Bygg med CometAPITrenger du ett API for flere modeller?Test arbeidsflyten i Playground, og opprett deretter en API-nøkkel når modellen og kostnaden passer bruksområdet ditt.
OpenAI Dots er vedvarende, alltid-på personlige agenter i ChatGPT. Drevet av GPT-6 Astra, har en Dot sin egen skydatamaskin og kan fortsette tildelt arbeid mellom samtaler. Denne veiledningen hjelper brukere og utviklere å forstå hva Dots gjør og å velge mellom en Dot, Codex, ChatGPT Work og en egendefinert API-agent.
Dots er ikke bare en erstatning for Codex eller ChatGPT Work. Codex er fortsatt fokusert på programvareutvikling, mens ChatGPT Work er designet for lengre, flertrinns oppgaver og ferdige leveranser. En Dot fungerer mer som en vedvarende personlig agent som ligger over pågående arbeid og kan koordinere Work- eller Codex-oppgaver når det er hensiktsmessig.
Dots håndterer agentopplevelsen. En egendefinert API-agent lar utviklere definere verktøygrensesnitt, applikasjonsatferd og kostnadsattribusjon. Nøyaktig fakturering krever fortsatt avstemming av brukslogger med modell-, verktøy-, compute- og tredjepartskostnader.
Gjennomgått for klarhet, kildeangivelse og gjeldende API-terminologi.
OpenAI Dots: Hva er OpenAIs alltid-på AI-agenter? - CometAPI
Den viktigste utvikleravveiingen er bekvemmelighet versus implementasjonskontroll.
Viktige poenger
OpenAI Dots er vedvarende personlige agenter, ikke en selvstendig grunnlagsmodell.
En Dot kombinerer en skydatamaskin, tilkoblede apper, minne og pågående arbeid; proaktiv forskning er skrivebeskyttet.
Codex fokuserer på programvareutvikling, ChatGPT Work på substansielle leveranser, og Dots på fortsatt ansvar på tvers av oppgaver.
API-agenter gir utviklere kontroll over funksjonsskjemaer, kjøringslogikk, godkjenninger, logger og applikasjons-UX.
API-brukslogger støtter granulær kostnadsattribusjon, men nøyaktige kostnader krever fakturaavstemming; Dots eksponerer ikke en tilsvarende offentlig utviklerrettet hovedbok i dokumentasjonen som er gjennomgått.
Hva er OpenAI Dots?
OpenAI beskriver Dots som alltid-på agenter bygget for å håndtere pågående arbeid. De forstås best som et administrert agentprodukt, ikke som en ny AI-modell. Den underliggende intelligensen kommer fra GPT-6 Astra, som utviklere også kan få tilgang til via GPT-6 Astra API i CometAPI for egne applikasjoner. Å kalle den modellen gir ikke Dots-produktet eller dets administrerte runtime.
En vanlig ChatGPT-samtale er primært forespørselsdrevet: du spør om noe, ChatGPT svarer, og senere interaksjoner fortsetter fra tilgjengelig kontekst. En Dot legger til et mye sterkere begrep om persistens. Du gir den et mål, bestemmer hvilke applikasjoner den kan få tilgang til, og definerer hvor selvstendig den kan operere.
Hver Dot får sin egen skydatamaskin og nettleser. Den kan gjøre research, analysere data, forberede dokumenter, bygge programvare og returnere resultater for gjennomgang. Skyarbeid kan fortsette når brukerens datamaskin er av; arbeid delegert til en tilkoblet lokal datamaskin har separate tilgjengelighetskrav.
