把活交给AI，派哪个AI上场也归AI管了。
11月2日，OpenAI的ChatGPT和Codex负责人Tibo在X上连发两条推文，剧透了dots的一次关键升级：
同一项任务，dots将拆成几段，交给不同模型接力。
在Tibo第 一条推文里，他透露驱动dots的模型阵容正在扩容：旗舰GPT-6 Astra之外，Terra即将入列，后面还会塞进更多型号的模型。
真正重要的改变，藏在他的第二条推文里：
你的dot会为任务挑选最合适的模型，在工作的不同部分调用不同模型。
别小看这句话，它改变了AI干活的逻辑。
以前用AI，是选定一个模型干到底；升级后的dots，要一事一议、按步换模型。
对用户来说，这个变动很关键。
那些执行的步骤可以交给速度快的模型，你就不用干等；只把一些烧脑的核心环节交给旗舰模型，也能把好钢用在刀刃上。
这样，你就能让AI在把活干好的同时，把时间和成本都打下来。
Astra坐镇还不够
快3倍的Terra加入
dots是OpenAI的个人智能体，9月29日在DevDay上发布。
它自带云端电脑，全天候在线，能盯着你的目标连轴跑长时任务。
首发时，给它当大脑的是当家旗舰GPT-6 Astra。
Astra已经够聪明，为什么还要塞一个Terra？
Tibo的答案是：Terra更快，「性格」也升了级（聊起来也更讨喜）。
先看实力。
第三方评测平台Vals.ai的综合榜上，Terra得分60.17%。在28个参评模型里，它排第10。
虽然跑分不算拔尖，但它精确命中了用户最在乎的两大痛点：快，而且便宜。
OpenAI官方还甩出一个数字：
在电脑操作评测中，Terra完成任务的速度，是Astra和Sol的3倍以上。
但这个数字只是单项成绩，如果放进dots实战，整套活干下来，大概率快不了3倍。
因为评测比的是单科百米冲刺，实际工作是一场障碍接力赛。
一项任务总耗时多久，除了要看最难啃的骨头，也要看模型之间的交接是否高效。
与Astra相比，Terra的强项是电脑操作。
看懂屏幕、填表格、点按钮，在不同软件之间来回切换……它能抠出来的时间，主要就在这些动手不动脑的环节。
可真正烧脑的那一步，该想多久，还得想多久，要留给旗舰模型。
比起速度差距，价格相差则更为悬殊。
按标准API的普通输入、输出单价，Astra均为Terra的10倍，Sol均为Terra的2倍。
虽然，API单价不等于dots的订阅费，也不等于你办成一件事的总账单。
可积少成多。
dots是个一跑就是几十步的长时任务智能体，单步省一点时间、一点钱，乘上几十个回合，省的就不是一星半点。
让旗舰模型负责「镇场子」，专攻最难的推理任务就够了，如果让它包揽每一步就等于浪费算力和时间。
一份汇报四步走
几个模型流水线接力
过去很长一段时间，挑模型是用户自己的苦差事。
这件事，连Tibo自己都忍不了。
今年10月，Tibo在Lenny’s Podcast谈到使用AI的繁琐设置时，就吐槽：
你简直得有个「模型选择器博士学位」。
Tibo谈模型选择和推理设置给用户带来的额外负担。
想让AI干活，你得先摸清每个模型的脾气，再估一估这步活有多难。
还没开工，前面就有一道超难的选择题。
所以dots从诞生第 一天起，就砍掉了模型选择器。
你唯 一要选的，是在哪个渠道跟它搭话。
这次升级，把选择的颗粒度再往深推一层：从按任务选模型，细化到按步骤换模型。
举个职场人最熟悉的例子。
你让dot做一份项目延期汇报，整个流程要走四步：
先从文档里扒出进度和预算；再核对几张表格里的数据；然后分析项目为什么延期；最后把结论排成PPT。
这四步，难度也完全不在一个档次上。
扒资料，拼的是眼疾手快；表格数据打架时，判断哪个口径可信最吃推理；做PPT，又考验提炼、排版和动手操作。
如果全程都让最贵的Astra包办，就像请首席科学家帮你填Excel，你的钱包和耐心会一起滴血。
可如果全交给快模型，到了分析延期原因这一报告的关键环节，又容易想不透或者答偏。
