文章目錄
先用一張表看清 DevDay 的七條主線GPT-6.1 Sol：重點是「夠好又用得起」的工作模型Dots：由一次過的回答，變成持續跟進的工作Codex Cloud、Agents API、computer use：三種「叫 AI 做嘢」的方法Plugin Extensions：第三方工具走進 ChatGPT 的工作介面ChatGPT Space：一份持續更新、多人與 AI 共用的工作底稿Marketplace 與 Sign in with ChatGPT：身份、額度和服務費要分開看Dots 的 cloud computer，跟阿里雲無影、Windows 365 有甚麼關係？一個香港公司的完整例子：由分店資料到可用的客戶答案Private Intelligence：方向清晰，產品細節仍未齊對 AI 市場、企業和個人的影響怎樣由新聞變成自己的下一步？官方來源及閱讀界線OpenAI 在 2026 年 9 月 29 日的 DevDay，一口氣展示模型、常駐 Agent、開發工具、插件、團隊協作和第三方應用入口。消息太多，最容易令人得到一個模糊印象：「AI 又再強咗。」但每一項究竟改變哪一步工作？普通使用者幾時用得到？公司要不要更換現有工具？這些問題值得逐個拆開。
本文依據 OpenAI DevDay 2026 官方總覽及各產品文件，截至 2026 年 9 月 30 日整理。官方宣布的功能、開放範圍和價格會清楚標示；香港企業例子和市場影響則是分析，並非 OpenAI 的產品承諾或 AD-Linkage 的客戶實測。尤其要記住，發布會展示、正式推出、指定用戶可試用，是三種不同狀態。研究截點的 OpenAI 官方 ChatGPT 支援地區清單未列香港，因此全球發布亦不代表香港可直接開通；在香港採用時，須按所在地及官方合法服務渠道核對。
先用一張表看清 DevDay 的七條主線
| 主線 | 今次公布甚麼 | 你會在甚麼工作感受到差別 | 截至本文的供應狀態 |
|---|---|---|---|
| 模型與速度 | GPT-6.1 Sol、已推出的 GPT-6 Astra Ultrafast，另預告 Sol Ultrafast | 複雜工作可比較能力與成本；追求低延遲時另比較速度與費用 | Sol 已開放指定 Work／Codex／API 用戶；Astra Ultrafast 已推出但有方案、配額與地區限制；Sol Ultrafast 仍待推出 |
| 常駐 Agent | Dots，以及企業 specialist dots 方向 | 同一個 Agent 跨多個任務保留目標和背景，主動交回進度 | Dots 在合資格市場逐步開放；specialist dots 是企業試點 |
| 開發及執行 | Codex Cloud、Agents API、computer use | 讓 Agent 有可運行的工作環境、工具和可延續狀態 | 各有獨立文件及使用條件，不等於所有用戶即時取得同一配置 |
| 應用連接 | Plugin Extensions | 第三方服務可在側欄、對話旁和檔案檢視器中提供介面 | Extension 類型及平台各有推出條件 |
| 團隊共同工作 | ChatGPT Space、Pages、共享知識 | 人與 AI 在同一份持續更新的文件中編輯、留言、交接 | Space 向 Pro、Business、Enterprise 提供；手機編輯和協作仍待推出 |
| 第三方生態 | Marketplace、Sign in with ChatGPT、參與工具的 plan usage sharing | 以 ChatGPT 身份登入部分工具，某些工具可使用合資格 ChatGPT 方案額度 | 僅限參與服務及合資格方案；外部服務本身可能另行收費 |
| 私隱及部署 | Private Intelligence、Bedrock Managed Agents | 資料保留、安全處理、Agent 運行位置有更多選擇 | 前者需按方案／preview 核對；後者由 AWS 標示為 Preview |
這幾條主線之間有一個關係：模型負責理解和生成；Agent 負責把工作延續下去；工具和電腦環境讓它接觸資料及完成動作；插件與身份系統讓外部服務進入工作；Space 則讓同事接住結果。單看其中一項，容易誇大或低估整個發布會。
GPT-6.1 Sol：重點是「夠好又用得起」的工作模型
GPT-6.1 Sol 是 GPT-6 Sol 的升級。OpenAI 官方介紹聚焦四種工作：編程、讀取複雜專業文件、操作電腦介面，以及完成多步驟業務流程。它不是只為閒聊多寫幾句，而是希望一個中價位模型能夠接住原本可能要交給最高價模型的工作。