Spesifikasjon for OpenAI Dots
Gjeldende implementering
Produkttype
Vedvarende, alltid-på personlig AI-agent
Underliggende modell
GPT-6 Astra
Kjøremiljø
Dedikert skydatamaskin
Nettleser
Skynettleser
Minne
Løpende kontekst pluss ChatGPT-minneintegrasjon
Tilkoblede verktøy
Plugins og tillatte tilkoblede apper
Proaktivt arbeid
Ja, inkludert skrivebeskyttet proaktiv research
Arbeidsdelegasjon
Kan opprette eller bruke ChatGPT Work- og Codex-oppgaver
Lokal datamaskintilgang
Valgfritt; deaktivert til eksplisitt tilkoblet
Menneskelig tilsyn
Godkjenninger, Custom Rules og separate sikkerhetssjekker
Førstegangs tilgang
Kvalifiserte Pro-planer, Business Premium og Enterprise; gradvis utrulling med plan-spesifikke vilkår
Opprettelse
ChatGPT-mobilapp, skrivebordsapp eller skrivebordsnettleser
Offentlig API-endepunkt “dots”
Ingen offentlig dokumentert
Primærrolle og løpende ansvar
Velg etter utfallet du trenger, i stedet for å anta at produktene har eksklusive kapabiliteter. En lanseringsansvarlig kan bruke Dots for kontinuitet, Work for å forberede en presentasjon, og Codex for å implementere en funksjon. Tabellen beskriver produktfokus, ikke en hard teknisk grense.
Oppdelegasjon og lokal tilgjengelighet
Dots kan opprette bakgrunnsarbeid, skytråder og Work- eller Codex-oppgaver på tilkoblede datamaskiner. For lokale oppgaver må den tilkoblede datamaskinen holdes påslått med ChatGPT-appen åpen. En Dots skymiljø overfører ikke automatisk en lokal nettleserinnlogging eller gir tilgang til alle eksisterende samtaler.
Codex spør: “Hvilken programvare skal jeg bygge eller endre?”
ChatGPT Work spør: “Hvilket arbeid skal jeg gjøre ferdig?”
Dots spør: “Hvilket ansvar skal jeg fortsette å håndtere for deg?”
Hva kan OpenAI Dots gjøre?
Løpende arbeid og oppfølging
En Dot bærer et løpende ansvar på tvers av samtaler. Den kan holde en lanseringsbrief oppdatert, undersøke ny tilbakemelding og revurdere beslutninger når relevant informasjon endrer seg. Gi den kildene, ønsket resultat, oppdateringsplan eller trigger, og beslutninger som trenger ditt innspill.
Den kan også utføre proaktivt research med skrivebeskyttet tilgang og føre private notater. Denne modusen samler kontekst; betydningsfulle oppfølgingshandlinger forblir underlagt tillatelser og gjennomgang.
Skydatamaskin og tilkoblede apper
Hver Dot har en skydatamaskin og nettleser, slik at skyarbeid kan fortsette når din egen enhet er av. Plugins gir tilgang til tilkoblede apper innenfor kontoens tillatelser. En lokal datamaskin er en separat, valgfri tilkobling; hold den påslått med ChatGPT-appen åpen for lokalt arbeid.
Dokumenter, analyse og programvareoppgaver
En Dot kan gjøre research, analysere data, forberede dokumenter og bygge programvare direkte, eller koordinere Work- og Codex-oppgaver når det er nyttig. Gjennomgå output, viktige beslutninger og nødvendige godkjenninger etter hvert som ansvaret utvikler seg.
Følgende gjennomstrekte materiale er beholdt på sin opprinnelige plassering for revisjonsgjennomgang; dets nyttige poenger er konsolidert ovenfor.
Hvordan fungerer OpenAI Dots?
Konseptuelt kombinerer Dots fem lag:
GPT-6 Astra gir resonnering og agentintelligens.
Vedvarende agentkontekst lar Dot-en huske mål og fortsette ansvar mellom samtaler.
En dedikert skydatamaskin gir et miljø for surfing, filarbeid og datamaskinbaserte oppgaver.
Plugins og tilkoblede tjenester gir strukturert tilgang til eksterne data og handlinger.
Godkjennings- og sikkerhetssystemer avgjør om en intendert handling faktisk kan utføres.
Modellen er derfor bare én del av agenten. Produktet pakker modellen inn i et vedvarende kjøremiljø, tillatelser, tilkoblede verktøy, minne og handlingsgjennomgang.
