将任务全权委托给AI，而决定由哪个AI模型执行的权力，也正逐步移交给AI自身。
11月2日，OpenAI旗下ChatGPT和Codex负责人Tibo在社交平台X上披露了个人智能体dots的一项关键升级：
同一项复杂任务将被拆解为多个子阶段，dots会根据各阶段特性，自动调度不同模型接力完成。
Tibo透露，驱动dots的模型矩阵正在扩容：除了旗舰模型GPT-6 Astra，新款模型Terra即将加入，未来还将集成更多型号的模型。
这一升级的核心在于“动态路由”机制：dots将为任务的每个环节挑选最合适的模型。这意味着，耗时且低推理需求的步骤可由高速模型处理，而高难度的核心逻辑推理则交由旗舰模型负责。这种“好钢用在刀刃上”的策略，旨在显著降低用户的时间等待成本和算力开销。
Astra坐镇还不够：快3倍的Terra加入战局
dots是OpenAI于9月29日DevDay发布的个人智能体，具备云端电脑和全天候执行长时任务的能力。首发时，其核心大脑为旗舰模型GPT-6 Astra。
引入Terra的原因在于其速度与成本优势。Tibo指出，Terra不仅响应速度更快，交互体验也更为友好。
在第三方评测平台Vals.ai的综合榜单中，Terra以60.17%的得分位列第10。虽然绝对智商并非顶尖，但其精准击中了用户对“快”和“便宜”的核心诉求。OpenAI官方数据显示，在电脑操作评测中，Terra的任务完成速度是Astra和Sol的3倍以上。
需要注意的是，单项测试的“百米冲刺”速度不等于实际工作流的总耗时。实际任务如同障碍接力赛，总耗时取决于最难的推理环节以及模型间交接的效率。Terra的优势主要体现在屏幕识别、表单填写、软件切换等“动手不动脑”的操作环节，而复杂的逻辑思考仍需留给旗舰模型。
相较于速度，价格差异更为显著。按标准API单价计算，Astra的价格是Terra的10倍，Sol是Terra的2倍。对于需要执行数十个步骤的长时任务智能体而言，在非核心环节使用低价模型，积少成多将大幅降低总体账单。
一份汇报四步走：多模型流水线接力
长期以来，选择合适的大模型是用户的一大痛点。OpenAI高管Tibo曾吐槽，用户仿佛需要拥有“模型选择器博士学位”才能高效使用AI。为此，dots从诞生之初便隐藏了模型选择器，仅让用户选择交互渠道。
此次升级将自动化决策进一步细化至“步骤级”。以制作一份项目延期汇报为例，流程通常包含四个阶段：
1. 从文档中提取进度和预算数据；
2. 核对多张表格中的数据一致性；
3. 分析项目延期的深层原因；
4. 生成排版精美的PPT。
这四个步骤的难度层级截然不同：资料提取考验速度，数据核对考验严谨性，原因分析考验深度推理，PPT制作考验排版与操作能力。若全程使用昂贵的Astra，如同请首席科学家填写Excel，造成资源浪费；若全程使用快速模型，又可能在关键分析环节出现偏差。
最优解法是流水线作业：dots将在后台根据每一步的特性自动调度模型。虽然官方尚未公开具体的调度规则，但对用户而言，前端体验将保持极简：只需提出需求，后台的“排班”工作由dots自主完成。
历史教训：OpenAI曾在此“翻车”
替用户自动选择模型并非首次尝试。2025年8月发布的GPT-5曾主打“实时路由”功能，试图自动分配提问对应的模型。然而上线初期路由系统出现故障，导致GPT-5表现不佳，OpenAI最终不得不恢复手动模型菜单，并重新引入GPT-4o。
这一历史遗留问题让部分用户对新的自动调度机制持谨慎态度，担心出现“动态降智”或黑盒操作。此外，dots的调度复杂度远高于GPT-5的单次问答路由。长链条任务中的多棒接力，对模型间的上下文衔接、数据一致性维护提出了极高要求。
如果前一步提取的数据在后一步丢失，或中途修改参数未能同步，快速模型节省的时间可能被返工成本抵消。因此，确保全程不返工比单步速度快更为关键。
打破“100美元俱乐部”：交付能力是关键
Tibo表示，Terra的加入有助于降低dots的使用门槛，使其惠及更多用户。目前，dots仅向每月订阅费至少100美元的Pro用户开放，20美元的Plus用户尚无法使用。
社区中有声音呼吁增加基础套餐的使用额度，而非仅推送高价新功能。更快、更便宜的Terra被视为dots下沉至更广泛用户群的重要一步。
尽管功能愿景美好，但市场仍持观望态度。TestingCatalog等机构指出，新功能的成功需通过四项实测检验：
1. 完成复杂任务的实际耗时；
2. 单次任务的额度消耗；
3. 需要人工干预纠错的频率；
4. 最终交付成果的可直接用率。
在Meta Muse、马斯克Grok Bot、Google Gemini Spark等竞品争夺“个人第一助手”入口的背景下，竞争的焦点已从单纯的模型跑分，转向谁能以更低的等待成本和更高的交付质量，真正实现“一次把活干利索”。
参考资料：
编辑：元宇