Примечание автора: ChatGPT Dots продвигает работу, которую пользователь поручил, ориентируясь на долгосрочные цели. Он способен работать непрерывно благодаря связке состояния задачи, контекста, инструментов и механизма планирования.
Коротко о главном: выпущенный OpenAI 29 сентября 2026 года ChatGPT Dots превращает ИИ из инструмента вопросов и ответов, который ждёт вашего запроса, в исполнителя, принимающего поручения и продолжающего движение к результату. У каждого Dot есть собственный облачный компьютер и браузер: он сохраняет контекст проекта, самостоятельно исследует авторизованные источники информации и запускает работу по расписанию или событию. Когда возникает вопрос, требующий оценки и утверждения, он возвращает право решения пользователю. «24 часа» в заголовке означают рабочий режим: агент может определять следующий шаг по цели, событиям, времени и состоянию задачи даже после того, как вы ушли. При этом он не обещает бесконечных циклов, мониторинга в реальном времени или работы без затрат. Сейчас Dots доступен индивидуальным пользователям ChatGPT Pro 100/200/500, а также подходящим рабочим пространствам Business Premium, Enterprise, Edu и Healthcare.
Далее сначала сравним Dots с обычным ChatGPT, скриптами Cron и традиционными рабочими процессами. Затем разберём внутренние механизмы его непрерывной работы, включая связь между состоянием задачи, памятью, проактивным исследованием, задачами по расписанию и фоновым агентом. После этого соберём сценарии использования из официальных демонстраций, тестов СМИ и рассказов пользователей — три типа свидетельств будут представлены отдельно. В конце, опираясь на OpenAI Agents SDK и SentinelBench от Microsoft Research, объясним, какие технические компоненты нужны постоянно работающему агенту, какие есть затраты и риски и какие задачи стоит ему поручать.
Что нужно знать: термины, связанные с ChatGPT Dots
| Термин | Объяснение |
|---|---|
| Постоянно работающий агент (Always-on Agent) | ИИ-система, которая продолжает выполнять делегированную работу в промежутках, когда пользователь не отправляет сообщения |
| Cron | Способ запуска программы по фиксированному временному правилу, например «запускать каждый день в 9:00» |
| Триггер по событию | Запуск процесса обработки только при наступлении заданного изменения, например когда в канале Slack появляется новый отчёт об ошибке |
| Состояние задачи | Информация о том, на каком этапе находится работа, каков результат и чего ещё она ждёт |
| Долговременная память | Сохраняемые между задачами предпочтения пользователя, решения по проекту и контекстные материалы |
| Вызов инструментов | Модель вызывает внешние программы, чтобы получить информацию или выполнить действие |
| Проактивное исследование (Proactive Research) | Когда Dot не получает новых сообщений, он выполняет фоновое исследование только для чтения по авторизованным источникам данных |
| Фоновый агент | Дочерний агент, которого Dot отправляет параллельно обрабатывать часть работы |
| Human-in-the-loop / вмешательство человека | Этап задачи, на котором человек должен оценить, одобрить или исправить что-либо |
| Доля ложных срабатываний | Доля уведомлений, не требующих обработки, среди всех уведомлений системы |
| Prompt Injection | Вредоносные инструкции, скрытые во внешнем контенте — веб-страницах, письмах и т. п., — которые пытаются захватить контроль над поведением агента |
| Токен (Token) | Базовая единица измерения входа и выхода модели, напрямую определяющая стоимость вызова |

1. От ожидания вопроса к самостоятельному выполнению задач: что изменилось с ChatGPT Dots
1.1 Официальное позиционирование ChatGPT Dots
Согласно статье OpenAI «Introducing dots» и справочной документации, Dots — это постоянно работающий персональный AI-агент (Personal Agent). В официальном описании выделяются следующие ключевые возможности:
- Always-on, постоянная работа: даже если пользователь не отправляет новых сообщений, агент продолжает выполнять уже поручённую работу.
- Собственный облачный компьютер: у каждого Dot есть отдельный облачный компьютер и браузер; даже после выключения компьютера пользователя облачные задачи продолжают выполняться.
- Постоянный контекст: агент может использовать память ChatGPT, историю диалогов и информацию из подключённых приложений.
- Проактивное исследование: агент проводит фоновое исследование по авторизованным источникам данных и находит информацию, заслуживающую внимания.