Konseptuelt leder et mål til planlegging, konteksthenting, verktøybruk eller delegasjon, gjennomgang og fortsatt arbeid. Dette er en lesers mentalmodell av produktet, snarere enn et publisert diagram av OpenAIs interne arkitektur.
Minne har distinkte lag: samtalen, relevant ChatGPT-lagret minne og Dot-ens egne notater om preferanser, beslutninger og ansvar. Disse notatene er ikke et komplett transkript, og å endre en ChatGPT-minneinnstilling endrer ikke nødvendigvis notater som allerede er gjort.
Hvordan håndterer OpenAI Dots sikkerhet og tillatelser?
En alltid-på agent krever sterkere kontroller enn en vanlig chatbot fordi den potensielt kan lese privat informasjon og utføre handlinger. OpenAI skiller derfor proaktiv informasjonsinnhenting fra konsekvensielle handlinger.
Dots-tillatelser og egendefinerte regler lar brukere tillate handlinger, kreve kontroller eller blokkere handlinger. Plugin-tillatelser gjelder separat. Disse kontrollene overstyrer ikke innebygde sikkerhetstiltak, og arbeidsområdeadministratorer kan begrense om egendefinerte regler er tilgjengelige.
Dots kan fortsatt gjøre feil. Tillatelser, godkjenningsgrenser og gjennomgang forblir viktige for arbeidsflyter med konsekvenser.
Automatisk handlingsgjennomgang
Før en handling påvirker en konto eller deler informasjon, sjekker automatisk gjennomgang instruksjoner, tillatelser, egendefinerte regler og sikkerhetstiltak. Den kan tillate handlingen, kreve din godkjenning eller overlate et trinn til deg, for eksempel å endre et passord. Egendefinerte regler kan ikke overstyre innebygde sikkerhetstiltak eller gi app-tilgang.
Personvern og treningsdata
For Business-, Enterprise- og Edu-arbeidsområder brukes ikke forretningsdata til å trene modeller som standard. Kvalifiserte samtaler og oppgaver på personlige planer følger kontots datakontrollinnstillinger. OpenAI trener ikke direkte på proaktiv research eller en Dot sine private notater; når den informasjonen kommer inn i en kvalifisert samtale eller oppgave, styrer de aktuelle innstillingene bruken. Denne datapolitikken impliserer ikke at hver listede plan har tilgang til Dots.
OpenAI Dots vs. Codex vs. ChatGPT Work
Dots, Codex og ChatGPT Work overlapper fordi alle tre kan utføre agentisk arbeid. Deres tiltenkte ansvarsenhet er forskjellig.
Codex fokuserer på programvareutviklingsarbeidsflyter. ChatGPT Work håndterer oppgaver du vil delegere, som research, analyse eller filoppretting, enten umiddelbart eller etter en plan. Dots legger til kontinuitet over et løpende ansvar; de kan også utføre arbeid direkte og delegere oppgaver når det er nyttig.
Dimensjon
OpenAI Dots
Codex
ChatGPT Work
Primærrolle
Vedvarende personlig agent
Programvareingeniør-agent
Generell arbeidsagent
Typisk startpunkt
Løpende mål eller ansvar
Kodebase eller ingeniøroppgave
Konkret oppgave eller leveranse
Persistens
Kjernedesign
Ingeniørarbeidsflyt; løpende oppgaver også mulig
Oppgave- og tidsplanorientert
Skymiljø
Ja
Ja, avhengig av arbeidsflyt
Skynettleser/skydatamaskin tilgjengelig
Kodespesialisering
Generell
Svært høy
Generell
Dokumenter/lysark/regneark
Kan opprette, koordinere eller delegere
Ikke hovedfokus
Kjernekapabilitet
Tilkoblede forretningsapper
Ja
Støttede integrasjoner
Ja
Proaktiv research
Ja
Ikke primær interaksjonsmodell
Oppgave- eller tidsplanstyrt
Minneorientering
Personlig og løpende
Depot-/oppgaveorientert
Prosjekt-/oppgaveorientert
Best mentalmodell
Vedvarende AI-delegat
Ferdige leveranser vs. løpende ansvar
ChatGPT Work og Dots overlapper i arbeidet de kan utføre. En Work-oppgave er typisk sentrert på et konkret resultat, som en konkurranseanalysepresentasjon; en Dot beholder ansvaret for lanseringen over tid og koordinerer oppfølging når forhold endrer seg. Dette beskriver deres produktfokus, ikke en eksklusiv teknisk grense.