例如一間香港公司需要比較三份供應商方案。文件有表格、附註和不同付款條件。好的結果不是把三份 PDF「摘要得好睇」，而是逐項列出幣種、每年及一次性費用、最短承諾期、例外條款和原文頁碼，讓採購同事核對。OpenAI 公布的 GDP.pdf 專業文件評測，正是測模型能否處理這類複雜 PDF。另一個 AutomationBench 則測試跨工具、多步驟的商業工作；OSWorld 2.0 涉及電腦操作。這些都是有用的測試方向，但官方發布的成績不等於你的 PDF、公司系統和登入設定都會得到同一結果。
OpenAI 聲稱 GPT-6.1 Sol 在部分測試中接近 GPT-6 Astra，且標準 API 的輸入和輸出 token 單價約為 Astra 的五分之一。這句話要讀準：它比較的是標準單位價格，不是保證每份合格成果只花五分之一。若某個任務需要更長輸出、更多次重試、更多工具調用或大量人工改稿，整項工作的成本可能完全不同。相反，如果同一份固定背景能透過 cached input 重用，成本結構又會改變。
| 官方 API 公開單價（Standard／Ultrafast） | 輸入 100 萬 tokens | 已快取輸入 100 萬 tokens | 輸出 100 萬 tokens | 實際要怎樣解讀 |
|---|---|---|---|---|
| GPT-6 Sol（前代） | US$2 | US$0.20 | US$10 | 作同一標準單價的基準；新 Sol 的已快取輸入單價減半 |
| GPT-6.1 Sol | US$2 | US$0.10 | US$10 | 適合拿同一組工作做能力、延遲及完整交付成本測試 |
| GPT-6 Astra Standard | US$10 | US$1 | US$50 | 可作更難任務的比較選項；單價高不代表每項任務必然較貴或較好 |
| GPT-6 Astra Ultrafast | US$60 | US$6 | US$300 | 同一 Astra 模型的加速服務層，標準輸入、已快取輸入及輸出單價均為 Standard 六倍 |
價格取自 OpenAI GPT-6.1 Sol 發布文、官方 API pricing及 Ultrafast mode 文件，單位為美元／每百萬 tokens，按短 context 的公開價格簡化。Astra Ultrafast 的 cache-write 另有 US$75／百萬 tokens 的價格，表格沒有把它誤作已快取輸入。Batch、資料駐留、工具與其他用量可能另計。若只看每百萬 token 的價錢，就像只看食材價格推算一間餐廳每份菜的總成本，漏掉備料、失敗重做和人手檢查。
對個人用戶，最直接的限制是供應範圍。官方說 GPT-6.1 Sol 已供 Plus、Pro、Business、Enterprise 和 Edu 用戶在 ChatGPT Work 與 Codex 使用，並以 gpt-6.1-sol 提供 API；當時尚未在一般 Chat 開放。這意味著你在同一個 ChatGPT 帳戶不同畫面見到的模型列表，可能不一樣。公司不應因為同事在網上見到發布文章，便假設自己的工作區已開通全部入口。
已推出的 Astra Ultrafast，與預告中的 Sol Ultrafast
DevDay 當日推出的是 GPT-6 Astra Ultrafast。官方 Ultrafast mode 文件說，API 可用 gpt-6-astra 配 service_tier: ultrafast 使用，向 API 用戶廣泛開放，但初期 rate limits 較低；處理區域限 global processing 或 US data residency。Work／Codex 方面，官方 速度設定文件列出 官方指定 Pro 方案及合資格 Enterprise／Edu 的入口。這是同一 Astra 模型的加速服務層，而不是一個解題能力必然不同的新模型。
官方所稱最高八倍，是 token 生成速度，不是整項工作八倍快。搜尋、讀檔、等待工具、測試和人手審批都會佔時間；API 的標準輸入及輸出單價為 Astra Standard 六倍。Work／Codex 的 included usage 以八倍速度層消耗，purchased credits 或 Enterprise PAYG 則按六倍計算。對要即時看模型逐段寫碼、當場改稿或縮短長答案等待的用戶，這可能有價值；對需等外部網站或人批核的流程，未必能明顯縮短總時間。公司應以同一項工作量度從開始到合格結果的時間及總費用。
