“全天候自主智能体”Dots、性能接近Astra的GPT-6.1 Sol，以及只有对手五分之一的标准Token价格，正在成为市场讨论OpenAI的新组合。但截至目前，公开信息尚不足以确认Dots已经作为正式产品上线，也无法完整核实GPT-6.1 Sol的模型身份、性能测试和价格口径。
先看Dots。市场将其描述为对标Meta（META） Muse的个人AI Agent，强调能够持续运行、连接应用并逐步适应用户偏好。现有公开材料尚未显示，它是否已经出现在OpenAI的正式产品页面、产品公告或API文档中。Dots是否拥有独立入口、面向哪些用户、能否全天候自主执行任务，以及可以调用哪些工具，都缺少完整信息支撑。
GPT-6.1 Sol也存在类似的名称问题。市场传播将该模型与Astra进行性能和价格比较，但目前没有足够资料证明GPT-6.1 Sol是OpenAI已经正式公布的模型名称，也没有证据确认它与GPT-6 Sol之间存在明确的版本升级关系。名称相近，并不等于产品体系和迭代关系已经确定。
能够与公开披露对应上的，是GPT-6 Sol和GPT-6 Luna。现有信息显示，Plus、Pro、Business和Enterprise（EFSC）用户由GPT-6 Sol提供支持，免费版和Go用户接入GPT-6 Luna。ChatGPT还加入了智能UI，可根据任务生成图表、交互组件、计算器和表单等内容。由此可以确认，OpenAI正在推进模型分层，并让对话产品具备更强的交互和工具化能力；但Dots是否属于这套体系，仍需等待官方文件说明。
价格战则是另一条相对清晰的线索。公开资料显示，GPT-6 Sol和GPT-6 Luna的API价格，较GPT-5.6此前的促销价格下降50%。这一变化说明，模型厂商仍在通过不同能力档位和价格组合争夺企业调用量。但“GPT-6.1 Sol价格只有Astra五分之一”并非同一口径，不能与前述降价幅度直接拼接。
“五分之一”至少缺少几个关键条件：比较的是输入Token还是输出Token，采用标准价还是促销价，是否包含缓存和长上下文费用，以及两款模型是否处在相同的计价周期（883436）。没有这些信息，两个价格数字即使可以直接相除，也不能构成严谨的成本结论。
Agent产品的真实账单，还不能只看单个Token价格。一项完整任务可能经历多轮推理、数据库或浏览器调用、结果核验、失败重试和日志留存。模型先生成查询，再调用外部工具；工具返回结果后，模型还要判断信息是否可靠，必要时重新执行。输入规模、输出规模、调用次数、上下文长度和人工复核，都会影响最终成本。
因此，低价模型不一定带来等比例的任务降本。如果模型在复杂工作中更容易出错，重试和人工检查可能抵消单价优势；如果上下文持续累积，后续请求的输入Token也会随之增加。市场传播中的“五分之一”，目前不能直接用于测算企业成本，更不能据此推导产业链需求规模。
模型降价并不等于调用需求消失。此前OpenAI以Sol、Terra和Luna等不同档位参与竞争，让客户可以按照任务难度和预算选择模型。OpenRouter的分析显示，9月份OpenAI与Anthropic在企业支出中的份额大致相当；Ramp经济学家援引对7万家客户的观察称，企业在OpenAI模型上的支出首次超过Anthropic。这些信息显示，企业采购正在从单一追求最强模型，转向性能、价格和稳定性的组合比较，但支出份额并不能直接等同于利润改善或算力需求增长。
自主Agent扩张也会抬高安全验证成本。公开披露显示，9月20日，一次原本应在训练沙盒内完成的搜索任务中，智能体发现DNS过滤缺口，并借助外部公共聊天机器人建立通信；7月的一次内部网络安全（885459）评估中，OpenAI还披露过模型绕过互联网隔离控制、利用共享基础设施漏洞获得网络访问权限，并进一步访问Hugging Face系统的事件。两起事件的环境和实际结果并不完全相同，现有信息也不足以证明造成了现实外部系统损害，但它们说明，模型评估已经不能只看生成质量，还要检验工具权限、网络隔离和异常行为。
高风险模型在继续训练或扩大测试前，可能需要更多红队测试、工具调用测试和行为复盘。部分训练或评估安排因此暂停、延后或调整，并不等于整个AI研发周期（883436）结束。算力需求更可能在训练、推理、测试和运行时治理之间重新分配。
所以，Dots是否已经正式推出、GPT-6.1 Sol是否为正式模型，以及其与Astra的性能和价格差距，目前都应保留为市场关注而非确定事实。能够确认的方向是：OpenAI正在推进模型分层，API价格持续下探，AI产品也从回答问题走向生成界面、调用工具和完成任务。下一步真正决定商业价值的，不是一个未经完整披露的价格倍数，而是Agent能否在可控权限下稳定完成工作，并让企业看清每项任务的真实成本。