Hvordan bør du evaluere OpenAI Dots i virkelig arbeid?
En modellbenchmark fastslår ikke hvor pålitelig Dots vil fullføre en bestemt forretningsarbeidsflyt. Modellen er én komponent; tilkoblede apper, tillatelsesgrenser, innloggingskrav, endrende kontekst og brukerens gjennomgang påvirker alle sluttresultatet.
Evaluer Dots med representativt arbeid, som å opprettholde en lanseringsbrief eller undersøke en supportsak. Mål om resultatet er korrekt, hvor mye menneskelig inngripen som trengs, hvor godt agenten respekterer tillatelser, og om den gjenopptar passende etter ny informasjon. Hold oppgave, tilgjengelige verktøy, akseptkriterier og gjennomgangsmetode konsistente når du sammenligner alternativer.
For en API-implementering, mål også kostnad per fullført oppgave, retries, latens og mislykkede verktøykall. Rå modellscorer alene kan ikke svare på om en administrert Dot eller en egendefinert agent passer best.
OpenAI Dots vs. å bygge din egen agent på API-et
Administrert oppsett og utvikleransvar
Dots optimaliserer for bekvemmelighet. API-agenter optimaliserer for kontroll.
Med Dots driver OpenAI mesteparten av agentstakken for deg: modellvalg innenfor produktet, skymiljø, minne, tilkoblede apper, agent-loopen og sikkerhetsinfrastruktur. Med OpenAI API definerer utviklere langt mer av agenten selv.
OpenAIs Agents API og lavnivå Responses/Agents-verktøy gir utviklere eksplisitt kontroll over modeller, instruksjoner, verktøyskjemaer, MCP-tilkoblinger, kjøremiljøer, observabilitet og applikasjonslogikk.
Kapabilitet
OpenAI Dots
Egendefinert API-agent
Oppsettsinnsats
Lav
Middels til høy
Vedvarende agent
Innebygd
Utviklerkonfigurert
Skydatamaskin
Innebygd
Konfigurerbar
Modellvalg
Administrert av OpenAI; Dots bruker for tiden Astra
Utvikler velger
Egendefinert funksjonsskjema
Ikke eksponert som lavnivå Dot-grensesnitt
Ja
tool_choice-kontroll
Ikke eksponert
Ja
Egendefinert MCP-topologi
Plugin-orientert
Ja
Eget applikasjonsbackend
Ikke påkrevd
Ja
Strukturerte outputs
Produktavhengig
Skjemakonstraint outputs der det støttes
Godkjenningsarbeidsflyt
Innebygde sikkerhetstiltak, tillatelser og brukerregler
Ingen tilsvarende dokumentert offentlig API-telemetri
En egendefinert API-agent flytter ingeniøransvar til ditt team: persistens, planlegging, tillatelser, håndtering av legitimasjon, feilgjenoppretting, utrulling og brukerrettede kontroller må fortsatt bygges eller konfigureres. Leverandørens sikkerhetskrav og API-funksjonsstøtte gjelder fortsatt.
Kostnadsattribusjon og fakturaavstemming
Dot-samtaler teller ikke mot ChatGPT-bruksgrenser. Planen gir en kvote for dypere arbeid, mens delegerte Work- og Codex-oppgaver bruker disse produktenes grenser. Behandle disse som separate brukskategorier. En egendefinert API-agent eksponerer i stedet regnskapskroker for å attribuere utgifter til kunder, saker eller avdelinger.
Registrert agentbruk og traces hjelper utviklere å attribuere root-agent- og underagentarbeid. Bruk er best-effort: den kan mangle eller oppdateres senere, og den er ikke en endelig faktura. De dokumenterte bruksfeltene eksponerer ikke separate cache-write-tellinger, så de feltene alene kan ikke fastslå eksakte kostnader når cache-write-prising gjelder.
