OpenAI 高管详解：计算机操作如何从排错转向实时闭环，以及 Decisions API 的极速决策机制

OpenAI 在开发者日展示了 Dot、GPT-6.1 Sol 及 Agents API 的计算机操作能力，核心进展在于智能体已具备在遇到障碍后自动排错和重试的能力，不再局限于被动点击截图。Dot 为每个智能体提供独立的云端 Linux 电脑环境，支持运行桌面应用与浏览器，使智能体能处理如订餐、配置 DNS 等需多步骤交互的任务。GPT-6.1 Sol 在计算机操作上成本仅为 Astra 的五分之一，且速度提升显著，配合应用快照（App Shots）技术，能将完整的 DOM 结构与无障碍信息传递给模型，解决了传统截图中元数据丢失的问题。

访谈揭示了 OpenAI 应对竞品 Jev 的快速反应机制：Decisions API 并非重新训练模型，而是直接沿用 Luna 的权重，通过施加结构化输出约束并优化推理系统来实现。该 API 支持并行批量处理多个问题，将首次决策返回时间（TTFD）压缩至极低水平，适用于客服工单分类或需要快速判断的场景。此外，API 平台引入了异步函数调用与轮次中途引导功能，允许模型在工具执行期间继续推理，结合 WebSockets 实现双向通信，大幅降低了长周期任务的延迟。

在商业与工程推论上，OpenAI 正试图构建类似 AWS 的 AI 原生云平台，通过缓存预热、上下文压缩（compaction）及 Responses API 的重写来优化单位经济。事实层面，Decisions API 目前处于早期阶段，主要依赖现有 Luna 权重的零样本表现；推断层面，这种“不重训仅优化”的路径可能成为后续快速响应市场需求的通用范式；猜测层面，随着智能体测试软件能力的闭环形成，软件开发流程将从“开发 - 人工测试”转变为“智能体全栈自测”，但这仍取决于对第三方网站加载等待等外部瓶颈的工程突破。