OpenAI Dots 瞄准 Meta，但其 AI Agent 能与免费服务竞争吗？

OpenAI 于 9 月 29 日推出 Dots，在 Meta 发布带有免费层级的 Muse 三周后，为付费 ChatGPT 用户提供持续运行的 AI Agent。这一时机让 OpenAI Dots 成为对 Meta 的直接回应，而非 ChatGPT 的又一次常规功能更新。OpenAI 正押注于更强的推理能力、工作场景连接和用户控制权，以克服 Meta 更低的使用门槛。

这并不容易。据报道，Muse 上线后不久便登上美国两大主流应用商店免费应用下载榜榜首。Meta 还将该 Agent 置于 WhatsApp 及其更广泛的消费级网络中，让用户能在多个熟悉的场景发现它。

OpenAI 则拥有不同的优势。Dots 位于 ChatGPT 内部，可通过 Slack 和 Microsoft Teams 进行沟通，并运行在 GPT-6 Astra 之上。它被设计为在对话结束后继续工作，利用自己的云端计算机监控项目，并准备待审核的工作成果。

这才是 OpenAI Dots 与 Meta Muse 的真正较量。两家公司比较的不只是模型智能水平，而是在竞争成为值得信赖的软件层——能够读取消息、使用已连接的服务，并在无需持续提示的情况下代用户采取行动。

OpenAI Dots 将 ChatGPT 变为全天候工作者

Dots 将 ChatGPT 从一个等待指令的工具，转变为一个应持续承担责任的 Agent。

Sam Altman 在旧金山举行的 OpenAI 年度 DevDay 大会上介绍了 Dots。根据发布报道，他将该产品描述为可为用户完成持续性任务的全天候助手。

一个 dot 是持续运行的 Agent，这意味着它会保留明确的角色，并在不同对话之间继续工作。每个 Agent 都通过一台独立的云端计算机运行，可使用已连接的应用、浏览受支持的网站，并执行更长的工作流。

这种区别很重要，因为大多数 AI 助手仍依赖反复提示。用户提出问题、获得回答，然后在下一项任务出现时重新开始。OpenAI Dots 则被设计为能够注意到变化、继续完成任务，并在需要人工输入决策时返回。

OpenAI 在其 Dots 产品简介中给出了多个示例。开发者的 dot 可以监控客户反馈、识别反复出现的需求、准备修复方案、进行测试，并提交完成的 pull request 供审核。

产品团队也可以指派另一个 dot 跟踪发布计划。当规格发生变化时，该 Agent 可修订文档、更新创意资产，并识别仍需批准的决策。

研究人员是另一类目标用户。OpenAI 表示，dot 可以监控新增数据、重新运行分析、更新图表，并标记已经变化的发现。研究人员仍需负责核查证据并批准最终成果。

这些示例描述的不只是后台自动化。OpenAI 希望每个 dot 都能学习用户的标准、理解项目历史，并在多种工具之间保持连续性。

用户可通过桌面端、移动端和网页端的 ChatGPT 与其 Agent 对话。Dots 还可以通过 Slack 和 Teams 发送进度更新或问题。短信功能已在规划中，但发布时尚未提供。

OpenAI 初期将向符合条件市场中使用已公布付费 ChatGPT 套餐的用户逐步推出 Dots。当管理员启用后，企业、教育和医疗工作区可使用测试版。

符合条件的订阅者可获得首个 Agent，但更深入的工作仍受使用额度限制。与 dot 的对话不会消耗常规 ChatGPT 限额。通过其他 OpenAI 产品发起的任务，仍遵循这些产品各自的限制。

这种结构使 OpenAI Dots 成为既有商业关系的延伸。已经依赖 ChatGPT 进行编程、研究或文档工作的用户，可在同一环境中部署 Agent。

不过，此次发布也限制了潜在受众。从未为 ChatGPT 付费的人，无法简单下载 Dots 并免费开始体验。Meta 对 Muse 的设计，让首次试用变得容易得多。

Meta Muse 将免费访问变成战略武器

如果数百万人能在考虑付费替代品之前先行体验，Meta 并不需要让 Muse 赢下每一项能力比较。

Meta 于 9 月 8 日推出 Muse，这是一款可通过移动应用、网页和 WhatsApp 使用的个人 Agent。该公司称，它能够发送电子邮件、研究购物选择、预订旅行、填写表单，并推进长期目标。