For et produksjonskostnadsestimat, bruk modellens gjeldende prisdokumentasjon og valgt leverandørs egne fakturaregistre. Kontekstlengde, tjenestenivå, regional prosessering, verktøy og infrastruktur kan endre totalen. OpenAI-priser er ikke et tilbud for CometAPI.
Oppretthold en oppgaveloggbok som separerer ikke-cachet input, cachende lesinger, cache-skrivinger der tilgjengelig, output inkludert resonnering, retries og underagentkall. Legg til gjeldende verktøy-, sandbox-compute-, infrastruktur- og tredjepartsgebyrer, og avstem det estimatet mot fakturerte kostnader. Ikke legg til cach-et input oppå total input uten å justere for den cach-ete andelen.
Dette muliggjør en presis regnskapsprosess når fullstendige fakturadata er tilgjengelig; det gjør ikke hver API-bruksrespons til en eksakt kostnadsoppstilling. Det impliserer heller ikke at Dots iboende er dyrere.
Verktøysskjemaer og kjøringskontroll
Dots lar brukere koble til støttede integrasjoner og definere tillatelser eller egendefinerte regler. En API-agent lar utviklere definere det kallbare grensesnittet: funksjonsnavn, argumenttyper, tillatte verdier, kjøringskode, backend-autorisering og UI som vises for brukere. Dette er implementasjonsnivå-kontroll innenfor API-ets støttede kapabiliteter.
Skjemaet under eksponerer én operasjon med to påkrevde argumenter og et fast sett statusverdier. Det er en verktøydefinisjon, ikke en komplett kjørbar applikasjon; backend-en din må implementere funksjonen og håndheve tilgang til lead-en.
{
"type": "function",
"name": "update_lead_status",
"description": "Update only the sales-stage field for an existing lead.",
"strict": true,
"parameters": {
"type": "object",
"properties": {
"lead_id": {
"type": "string"
},
"status": {
"type": "string",
"enum": [
"qualified",
"unqualified",
"follow_up"
]
}
},
"required": [
"lead_id",
"status"
],
"additionalProperties": false
}
}
Strenge funksjonsskjemaer begrenser genererte argumenter. Applikasjonen utfører funksjonen, sjekker leietaker-tilhørighet og autorisering, validerer statusoverganger og anvender eventuelle nødvendige godkjenninger. Et gyldig skjema garanterer ikke i seg selv at en handling er autorisert eller at modellen vil ta den riktige forretningsbeslutningen.
Dots gir ikke samme offentlig utviklerrettede grensesnitt for å erstatte deres interne verktøysskjemaer, orkestrering og billede-instrumentering. De gir imidlertid meningsfulle brukerkontroller over tilkoblede apper og tillatte handlinger. Forskjellen er nivået av eksponert kontroll, ikke et fravær av kontroller i Dots.
Kan utviklere bygge en Dot-lignende agent med OpenAIs API?
Ja, selv om det ikke er en én-kall-klone av Dots. Utviklere kan kombinere vedvarende sesjoner, funksjonskalling, nettsøk, datamaskinbruk, MCP-servere, bakgrunnskjøring, tracing og egendefinert orkestrering for å reprodusere mange arkitekturideer bak en alltid-på agent.
Avveiingen er ingeniørarbeid: Dots pakker agentstakken i et administrert produkt, mens API-et eksponerer byggeklossene.
Når bør du bruke OpenAI Dots i stedet for en API-agent?
Dots gir mening når agenten primært eksisterer for deg: holde oversikt over personlig arbeid, koordinere research, følge prosjekter, organisere informasjon på tvers av tilkoblede tjenester eller opprettholde kontinuitet på tvers av mange små oppgaver.
