OpenAI DevDay 2026 Keynote 完整重點整理

這場 Keynote 的主軸，是讓 AI 承接更完整的工作。

從持續追蹤任務的個人代理人、團隊與 AI 共用的協作空間，到模型、雲端執行環境，以及產品曝光與銷售管道，OpenAI 把整場發表串成一套開發與工作流程。以下依演講脈絡整理成七個章節；產品狀態與數據均依演講內容，文中的「當天推出」指發表當天。

第一章｜Dots：可以長期交付責任的個人 AI 代理人

從交辦單一任務，延伸到持續負責一件事

OpenAI 發表 Dots，定位是全天候運作、能逐步理解使用者工作方式的 AI 代理人。你可以交付一個目標，讓它持續推進，例如：

• 追蹤 Bug 回報、調查原因、測試修正並提出 PR。
• 啟動年度預算規劃，追蹤各團隊進度。
• 分析應用程式效能瓶頸，完成修正並提供改善結果。
• 在舊版 API 停用前，找出相依關係並完成遷移。

關鍵在於，任務範圍可以涵蓋調查、規劃、執行與驗證，並在需要人類判斷時回報。

Dots 具備執行工作的環境與上下文

依演講說明，Dots 配有雲端電腦與瀏覽器，也能撰寫、執行及測試程式。它可以使用你已連結的應用程式，在授權範圍內掌握工作資訊；OpenAI 表示，ChatGPT 已支援超過 4,000 個應用程式。

使用者可以設定應用程式與電腦操作的界線，也能針對特定動作制定指示與核准要求。初期先提供一個 Dot，未來規劃讓使用者管理一整個 Dots 團隊；以簡訊互動與直接打電話給 Dot，則列為即將提供的功能。

主動追蹤，減少反覆整理背景

展示影片中的 Dot，會追蹤設計更新、準備董事會簡報、發現行程衝突，並接手網站發布前的修改。這些情境指向同一個設計方向：代理人需要理解使用者正在做什麼、哪些事情重要，以及什麼時候需要使用者介入。使用者因此可以把注意力放在決策與審閱，讓代理人持續處理後續工作。

第二章｜Spaces：讓人與代理人共同工作的協作空間

把頁面、檔案與 AI 工作整合在一起

ChatGPT Spaces 是團隊成員與代理人共同工作的空間。一個 Space 可以從頁面開始，承載計畫、研究、圖片、資料及互動內容；團隊可以在留言中標註同事，也能直接標註 Dot，請它處理工作。

頁面還能附帶持續性的指示，例如每天查看特定 Slack 頻道，並將新發現更新到頁面。演講也預告，Spaces 將加入新的簡報製作方式，讓團隊與代理人直接在 ChatGPT 內共同編輯。

Blossom Music 示範：把分散資訊接成工作流程

產品團隊以虛構的音樂 App「Blossom Music」，示範發布前一天的工作情境。Dot 主動找出提前的發布審查、設計團隊最後一刻的更新，並提供相關內容供使用者查看。接著，使用者可以要求它：

• 根據新設計開始實作。
• 整理使用者測試回饋，建立 FAQ。
• 把資料轉成可篩選、可持續更新的互動圖表。
• 從 Slack 私訊找出相關數據。
• 將指定同事的回饋納入文件。

這段示範呈現的價值，是把原本散落在對話、文件與開發工具裡的資訊，直接轉成可執行的工作。

在 Slack 交接工作，透過 Codex 執行開發

Dots 可以加入 Slack：使用者能把討論串轉交給它處理，也能把它帶進群組，讓所有人看到交辦與回報。OpenAI 分享的內部案例是：工程師的 Dot 從回饋頻道讀到使用者問題與 Session ID，開始調查並提出修正 PR。

示範也展示了透過本機 Codex 建置 App、啟動 iPhone 模擬器的工作方式。不過現場部分語音與 Codex 操作出現延遲或錯誤，這些展示應視為功能與工作流程的示範，不能直接解讀為每個環節都已順利完成。

開放方案與企業專用代理人

演講宣布，Dots 與 Spaces 當天向 ChatGPT Pro、Business、Premium 與 Enterprise 使用者提供。Dot 包含在方案內，與 Dot 的對話不消耗使用量；但這項說明針對的是「對話」，不能延伸解讀為所有背景任務與工具執行都無限使用。

企業端另行預覽 specialist Dots，讓公司建立會計、行銷、法務等專業角色的代理人，供整個團隊共同使用並提供回饋。OpenAI 也表示，正與 Microsoft 合作，將 specialist Dots 整合至 Agent 365。

第三章｜模型與速度：降低長任務成本，加快互動節奏

GPT-6.1 Sol：以日常大量使用為定位

OpenAI 發表 GPT-6.1 Sol，主打能力、成本與實用性的平衡。依台上說明：

• 智慧能力接近 Astra。
• 價格約為 Astra 的五分之一。
• 快取輸入的價格比一般輸入低 95%。

對代理人應用而言，快取輸入的折扣尤其值得注意：當任務需要反覆使用相同的上下文、持續修改與驗證時，這類成本會直接影響長時間工作的可行性。以上為演講中的相對比較，並未提供完整的每百萬 Token 單價表。