- Работа с несколькими проектами: агент может одновременно вести несколько проектов, разбивать задачи на части и запускать фоновых агентов для параллельной работы.
- Кроссплатформенное общение: с одним и тем же Dot можно связаться через ChatGPT Web, десктопное приложение, мобильное приложение, Slack и Microsoft Teams.
- Совместная работа человека и AI: вопросы, требующие решения или одобрения пользователя, агент передаёт обратно человеку.
При запуске также упоминалось, что Dots интегрированы в экосистему плагинов OpenAI и могут подключаться к более чем 4 000 приложений. Эта цифра описывает масштаб экосистемы; фактически доступные приложения и разрешения для каждого аккаунта зависят от подключений и авторизаций самого пользователя.
1.2 Как ChatGPT Dots меняет разделение труда между человеком и AI
При использовании обычного ChatGPT пользователь сам управляет задачами: каждый шаг инициируется человеком, человек должен помнить о прогрессе и переключаться между разными диалогами. Dots передаёт часть ответственности за координацию агенту. Пользователь ставит долгосрочную цель, например «вести этот клиентский проект до запуска», а Dot запоминает прогресс, следит за изменениями, планирует следующий шаг и обращается к человеку за решением только на ключевых этапах.
Так роль человека меняется с «выдачи команд по одной» на «делегирование, контроль и утверждение». Ценность этого изменения в том, что агент берёт на себя постоянную работу и снижает затраты человека на координацию: отслеживание прогресса в разных системах, сверку информации и напоминания о следующем шаге. Если же просто добавить несколько автоматизированных шагов в процесс, выгода будет ограниченной.
2 Почему традиционная автоматизация не может полностью заменить таких агентов, как ChatGPT Dots
2.1 Техническое сравнение Cron, рабочих процессов и резидентных агентов
Традиционная автоматизация хорошо справляется с заранее написанными сценариями, а резидентный агент может, опираясь на текущее состояние задачи и новую информацию, решать, что делать дальше. Различия по ключевым измерениям выглядят так:
| Измерение | Cron-скрипт по расписанию | Традиционный рабочий процесс | Резидентный агент (например, Dots) |
|---|---|---|---|
| Способ запуска | Фиксированное время | Фиксированное время или событие | Время, события и состояние задачи |
| Логика выполнения | Заранее написанная | Заранее настроенные узлы | Решение принимается динамически по контексту |
| Понимание информации | Требует программного кода | Зависит от узлов и условий | Вызывает модель, чтобы осмыслить содержимое |
| Обработка исключений | Заранее заданные правила | Заранее заданные ветвления | Анализирует ситуацию и предлагает решение |
| Память между задачами | Нужно разрабатывать самому | Зависит от конфигурации рабочего процесса | Поддерживает долгосрочный контекст проекта |
| Способ настройки | Изменение кода | Изменение рабочего процесса | Настройка на естественном языке |
| Стоимость работы | В основном инфраструктура | ПО и инфраструктура | Модели, инструменты и инфраструктура |
| Предсказуемость | Высокая | Довольно высокая | Зависит от вывода модели |
Приведу пример. Cron-скрипт может каждые 10 минут проверять почтовый ящик и пересылать письма с определёнными ключевыми словами. Агент же следит за почтой ради конкретной цели: получив важное письмо, он определяет, к какому проекту оно относится, нужно ли дальнейшее действие и какой ответ стоит подготовить.

2.2 Задачи с фиксированными правилами по-прежнему лучше решать традиционной автоматизацией
Для понятной, повторяющейся работы с фиксированными правилами — например, ночного резервного копирования базы данных или выгрузки стандартного отчёта каждый понедельник — Cron и рабочие процессы проще контролировать, проверять и поддерживать, да и стоят они дешевле. Преимущество агентов сосредоточено в задачах, где нужно осмысливать новую информацию и динамически подстраиваться. Разумная архитектура — сосуществование обоих подходов: детерминированные участки отдаём скриптам, участки с суждением — агенту.
