dots 最有意思的地方，不是多了一个会聊天的卡通角色，而是你离开对话后，工作是否还会有人接着做。 OpenAI 在 2026 年 9 月 29 日推出 dots：给每个 dot 一台云电脑和浏览器，让它跟进持续任务、从已授权的应用取资料，并在需要判断时回来找你。这个设计很有吸引力，也把一个老问题放大了：你愿意让它看多少资料、替你做多少决定？
先交代测评口径：本文是发布初期的资料评测，不是 Mengbi 对个人 dot 的连续实测。 我们核对了 OpenAI 产品页、完整使用文档、帮助中心的上线说明，以及 Axios 记者的发布会现场报道和 WIRED 的首日报道。官方演示能说明产品想解决什么，却不能证明它在你自己的邮箱、日历和项目里能稳定运行一周。以下把事实、现场观察和我们的判断分开写。资料核验于 2026 年 9 月 30 日。
先看结论：谁该试，谁可以等
| 你的工作方式 | 现在试 dots 的理由 | 暂缓的理由 |
|---|---|---|
| 每周都要跨邮箱、文档、日历追同一件事 | 它能保留责任与上下文，主动找下一步 | 要先理清连接权限和审批边界 |
| 经常把研究、代码或汇报拆成多步交给 AI | 云电脑、后台任务和中途改方向有潜力减少反复交代 | 交付质量、速度和额度仍需用真实任务验证 |
| 主要用 ChatGPT 做零散问答、翻译或一次性写作 | 暂无明显必要 | 普通对话已经覆盖多数需求 |
| 团队处理客户资料、财务或生产系统 | 可小范围做只读试点 | 不宜因发布演示就开放高权限连接 |
我们的判断：dots 值得有持续任务的 Pro、Business Premium 用户试用；不值得仅凭“常驻 AI 助手”这几个字就升级套餐。它的价值要按“每周替你完成多少可验收的工作”计算，而不是看角色有多可爱。官方目前没有公开足以计算每项深度任务成本的稳定用量表，别把“首个 dot 包含在订阅里”理解成无限量自主工作。
dots 到底是什么？与普通 ChatGPT 差在哪里
普通聊天通常由你发起一轮请求，拿到回答，再决定下一轮。按 OpenAI 的定义，dot 可以承担一项持续责任：记住目标与偏好、跟踪进展，在你不继续打字时推进已交办的工作；遇到需要判断的节点，再把材料带回来。它由 GPT-6 Astra 驱动，有独立的云电脑和浏览器。你的设备关机后，云端工作仍能继续。
这里的“常驻”也需要拆开看。官方文档说，它可在对话间跟进任务、决定何时暂停与继续，也可运行你安排的定期检查；它还会对已连接的信息做只读研究，并提出下一步建议。但主动研究不等于自动获得发邮件、改文件或下单的权限。相关动作仍受应用权限与审批约束。把它想成一位会自己翻项目笔记、能提出下一步的助理，比想成“所有应用的自动驾驶”更准确。
OpenAI dots 产品页中的演示画面。它展示产品设想的“交办—反馈—修订”过程，不是本站运行结果；原图由 OpenAI 发布，本文转换为 WebP。
一个容易忽略的细节是工作环境分开。dot 的云浏览器不是你本机已经登录的网站；如需访问某个站点，可能要在私密登录流程里完成授权。连接自己的电脑也是单独的选择，默认关闭，本机需要在线且 ChatGPT 桌面应用保持运行。连接 Slack 或 Teams 只是多了沟通渠道，不等于自动连上那个频道里提到的邮箱、文件和本机目录。这些区分来自 官方连接说明，实际设置时很重要。
三个最有希望成立的使用场景
1. 跨应用跟进：少掉“我上次说到哪了”
假设你负责产品发布：规格在文档里，客户承诺在邮件里，时间表在日历里。你可以让 dot 对照这些材料，指出冲突并准备修改建议。它的优势不是写出一封更漂亮的邮件，而是下一次范围变更时仍记得该检查哪些地方。官方产品页用发布邮件与已变更功能范围不一致的例子说明了这种价值。
这类任务也最容易出错。资料可能过期，邮件里的表述未必是最终决策。一个合格的结果应列出哪份资料支持了哪项修改、哪些地方仍未确认。若 dot 只给出自信的“已更新全部资料”，却没有可追溯的改动清单，省下的并不是时间，而是把核查工作推迟到事故发生之后。
2. 长任务协作：人可以中途改主意
官方任务文档展示了修复移动端结账问题的流程：dot 分出调查与修复任务，收到“先处理移动端”的补充后继续工作，最后交回待审的 PR 和测试材料。这说明产品方向是让你在执行中补充约束，而非每次都重写完整指令。
对开发者而言，值得看的不是“它能不能生成代码”，而是能否把仓库状态、测试失败、评审意见与后续追踪连接起来。一次发布演示无法回答这些问题。它和 Codex 的关系也不是简单替代：Codex 聚焦具体软件任务，dot 更像持续接收目标、协调任务并追踪结果的上层入口。这个定位来自官方工作流描述，仍需用真实项目验证效率。
3. 定期检查：提醒背后有上下文