En egendefinert API-agent gir mer mening når agenten primært eksisterer inne i ditt produkt eller forretningsprosess. Hvis du trenger leietaker-nivå fakturering, deterministiske funksjonsskjemaer, eksakt modellruting, proprietære godkjenningssystemer, intern observabilitet, applikasjonsspesifikke UI-er, verktøynivå tilgangskontroll eller eksplisitte kostnadsgrenser, passer en API-arkitektur bedre.
Denne sammenligningen fokuserer på personlige Dots. OpenAI piloterer også spesialist-dots for organisasjonsroller. En egendefinert API-agent er mest relevant når du må bygge inn agentatferd i din egen applikasjon og kontrollere implementasjonen.
Kan OpenAI Dots få tilgang til din lokale datamaskin?
Ikke automatisk. En Dot sin skydatamaskin er separat fra brukerens enhet. Å koble til en lokal datamaskin gir en separat tillatelse for lokalt arbeid; å koble den datamaskinen til Codex eller aktivere Work Sync gir i seg selv ikke Dot-en tilgang. Noen nettsteder blokkerer skynettlesere eller krever verifisering, og å starte en lokal oppgave overfører ikke sky-nettlesersesjonen.
Hvordan kan CometAPI passe inn i et API-basert alternativ til Dots?
Hvis målet ikke er å reprodusere ChatGPT Dots-grensesnittet, men å bygge ditt eget agentprodukt, kan et samlet modell-API være nyttig for modellaget.
GPT-6 Sol API i CometAPI kan støtte komplekse agentiske arbeidslaster gjennom et OpenAI-kompatibelt grensesnitt. For nyere arbeidslaster gir GPT-6.1 Sol API i CometAPI et annet alternativ for agentisk koding og profesjonelt arbeid.
I en egendefinert utrulling sender applikasjonen din arbeid til en agent-orkestrator. Orkestratoren anvender forretningsregler og kaller støttede modellendepunkter og verktøy. Applikasjonen din opprettholder egne logger, kostnadsbok og godkjenningslag. En modellgateway leverer modelltilgangslaget; den leverer ikke automatisk et helt agent-runtime.
For hvert valgt endepunkt, verifiser støtte for API-funksjonene du planlegger å bruke, inkludert verktøyskalling, strukturerte outputs og bruksfelter. OpenAI-hostede Agents API-miljøer og traces bør ikke antas å være tilgjengelige gjennom en OpenAI-kompatibel gateway. CometAPI-fakturering må sjekkes mot CometAPIs egne satser og registre.
Hva er hovedbegrensningene ved OpenAI Dots?
Kontrollgranularitet: Dots gir regler og tillatelser, men ikke den samme utviklernivå-orkestreringsoverflaten som API-et.
Kostnadsobservabilitet: abonnementsadgang er enkel, men gir ikke samme per-kall-, per-token- og per-verktøy-regnskap som API-arbeidslaster.
Nettstedskompatibilitet: automatiserte agenter kan møte innloggings-, anti-bot- eller handlingsbegrensninger.
Tilgjengelighet: tilgang avhenger av plan, region og arbeidsområdekonfigurasjon.
Autonomirisiko: vedvarende agenter kan fortsatt gjøre feil, så tillatelser og gjennomgang forblir nødvendige.
Hvem kan bruke OpenAI Dots og hvor kan du opprette en?
Tilgjengelighet for Dots rulles ut gradvis. Per 12. oktober 2026 må kvalifiserte Pro 100-, Pro 200- og Pro 500-brukere være over 18 og utenfor EØS, Storbritannia og Sveits. Business Premium og Enterprise rulles ut globalt; Enterprise krever at en administrator aktiverer Dots. Kvalifisering garanterer ikke at en konto allerede har tilgang.
Opprett en Dot i den nyeste ChatGPT-mobilappen, skrivebordsappen eller skrivebordsnettleseren, og fortsett med den samme Dot-en på tvers av enheter. Mobilnett støttes ikke. Oppdateringen 5.–9. oktober la til mobilopprettelse, utseendetilpasning og plugin-tilkobling; tilkobling av lokal datamaskin krever fortsatt skrivebordsappen.