用一個純假設例子看得更清楚：原本一次工作用 4 分鐘生成答案、6 分鐘等工具，合共 10 分鐘。即使生成部分真的快 8 倍，它會變成 0.5＋6＝6.5 分鐘，整項工作縮短 35%，並非快 8 倍。費用亦要另計：假設短 context Standard API 合共使用 100 萬輸入、10 萬輸出 tokens，而且沒有快取及其他收費，Astra 是 US$10＋US$5＝US$15；Ultrafast 則為 US$60＋US$30＝US$90。這不是產品實測，而是提醒主管：只有縮短等待帶來的價值足夠大，加速溢價才有商業理由。
GPT-6.1 Sol Ultrafast 是另一項其後數日才推出的預告。 Sol 的發布文同樣說 Codex 的 token 生成速度最高可達標準模式八倍，但本文截點沒有將它寫成已推出，也沒有替它推算價格、地區或用量規則。看到「Ultrafast」時，要先問清楚是 Astra 還是 Sol、在哪個產品入口，以及是生成速度還是整項任務時間。
Dots：由一次過的回答，變成持續跟進的工作
OpenAI 把 Dots稱為 always-on agents。每個 dot 有自己的 cloud computer 和 browser，可連接使用者批准的應用，從 ChatGPT、Slack 或 Teams 接收工作，並在背景跟進。官方列出的例子包括接到 bug 通知後開始調查，以及在得到批准後發出預備好的發票。它的賣點不只是「能操作電腦」，而是同一個工作目標不必每次由零再講一遍。
想像你是一間餐飲集團的營運主管：每星期要看分店銷售、食材價格、客訴摘要，星期五交一頁行動建議。一般 chatbot 可以幫你整理你上載的檔案；dot 的產品方向則是持續知道這份報告的格式、從已連接的來源找新資料、在有缺漏時追問，並在你批准後進行下一步。這並不代表它一開通就知道公司真實資料，更不代表它可以自行登入所有系統。連接、權限與批准規則仍要由使用者或公司設定。
Dots 的 cloud computer 是它的執行空間，不是直接賣給員工登入的一部 Windows Cloud PC。你可以查看 dot 的工作畫面；要讓它接觸自己的 laptop，官方亦要求另行許可。當 dot 沒有收到新指令時，官方說它可以做 proactive research，但這部分只使用受限的 read-only 連接工具，不能自行發訊息、改應用內容或控制你的電腦。另有 Custom Rules、Activity View 和自動動作審查，用於決定何時可繼續、何時要人批准。這些控制有助界定責任，仍不能代替人對重要成果的核對。
供應狀態同樣重要。官方稱 Dots 正向合資格市場的 Pro、Business Premium 和 Enterprise 用戶逐步推出；Enterprise、Edu 和 Healthcare 工作區可由管理員啟用 beta。第一個 dot 納入合資格 Pro 或 Business Premium 方案，但較深入的工作有 allowance，額外 dots 和擴容屬未來方向。由於官方 ChatGPT 支援地區清單未列香港，不能把這些方案文字理解成香港已可直接開通；個別帳戶的限額及最終企業價格也須在合資格市場逐項核對。
另一個 specialist dots構想，是公司替某個 dot 設獨立身份、憑證和限定系統權限，例如只負責請購資料初步核對，或只把客服問題分類並準備回覆。官方稱它目前由工程團隊與企業做 focused pilots。這不是「請一個 AI 員工」的現成套裝；更準確的理解是，公司若要讓 Agent 長期承擔某一段工作，便需要把角色、可用工具、人工接管和可撤銷權限做成正式設計。
Codex Cloud、Agents API、computer use：三種「叫 AI 做嘢」的方法
DevDay 同時談 Codex、Agents API 和 computer use，容易聽成同一套東西。其實它們分別處理程式開發環境、Agent 執行管理，以及圖形介面操作。時間線亦要分清：Agents API 已於 9 月 10 日進入 public beta；9 月 29 日新增的是 hosted browser computer use，不應把整個 API 說成 DevDay 當日首次發布。新功能讓 OpenAI 管理的 Agent 在 hosted environment 使用瀏覽器；應用仍要建立 session、接收執行事件，並對新網站來源處理進入批准與登入。允許進入一個網站，不等於該網站內每一次購買或外發都獲批准。