Muse 通过自己的虚拟机运行，即一台与用户实体设备隔离的远程计算机。根据 Meta 的 Muse 发布详情，该环境配备浏览器及跨已连接服务开展工作的所需资源。

Meta 表示，Muse 对大多数常见用途免费，订阅服务则提供更高的可用容量。这是一项强有力的获客策略，因为个人 Agent 很难仅凭规格参数来评估。

人们需要亲眼看到 Agent 浏览、规划、失败、请求批准以及恢复处理。免费层级让他们可以进行这些实验，而无需先判断这项技术是否已值得占据每月预算的一席之地。

这一策略带来了早期势头。据关于Agent 购物限制的报道，Muse 登上 Apple 和 Google 美国应用商店免费应用下载榜榜首。该排名不能证明持续使用，但显示 Meta 已将关注度转化为安装量。

Muse 还通过用户每天都会打开的服务触达他们。WhatsApp 为 Meta 提供了一个通信渠道，在这里，将任务交给 Agent 的感觉可以类似于向另一位联系人发消息。

这种分发优势不止于消费者。Meta 在 OpenAI 公布 Dots 的同一天推出了面向小型企业的 Muse。它增加了对会计、电商、设计、消息、项目管理和支付服务的连接。

商店经营者可以要求 Muse 对比销售、广告结果、客户问题和库存信息。随后，该 Agent 可以起草增长计划，或识别值得审查的支出。

Meta 表示，约三分之一的早期 Muse 用户将该 Agent 连接至某种形式的企业账户。这一数据来自该公司，尚未得到独立验证。不过，它仍支持 Meta 的观点：个人 Agent 与企业 Agent 的应用将会重叠。

该公司自己的企业使用案例包括分析营销活动表现、起草客户沟通内容、监控现金流，以及标记需要回复的电子邮件。发布、发送和支出操作都需要批准。

OpenAI Dots 提供了更以工作为中心的定位，尤其面向开发者和较大型组织。然而，Meta 可以通过小公司已经在使用的工具接触它们，包括其广告和社交平台。

这形成了一场不对等的竞争。OpenAI 正要求现有订阅者扩大交给 ChatGPT 的责任范围；Meta 则邀请规模大得多的人群，以零初始成本测试 Agent 行为。

免费访问不能保证用户忠诚。当 Agent 长时间浏览、调用先进模型或同时运行多项任务时，其运营成本会变得高昂。Meta 最终需要在慷慨的访问权限与服务活跃用户的成本之间取得平衡。

即便如此，开局优势仍然重要。每一次成功的免费任务，都让 Muse 多一次机会在 OpenAI Dots 触达同一用户之前成为习惯。

OpenAI Dots 与 Meta Muse 的较量是一场分发之战

决定性问题不是哪一个 Agent 给出的答案最聪明，而是哪一个会成为用户默认委派工作的地方。

OpenAI 的论点始于模型能力。Dots 运行于 GPT-6 Astra，OpenAI 将其描述为最擅长复杂推理、编程、研究和计算机使用的模型。

这一基础应有助于处理需要规划、工具选择和错误恢复的长工作流。编程 Agent 必须理解代码仓库、修改多个文件、运行测试，并识别结果何时仍未完成。

OpenAI 也拥有成熟的开发者和专业 ChatGPT 用户群。这些客户已经将文档、代码、研究问题和业务背景带入产品中。

Dots 可以在 ChatGPT、Slack 和 Teams 之间延续这些上下文。对于已经在这些环境中工作的团队而言，这种连续性可能比免费访问更重要。

企业战略进一步强化了这一定位。专业 dot 将拥有明确的组织职责、身份、凭证和系统访问权限。OpenAI 表示，它已在采购、客户支持、发票处理、营销和商业合同等领域测试了此类角色。

该公司还正与 Microsoft 合作，将专业 Agent 连接至 Agent 365 治理控制机制。这一集成使企业买家能够通过熟悉的管理系统管理权限。

Meta 的立足点则不同。它拥有消费者通信渠道、社交身份、广告关系和广泛使用的移动应用。Muse 可以从个人助手扩展到企业任务，而无需用户采用陌生的界面。

Meta 还掌握了多年来企业如何通过 Facebook 和 Instagram 营销的信息。其小型企业 Agent 可以将广告数据与店铺、设计、会计和客户沟通工具相连。

在 Muse 成为技术能力最强的 Agent 之前，这些上下文便可能让它发挥价值。相比先进的编程能力，一家社区零售商或许更看重能快速获取营销活动结果。

因此，OpenAI 必须证明，更专注于工作的 Agent 值得付费使用。它不能完全依靠 GPT-6 Astra 的声誉，因为用户将 Agent 体验为一个完整系统。