Konklusjon
Dots utvider ChatGPT fra individuelle samtaler mot løpende delegert ansvar. De kan bevare kontekst, arbeide i skyen, bruke tilkoblede apper og koordinere Work- eller Codex-oppgaver, samtidig som brukeren involveres når gjennomgang eller en beslutning trengs.
Velg Dots når du vil ha en administrert personlig agent som holder arbeidet i gang. Velg Codex for ingeniørarbeidsflyter og ChatGPT Work for substansielle leveranser. Bygg en API-agent når produktet ditt trenger egendefinerte verktøygrensesnitt, applikasjonsspesifikk orkestrering og en faktureringsprosess knyttet til individuelle kunder eller arbeidsflyter. Den ekstra kontrollen bringer implementerings- og vedlikeholdsarbeid.
FAQ
Kan en Dot gjenoppta lokalt arbeid etter at laptopen min går offline?
Skyarbeid og tilkoblet-datamaskin-arbeid har ulike kjøremiljøer. En Dot kan fortsette arbeidet i sitt eget skymiljø når laptopen din er av, men en oppgave tildelt den laptopen trenger den tilkoblede datamaskinen online med ChatGPT-appen åpen. Sjekk oppgavens kjørelokasjon før du antar at den vil fortsette uten tilsyn; skynettleseren arver ikke den lokale nettlesersesjonen.
Stopper det å pause en Dot alle delegerte oppgaver?
Nei. Pause, stopp av oppgaver og kansellering av tidsplaner er separate kontroller. Pause stopper Dot-ens hovedoppgave. Åpne Activity for å stoppe en delegert oppgave, og Scheduled for å deaktivere eller slette en tilbakevendende oppgave. Å avslutte en samtale stopper heller ikke nødvendigvis tildelt arbeid. Fullførte handlinger blir ikke angret ved å stoppe agenten.
Gir det å sende meldinger til en Dot i Slack den tilgang til andre apper?
Nei. En meldingskanal og en app-tilkobling gir ulike typer tilgang. App-tilkoblinger avhenger av kontoens tillatelser og miljøet der arbeidet kjører. Koble til den nødvendige integrasjonen separat og inspiser dens tillatte handlinger; en kommunikasjonsmetode alene gir ikke tilgang til en innboks, et depot eller lokale filer.
Kan API-bruksfelter alene fastslå en eksakt agentregning?
Ikke i alle tilfeller. Bruk kan komme sent eller være utilgjengelig, og noen kostnader krever ytterligere fakturadata. Inkluder retries, underagentarbeid, cache-skrivinger der det gjelder, verktøy, compute og tredjepartstjenester. Behandle registrert bruk som regnskapsinput, knytt den til egne oppgaveidentifikatorer, og avstem resultatet mot fakturerte kostnader i stedet for å behandle én bruksrespons som en komplett kostnad.
Tilbakestilles en Dot sine private notater når ChatGPT-minneinnstillinger endres?
Ikke nødvendigvis. En Dot sine private notater og ChatGPT lagrede minne er distinkte kilder til kontekst. Notater kan spore beslutninger og preferanser på tvers av kontaktmetoder, og de er ikke et komplett transkript. Å endre en ChatGPT-minneinnstilling fjerner ikke nødvendigvis eksisterende Dot-notater; gjennomgå relevante kontroller når du endrer konteksten du vil at den skal beholde.
AI-programvareingeniør
AI-prosjektarbeider
Best-effort registrert bruk; ikke endelig faktura
Agent-traces
Brukerrettet aktivitet
Detaljerte traces/logger
Kostnadsattribusjon pr. forespørsel/oppgave
Produktnivå kvoter; ingen tilsvarende offentlig hovedbok
Granulær attribusjon med fakturaavstemming
Modellruting
Administrert
Applikasjonsdefinert ruting blant støttede modeller
Retry-logikk
Administrert
Utviklerdefinert
Observabilitetsintegrasjon
Begrensede produktkontroller
Logger, traces, events, eksport
UX
ChatGPT-native
Fullt egendefinert
Utrulling i ditt produkt
Intet offentlig Dot-embed-endepunkt identifisert i gjennomgåtte docs
