影片筆記：实测Dot后，我才看懂OpenAI这次DevDay的布局 ｜ Dot vs Muse

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片深度解析 OpenAI DevDay 發布的七大重點，核心聚焦於全新個人助理產品 Dot。講者通過實測對比 Dot 與 Meta 的 Muse，指出 Dot 偏向高質量生產與複雜任務執行，而 Muse 偏向快速查詢。影片強調 AI 個人助理賽道正在爭奪用戶的「上下文權」、「行動權」與「交易權」，並分享了結合 ChatGPT、Dot 雲環境與 GitHub 構建 7x24 小時在線工作系統的實操思路。

核心重點

1. OpenAI DevDay 七大發布概覽：

• Dot：核心焦點，解決 7x24 小時在線的個人助理需求，定位為 Always-on AI Agent。
• Decision API：快速結構化判斷的模型接口，類似 JEV 模型，用於快速響應判斷。
• GPT6.1 Sol：新模型發布，聲稱能力接近 Astra，但成本顯著下降。
• Codex Cloud：雲端發布，Coding Agent 從本機走向雲端工作。
• GPT 共享空間 (Space)：人與 Agent 共享工作空間。
• 插件與定制化 GPT 遷移：GPTs 重出江湖，形成應用與技能生態。
• 500 美元档位 (Ultra Fast)：極快档位，原 200 美元档位降級為 10X，引發社區爭議。

1. 個人助理 (Personal Agent) 賽道爆發原因：

• 競爭格局激烈：Meta (Muse)、阿里雲棲 (千問)、字節 (Spell)、OpenAI (Dot)、騰訊 (Handy BOT) 均在 9 月下旬密集發布相關產品。
• 消費品化與硬件連接：從單純軟件跨出，連接藍牙與物理硬件，交互方式從「打開聊天窗口」轉變為「駐點在線、持續解決問題」。
• 三大權利爭奪：
• 上下文權 (Context)：搶奪用戶長期記憶，提高遷移成本。
• 行動權 (Action)：不僅知道想法，更有資格幫用戶做事（如連接 Gmail、雲端服務）。亞馬遜封殺 Muse 即為封殺其行動權。
• 交易權 (Transaction)：爭奪 AI 時代流量入口與交易閉環權利。
• 市場差異預測：美國傾向做渠道商抽取分佣（Meta 模式）；中國短期內更可能做成生態型 Agent（綁定淘寶、微信、手機操作層）；OpenAI 目前處於中立生態位。

1. Dot vs. Muse 實測對比：

• 設置與連接：Dot 需連接 Google 日曆、通訊錄、Drive、郵箱等插件，支持雲端電腦或本機電腦環境。
• 性能差異：
• 速度：Dot 語音對話反應較慢（可能因基礎模型強、網絡延遲），Muse 較快。
• 深度：Dot 處理任務深度更深，比 Muse 聰明，處理複雜問題更靠谱。
• 連接器：Muse 連接器更絲滑（1500+接口）；Dot 目前連接器較硬，體驗不如 Muse 絲滑。
• 門檻與穩定性：Dot 使用門檻較高，但處理複雜任務能力遠強於 Muse；連接器與安全邊界較強，不需要長期維護。

1. OpenAI 發布邏輯與工作生態構建：

• 核心邏輯：ChatGPT 成為新時期 AI 操作系統。模型能力強、成本低 -> 快速決策 -> 交給 Dot 執行 -> 調用雲端工具 (MCP, 瀏覽器, APP, Computer Use) -> 結果同步至 Space -> 形成閉環入口。
• 實操思路 (ChatGPT + Dot + GitHub)：
• 人類提出目標與材料給 ChatGPT。
• ChatGPT 協調任務，交給 Dot 接管。
• Dot 在雲端電腦工作，調用 GitHub 中的代碼倉庫、Skill、工具包。
• 配置雲環境中的 CLI 密鑰（如飛書密鑰），實現企業端可視化與反饋（同步至飛書）。
• 省 TOKEN 技巧：利用 GPT 與 Dot 通信，將任務發給 Dot 處理（使用雲端資源而非本地 TOKEN），GPT 作為上級規劃，Dot 作為下級執行子 Agent。

詳細大綱

一、 OpenAI DevDay 七大發布概覽

1. Dot (核心焦點)：解決 7x24 小時在線的個人助理需求，Always-on AI Agent。
2. Decision API：快速結構化判斷的模型接口，類似 JEV 模型，用於快速響應判斷。
3. GPT6.1 Sol：新模型發布，聲稱能力接近 Astra，但成本顯著下降。
4. Codex Cloud：雲端發布，Coding Agent 從本機走向雲端工作。
5. GPT 共享空間 (Space)：人與 Agent 共享工作空間。
6. 插件與定制化 GPT 遷移：GPTs 重出江湖，形成應用與技能生態。
7. 500 美元档位 (Ultra Fast)：極快档位，原 200 美元档位降級為 10X，引發社區爭議。