| 能力 | 主要用途 | 一個具體例子 | 企業仍要自己決定 |
|---|---|---|---|
| Codex Cloud | 在雲端工作區處理 repository、程式和測試 | 修一個網站報名表錯誤，提交可 review 的程式改動 | repository 權限、secret、測試環境和誰批准合併 |
| Agents API | 由 OpenAI 管理持續 Agent session 和 Codex harness | 讓內部流程 Agent 在多個步驟之間保存工作狀態 | 工具、資料、sandbox、外發或正式改動的批准點 |
| Agents SDK | 由公司應用控制 Agent loop、工具及交接 | 把客服分類 Agent 嵌入自家服務系統 | 運行環境、儲存、身份及監控 |
| Responses API | 直接向模型發請求，由開發者自行組合流程 | 從一份政策文件抽取日期、限制和引用 | 對話狀態、工具調用和錯誤恢復 |
| Computer use | 令模型透過畫面和動作操作介面 | 在測試網站逐頁查看表單，指出卡住的位置 | 隔離瀏覽器或 VM、動作執行、截圖回傳與最終核對 |
OpenAI Agents 文件已把 Agents API、SDK 和 Responses API 的分工列明：Agents API 由 OpenAI 管理 harness 和 session；SDK 跑在你的應用內；Responses API 讓你較直接控制模型呼叫。選哪一個，取決於團隊想把「任務狀態和執行環境」交給誰管理，並非新 API 一定全面取代舊 API。Agents API public beta 本身沒有額外基礎費，但模型、工具和 hosted container 分開計費；官方概覽說它目前不支援 Zero Data Retention，所以有嚴格 ZDR 要求的團隊不能因改用 self-hosted sandbox 就當作問題已解決。
若選用較底層的 Responses API computer use，開發者需提供隔離的瀏覽器或桌面環境，執行模型提出的動作，再把觀察結果送回；選用前述 Agents API hosted browser，則可把瀏覽器託管交給 OpenAI。模型說「表單已送出」，不足以證明客戶資料庫真的新增了正確記錄。要看畫面、系統回應與正式記錄，也要限制可進入的網站及不可逆動作。對內容團隊，這決定了 Agent 可以先準備 CMS 草稿，但「已發布」要由公開頁面核實；對程式團隊，通過測試和合併到 production 亦是兩回事。
對市場的影響，是軟件供應商不再只在聊天框放一個 AI 按鈕。他們可以選擇自建 Agent loop、使用託管 Agent，或讓模型在受控畫面上處理舊系統。真正的競爭，會出現在同一項工作能否穩定完成、容易追查錯誤，以及出事時能否接回人手。
Plugin Extensions：第三方工具走進 ChatGPT 的工作介面
過去很多「AI 連接工具」只給模型讀資料或呼叫一個動作，使用者最後仍要跳回原本網站，才看得清楚結果。Plugin Extensions 官方文件展示另一個方向：第三方服務可以在 ChatGPT 側欄有獨立入口、在對話旁開面板、用自己的介面檢視和編輯支援的檔案，也可透過 composer mention 把特定檔案帶入討論。插件還可提供設定、deep link 和結構化表單。
舉個白話例子：設計師在對話裡討論一份海報，以前可能要在 ChatGPT 和設計平台之間反覆貼截圖；有合適插件 extension 時，側邊可以直接看設計稿、修改檔案，再讓 ChatGPT 根據同一個版本提供意見。這不是說 ChatGPT 自動擁有所有設計檔的存取權。每個插件仍有自己的登入、檔案權限、資料傳送和儲存條款；「顯示在 ChatGPT 介面」不等於「OpenAI 已接管該產品的全部資料責任」。
對香港中小企，插件可減少跨工具複製內容的摩擦；對提供 SaaS 的公司，它開了一個新分發入口，但同時要為 UI、授權、錯誤處理與使用者信任負責。假設一間本地會計軟件供應商想做插件，單靠「AI 可以查發票」不夠。用戶需要看見哪張發票、哪個欄位被改、是否已入帳，以及誰批准。這正是 interface extension 和單純資料 connector 的差別。