Ultrafast：用較高價格換取更快輸出

Ultrafast 推向 API、ChatGPT 與 Codex。以標準模式為基準：

Ultrafast 宣稱可達每秒 300 Tokens。發表當下先支援 Astra，GPT-6.1 Sol 的支援則列為即將提供。現場以相同的火箭動畫開發任務對照兩種速度，呈現更快的輸出如何縮短等待與修改週期；不過 Token 輸出速度不等於整體任務完成速度，工具執行與測試仍會占用時間。

Pro 500 與 Pro 200

OpenAI 推出 Pro 500，提供最高的使用量級距，並可在 ChatGPT 與 Codex 使用 Ultrafast。演講表示，Pro 500 的使用量為 Plus 的 25 倍，未來也能透過 Sign in with ChatGPT，在合作夥伴的應用程式中使用方案額度。Pro 200 則於當天重新開放，持續提供前沿模型存取，並將 GPT-6.1 Sol 作為適合日常大量使用的選擇。

Decisions API：針對明確選項快速做決策

這次預覽的 Decisions API，讓 Luna 模型從預先定義的選項中快速選出下一步，用途包括請求路由、圖片分類，以及決定代理人的下一個動作。OpenAI 表示，回應時間可縮短到一秒以內，並保留圖片理解、多語言與安全保護能力。對開發者來說，這類 API 適合放在需要頻繁判斷、選項明確且對延遲敏感的流程中。

第四章｜AI 協助 AI 研究：從短任務走向整日工作

AI Research Intern 的定位

OpenAI 表示，已達成先前提出的「AI 研究實習生」目標：系統能承接定義清楚、原本需要熟練研究人員投入大量時間的研究任務。內部評估指出，一月的模型主要擅長十五分鐘以內的短任務；到了七月，搭配高速執行，已有超過三分之一的整日研究任務能在無人介入下完成。這是 OpenAI 分享的內部結果，並未提供完整的測試方法與任務分布。

透過模型改善 Computer Use 的執行與安全性

研究團隊讓模型持續尋找 Computer Use 執行框架的改善機會，再把成果納入正式環境與後訓練。依演講說明，這項工作已帶來超過兩倍的延遲改善；模型也被用來改善監控、行為訓練，以及面對不安全情境時的拒絕能力。重點在於，AI 已被放進研究與工程改善流程，用來協助提升後續模型與產品的能力。

延伸至數學與科學研究

OpenAI 表示，Astra 等模型已協助解決超過一百個懸而未決數十年的數學問題，也用於抗藥性感染的新抗生素研究、古代語言、再生能源、能源效率與工業機器人。這些屬於演講中提出的研究成果與應用方向，未附個別論文或驗證細節。

第五章｜開發平台：把代理人的執行基礎交給開發者

開源 Codex Harness

OpenAI 強調，Codex Harness 是支撐 Codex 與 Dots 的核心執行框架，並以開源方式提供。這個框架關注如何讓代理人有效率地執行工作，在速度、Token 用量與結果準確性之間取得平衡；開發者可以查看內部實作，並以此建立自己的代理人產品。

Codex 全面雲端化，支援跨裝置接續任務

Codex 的雲端執行能力，讓使用者能從手機開始任務，再到瀏覽器或桌面接續查看；任務在雲端執行時，即使關閉筆電，代理人仍能繼續工作。演講表示，雲端環境具備與本機 Codex 相同的工具能力，包括外掛與 Computer Use，適合交付需要長時間處理的工作。

Codex Security Cloud：持續找漏洞並準備修正

當天推出的 Codex Security Cloud，會在雲端環境持續尋找漏洞，並準備經過驗證的修正，交由使用者審閱。新功能包括自動去除重複問題、排程掃描與新的操作介面；工作範圍涵蓋問題發現與修正準備，並保留人工審閱環節。

Agents API：整合託管、記憶與多代理人控制

Agents API 進入公開測試版，提供執行框架、託管、記憶與多代理人控制等核心元件，並與 Codex、Dots 使用相同的技術基礎，也納入了 Computer Use。示範情境是網站測試代理人：直接開啟瀏覽器、點擊頁面，完成操作流程的檢查。雲端合作方面，OpenAI 也與 AWS 共同打造由 OpenAI 技術支援的 Bedrock 託管代理人，讓企業能在既有 AWS 應用程式與資料旁部署代理人。

Private Intelligence 與 API 效能改善

OpenAI 預覽 Private Intelligence，強調兩個方向：結合零資料保留與私密安全處理，不在伺服器保存使用者內容；以及透過私密推論，進一步保護推論過程中的資料。演講未說明完整架構、支援範圍或啟用條件。