最聪明的解法是流水线作业：哪一步谁擅长，就让谁上。
目前，官方还没亮出具体调度规则，不能就此断定分析一定归Astra、排版一定归Terra。
这是同一个dot在后台换模型干活，和一群智能体同时开工是两码事。
因此对用户来说，前台也将极其清爽：你只管提要求，后台派谁上场dot自己排班。
上一次替你选模型
OpenAI翻过车
替用户选模型这件事，OpenAI在一年多前就干过，还翻过车。
2025年8月7日，GPT-5发布。
当时的王牌卖点是实时路由，每条提问由谁回答，系统自动分配。
发布前，奥特曼还特意吐槽过旧版模型菜单，嫌它乱成一团。
没想到打脸来得飞快，上线第 一天，路由就趴窝了。
奥特曼不得不公开认栽：路由一度停摆，GPT-5因此显得笨了不少。
折腾几天后，OpenAI不得不把模型菜单加了回来，GPT-4o也重新回到付费用户的列表里。
一年多过去，一些用户的心理阴影还在。
中文技术社区LINUX DO上，已经有网友警觉：这会不会又是「动态降智」？
也有人在Tibo推文底下追问：那dots现在用的到底是Sol吗？
模型选择权一旦收进黑盒，用户可能连谁在替自己干活都分不清。
更何况，这次的调度更难。
GPT-5的路由，只替每一次提问挑模型，是一锤子买卖。dots要在同一项长任务里排班，玩的是多棒接力。
排班越细，交接出错的风险就越大。
前一步扒出的资料，换个模型能不能完整接住？中途改了一个数据口径，做PPT的模型会不会还在用旧数据？某一步跑偏了，系统能不能当场揪出来？
长链条任务里，单步跑得再快只是表面，全程不返工才是里子。
交接一旦翻车，快模型省下的那点时间，还不够填返工的坑。你是愿意花钱看AI表演，还是想让它们真正把活干好？
替用户做选择，真正难的地方是省下算力，还能不把活干砸。
想走出100美元俱乐部
先过交付这一关
Tibo在推文中说：Terra会帮助OpenAI，把dots带给更多人。
现在的dots，还是高端玩家的专属。
个人用户想尝鲜，得先订每月至少100美元的Pro。20美元的Plus用户，至今还用不上。
还有一位网友说得很实在：
Tibo，我不想要dot，我想要Plus多给点用量。
如果dots足够便宜呢？他还想不想要？
官方谈的是功能升级，用户惦记的还是老额度。
更快、更便宜的Terra，让dots走出「100美元俱乐部」又更近了一步。
长期追踪AI新功能的TestingCatalog，看到Tibo的预告只回了一句：有待实测。
效果怎么样，还要过上线后的四个实测检验：
完成一项复杂任务，到底要等多久？
跑一次要烧掉多少额度？
中途要人工救火几次？
最终交付的东西，能不能直接交差？
对于用户来说，这四个问题比模型列表里多一个Terra重要得多。
但风向已经变了：模型选择器没有消失，只是从你的屏幕上转到了智能体的大脑中。
如今，Meta有Muse，马斯克有Grok Bot，Google有Gemini Spark，都在抢「个人第 一助手」的入口。
用户把任务交出去，想省下的不只是那几分钟的打字时间，还有挑模型、等结果、改错重来的全部心力。
在这个战场上，拼的早就不止旗舰跑分，而是谁能用最少的等待和折腾，交出一份不用返工的活。
最聪明的模型已经不再稀缺，会看活派人、一次把活干利索的管家，才稀缺。
参考资料：
https://x.com/thsottiaux/status/2117283124833055196
https://x.com/thsottiaux/status/2117283355427495983https://openai.com/index/introducing-gpt-6-1-terra/
https://developers.openai.com/api/docs/pricing?utm_source=chatgpt.com
https://openai.com/build-week/