OpenAI高管亲述：我们是怎么在一周内做出Jev竞品的

InfoQ 编译了 Latent Space《The AI Engineer Podcast》在 OpenAI DevDay 2026（9月29日）直播结束后第一时间录制的两场访谈。第一场对话 Sky 联合创始人、现 OpenAI 计算机操作负责人 Ari Weinstein；第二场对话 API 产品负责人 Nikunj Handa。

DevDay 发布了什么

• Dot：个人助理产品，每个 Dot 配一台独立云端 Linux 虚拟机，可跑桌面应用和浏览器
• GPT-6.1 Sol：成本约为 Astra 的 1/5，专看计算机操作仅 1/7，速度和成本双优
• Agents API 加入计算机操作能力，开发者可用与 Codex/ChatGPT 相同的实现
• 应用快照（app shots）：按两下 Command，把当前应用上下文（含元数据、无障碍结构、完整文本）带入 Codex/ChatGPT——不是简单截图
• Mac 原生计算机操作：后台操作应用，用户可继续用电脑做其他事

计算机操作的核心进步：从"启动即卡"到"排错重试"

Ari 认为过去一年最关键的变化是：智能体不再启动后就卡住，而是能排查错误、调整方法、重新尝试。这是质的转变。技术上，模型现在能结合截图、无障碍接口（a11y tree）、DOM 结构和 Playwright 多模态交互，还能自己写 JS 代码一次完成多步操作，而非逐帧点击。模型自身速度提升七倍，GPT-6.1 的成本效益提升甚至超过其基础成本降幅。

瓶颈在哪：分布在模型、推理、运行框架和信息呈现多个环节。随着执行速度加快，等待网站加载等操作本身耗时反而成了显著瓶颈。理想状态是事件驱动，但很多浏览器外事件无法这样处理。

Decisions API：受 Jev 启发，一周出原型

Nikunj 坦承 Decisions API 完全不在开发计划中，是 Jev 推出后用户和内部团队同时施压的结果。关键细节：

• 没有重训模型，直接复用现有 Luna 权重，零样本方式
• 对输出施加结构化约束，并行批量处理多个问题
• 专门优化推理系统，追求最短首次决策返回时间（TTFD）
• 本质是一个极快的分类和决策层，不进行思考推理
• 用更小模型，速度快但复杂长周期任务能力稍弱
• 可与 GPT Live 配合，让语音智能体在需要快速判断时更灵敏

"Jev 一出来，大家都激动得不行……OpenAI 有很强的黑客文化，大家看到有意思的东西就会兴奋起来。"

API 层的工程实践

• 异步函数调用：工具运行时模型继续推理，不必暂停等待
• 轮次中途引导：模型推理过程中可注入消息
• WebSockets 双向通信：从 GPT-5.3 Codex Spark 开始支撑，大幅减少工具通信开销
• UltraFast：推理团队持续优化效率，Luna 价格降低约 80%
• 缓存优化：30 分钟缓存命中保证，预览阶段支持 12 小时缓存窗口；缓存读取价格降 25%；支持预热缓存
• 上下文压缩（compaction）：Agents API 内置自动压缩；Responses API 支持服务端阈值自动压缩或 /compact 手动控制

产品视角：开发者应该怎么做

Ari 的建议很务实：先梳理自己日常耗时最多的电脑任务，再把适合的委托给智能体。他自己用计算机操作订配餐，原本两小时的订单 15 分钟完成，用 GPT-6.1 Sol 速度是人工的 8 倍。

安全检查是信任基础：根据任务限制智能体可访问的网站和应用，在付款等可能产生重要后果的操作前必须征求用户同意。

软件开发闭环：智能体可以实际打开并测试自己开发的软件，编写代码与验证结果形成闭环，减少"人接手测试"的环节。

My take：这篇文章的信息密度很高，两个角度互补——Ari 讲的是产品和技术演进，Nikunj 讲的是 API 平台工程。最值得关注的是 Decisions API 的"零样本+结构化输出+并行推理"路线：OpenAI 没有重训模型，而是工程化地复用现有权重，说明这类快速决策能力更多是系统设计问题而非模型能力问题。这对做 Agent 工程的团队是直接信号——分类/路由/决策层不一定需要专用模型，推理系统优化和约束设计的 ROI 可能更高。另外，应用快照（a11y tree 而非截图）的思路值得借鉴：把无障碍技术重新定位为"给 LLM 用的结构化输入"，这是前端工程师可以直接迁移的思路。