3. Как ChatGPT Dots работает непрерывно
3.1. Состояние задачи определяет следующий шаг Dots
В документации OpenAI по задачам и памяти (Tasks and memory) сказано: Dot может сам решать, когда приостановить работу и когда её возобновить, исходя из состояния задачи, — пользователю не нужно задавать фиксированное время для каждого шага. Он понимает, когда стоит продолжать, умеет ждать изменения внешних условий, перезапускается в подходящий момент, корректирует дальнейшие шаги с учётом новой информации и, когда требуется решение, сам запрашивает ввод пользователя.
Поэтому «непрерывная работа» Dots — это процесс принятия решений, который определяется целями, событиями, временем и состоянием задачи. Он не крутится вхолостую каждую минуту. Такая схема позволяет агенту молчать, пока ничего нового не происходит, а ресурсы остаются для тех моментов, когда действительно нужно действовать.

3.2 Долговременная память и контекст проекта
Контекст Dots состоит из данных четырех уровней:
- ChatGPT Memory: Dot может получать доступ к соответствующим воспоминаниям ChatGPT и контексту недавних разговоров.
- Собственные заметки Dot: накапливает предпочтения пользователя, рабочие привычки, проектные решения и долгосрочные обязанности.
- Контекст текущей задачи: инструкции текущего диалога, файлы, результаты поиска и результаты выполнения инструментов.
- Данные подключенных приложений: считывает информацию из авторизованных приложений и при соответствующих условиях исследует эти данные, формируя собственные воспоминания.
Эти четыре уровня независимы друг от друга. Память Dot — это упорядоченный релевантный контекст и заметки, а не полная стенограмма чата. Новая задача также не обязательно автоматически подхватывает всю историю пользователя и Dot — Dot при необходимости извлекает прошлые разговоры, чтобы дополнить контекст.
3.3 Разница между активным исследованием, задачами по расписанию и мониторингом событий
Все три механизма позволяют Dots продолжать работу, когда пользователь не отправляет сообщений, но способы запуска и границы полномочий у них разные.
- Активное исследование: при отсутствии новых сообщений выполняет фоновое исследование по авторизованным источникам — например, обнаруживает, что цены в проектных файлах не совпадают с содержимым писем, или что приблизился какой-то важный срок. Его полномочия только на чтение: нельзя отправлять сообщения другим, нельзя изменять содержимое через плагины, нельзя управлять браузером или компьютером. Последующие действия должны проходить обычные проверки полномочий, утверждения и безопасности.
- Задачи по расписанию (Scheduled Tasks): выполняются в заданное время, например каждое утро проверять календарь, каждое воскресенье подводить итоги проекта. При создании нужно четко указать, что проверять, время запуска, часовой пояс, дату окончания, какие изменения требуют уведомления и куда отправлять результаты.
- Мониторинг событий (Event Monitoring): при поддержке соответствующих событий подключенным сервисом отслеживает конкретный тип событий, например появление нового Bug в Slack. Пользователь должен явно сказать Dot, что именно мониторить. Если добавить Dot в канал, она не начнет автоматически мониторить весь канал.
Задачи по расписанию — это заранее заданные действия, выполняемые по времени, а активное исследование — это оценочные находки на основе контекста; по своей сути они разные. Кроме того, остановка выполняющейся задачи и отмена периодического плана — две независимые операции, и проверять их нужно отдельно.
3.4 Фоновые агенты и делегирование задач
Dots умеет разбивать сложные задачи на части, запускать фоновых агентов для параллельной работы и в конце собирать результаты вместе. Кроме того, можно создавать задачи ChatGPT Work (отдельные сложные рабочие процессы) и задачи Codex (разработка и тестирование ПО). Если пользователь подключит свой локальный компьютер к Dot, тот сможет отправлять задачи и в локальную среду. Локальный доступ по умолчанию выключен — его нужно разрешить через десктопное приложение ChatGPT, а в любой момент можно отозвать с помощью Revoke access.
