Представьте обычную рабочую просьбу: «Проверь жалобы пользователей, найди причину ошибки и подготовь исправление». Чат-бот ответит планом. Агенту потребуется доступ к сообщениям, репозиторию и среде, где можно запустить тесты. Затем ему придётся понять, когда действовать самому, а когда остановиться и попросить подтверждение. Именно эту цепочку OpenAI попыталась собрать в один продукт на DevDay 29 сентября 2026 года.
На сцене представили Dots, постоянно доступных агентов с собственным облачным компьютером, и Space, общую среду для людей и агентов. Разработчикам показали облачный Codex и Agents API. Выпустили GPT-6.1 Sol, а для задач, где задержка особенно дорога, запустили Ultrafast. По отдельности это разные продукты. Вместе они показывают, какую работу OpenAI хочет забрать себе: хранить контекст задачи, исполнять действия и быть местом, где человек проверяет результат.
Это анализ презентации и официальной документации OpenAI, а не независимый тест Dots. Демонстрации показывают возможный сценарий, но не частоту ошибок на тысячах обычных задач.
Что объявили и что уже можно попробовать
Dots и Space, по заявлению компании на DevDay, открываются пользователям ChatGPT Pro, Business Premium и Enterprise. Dot входит в эти тарифы; в выступлении отдельно сказано, что разговоры с ним не расходуют лимит. Корпоративные настраиваемые Dots названы предварительной версией. Возможность писать агенту вне ChatGPT и звонить ему показана как следующий этап, а не как готовая для всех функция.
GPT-6.1 Sol доступна в API. Agents API выпущен в публичной бете. Ultrafast в API-документации описан как доступный для GPT-6 Astra при низких лимитах; поддержка других моделей и реальные лимиты зависят от режима доступа. Показанные на сцене интеграции и Marketplace имеют собственные условия допуска, поэтому список анонсов нельзя читать как перечень возможностей одного обычного аккаунта.
Dots: задача продолжается, когда диалог закончился
Главное отличие Dot от привычного чата заключается в длительности работы. Агенту можно дать поручение, после чего он продолжит собирать информацию и выполнять действия без постоянных новых сообщений от пользователя. В выступлении OpenAI описала Dot как отдельного участника рабочего процесса: с собственным облачным компьютером, браузером, доступом к разрешённым интеграциям и возможностью писать и тестировать код.
Сценарии на DevDay были узнаваемыми. Dot следит за сообщениями об ошибках, изучает зависимость старого API в кодовой базе, готовит исправление и открывает pull request для проверки командой. В другом примере сотрудница пересылает агенту ветку обсуждения в Slack, а затем видит результат в общем рабочем пространстве. Во время живой демонстрации с запуском Codex возникла ошибка и ведущей пришлось повторить действие. Это полезная деталь: даже тщательно подготовленный показ не избавляет систему от сбоев.
Фраза «работает без человека» здесь была бы неточной. Агенту нужны разрешения, инструменты, критерии завершения и границы самостоятельных действий. OpenAI говорит, что пользователь управляет доступом Dot к приложениям и компьютеру. Но надёжность такой модели определится не обещанием контроля, а тем, насколько понятно выставляются права, что записывается в журнале действий и можно ли остановить ошибочную операцию до её выполнения.
Для компании выгода очевидна: если агент помнит долгую задачу, пользователь реже начинает её с нуля и чаще возвращается в ту же среду. Для пользователя выигрыш возможен, только если время, сэкономленное на работе агента, не уйдёт на постоянную проверку его решений.
Space: место, где агент оставляет результат
Постоянному агенту мало окна переписки. Ему нужен общий объект работы: документ, проект, список решений, файлы. Эту роль OpenAI отводит ChatGPT Space. На показе команда создавала страницы, интерактивные диаграммы и прототипы, обсуждала их с коллегами и подключала Dots к отдельным задачам. Агент мог обновлять страницу по расписанию и отвечать в контексте комментария.
Смысл Space не в том, что ChatGPT научился хранить файлы. Связка страницы, комментария и агента позволяет передать задачу прямо там, где находится её контекст. Пример: у команды уже есть документ с результатами исследования; человеку не нужно копировать его в новый чат и объяснять историю проекта. Он отмечает агента в нужном месте и просит обновить конкретный раздел.
Здесь возникает вопрос, на который демонстрация не отвечает: кто отвечает за состояние общей страницы после серии автоматических правок? Если два агента и два человека меняют один план, нужны история версий, понятное авторство изменений, права доступа и процедура отката. Без этого «живой документ» легко превратится в документ, которому никто полностью не доверяет. Это не доказанный недостаток Space, а критерий, по которому продукт стоит проверять в реальной команде.
GPT-6.1 Sol и Ultrafast: экономика постоянной работы
Агент, который часами читает файлы и возвращается к задаче, тратит гораздо больше вычислений, чем разовый ответ в чате. Поэтому рядом с Dots появилась GPT-6.1 Sol. OpenAI описывает её как модель с производительностью, близкой к Astra, для сложной разработки и профессиональной работы. Это оценка самой компании: пригодность для конкретного проекта нужно проверять на собственных задачах.
Стандартная цена API за миллион токенов составляет $2 на входе и $10 на выходе; для GPT-6 Astra это $10 и $50 соответственно. Разница ровно пятикратная по ставке за токен. Кэшированный вход Sol стоит $0,10 за миллион токенов, что особенно интересно для агентов, которые многократно используют одну кодовую базу или набор инструкций. При очень длинном вводе и других режимах обработки действуют отдельные тарифные правила.