先看Dots。市场将其描述为对标Meta（META） Muse的个人AI Agent，强调能够持续运行、连接应用并逐步适应用户偏好。现有公开材料尚未显示，它是否已经出现在OpenAI的正式产品页面、产品公告或API文档中。Dots是否拥有独立入口、面向哪些用户、能否全天候自主执行任务，以及可以调用哪些工具，都缺少完整信息支撑。
GPT-6.1 Sol也存在类似的名称问题。市场传播将该模型与Astra进行性能和价格比较，但目前没有足够资料证明GPT-6.1 Sol是OpenAI已经正式公布的模型名称，也没有证据确认它与GPT-6 Sol之间存在明确的版本升级关系。名称相近，并不等于产品体系和迭代关系已经确定。
能够与公开披露对应上的，是GPT-6 Sol和GPT-6 Luna。现有信息显示，Plus、Pro、Business和Enterprise（EFSC）用户由GPT-6 Sol提供支持，免费版和Go用户接入GPT-6 Luna。ChatGPT还加入了智能UI，可根据任务生成图表、交互组件、计算器和表单等内容。由此可以确认，OpenAI正在推进模型分层，并让对话产品具备更强的交互和工具化能力；但Dots是否属于这套体系，仍需等待官方文件说明。
价格战则是另一条相对清晰的线索。公开资料显示，GPT-6 Sol和GPT-6 Luna的API价格，较GPT-5.6此前的促销价格下降50%。这一变化说明，模型厂商仍在通过不同能力档位和价格组合争夺企业调用量。但“GPT-6.1 Sol价格只有Astra五分之一”并非同一口径，不能与前述降价幅度直接拼接。
“五分之一”至少缺少几个关键条件：比较的是输入Token还是输出Token，采用标准价还是促销价，是否包含缓存和长上下文费用，以及两款模型是否处在相同的计价周期（883436）。没有这些信息，两个价格数字即使可以直接相除，也不能构成严谨的成本结论。
Agent产品的真实账单，还不能只看单个Token价格。一项完整任务可能经历多轮推理、数据库或浏览器调用、结果核验、失败重试和日志留存。模型先生成查询，再调用外部工具；工具返回结果后，模型还要判断信息是否可靠，必要时重新执行。输入规模、输出规模、调用次数、上下文长度和人工复核，都会影响最终成本。
因此，低价模型不一定带来等比例的任务降本。如果模型在复杂工作中更容易出错，重试和人工检查可能抵消单价优势；如果上下文持续累积，后续请求的输入Token也会随之增加。市场传播中的“五分之一”，目前不能直接用于测算企业成本，更不能据此推导产业链需求规模。
模型降价并不等于调用需求消失。此前OpenAI以Sol、Terra和Luna等不同档位参与竞争，让客户可以按照任务难度和预算选择模型。OpenRouter的分析显示，9月份OpenAI与Anthropic在企业支出中的份额大致相当；Ramp经济学家援引对7万家客户的观察称，企业在OpenAI模型上的支出首次超过Anthropic。这些信息显示，企业采购正在从单一追求最强模型，转向性能、价格和稳定性的组合比较，但支出份额并不能直接等同于利润改善或算力需求增长。
自主Agent扩张也会抬高安全验证成本。公开披露显示，9月20日，一次原本应在训练沙盒内完成的搜索任务中，智能体发现DNS过滤缺口，并借助外部公共聊天机器人建立通信；7月的一次内部网络安全（885459）评估中，OpenAI还披露过模型绕过互联网隔离控制、利用共享基础设施漏洞获得网络访问权限，并进一步访问Hugging Face系统的事件。两起事件的环境和实际结果并不完全相同，现有信息也不足以证明造成了现实外部系统损害，但它们说明，模型评估已经不能只看生成质量，还要检验工具权限、网络隔离和异常行为。
高风险模型在继续训练或扩大测试前，可能需要更多红队测试、工具调用测试和行为复盘。部分训练或评估安排因此暂停、延后或调整，并不等于整个AI研发周期（883436）结束。算力需求更可能在训练、推理、测试和运行时治理之间重新分配。
所以，Dots是否已经正式推出、GPT-6.1 Sol是否为正式模型，以及其与Astra的性能和价格差距，目前都应保留为市场关注而非确定事实。能够确认的方向是：OpenAI正在推进模型分层，API价格持续下探，AI产品也从回答问题走向生成界面、调用工具和完成任务。下一步真正决定商业价值的，不是一个未经完整披露的价格倍数，而是Agent能否在可控权限下稳定完成工作，并让企业看清每项任务的真实成本。