4. Какие долгосрочные задачи ChatGPT Dots может взять на себя
4.1 Кейсы, описанные самими пользователями
Приведённые ниже кейсы взяты из публикаций отдельных пользователей в сообществе Reddit в октябре 2026 года. Это рассказы самих пользователей — без независимой проверки и без точности или статистики, поэтому они отражают только личный опыт.
| Кейс | Входные данные | Что делал Dot | Результат по словам пользователя | Где участвует человек |
|---|---|---|---|---|
| Напоминание о пропущенных письмах | Доступ к почте, контекст проекта | Проверяет почту, находит забытые или пропущенные дела | Сам напоминает пользователю о пропущенных делах | Пользователь решает, отвечать ли и как именно |
| Ведение проекта в нескольких системах | Cloudflare, CRM, Gmail (через интеграцию Composio MCP) | Продвигает проект в разных системах, собирает и тестирует собственный MCP, делает портал для сбора данных о клиентах и расширение для Chrome, следит за почтой и календарём команды | Сам напоминает о невыполненных делах | Пользователь проверяет результаты и принимает ключевые решения |
| Бизнес-отчёты | Финансовые данные клиентов | Создаёт финансовый дашборд по клиенту | По словам пользователя, заняло около часа, хотя раньше похожая работа требовала 4—5 дней | Пользователь сверяет данные и их подачу |
| Регулярные операции | Планировщик задач + плагин Google Sheets | Выполняет ежедневные и еженедельные задачи и обновляет бизнес-таблицы | Пользователь считает, что Dot справляется с частью задач, где Cron не хватает гибкости | Пользователь задаёт правила и выборочно проверяет результаты |
Ещё один пользователь Reddit примерно сутки тестировал механику работы: передал Dot на проверку сотни PDF и тысячи страниц материалов, и задача, растянувшаяся на несколько дней, сохраняла прогресс. Если посреди процесса задать вопрос, Dot приостанавливает проверку, ищет нужные материалы, отвечает, а затем возвращается к исходной задаче. Тот же пользователь заметил, что облачный компьютер Dot, подключённый Linux-компьютер и фоновый исследовательский агент работают одновременно. Он и сам отметил, что пока непонятно, как считается расход квоты на этих путях выполнения.
4.2 Тестирование журналистами: Axios сравнивает Dots и Meta Muse
Журналистка Axios Ина Фрид (Ina Fried) 20 октября 2026 года опубликовала сравнительный тест Dots и Meta Muse — задача была построена вокруг поездки на финал WNBA:
- Многошаговое планирование: оба инструмента обнаружили, что дата матча перенесена на более ранний срок, а билеты ещё не поступили в продажу; Dots вдобавок выявил конфликт поездки с уже имеющимся расписанием пользователя.
- Генерация документов: Dots подготовил 8-страничный пакет материалов для вечеринки и 38-страничную памятную программу, у Muse программа заняла 35 страниц. В обеих программах встречались сомнительные статистические данные.
- Фотоальбом на память: Dots сделал 12-страничный альбом за 47 секунд — это результат именно того теста.
- Реальные покупки: Dots перенаправил пользователя в приложение Target, где тот продолжил работу, используя сохранённый аккаунт; весь процесс покупки не был полностью автоматическим.
Вывод автора: такие агенты хорошо подходят для исследований и подготовки, но результаты всё ещё требуют ручной редактуры и проверки фактов, а операции с аккаунтами и деньгами, как и финальные решения, должны оставаться за человеком.
Официально демонстрируемые сценарии также включают подготовку к встречам, мониторинг данных о продажах, отслеживание отзывов клиентов, создание контента, управление проектами на GitHub и организацию поездок. Это продуктовые примеры, обозначающие направление возможностей, и их нельзя воспринимать как гарантию результата при каждом запуске.
5 Что нужно, чтобы Agent работал 24 часа в сутки
5.1 Базовые компоненты Agents SDK
В руководстве OpenAI Building Agents система Agent сводится к нескольким базовым понятиям, которые можно сопоставить с этапами непрерывной работы:
- Agent: сочетание модели, инструкций и инструментов, отвечающее за понимание и выполнение задач.
- Handoff: передача работы другому Agent — соответствует тому, как Dots запускает фоновый Agent.
- Guardrail: ограничения на входные данные, выходные данные и поведение при выполнении — соответствуют согласованиям и проверкам безопасности.
- Session: сохранение истории диалога между запусками — соответствует состоянию задачи и продолжению контекста.
- Tracing: запись процесса выполнения для упрощения диагностики и аудита.
Agent, способный работать непрерывно, на самом деле представляет собой комбинацию шести компонентов: «вызов инструментов + управление состоянием + мониторинг событий + долговременная память + планирование выполнения + механизмы безопасности». Без любого из них стабильная работа практически невозможна.