官方帮助中心确认，dot 可执行你安排的提醒和重复检查，也可能基于已连接的资料建议值得处理的事项。对一份每周更新的销售预测，它应该指出新数字、变化原因和待确认问题，而非每天发一条“该看报表了”。帮助中心同时说明，主动研究可以发生在没有新消息的时候。连接前要判断：这些信息是否适合被持续读取？
发布会现场：热闹的演示，也有现实的停顿
第三方现场报道提供了官方宣传片没有的细节。Axios 记者 Ina Fried记录了发布会的实时演示：有令人兴奋的时刻，也有 Holly Li 向自己的 dot 说话时出现的延迟。这是一场演示的观察，不能推导出 dots 总体很慢；同样，顺利完成的片段也不能证明大规模用户的稳定性。WIRED把它描述为可连接应用、处理多步任务的常驻代理，但其首日报道也不是连续多天的同题测试。
发布现场照片：Ina Fried / Axios。用于对应上文的第三方现场观察；原始照片版权归摄影者及发布方，本文压缩为 WebP。
所以现阶段谈“体验”，最诚实的说法是：产品形态清楚，可靠性仍待验证。 尤其是长时间运行、多应用数据冲突、网络登录失效、权限请求过多，以及失败后能否从中断点恢复，公开资料还没有给出足够的独立样本。
权限与隐私：真正需要花时间设置的部分
dots 的能力越接近“代你行动”，审批设计越重要。OpenAI 的控制文档说，涉及账户或信息分享的动作会经过自动检查，结果可能是允许、要求你批准，或交还给你执行。你可以设置 Custom Rules，约束哪些动作可以直接做、哪些必须询问；改密码这类步骤仍由你本人完成。这里的审批是安全边界，不代表每次判断都正确。
建议第一次使用时从只读、低代价、容易核对的任务开始，例如“每周汇总项目状态，列出来源与不确定项”。等它连续几次准确指出变化，再考虑让它准备草稿或修改文件。发送外部邮件、改客户数据、采购和生产环境操作，都应有单独的人工检查点。尤其留意 OpenAI 帮助中心所述：断开应用连接，不会自动删除 dot 已经从该应用取得的信息；删除 dot 才涉及清理它自己的保存记忆。
另一个实际风险是“暂停”并不总等于“所有工作都停了”。控制文档区分了主任务暂停、已委派任务停止和定期计划取消；要彻底停止一项工作，需检查相关任务与计划。团队使用时，这一点应写进操作流程。
怎么开通，价格怎么算
截至 2026 年 9 月 30 日，按 OpenAI 帮助中心的说明：
- Pro：在欧洲经济区、瑞士和英国以外的合资格市场逐步开放。
- Business Premium：在 ChatGPT 支持的地区可用。
- Enterprise、Edu、Healthcare：管理员启用后可试用 Beta；初始默认关闭。
- 创建入口：ChatGPT 桌面应用或桌面浏览器。手机应用可在功能开放后与已有 dot 对话，手机网页当前不支持 dots，也不能在手机上创建。
首个 dot 包含在 Pro 或 Business Premium 计划里，官方称没有额外的首个 dot 费用。但订阅包含的深度工作额度有限，首月还有延长限额；未来增加更多 dot、提高速度或月工作量的方案尚未给出可稳定计算的公开价表。因此，本文不写“每月花多少钱就能无限运行”的数字。你所在地区、工作区设置和分批推送都会影响入口是否出现。
短信也别按宣传画面直接预期为人人可用。帮助中心写明它是受限 Beta，只面向美国部分 Pro 用户；Business 和 Enterprise 暂不支持。dot 在发布时也不能主动打电话给你。需要即时跨设备沟通的人，先确认自己账号实际出现了哪些渠道。
我会怎样做一周试用
如果已经有资格，我会挑一件范围明确、每周都会变化、结果可人工验收的事，例如跟进一个产品发布，而非让 dot “管理我的所有工作”。先给它一份真实的资料清单和一句完成标准：“每天检查发布计划与客户承诺是否冲突；只汇报证据和建议，不发消息、不改共享文件。”
一周后看四件事：它主动发现了多少真实且重要的变化；每项判断能否指向原始材料；你纠正一次后下次是否记住；你花在审批和修错上的时间是否少于自己动手。如果连接失效、重复提醒或错误引用不断出现，最好收窄责任与数据源，而不是追加一段更长的万能提示词。对于代码任务，还要记录 PR 是否通过现有测试，以及人工审查到底改了多少。
最终评价
dots 把 ChatGPT 从“来问我”推进到“把一件事交给我跟进”。云电脑、跨对话记忆和主动跟进让这一步有了具体形状；审批、连接权限和有限的深度工作额度也决定了它不能被当作无需监管的数字员工。现阶段最值得尝试的人，是已经订阅合资格套餐、拥有明确持续任务、愿意花时间建立权限边界的人。 对偶尔使用 AI 的人，等独立长周期体验和更明确的额度说明出来，再决定是否升级会更稳妥。
延伸阅读：OpenAI dots 产品页解释产品场景；完整文档列出任务、电脑与控制方式；帮助中心提供最新开通与限制信息。若关心底层模型与软件开发任务，可参看本站的 GPT-6 Astra 分析 与 AI 编程代理比较。