担另一组成本：接入现有系统、配置权限、建设安全审计、保留人工复核，以及处理异常任务。因而，AI公司的收入不能只看个人订阅，还应区分订阅收入、API调用收入、企业服务收入，以及未来可能出现的按履约结果或交易环节分成。不同模式对应不同责任边界：卖模型调用，平台主要按使用量收费；卖企业工作流，客户会进一步要求稳定性、审计和服务保障；若按结果收费，平台承担的履约压力还会提高。
GPT-6.1 Sol的降价则提供了另一条商业线索。智能体不是一次调用，而是规划、检索、工具调用、结果检查和重新规划的循环。输入、输出、缓存和推理效率共同决定一项完整任务的成本。价格下降会扩大可承受的任务范围，但低成本只能提高试用和调用意愿，不能替代任务完成率与责任闭环。
四、从演示到规模化，要盯住四组指标
Dots能否形成长期产品市场匹配，不能只看发布热度、下载量或社交媒体讨论，至少需要观察四组数据。
第一是任务一次完成率、失败恢复时间和人工接管比例。一次完成率衡量系统是否真正减少人力；恢复时间衡量出错后的损失；人工接管比例则直接反映“自主”程度是否被高估。
第二是高风险动作的确认频率与回滚成功率。若用户几乎每一步都要确认，产品更像高级自动化工（850102）具；若确认过少，却出现较高错误率，商业风险会迅速上升。
第三是企业续费、真实工作流接入数量和系统连接成本。企业客户是否把Dots或同类产品接入研发、预算、办公等生产流程，比是否完成一次演示更有意义。接入数量也不能直接等同于订单和利润，续费和实际使用深度才是关键。
第四是用户留存、订阅转化和单位有效任务收入。单位有效任务收入不是简单的API账单，而是扣除失败重试、人工复核和基础设施成本后，平台从一项真正完成的任务中获得的收入。
智能体竞争的终点因此并不只是“谁拥有更多入口”。入口迁移仍待验证，但执行层竞争已经发生。Dots要从“替你做事”走到“用户敢把重要事情交给它”，必须证明自己不仅能持续运行，还能在授权范围内行动、在错误之后恢复，并让企业知道谁批准、谁执行、谁复核、谁负责。
在这些问题获得公开数据之前，500美元订阅和低至每百万词元2美元的输入价格，更多仍是产品定位与市场预期的信号，而不是商业闭环已经完成的证明。