5.2 Исследовательские выводы SentinelBench
Microsoft Research в июне 2026 года представила SentinelBench — специализированный бенчмарк для оценки агентов мониторинга, которым требуется длительное наблюдение за изменениями внешнего состояния. Он включает 100 задач, охватывающих 10 видов смоделированных веб-сред (электронная почта, календарь, финансы, профессиональные соцсети, развлечения и др.), и одновременно оценивает долю выполненных задач, время реакции и потребление ресурсов.
Основная идея этого исследования: ключ к задачам долгосрочного мониторинга — сохранять внимание к среде и действовать только тогда, когда появляются действительно значимые для действий изменения; непрерывное выполнение действий не обязательно эффективно. Это согласуется с подходом Dots, основанным на приостановке и возобновлении в зависимости от состояния задачи. Следует уточнить: SentinelBench — это независимый исследовательский бенчмарк, и его нельзя использовать для расчёта конкретного процента успеха Dots.
5.3 Проект собственного постоянно работающего агента
Если разработчик хочет реализовать похожий режим работы «по состоянию» в собственной системе, можно собрать прототип на OpenAI-совместимом интерфейсе. Код ниже — пример проекта, показывающий, как пишется блок принятия решения; результаты запуска не приводятся.
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # OpenAI-совместимый интерфейс APIYI
)
# Заставляем модель решить, нужно ли напоминать пользователю о новом письме
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "你是项目跟进助手,只输出 JSON:{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": "项目:官网改版,截止 11 月 30 日。新邮件:设计方说交付推迟到 12 月 5 日。"}
]
)
print(resp.choices[0].message.content)
Посмотреть полный проект: цикл агента, управляемый временем + событиями + состоянием
import json
import time
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
# Состояние задачи: ядро непрерывной работы, определяет следующий шаг
task = {
"goal": "跟进官网改版项目直到上线",
"status": "waiting", # waiting / judging / awaiting_human / done
"memory": ["截止日期 11 月 30 日", "发送邮件前必须人工确认"],
"next_check": time.time(), # регулярная резервная проверка по таймеру
}
def fetch_new_events():
"""Источник событий: webhook или инкрементальный интерфейс почты/мессенджера, здесь оставлен заглушкой"""
return []
def judge(event: str) -> dict:
"""Вызов модели для решения: игнорировать, напомнить или запросить решение человека"""
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "根据目标与记忆判断新事件,只输出 JSON:"
"{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": json.dumps(
{"goal": task["goal"], "memory": task["memory"], "event": event},
ensure_ascii=False)}
]
)
return json.loads(resp.choices[0].message.content)
def run_once():
events = fetch_new_events()
# Нет событий и время плановой проверки ещё не наступило: просто ждём, чтобы избежать лишних опросов и трат токенов
if not events and time.time() < task["next_check"]:
return
for ev in events:
decision = judge(ev)
if decision["action"] == "ask_human":
task["status"] = "awaiting_human" # Узел ручного согласования: агент не действует самовольно
print("需要你决定:", decision["reason"])
elif decision["action"] == "remind":
print("提醒:", decision["reason"])
task["memory"].append(f"已处理事件:{ev[:50]}")
task["next_check"] = time.time() + 3600 # раз в час — резервная проверка по таймеру
# При реальном развёртывании run_once запускается планировщиком или обработчиком событий, а не пустым циклом while True
Этот подход отражает три принципа проектирования: приоритет событий и резервная проверка по таймеру; состояние определяет действие; действия с высоким риском уходят на ручное согласование.
🚀 Быстрый старт: когда вы собираете прототип собственного агента, можно через APIYI apiyi.com вызывать модели OpenAI, Claude, Gemini и других — одним API-ключом — и сравнивать, как разные модели справляются с задачами-суждениями вроде «стоит ли действовать». Новым пользователям доступен бесплатный тестовый лимит.
6 ChatGPT Dots: границы непрерывной работы — надёжность, стоимость и права доступа
6.1 Ложные срабатывания, ошибочные суждения и бесполезный поллинг
В официальной документации по приватности и безопасности прямо сказано: агент может неверно понять задачу, ошибочно истолковать данные, сгенерировать некорректные данные, не суметь войти на сайт или столкнуться с недоступностью среды выполнения — результаты работы всё равно нужно проверять человеком. Подозрительная статистика, всплывшая в тестах Axios, подтверждает, что эти риски действительно встречаются на практике.