模型只是其中一个组成部分。Agent 还需要可靠的连接器、准确的记忆、清晰的批准规则、易用的进度报告，以及在网站意外变化时的恢复能力。

Meta 面临同样的系统问题。Muse 可以拥有广泛分发，却仍可能因发送不当消息、选择错误产品或误解企业记录而失去信任。

第一家让委派工作成为日常习惯的公司将获得显著优势。一旦 Agent 理解了某人的项目、偏好、权限和重复性工作，切换就会变得不便。

这正是两款产品都强调持续性的原因。两家公司都希望其 Agent 积累上下文，从而改善未来任务，并提高用户离开的成本。

OpenAI 的优势在于专业工作场景中的深度。Meta 的优势在于覆盖消费者通信与小型企业渠道的广度。

两种优势都不会自动取胜。Dots 需要证明，专业可靠性足以支撑其受限访问模式。Muse 则需要证明，免费分发带来的是持久使用，而非短暂的好奇心。

真正的问题是信任，而非智能

全天候运行的 Agent 通过获得访问权限而产生价值，但每一项新增权限也都会扩大犯错的代价。

两家公司都知道，用户在连接收件箱、日历、文件、金融服务和客户系统前会犹豫。因此，它们的发布材料都高度关注隔离、凭证、监控和审批机制。

OpenAI 表示，每个 dot 都运行在一台与用户设备分离的云端计算机上。已保存的密码可提供给受支持的网站使用，而不会将这些凭证暴露给底层模型。

当 dot 在后台主动开展研究时，已连接的应用仅限只读访问。代理无法发送消息、修改应用内容，或在此期间控制用户的浏览器。

用户可以设定自定义规则，对特定操作予以允许、阻止或要求审批。活动视图会展示正在进行的工作，并允许用户重新引导代理。

OpenAI 还使用自动审查系统检查会影响账户或披露信息的操作。包括更改密码在内的某些敏感操作，仍只能由用户本人执行。

这些控制措施能降低风险，但无法消除风险。OpenAI 明确警告称，Dots 可能出错，并建议用户审查具有重要影响的工作。

Meta 也做出了类似承认。该公司在对 Muse 代理安全防护措施的说明中表示，代理可能误解任务，也可能在所读取的内容中遭遇攻击。

其中一项重要威胁是提示词注入。恶意指令可能隐藏在代理处理的网页、电子邮件或文档中。这类指令试图覆盖用户请求，并操纵代理泄露信息或执行不必要的操作。

Meta 表示，Muse 的主代理无法直接查看真实凭证。连接器操作和网络访问都要经过一层独立的权限层，而代理无法绕过这一层。

Muse 还将其工作环境与凭证存储及其他敏感服务分离。Meta 表示，这一设计假定代理最终会遭遇恶意内容，而非将攻击视作罕见例外。

这些技术控制措施值得关注，但它们仍是公司的说法。用户目前尚未看到数月独立证据，证明 Dots 或 Muse 能如何应对不可预测的真实世界场景。

Muse 的早期采用已经暴露出另一项限制。上线不到两周，Amazon 就阻止该代理在其商店中浏览和购买商品。

Amazon 表示，它并未授权 Muse 访问账户、收集信息或处理交易。该公司将此问题界定为客户安全、服务质量，以及平台有权决定哪些外部代理可以参与的问题。

这场争议说明，代理具备能力并不保证能够获得可用访问权限。网站可以封锁自动化活动、更改界面、限制交易，或要求签订正式协议。

因此，AI 购物代理可能在一家零售商处有效，却在另一家失败。商业代理可能从一个已连接服务中读取信息，却没有权限更新另一个服务。

这些限制削弱了代理能够跨 Web 运作的宽泛承诺。开放 Web 最初主要是为通过浏览器操作的人类设计的，而不是为通过持久身份行动的自主软件而设计。

信任还包括隐私。用户必须决定，代理带来的便利是否足以抵消让科技公司接触私密上下文所带来的不适感。

代理在读取消息、观察日常习惯并记住优先事项后会变得更有帮助。同样的信息也可能暴露人际关系、健康担忧、财务活动和保密工作。

OpenAI 表示，默认不会使用商业和企业工作区内容来改进其模型。个人用户可以控制符合条件的对话和工作是否用于模型改进。

Meta 表示，用户可以决定 Muse 能访问哪些服务。该公司还宣布了额外的加密基础设施，旨在限制 Meta 自身对代理数据的访问。

政策和架构很重要，但用户感受同样重要。Meta 作为广告公司的历史，可能会让一些人谨慎连接私人账户。OpenAI 则必须克服另一类担忧：将工作集中到单一 AI 提供商之中。