官方文件顯示，Plugin Extensions 有多種介面入口，但推出範圍不一致：網頁版的部分 extension 正準備向 Free／Go 推出，composer mentions 當時只在 ChatGPT desktop app 提供。某個示範插件支援某個入口，也不能推斷所有市集插件都有同一功能。
ChatGPT Space：一份持續更新、多人與 AI 共用的工作底稿
Space 官方頁把它形容為人和 AI 一起建立「living documents」的地方。用戶可以在 Page 中寫、研究、整理和視覺化；同事即時編輯及留言，也可以 tag ChatGPT、Codex 或自己的 dot 跟進。頁面可使用共享檔案及工具背景，而 dot 可按工作變化更新同一頁。它把過去散在聊天紀錄、檔案夾和訊息群的工作，拉到一個可共同查看的位置。
想像營銷團隊準備一個十月課程：同一 Page 放受眾問題、已核對課程資料、文章大綱、圖片方向和廣告審批意見。編輯改大綱後 tag dot 重整資料表，設計師在同頁留言指出圖片不合格，主管看見最新版本才作決定。這是 Space 的協作可能性，不表示它能自動判斷報名日期或價錢是否正確。它的價值在「大家看到同一份工作背景和修改」，而不是把所有判斷交給 AI。
Space 現已向 Pro、Business 和 Enterprise 提供。官方說 Library 已變為 Space；網頁與桌面可建立、編輯和協作，手機可尋找、閱讀及分享；手機編輯／協作以及協作簡報、試算表當時仍屬 coming soon。企業若已有 Microsoft 365、Google Workspace 或 Notion，較實際的問題是哪些工作需要跟 AI 在同一頁反覆修改，哪些仍應留在既有正式紀錄系統。Space 可做工作底稿，並不自然取代公司文件的批准、保留和稽核規則。
Marketplace 與 Sign in with ChatGPT：身份、額度和服務費要分開看
DevDay 亦把注意力放到第三方工具的分發和使用。官方 recap 提到 Marketplace 和一批參與服務；Sign in with ChatGPT 說明則列清一個容易被誤解的設計：你可用 ChatGPT 帳戶登入參與工具，而合資格的 Plus／Pro 用戶可選擇讓該工具的 AI 請求使用 ChatGPT 方案額度。登入、共享方案額度、支付第三方服務費，是三件不同的事。
例如一位獨立開發者想在參與工具寫程式：用 ChatGPT 身份登入，未必已同意讓工具使用 ChatGPT 額度；即使選擇使用，該工具自己的訂閱、基礎設施或進階功能仍可能另收費。用戶可以為個別 app 設每星期可用的額度比例；達到上限後不會因為重新登入就恢復。若要動用額外 credits，亦有獨立的啟用和限額設定。對企業採購而言，這些分界直接影響誰收費、誰提供服務、出了問題找誰，以及員工是否在預算外開了另一個第三方帳戶。
官方說目前只限參與服務，Plus／Pro 的 plan usage 才有相應資格，個別工具亦可只在指定方案提供。登入時向第三方分享的基本帳戶資料包括姓名、電郵和頭像；單靠方案額度共享，並不把 ChatGPT 對話、記憶或 API key 自動交給該工具。若插件另外要求讀檔或操作帳戶，那是另一層權限，需要逐項看清。市場上這是一個值得關注的新入口，但「有 Marketplace」尚不能推斷每個 SaaS 都會加入、所有用量可以互通，或第三方訂閱會消失。
Dots 的 cloud computer，跟阿里雲無影、Windows 365 有甚麼關係？
用戶在發布會聽到 cloud computer，很自然會聯想到員工登入的雲電腦。兩者要分開：OpenAI Dots 的 cloud computer 主要是 Agent 自己操作瀏覽器和工具的工作環境；阿里雲無影雲電腦、Microsoft Windows 365則主要向人提供可管理的遠端桌面。另一類產品，例如 Windows 365 for Agents 或阿里雲 AgentBay，才更接近 Agent 的受控執行環境。模型的 computer use 能力，則是「怎樣看畫面及按鍵」，本身不提供整部雲電腦。
| 讀者想買的是 | 代表方向 | 交付的核心 | 不應混為一談的地方 |
|---|---|---|---|
| 員工在任何裝置登入自己的工作桌面 | Windows 365、阿里雲無影 EDS | OS、桌面、檔案、身份與 IT 管理 | 桌面本身不會自動替人完成業務任務 |
| Agent 有地方開網頁和執行任務 | Dots cloud computer、Agent runtime | 任務工作空間、工具、狀態、操作紀錄 | 未必提供可租用的人用 Windows 桌面 |