Долгая работа добавляет несколько издержек, которые легко упустить: выполнение задачи и ожидание событий потребляют ресурсы по-разному; когда модель восстанавливает контекст, она заново читает материалы, что даёт дополнительные расход токенов; лишний поллинг приводит к повторному выполнению. Именно поэтому SentinelBench оценивает время отклика вместе с расходом ресурсов: долгосрочный мониторинг должен быть и быстрым, и экономным.
6.2 Права доступа и ручное подтверждение
В Dots через Custom Rules пользователь задаёт требования к выполнению для разных действий — всего четыре уровня: выполнять сразу без вопросов, выполнять после предварительного разрешения, спрашивать перед выполнением, вернуть управление пользователю. Например, можно разрешить агенту автоматически разбирать указанную папку, но требовать вопрос перед отправкой письма, покупки подтверждать обязательно, а публикацию в соцсетях запретить полностью.
Перед операциями, которые могут затронуть аккаунт или раскрыть информацию вовне, механизм Auto-review проверяет, соответствует ли поведение инструкциям, правилам, требованиям безопасности и границам прав. Смена пароля, перевод средств — такие действия требуют личного вмешательства пользователя; безвозвратное удаление данных и установка программного обеспечения, возможно, будут требовать подтверждения каждый раз. В случае Prompt Injection OpenAI приняла меры: различать источники инструкций, ограничивать инструменты, ввести согласование и непрерывный мониторинг — и при этом прямо заявила, что эти меры не устраняют все риски.
6.3 Стоимость: личный Pro и корпоративные Dots
- Индивидуальные пользователи: Pro 100 ($100/мес.), Pro 200 ($200/мес.) и Pro 500 ($500/мес.) дают право на использование Dots. В официальном описании Dots для личного Pro отдельная ежемесячная плата за Dot не указана. Для личного Pro требуется возраст 18 лет; пока он недоступен в Европейской экономической зоне, Великобритании и Швейцарии, а доступ предоставляется поэтапно.
- Делегированные задачи: задачи ChatGPT Work или Codex, запущенные через Dot, рассчитываются отдельно по квотам или правилам тарификации соответствующего продукта. Расход зависит от модели, контекста, рассуждений, вызовов инструментов и поиска.
- Корпоративные рабочие пространства: для Enterprise, Edu и Healthcare с 4 по 18 ноября 2026 года действует бесплатный период предварительного просмотра для администраторов. С 18 ноября подходящие рабочие пространства открываются по умолчанию и начинают тарифицироваться. Организации могут выбрать фиксированную ставку по типу работы или оплату по объёму использования; задачи, делегированные в Work или Codex, тарифицируются отдельно, а точная сумма определяется тарифом, который фактически применяется к рабочему пространству. Каждый участник может создать один личный Dot.
6.4 Пять метрик для оценки постоянно работающего агента
Чтобы понять, действительно ли агент «работает за вас», нужны измеримые метрики:
| Метрика | Как считается | На что смотреть |
|---|---|---|
| Доля выполненных задач | Успешно выполненные задачи / все задачи | Может ли он реально дать результат |
| Среднее время ответа | Время от события до полезного ответа | Соответствует ли скорость требованиям бизнеса |
| Доля ложных срабатываний | Срабатывания без необходимости действия / все срабатывания | Не мешают ли уведомления людям |
| Доля ручного вмешательства | Задачи, требующие вмешательства пользователя / все задачи | Сколько ручного труда реально экономится |
| Стоимость одной задачи | Затраты на модели, инструменты и серверы / число успешно выполненных задач | Выгодно ли это экономически |
💰 Оптимизация затрат: при создании собственного агента-монитора шаг «нужно ли действие» вызывается чаще всего, поэтому здесь уместно выбирать модели по уровням: лёгкая модель выполняет первичную фильтрацию, сильная — глубокий анализ. Вызывая разные модели с оплатой по факту использования через APIYI apiyi.com, можно рассчитать стоимость одной задачи по таблице выше.