二、 個人助理 (Personal Agent) 賽道爆發分析

1. 時間線與競爭格局：

• 9月8日：Meta 發布 Muse。
• 9月下旬：阿里雲棲大會提及千問向 Personal Agent 演進。
• 9月29日：字節 Spell 項目曝光。
• 9月30日：OpenAI DevDay 正式推出 Dot。
• 9月30日：騰訊 Handy BOT 消息爆出。
• 結論：海內外大廠極度重視此賽道。

1. 爆發原因：

• Muse 爆火證明 Personal Agent 成為大眾可接受的消費品。
• 從單純軟件層面跨出，連接藍牙與物理硬件。
• 交互方式改變：不再需要打開聊天窗口，而是駐點在線，持續解決問題。
• 無需像 Openclaw 那樣進行繁瑣配置，拿起來即用。

1. 三大權利爭奪：

• 上下文權 (Context)：搶奪用戶長期記憶與了解用戶的機會，提高遷移成本。
• 行動權 (Action)：不僅知道想法，更有資格幫用戶做事（如連接 Gmail、雲端服務）。亞馬遜封殺 Muse 即為封殺其行動權。
• 交易權 (Transaction)：爭奪 AI 時代流量入口與交易閉環權利。

1. 中美市場差異預測：

• 美國：傾向做用戶的 Agent，作為渠道商抽取分佣（如 Meta 模式）。
• 中國：短期內更可能做成生態型 Agent（如千問綁定淘寶、騰訊綁定微信、豆包綁定手機操作層）。
• OpenAI：目前處於中立生態位，可連接各方向，未來可能會有「屁股」（立場）。

三、 Dot 實操體驗與對比 (Dot vs. Muse)

1. 界面與設置：

• 通過「Your Dot」進入，需連接 Google 日曆、通訊錄、Drive、郵箱等插件。
• 運行環境選擇：雲端電腦 (Cloud Computer) 或本機電腦。
• 設定名稱與圖標後進入。

1. 功能測試：

• 郵件處理：自動掃描重要郵件，根據以往內容建議回覆，確認後發送。
• 語音通話：支持連接 Mac 麥克風撥打電話，但存在延遲，文字記錄非實時鋪開。
• 任務對比：與 Muse 對標測試（10萬粉絲訂閱、500美元預算提升節目質感、更換麥克風建議）。

1. 性能與體驗差異：

• 速度：Dot 語音對話反應較慢（可能因基礎模型強、網絡延遲），Muse 較快。
• 深度：Dot 處理任務深度更深，比 Muse 聰明許多，處理複雜問題更靠谱。
• 連接器：Muse 連接器更絲滑（1500+接口）；Dot 目前連接器較硬，體驗不如 Muse 絲滑。
• 門檻：Dot 使用門檻較高，但處理複雜任務能力遠強於 Muse。
• 穩定性：Dot 連接器與安全邊界較強，不需要長期維護，不像 Openclaw 那樣需要大量 Dirty Job 配置。

四、 OpenAI 發布邏輯與工作生態構建

1. 核心邏輯：ChatGPT 將成為新時期的 AI 操作系統。

• 模型能力強、成本低 -> 快速決策 -> 交給 Dot 執行 -> 調用雲端工具 (MCP, 瀏覽器, APP, Computer Use) -> 結果同步至 Space -> 形成閉環入口。

1. 實操工作思路 (ChatGPT + Dot + GitHub)：

• 目標：構建高質量生產與執行的工作系統。
• 流程：

1. 人類提出目標與材料給 ChatGPT。
2. ChatGPT 協調任務，交給 Dot 接管。
3. Dot 在雲端電腦工作，調用 GitHub 中的代碼倉庫、Skill、工具包。
4. 配置雲環境中的 CLI 密鑰（如飛書密鑰），這是 Muse 無法做到的生產環境交互。
5. 任務完成後，成果同步至飛書 (Feishu)，實現企業端可視化與反饋機制。

• 優勢：
• 飛書作為 IM 工具，API 調用速度快，展示體感好。
• Dot 7x24小時在線，AI 可根據框架快速反饋，無需人工即時審核。
• 省 TOKEN 技巧：利用 GPT 與 Dot 通信，將任務發給 Dot 處理（使用雲端資源而非本地 TOKEN），GPT 作為上級規劃，Dot 作為下級執行子 Agent。