| 模型能看畫面、點擊、輸入 | OpenAI computer use 等 | 畫面理解與動作建議 | 需要執行環境：可按介面選擇自建或託管；權限和結果仍須核對 |
舉例說，一間公司只是想讓外地同事安全登入相同的會計軟件，應先比較雲桌面的身份、資料區域、網絡和每位用戶費用；如果想讓 Agent 在指定測試環境處理報表，才要比較 Agent runtime、工具權限和人工接管。兩種需要可以組合，但採購問題和成本單位不同。阿里雲官方名稱是「無影」，不是「雲影」。跨供應商的 region、OS、價格和稽核細表會在本系列另一篇專文核對。
一個香港公司的完整例子：由分店資料到可用的客戶答案
假設一間有六間分店的香港餐飲集團準備推出季節餐單。門店經理提供供應日期，採購部保留食材規格，市場部準備網頁和社交帖文，客服每天要回答價錢、供應分店及致敏原問題。以下是虛構示例設計，不是 OpenAI 產品在某間餐廳的實測或成效。
第一步，整理已批准資料。 Agent 只讀核准餐單、分店營業時間及食材清單，製作一張「答案、來源、日期、負責人」表。某項食材還未由採購確認，便標成待確認，不能在客服答案中自行寫「不含花生」。這一段可借鏡 Dots 的 read-only 研究設計；在香港實際執行時須使用合法可用的服務渠道，亦不能因為另一個雲服務有相近功能，就推定它已提供 OpenAI 今次全部新功能。
第二步，寫兩類答案。 團隊用 GPT-6.1 Sol 或現有模型，根據核准資料寫網頁 FAQ 及客服回覆草稿。網頁要讓顧客找到「旺角分店週末有冇供應？」「有甚麼致敏原？」；客服稿則要在缺資料時交回人手。模型處理得快，不代表可以自己填一個價錢或承諾所有分店都有貨。
第三步，共同修改。 市場、採購及客服可把草稿和各自意見放在 Space Page 或現有文件系統。採購修改致敏原欄位，市場團隊要知道自己引用的是哪個版本；若插件接上設計工具，圖片可在同一工作介面接受意見。每個連接仍要按職務給權限，不能因為畫面方便，就把客戶名單和供應商底價全部打開。
第四步，在測試環境操作。 如果餐廳舊網站沒有 API，可考慮讓 Agent 在隔離的瀏覽器填入測試餐單、擷取預覽畫面；遇到正式上架或對客發訊息時停下，由店長及市場主管確認。Agents API 的 hosted browser computer use 或由公司自建的 runtime 都可作架構候選，但授權它進入網站，不等於已批准它按下每一個「發布」鍵。正式頁面仍要讀回價錢、分店、致敏原和聯絡入口。
第五步，量度整項工作。 記下由資料交接到網頁可用的總時間、人工修改分鐘、錯誤和重試次數，再看客服是否少了重複查資料。若只量度模型三十秒出初稿，忽略兩小時核對致敏原和改圖，就會高估效益。每一項資料差錯的代價不同，對食物致敏原尤其不能只用「平均準確率」帶過。
同一案例亦說明 DevDay 各層可以互補：模型寫初稿，dot 延續研究，Space 保存共同背景，插件接設計檔，Agents API 管理任務狀態，computer use 處理沒有 API 的測試介面。企業可以按現有工具及任務需要只採用其中一兩層，沒有必要因發布會同時推出多項功能就全部換掉。
Private Intelligence：方向清晰，產品細節仍未齊
OpenAI 的 DevDay recap還提到 Private Intelligence。其登記頁分成兩個方向：一是具 Private Safety Processing 的 Zero Data Retention，二是預覽中的 Private Inference。前者不是「整條流程甚麼也不留」：技術說明指，被安全分類器轉交或抽樣的 prompt／response 會加密保存於客戶控制的雲端儲存，供受硬件驗證保護的 safety runtime 檢查，預設保存期限為 30 日；OpenAI 保留操作 metadata 和儲存參照，而非內容副本。企業要管理儲存、金鑰、權限及到期刪除。此功能需有 ZDR approval 或另行申請，亦不能把它套到目前不支援 ZDR 的 Agents API。
Private Inference 的官方方向是使用 confidential computing 和可驗證控制，但當時仍屬 preview。兩項服務均不能單憑名字判定香港可用、價格或銀行合規。另一條企業部署路線是 AWS Bedrock Managed Agents：AWS 將 OpenAI agent harness 與模型推理放在 Bedrock，工具在 AgentCore Runtime 或自管運算環境執行；AWS 標示為 Preview。它和 OpenAI 自家的 Agents API 有不同身份、運行與資料邊界，不能推斷兩者的 API、模型、地區或收費完全相同。