7. Какие задачи действительно стоит передавать агенту вроде ChatGPT Dots
Есть пять критериев, по которым можно понять, подходит ли задача для постоянного агента:
| Критерий | Лучше передать агенту | Лучше оставить традиционной автоматизации или человеку |
|---|---|---|
| Насколько чёткие правила | Правила размытые, нужно понимать смысл | Правила чёткие и полностью кодифицируются → скрипт |
| Частота изменений информации | Много источников, изменения нерегулярные | Изменения фиксированные и предсказуемые → скрипт по расписанию |
| Длительность задачи | Долгие проекты на дни и недели | Разовые короткие задачи → обычный диалог |
| Риск решений | Низкий риск или можно добавить этап согласования | Деньги, пароли, необратимые операции → человек |
| Затраты на ручную координацию | Нужно отслеживать прогресс и сверять информацию в нескольких системах | Простые операции в одной системе |
С учётом этого к задачам, которые действительно стоит делегировать, относятся: долгосрочные тематические исследования и мониторинг материалов, сопровождение проектов в нескольких системах, напоминания о пропущенных делах, регулярное обновление отчётов, подготовка к встречам и разбор действий после них. Переводы денег, смена паролей, публикация во внешние каналы и другие рискованные операции должны оставаться за человеком — или как минимум требовать режима «спросить перед выполнением».
💡 Совет по выбору: если ваша команда хочет построить собственный рабочий процесс с агентами помимо Dots, разные модели по-разному справляются с вызовом инструментов, длинным контекстом и стабильностью суждений. Можно сначала на APIYI apiyi.com переключать модели на одном и том же коде и провести небольшое сравнение, а потом решить, какую использовать в продакшене.
Частые вопросы (FAQ)
Вопрос 1: Что такое ChatGPT Dots?
Dots — это постоянный персональный AI-агент, выпущенный OpenAI 29 сентября 2026 года. У него есть собственный облачный компьютер и браузер, он сохраняет контекст проектов, проактивно исследует разрешённые источники информации, продвигает работу по времени или событиям, а когда нужно решение — возвращает вопрос пользователю.
Вопрос 2: Dots действительно может работать 24 часа без остановки?
«24 часа» описывает режим работы: когда пользователь уходит, Dot всё равно может решать, когда продолжить, а когда подождать, — исходя из целей, событий, времени и статуса задачи. Он ограничен подключёнными приложениями, типами поддерживаемых событий и лимитами использования. Он не будет крутиться в бесконечном цикле и не способен в реальном времени отслеживать все источники информации.
Вопрос 3: Чем проактивное исследование Dots отличается от задач по расписанию?
Задачи по расписанию выполняют заданные действия в установленное время. Проактивное исследование — это когда при отсутствии новых сообщений агент на основе контекста проводит исследование только на чтение по разрешённым источникам и находит информацию, заслуживающую внимания. Само проактивное исследование не может отправлять сообщения, менять контент или управлять компьютером — последующие действия проходят через права доступа и согласование.
Вопрос 4: Нужно ли платить дополнительно за использование Dots?
Пользователи персональных тарифов Pro 100/200/500 имеют право на использование, официально отдельная месячная плата за Dot не указана. Задачи Work и Codex, делегированные Dot, считаются отдельно по соответствующим лимитам или правилам. Корпоративные рабочие пространства оплачиваются с 18 ноября 2026 года: можно выбрать фиксированную ставку по типу работы или оплату по фактическому использованию, итоговая сумма — по фактическому предложению.
Вопрос 5: Как разработчику создать собственного постоянного агента, похожего на Dots?
Можно опираться на концепции Agent, Handoff, Guardrail, Session и Tracing из OpenAI Agents SDK, сочетая управление состоянием, событийные триггеры, таймерные подстраховки и ручное согласование. Часть с вызовом моделей можно подключить к OpenAI-совместимому интерфейсу APIYI apiyi.com, указав `base_url` как `https://api.apiyi.com/v1` и используя один Key для тестирования нескольких моделей.
Вопрос 6: Какие известные ограничения есть у Dots?
Агент может неправильно оценить задачу или сгенерировать недостоверные данные, может застрять на этапе входа, уже выполнённые операции не всегда удаётся отменить, а риск Prompt Injection нельзя полностью устранить. Пользователь пока не может просматривать или удалять независимую память Dot по пунктам, а отключение плагинов не очищает автоматически уже получённую информацию. Проверяя агентные решения в собственном бизнесе, можно сначала использовать бесплатный лимит APIYI apiyi.com для тестирования на небольшой выборке и посчитать долю ложных срабатываний и частоту вмешательства человека.