工具 / 模型 / 名詞整理

• OpenAI 相關：
• Dot：個人助理產品，Always-on AI Agent。
• Decision API：快速結構化判斷的模型接口。
• GPT6.1 Sol：新發布模型。
• Codex Cloud：雲端版 Codex，Coding Agent 雲端化。
• GPTs：插件與定制化 GPT，重出江湖。
• Ultra Fast：500 美元档位，極快档位。
• 20X / 10X：訂閱档位等級（原 200 美元档位降級為 10X）。
• DevDay：OpenAI 開發者大會。
• Openclaw：提及的舊版或對比產品，需大量配置。
• Astra：模型能力對比參考對象。
• Grok bot：提及的對比產品。
• Meta 相關：
• Muse：Meta 發布的個人助理產品，偏向快速查詢與消費。
• Meta：公司。
• 中國大廠相關：
• 千問：阿里，向 Personal Agent 演進。
• Spell：字節，項目曝光。
• Handy BOT：騰訊，消息爆出。
• 豆包：字節，綁定手機操作層。
• 第三方工具/平台：
• ChatGPT：作為上級規劃，協調任務。
• GitHub：調用代碼倉庫、Skill、工具包。
• Google：Gmail, Drive, 日曆, 通訊錄（Dot 的插件連接對象）。
• 飛書 (Feishu)：IM 工具，API 調用速度快，用於成果同步與反饋。
• 亞馬遜 (Amazon)：封殺 Muse 行動權的案例。
• JEV 模型：提及的類似 Decision API 的產品。
• Workbody：提及的 Agent 類型。
• CLI：命令行工具，用於配置雲環境密鑰。
• MCP：模型上下文協議，提及。

操作流程整理

構建高質量生產與執行的工作系統流程：

1. 目標輸入：人類提出目標與材料給 ChatGPT。
2. 任務協調：ChatGPT 協調任務，交給 Dot 接管。
3. 雲端執行：Dot 在雲端電腦 (Cloud Computer) 工作，調用 GitHub 中的代碼倉庫、Skill、工具包。
4. 環境配置：配置雲環境中的 CLI 密鑰（例如飛書密鑰），實現生產環境交互。
5. 成果同步：任務完成後，成果同步至 飛書 (Feishu)，實現企業端可視化與反饋機制。
6. 省 TOKEN 策略：利用 GPT 與 Dot 通信，將任務發給 Dot 處理（使用雲端資源而非本地 TOKEN），GPT 作為上級規劃，Dot 作為下級執行子 Agent。

值得注意的限制或風險

1. Dot 的性能延遲：Dot 語音對話反應較慢，可能因基礎模型強或網絡延遲導致，相比 Muse 速度較慢。
2. 連接器體驗差異：Dot 目前的連接器較硬，體驗不如 Muse 絲滑（Muse 擁有 1500+ 接口）。
3. 使用門檻：Dot 使用門檻較高，但處理複雜任務能力遠強於 Muse。
4. 市場立場風險：OpenAI 目前處於中立生態位，但未來可能會有「屁股」（立場），影響其中立性。
5. 行動權封殺風險：如亞馬遜封殺 Muse 所示，平台方可能封殺 AI 的行動權，影響其執行能力。

逐字稿辨識疑點

• GPT6.1Sol：逐字稿中提及「GPT6.1Sol」，疑為模型版本號或特定代號，需查證是否為官方正式名稱。
• JEV 模型：逐字稿提及「JEV模型」，疑為聽寫錯誤或特定內部模型名稱，需查證。
• Astra：逐字稿提及「GPT6.1Sol的模型能力接近Astra」，疑為模型名稱，需查證。
• Codex 的權利：講者在分析權利時提到「第一層權利是 Codex 的權利 就是上下文嘛」，此處「Codex」疑為口誤，實際語境應指「Context（上下文）」，但逐字稿原文如此，故標註疑點。
• Openai Dot：部分語境中將產品稱為「Openai Dot」，通常產品名稱為「Dot」，此為指代方式，保留原樣。
• 1,000刀档位：講者預估未來可能有 1,000 美元档位，屬預測內容。
• 20X 變 10X：關於訂閱档位降級的具體代號，保留逐字稿描述。

可延伸追問

1. GPT6.1 Sol 與 Astra 的具體性能對比數據為何？
2. Decision API 與 JEV 模型在技術架構上有何異同？
3. Dot 的「行動權」具體涵蓋哪些 API 接口？未來是否會開放更多第三方服務？
4. 中國市場生態型 Agent（如千問、騰訊）與美國渠道型 Agent 模式在商業變現上有何本質區別？
5. 如何具體配置 Dot 的 CLI 密鑰以實現與飛書的深度集成？