API 效能方面，Responses API 過去一年成長一百倍，仍維持超過 99% 的可靠性；首個 Token 的等待時間縮短 45%，工具呼叫與工作流程加快超過 30%。這些是整體改善數據，不能直接視為每個應用都能取得相同比例的提升。

第六章｜現場示範：語音、程式、視覺與硬體串接

Codex CLI 加入雙向即時語音

新版 Codex CLI 展示了透過 GPT Live 提供的雙向音訊互動，讓使用者在開發過程中直接說話、補充與調整需求。現場以抽獎 App 示範 Ultrafast：先建立隨機抽出三名與會者的功能，再改成六名，快速完成修改。不過現場語音操作出現問題，部分流程改以文字輸入完成，因此展示出的快速修改結果，應與原先規劃的語音互動分開看待。

從草圖做出遊戲，再讓 AI 操作遊戲

Astra Adventures 示範從紙上草圖開始，透過程式與圖像能力，逐步建立具有完整視覺素材的 3D 太空遊戲；接著由 Astra 透過 Browser Use 操作遊戲，觀察畫面、選擇飛船並嘗試鍵盤控制。這段展示把內容製作與實際操作接在一起，呈現模型理解畫面並採取行動的能力。

用 Computer Use 檢查 App

另一段示範以 App 截圖提供上下文，要求 Codex 檢查不同螢幕尺寸下的介面，並沿途擷取畫面。Codex 開始操作模擬器、開啟 App、探索功能並截圖，可用來協助檢查介面與使用者操作路徑。演講也示範將「把整個後端改寫為 Rust」交給雲端執行；這是長任務的啟動示範，現場並未展示完成結果。

Microduck：把多模態能力接到機器人

可程式化機器人 Microduck 的展示，整合了 Astra 的視覺理解、GPT Image 2.5 的圖像生成，以及 GPT Live 1 的即時語音互動。機器人被要求觀察觀眾並生成圖片，也透過聲音與現場互動。演講進一步提到，具備視覺輸入能力的 Decisions API，可讓機器人依照所見內容更快速地選擇動作。

第七章｜產品通路與商業化：讓開發者接觸使用者與企業

Sign in with ChatGPT：把訂閱額度帶進合作產品

OpenAI 表示，ChatGPT 每週已有約十二億名使用者，並希望讓開發者能在這個平台上建立生意。Sign in with ChatGPT 讓使用者登入合作應用程式後，使用自己 ChatGPT 方案內包含的 Token 額度，降低開發者讓新使用者開始體驗產品時需要自行負擔的模型成本。當天先由十六家合作夥伴推出，後續再擴大。

Plugin Extensions：在 ChatGPT 裡提供完整操作介面

Plugin Extensions 讓開發者把編輯器、儀表板，甚至整個工作空間帶進 ChatGPT 與 Codex。演講展示的例子包括：

• 會議應用程式：查看行程、記錄會議，並將內容轉成可協作的 Space。
• Figma：開啟設計、查看團隊留言，並要求 ChatGPT 修改。
• Adobe：直接在 ChatGPT 中使用 Photoshop 功能。

這讓產品的操作介面能與 AI 對話並列，使用者可以一邊討論、一邊處理實際內容。

Sites 支援外掛、資料與個人化使用情境

ChatGPT Sites 開始支援連結外掛與資料。網站分享給團隊後，每個人可以用自己的身分登入，帶入自己的授權與代理人，取得不同的使用體驗，讓 Sites 能承載需要個人資料與服務存取權限的應用情境。

在對話中探索外掛，簡化提交與更新流程

除了搜尋外掛資料庫，ChatGPT 也會在對話中判斷某個外掛是否有助於處理使用者需求，讓使用者直接連結。開發者端則將改善提交流程，包括追蹤審查進度、查看需修正項目、要求人工審查，以及更新工具時不必重新走完整提交程序。

OpenAI Marketplace：建立企業採購通路

OpenAI Marketplace 當天推出，首波超過三十家合作夥伴，包括 CodeRabbit、Notion 與 Vercel。企業客戶可以把既有 OpenAI 承諾支出的一部分，用來購買 Marketplace 中的產品；OpenAI 也透過與 Baseten 的合作，讓客戶能在 Marketplace 存取開源模型。對軟體供應商來說，這增加了一條接觸 OpenAI 企業客戶的銷售管道。

結語｜AI 帶來的生產力，最後要回到人的自主性

Keynote 最後把焦點拉回：人們取得這些能力之後，要用來做什麼。Sam Altman 提出，理想的 AI 未來應該更接近一場新的文藝復興，讓人有更多能力創作、學習、探索與擴展知識；他也強調，生活中有些部分無法自動化，也不應該自動化。

整場發表呈現的方向很清楚：個人可以把更完整的工作交給代理人，團隊可以與代理人在同一個空間協作，開發者則能取得執行基礎與產品通路。真正值得觀察的，是這些能力如何在日常工作中轉化為可驗證的成果，以及人們能否因此取得更多時間與決策空間。