ChatGPT Dots: ключевые выводы
- Смена позиции: Dots превращает AI из пассивного собеседника, отвечающего на вопросы, в исполнителя, который принимает поручения и непрерывно продвигает работу.
- Суть непрерывной работы: следующий шаг определяется целями, событиями, временем и статусом задачи, а не бесконечным циклом.
- Три механизма: проактивное исследование только для чтения, плановые задачи по расписанию и мониторинг событий по требованию — все три нужно понимать по отдельности.
- Уровни доказательств: официальные возможности, реальные тесты Axios и рассказы пользователей — три типа доказательств с разной степенью достоверности.
- Чёткие границы: высокорисковые операции требуют вмешательства человека, а результаты всё равно нужно проверять на факты.
- Стоимость делится на два уровня: право на подписку Pro и расход на делегированные задачи считаются отдельно, для компаний — по индивидуальному предложению.
- Путь самостоятельной сборки: опирайтесь на Agents SDK при проектировании состояний и согласований, проверяйте несколько моделей через единый интерфейс APIYI apiyi.com.
Итог
Основная ценность ChatGPT Dots в том, что один агент надолго берёт на себя работу: отдельный облачный компьютер даёт среду выполнения, долговременная память — контекст, проактивное исследование, плановые задачи и мониторинг событий — триггеры, а Custom Rules и Auto-review очерчивают границы полномочий. Он подходит для задач, которые охватывают разные системы и растянуты во времени и требуют осмысления новой информации; работу с фиксированными правилами всё ещё выгоднее отдавать традиционной автоматизации, а высокорисковые решения по-прежнему принимает человек.
Оценивая такого агента, можно понять, действительно ли он экономит вам время, по пяти показателям: доля выполненных задач, время отклика, доля ложных срабатываний, доля вмешательств человека и стоимость одной задачи. Если вы хотите реализовать похожую способность непрерывной работы в своём продукте, рекомендую сначала быстро проверить результат через APIYI apiyi.com: один API-ключ подключает несколько популярных моделей, оплата по факту использования — удобно для сравнения прототипов.
📚 Справочные материалы
- OpenAI: Introducing dots — анонс Dots с описанием позиционирования продукта и масштаба экосистемы.
- Ссылка:
openai.com/index/introducing-dots -
Описание: главный источник для знакомства с официальным описанием возможностей.
-
ChatGPT Learn: Meet dots / Tasks and memory — обзор продукта, задачи, память, проактивные исследования и периодические задачи.
- Ссылка:
learn.chatgpt.com/docs/dots -
Описание: ключевой документ для понимания механизма непрерывной работы.
-
OpenAI Help Center: Getting started with your dot — активация, подключение компьютера и управление правилами.
- Ссылка:
help.openai.com/en/articles/20001530-getting-started-with-your-dot -
Описание: практические шаги и ограничения.
-
OpenAI Help Center: Dots privacy, security, and safety FAQs — разрешения, согласования, Prompt Injection и политики работы с данными.
- Ссылка:
help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs -
Описание: обязательно к прочтению для оценки границ безопасности.
-
Руководство администратора Dots Enterprise и описание подписки Pro — корпоративная модель оплаты и цена Pro.
- Ссылка:
learn.chatgpt.com/docs/enterprise/dots-admin-guide -
Описание: основной источник информации о стоимости.
-
Руководство OpenAI Building Agents — базовые концепции Agents SDK.
- Ссылка:
developers.openai.com/tracks/building-agents -
Описание: техническая справка для создания собственного агента.
-
Microsoft Research: SentinelBench — исследование бенчмарка для долгосрочного мониторинга агентов.
- Ссылка:
microsoft.com/en-us/research/publication/sentinelbench-a-benchmark-for-long-running-monitoring-agents -
Описание: понимание компромисса между эффективностью и ресурсами при непрерывном мониторинге.
-
Axios: I tested Dots and Muse — практический тест от стороннего медиа.
- Ссылка:
axios.com/2026/10/20/battle-of-bots-openai-meta-ai-agents-test - Описание: поведение на реальных задачах и препятствия при работе.
Автор: техническая команда APIYI
Связь по техническим вопросам: свяжитесь с нами на главной странице сайта APIYI apiyi.com. Больше материалов по интеграции — в центре документации docs.apiyi.com.