速递｜Codex破天荒接入GLM与Kimi！Pro额度被腰斩，GPT-6.1 Sol与24小时Agent首发上线
📋 文章概况
一篇 OpenAI DevDay 2026 发布速递，覆盖个人智能体 dots（24 小时云端自主运行时）、协作套件 Space/Pages/Slides、GPT-6.1 Sol 降本、Decisions API、Codex 上云并接入 GLM/Kimi 国产模型，以及订阅体系重构（Pro 500 上线、Pro 200 额度腰斩）。
💎 独特亮点
- Codex 首次向国产模型敞开接口：通过 Baseten 托管，企业可在 Codex 与 Responses API 中原生调用智谱 GLM-5.3 Flash 与月之暗面 Kimi K3，且花销计入 OpenAI 年度采购承诺额度。Codex 从"自研模型单一入口"蜕变为"成熟工具链 + 可切换底层模型"的分层架构。
- dots 的权限分级机制给出可照抄的 Agent 安全设计：后台监控状态仅授予只读权限（"主动研究"），严禁擅自发送消息或篡改数据；仅在用户显式授权的任务范围内才允许写入操作。凭据调用时明文密码不暴露给模型。
- Decisions API 将"逻辑裁决"从大模型解耦为独立基础设施：基于 Luna 模型，从预定义有限枚举集合中做确定性离散状态裁决。实测 78 次连续 GUI 操作选择回放命中 76 次，单次延迟 230ms。定位与 TypeSafe AI 的 Jev 框架同赛道。
- GPT-6.1 Sol 的上下文缓存降价到 0.10 美元/百万 Token（95% 折扣）：直接决定长程自动化在经济账上是否可行——反复加载几十万行项目代码与长篇文档的 Agent 场景，缓存成本从主要开销变为可忽略项。
🔭 产品方向洞察
- dots：OpenAI 版个人 Agent，由 GPT-6 Astra 驱动，自带云端虚拟机沙盒 + 浏览器，7×24 后台运行，通过短信/Slack/Teams 等管道调度，插件连接 4000+ 外部工具。面向 Pro/Business Premium/Enterprise 开放。
- ChatGPT Space：取代 Library 的团队协作中心，含动态页面 Pages（内嵌交互式仪表板、挂接外部数据源自动更新）、Slides（协作 PPT）、@ChatGPT 团队调用、Team Tasks 事件触发工作流、Meetings Plugin 本地会议纪要。
- Decisions API：有限预览，将离散状态裁决（路由、重试/换代理/终止等）从大模型解耦为高可靠、低延迟、确定性的独立 API。
- OpenAI Software Marketplace：企业可用 OpenAI 年度采购承诺额度抵扣购买 32 家第三方软件（Adobe、Figma、Salesforce、CrowdStrike 等）。
- [产品] Sign in with ChatGPT：ChatGPT 账号一键登录 Pi、Notion、Devin 等 16 款第三方工具，并在外部工具中扣减 OpenAI 订阅算力配额——OpenAI 正在成为身份与算力配额的统一入口。
🔧 可动手实践
| 目录点 | 你可以做什么 | 可动手程度 |
|---|---|---|
| dots 权限分级机制 | 在你的 Agent 项目中实现"后台监控=只读、显式授权=可写"的权限分级；凭据调用时确保模型不接触明文密码 | ✅可实现 |
| Decisions API 的裁决解耦思路 | 将 Agent 工作流中的高频离散决策点（路由、重试策略、终止条件）从通用大模型调用中拆出，用确定性枚举 + 轻量模型或规则引擎实现，降低延迟与成本 | ✅可实现 |
| GPT-6.1 Sol 缓存定价对标 | 重新核算你 Agent 项目的上下文缓存成本：若缓存命中率高的长程任务，对标 0.10 美元/百万 Token 的缓存价，评估切换模型或优化缓存策略的经济收益 | ✅可实现 |
| Codex 云端沙盒 + Git Worktree 并行 | 参考 Codex CLI 的 /agents 视图与 Git Worktree 内建支持，在 coding agent 中实现多子任务并行分发与隔离工作区 | ⚠️需补充（需确认具体 CLI 用法与你的工具链兼容性） |
| [产品] 个人 Agent 的"主动研究"交互范式 | 借鉴 dots 的"你来找 AI 时它已准备好"体验：设计 Agent 在后台只读监控外部动态、清晨推送最紧急三件事、带着准备好的工作回来找人的交互模式 | ✅可实现 |
工作流（最小实验）:
- 选一个你现有 Agent 中需要"后台持续监控 + 定时汇报"的场景（如监控 GitHub issue、邮件、RSS）。
- 实现权限分级：监控阶段只授予只读工具集（读邮件、读 issue、读日历），禁止任何写入/发送操作。
- 设定一个"显式授权"触发条件（如用户回复"处理"或点击确认），授权后才切换到可写工具集执行操作。
- 运行 3 天，记录 Agent 在只读阶段是否出现越权尝试，以及用户对"带着准备好的工作回来"体验的反馈。
🧠 可复用认知
- Agent 的权限设计不是"全有或全无"，而是按任务阶段动态分级：后台监控=只读，显式授权=可写。这比静态权限列表更贴合长程 Agent 的实际运行模式。
- 长程 Agent 的经济可行性由上下文缓存成本决定，而非单次推理价格。缓存命中率高的场景，95% 的缓存折扣比模型降价更有意义。
- 当模型能力趋同时，入口竞争从"谁的模型更强"转向"谁的工具链和上下文框架更成熟"——Codex 接入国产模型说明，Harness 层（开发环境、工具链、上下文压缩）正在成为比模型本身更持久的护城河。
🏷️ 关键词
#dots #个人Agent #权限分级 #Decisions-API #逻辑裁决解耦 #GPT-6.1-Sol #上下文缓存降价 #Codex接入GLM #Codex接入Kimi #Baseten #ChatGPT-Space #Pro额度腰斩 #Sign-in-with-ChatGPT #主动研究
分类标签: Agent架构 Agent产品形态 模型选型
📊 价值判断
推荐等级: 值得一看（信息增量强：dots 的权限分级机制、Decisions API 的裁决解耦思路、Codex 接入国产模型的分层战略均为新事实；但深度/实现细节中等——文章是发布速递，关键机制仅有方向性描述，无具体实现参数或代码级细节，摘要已承载核心可操作信息）
最值得看: dots 权限分级与"主动研究"交互范式的段落；Decisions API 的定位与实测数据段落；Codex 接入 GLM/Kimi 的 Baseten 合作细节
适合场景: 你在设计长程 Agent 的权限体系或后台监控模式；你在评估 coding agent 的模型切换策略与 Harness 层投入；你在关注个人 Agent 产品的交互范式与 OpenAI 的入口战略