胜者不会是宣称绝对安全的公司。任何严肃的代理提供商都无法做出这种承诺。

胜者将提供易于理解的权限、可见的操作、有用的日志，以及可预测的人工审查节点。它也必须在代理失败时作出清晰回应。

对于知识工作者而言，最安全的早期任务是准备工作，而不是最终执行。代理可以收集研究资料、整理笔记、起草更新内容，并识别尚未解决的问题，同时由人保留审批权。

这种模式类似于 个人知识库，在不悄然取代人类判断的前提下，利用上下文支持检索和起草工作。

只有当用户在这些较低风险的工作流中看到稳定表现后，OpenAI Dots 和 Meta Muse 才能获得更广泛的授权。

三个信号将决定 OpenAI Dots 能否追上 Muse

竞争的下一阶段将通过留存、完成的工作以及对外部服务的访问来衡量。

第一个信号是发布期过后的重复使用。应用商店排名衡量的是下载量，而不是人们是否持续分配有实际意义的任务。

Meta 必须证明，Muse 用户在尝试购物、电子邮件或规划功能后仍会回归。OpenAI 则必须证明，符合条件的订阅者会创建 dots，并在初始设置后持续保持其活跃。

两家公司均未公布可对比的留存或任务完成数据。没有这些数据，关于受欢迎程度的说法仍不完整。

最有用的指标包括每周活跃代理数、每名用户的重复任务数、工作流成功完成率，以及人工干预率。这些指标将揭示持久性是创造价值，还是仅仅带来了更多监控工作。

Muse 的强劲留存将强化 Meta 的免费访问策略。留存疲弱则意味着分发带来了好奇心，却没有形成持久的代理使用习惯。

对于 OpenAI 而言，较小付费用户群中的高使用率可以验证其专业化定位。ChatGPT 内部的低采用率则会表明，模型质量和现有订阅还不够。

第二个信号是代理能否安全地完成具有重要影响的工作流。一个有用的 AI 代理必须做到的不只是生成用户可以向聊天机器人索取的草稿。

用户会期待 Dots 和 Muse 发现变化、协调多个工具，并带回已完成的工作。他们也会期待代理在指令冲突或风险上升时停止执行。

独立测试应检验故障恢复、权限处理、记忆准确性、提示词注入抵抗能力，以及审批请求的清晰度。营销演示不能替代这些评估。

企业客户会尤其关注可审计性。管理员需要知道代理访问了哪些信息、尝试了哪些操作，以及为何请求审批。

OpenAI 的专业代理试点将检验 Dots 能否满足这些要求。如果企业将部署范围从狭窄试验扩大，这将加强 OpenAI 关于持久代理应融入运营工作的主张。

第三个信号是平台合作。Amazon 对 Muse 的回应表明，外部服务可以在几乎没有预警的情况下缩小代理的能力范围。

Meta 和 OpenAI 需要与零售商、生产力平台、金融服务和通信提供商建立稳定的技术及商业关系。未经合作创建的连接器可能失效或面临限制。

OpenAI 与 Microsoft 的集成为其在受管理工作场所中提供了有意义的起点。Meta 与社交和广告账户的连接，则让 Muse 能自然进入小企业运营。

关注两家公司是否会宣布正式协议，使代理能够执行不止读取信息的操作。获批准的发送、购买、发布和账户管理操作，将扩大这些产品的实际价值。

相反的趋势则会削弱它们。更多平台封锁会让通用代理沦为一系列不完整的工作流，并在最关键的一步停下。

对开发者而言，这场竞争也改变了产品设计。软件日益需要清晰的权限、机器可读的操作，以及供人和代理共同检查的记录。

对于企业买家，问题不在于代理能否呈现令人印象深刻的演示，而在于系统能否在满足治理要求的同时保留人类责任。

对于个人知识工作者，这一选择仍更具个人色彩。Muse 提供了一种低摩擦的方式来测试持久委派。OpenAI Dots 与 ChatGPT 和专业协作渠道有更深层的联系，但位于付费访问之后。

免费选项拥有更强的开局优势，因为它降低了试验成本。如果 Dots 能以更少的修正和更清晰的控制完成更困难的工作，OpenAI 的回应仍可能成功。

这一结果仍未得到证明。OpenAI 推出了一个可信的挑战者，但尚未确立胜者。

最好的测试是务实的：选择一项可重复、可审查的任务，并衡量代理是否能在数周内节省时间。跟踪修正、遗漏的上下文、审批请求和未完成的操作。

如果 OpenAI Dots 能持续将已连接的上下文转化为完成的工作，付费访问的重要性将会降低。如果 Muse 能通过其免费层提供类似结果，Meta 的分发优势将变得难以克服。

代理竞赛如今取决于赢得责任。哪家公司能够让委派变得有用，同时不让用户交出控制权？