Но цена за токен не равна цене исправленной ошибки. Если более дешёвая модель делает лишние попытки, чаще зовёт инструменты или требует больше ручной проверки, экономия уменьшается. Для честного сравнения нужно измерять стоимость завершённой задачи вместе с инструментами и временем человека, а не сравнивать две строки прайс-листа.
Ultrafast решает другую проблему. По официальному описанию режима, обработка может быть до восьми раз быстрее Standard, но обходится дороже. «До восьми раз» не означает восьмикратное ускорение каждого сценария: сетевые задержки и вызовы инструментов останутся частью общего времени. Такой тариф логичен там, где ожидание блокирует следующего сотрудника или дорогой процесс. Для фонового ночного исследования высокая скорость может не окупиться.
Отдельно OpenAI показала предварительную версию Decisions API: модель выбирает из заранее заданных вариантов, например маршрут запроса или следующее действие агента. Это менее зрелищно, чем Dot с браузером, но для длинных цепочек решений быстрый выбор может быть важнее скорости одного большого ответа. Пока это анонс предварительного API, а не подтверждение его качества на произвольных рабочих маршрутах.
Codex и Agents API: OpenAI продаёт не только интеллект
Вторая половина стратегии обращена к разработчикам. Облачный Codex должен позволить начать задачу на телефоне и продолжить её на компьютере без привязки к включённому ноутбуку. Вместе с ним представлен Agents API. Его документация описывает управляемую оболочку Codex: сервис ведёт сессии, организует выполнение, сжимает контекст и помогает восстанавливаться после сбоев. Агент может работать в изолированной среде, редактировать файлы, запускать команды и создавать артефакты.
Разница с простым вызовом модели существенна. При обычном API-запросе разработчик сам строит цикл действий: хранит состояние, решает, какой инструмент вызвать, обрабатывает ошибки и проверяет, что задача действительно завершена. Agents API переносит значительную часть этой инфраструктуры к OpenAI. Это снижает цену входа для команды, которой нужен рабочий агент, а не очередной чат-интерфейс.
Обратная сторона удобства — зависимость от платформы. Чем больше логики задачи живёт в управляемой сессии, тем сложнее перенести её к другому провайдеру без повторной разработки. Это не причина отказываться от API, но повод заранее отделять собственные данные, бизнес-правила, разрешения и тесты качества от конкретной агентной оболочки.
Есть и важная граница для чувствительных данных. На презентации OpenAI анонсировала Private Intelligence как отдельное направление приватной обработки. Это не означает, что все новые API автоматически работают без хранения данных: текущая документация Agents API прямо указывает, что сервис пока не поддерживает Zero Data Retention и предоставляет резидентность данных только в США. Перед передачей агенту внутренних репозиториев или документов нужно проверять условия именно выбранного продукта.
Зачем нужны вход через ChatGPT и Marketplace
OpenAI не ограничилась инфраструктурой. На DevDay объявили Sign in with ChatGPT: пользователи подходящих тарифов смогут авторизоваться в партнёрских приложениях и в отдельных сценариях использовать свой план ChatGPT для запросов к модели. Для разработчика это потенциально убирает один барьер на старте: не нужно немедленно просить нового пользователя создать API-ключ или оплачивать весь его пробный расход самому.
Но пока это не универсальный способ подключить подписку ChatGPT к любому сервису. Официальная инструкция говорит об ограниченном испытании для выбранных коммерческих партнёров; доступ для открытых проектов и частных клиентов имеет отдельные условия. Вход также не даёт приложению доступ к истории разговоров пользователя: для запросов через тариф требуются отдельные разрешения.
Marketplace дополняет эту схему каналом продаж: на презентации OpenAI заявила более 30 партнёров на старте и возможность корпоративным клиентам покупать продукты из выделенного бюджета. Если эта связка заработает широко, платформа будет влиять не только на то, как создают агентов, но и на то, каких сторонних разработчиков пользователи вообще увидят. Для небольших команд это шанс на распространение; одновременно правила рекомендаций и допуска становятся важной зависимостью их бизнеса.
По каким признакам судить, удалась ли стратегия
Через несколько месяцев оценивать DevDay стоит не по количеству пунктов в анонсе. Для Dots нужны замеры завершённых задач без вмешательства, доли неверных действий, числа запросов на подтверждение и времени ручной проверки. Для Space — история правок и предсказуемое поведение нескольких участников. Для Agents API — воспроизводимые тесты, наблюдаемость, стоимость исполнения и ясные условия обращения с данными. Для Sign in with ChatGPT — доступность вне узкого партнёрского круга.
Сейчас сильнее всего выглядит связность идеи. Модель Sol удешевляет длинные агентные циклы; Ultrafast ускоряет дорогие интерактивные шаги; Codex и Agents API исполняют работу; Dots и Space дают человеку способ её поставить и проверить. Но каждый переход в этой цепочке добавляет риск: неверно понятая задача, слишком широкие права, неудачный вызов инструмента или результат, который выглядит готовым, хотя проверку не прошёл.
OpenAI показала, куда хочет переместить центр тяжести работы с ИИ: из отдельного ответа в постоянно действующую систему. Убедительным этот замысел станет тогда, когда агент сможет не только эффектно начать задачу на сцене, но и безопасно, предсказуемо закончить её в обычный вторник.