至於 recap 圖像出現的「Decisions API」，本文截點未找到可核對的官方功能規格、端點、計價或供應狀態，因此不把它解釋成已可用的企業決策自動化服務。
對 AI 市場、企業和個人的影響
對 AI 市場，競爭點正由模型本身擴展到工作入口。 GPT-6.1 Sol 讓能力與標準單價的比較更激烈；Dots、Agents API 和 Codex 則爭取「誰負責執行及保存工作狀態」；插件、Space 和 Marketplace 爭取「用戶在哪個介面工作，以及外部服務如何被找到」。這是從官方產品組合得出的市場分析，不是某家供應商已取得市場勝利。Microsoft、Google、Anthropic、阿里雲等已有不同模型、雲桌面、Agent 或應用生態，誰更適合仍要按同一項工作比較。
對企業，採購單位會由單一帳戶轉向一段完整流程。 買一個席位容易，評估從資料輸入、工具操作、人工核對到最終結果的總成本難得多。可先選一項重複工作，固定資料和合格標準，用現有 Copilot、ChatGPT、其他模型或自建方案做同場比較。觀察是否少了人手整理、錯誤有沒有下降、誰負責系統權限及後續維護。數據成立，才值得擴大。
對一般使用者，重心會由「下一句怎樣問」移到「這份工作要交甚麼」。 過去你可能每天重新貼背景、找昨天的檔案，再把 AI 答案搬到另一個工具；Dots 的持續工作、插件的檔案介面和 Space 的共同底稿，正嘗試減少這些重複步驟。個人可以把學習計劃、資料研究或內容修改設成持續項目；小團隊則更容易看到同一份成果和修改意見。這些是功能帶來的可能性，實際可用性仍按方案及地區而定。使用習慣也要相應改變：交代成果格式和截止點、知道哪些應用已連接、留意方案額度，並分清正在準備與已正式發送。能清楚交辦、判斷成果的人，會比只收藏提示詞更容易把新功能用起來。
怎樣由新聞變成自己的下一步？
如果你想先把 AI 用在內容和搜尋，可從一個真實讀者問題開始：定搜尋意圖、核官方來源、寫清楚答案，再檢查網站頁面和 AI 搜尋呈現。AD-Linkage 的 AI SEO／GEO 實戰工作坊適合由這類可交付內容入手。若公司已需要跨團隊接工具、資料及批准流程，則應先把一段工作畫清楚，再評估 企業 AI 轉型服務或 AI 企業轉型體驗包。想從產業現場觀察不同雲端及 AI 應用，也可了解 杭州 AI 研習班的現行安排。
官方來源及閱讀界線
- OpenAI DevDay 2026 Recap：發布會主題及產品總覽。
- Introducing GPT-6.1 Sol、OpenAI API pricing、Ultrafast mode與 Work／Codex speed settings：模型用途、官方自測、標準價格、Astra 已推出的速度層及 Sol Ultrafast 預告。
- Introducing dots：cloud computer、應用連接、背景研究、權限、批准及推出狀態。
- Codex Cloud、Agents、Agents API changelog、Agents API computer use、Computer use：開發環境、Agent runtime、發布時間線與電腦操作的分工。
- Plugin Extensions與 ChatGPT Space：插件介面、多人協作及各入口的推出範圍。
- Using your ChatGPT plan in other apps and sites與 ChatGPT 支援地區：第三方登入、Plus／Pro plan usage、週限額、額外 credits、第三方費用及香港供應界線。
- Microsoft Windows 365及 Alibaba Cloud 無影雲電腦：人用雲端桌面的產品定位；本文只作概念對照，完整採購比較留待本系列專文。
- Private Safety Processing、Private Intelligence 登記頁及 AWS Bedrock Managed Agents：企業資料處理方案和 AWS Preview 的公開邊界。
官方 benchmark 由供應商公布，不能代替 AD-Linkage 或香港企業的獨立實測。地區開放、帳戶資格、功能限制和價格可變；使用或採購時應以當日產品頁及帳戶實際顯示為準。
