OpenAI四连更：Auto-review免费，API付费砍半

10 月初，OpenAI 的 Tibo 立下目标：未来连续 28 天，每天为 Codex / Work 用户带来一项明确改进，若当天没有更新，就进行一次完整的用量重置。

第一天，GPT-6 Astra 和 GPT-6.1 Sol 在订阅体系下的默认速度提升约 50%。第二天，Tibo 一口气放出四项更新：Auto-review 免费、API 用量等级简化、Meetings 插件接入会议记录，以及 Decisions API 面向更多开发者开放。四项更新横跨 Codex、ChatGPT 和 API，单独看都不算 DevDay 级别的新品发布，但共同指向同一件事：OpenAI 正在集中处理 Agent 进入日常工作后最容易卡住的细节。

Auto-review 现在对所有通过 ChatGPT 账号登录的用户免费开放，不再消耗套餐额度，对应权限菜单里的「Approve for me」。在默认沙箱权限模式下，Agent 执行可能产生外部影响的操作时，用户往往需要手动确认。任务短时问题不大，但 Agent 连续工作几十分钟甚至更久后，频繁点击批准会成为负担。Auto-review 的方案是再引入一个 Agent，主 Agent 继续执行任务，另一个 Agent 专门检查其准备采取的操作，主要关注高风险行为和明显偏离用户原始意图的动作。Tibo 确认，Auto-review 就是此前的「Approve for me」模式。当 Agent 从几分钟的代码生成进入长时间运行的真实任务，权限管理越来越难依赖用户逐步点击确认，完全放开权限又带来风险。Auto-review 相当于在两者之间增加一层自动审查，让 Agent 继续运行，同时保留针对高风险行为的检查。它无法等同于绝对安全，但对长任务来说更接近实际可用的 Agent 工作流。

API 方面，OpenAI 将此前五个付费 API Usage Tier 简化为三个：Build、Launch 和 Grow。Build 累计付费门槛为 5 美元，Launch 为 100 美元，最高等级 Grow 为 500 美元。此前进入最高付费等级需累计支付 1000 美元，现在门槛减半。达到条件后组织会自动升级，无需手动申请。这次调整没有改变模型能力，也不能简单理解为 API 降价，它解决的是扩容过程中的摩擦。对正在把应用从测试推向正式生产的开发者来说，API Rate Limit 很容易从后台参数变成实际瓶颈。请求量迅速增长时，能否及时获得更高的 RPM、TPM 和整体使用额度，会直接影响服务能否继续扩展。把五层压缩成三层并降低最高等级门槛，相当于缩短了开发者从小规模试验走向较大规模调用的路径。

Meetings 插件正式进入 ChatGPT，可在会议过程中记录内容，随后将个性化总结和待办事项保存到 ChatGPT Space。用户可保持记录私有，也可分享给团队，再让 ChatGPT 基于这些内容更新项目计划、整理行动项或起草会后跟进。目前，Meetings 已在 macOS 版 ChatGPT 桌面应用中向 Pro 和 Business 用户开放 Beta，Enterprise 尚未普遍开放，仅有一小部分 Enterprise 客户参与 Alpha 测试。这项功能进一步缩短了「工作发生」和「AI 获得上下文」之间的距离。过去把会议内容交给 AI，往往需要录音、转写，再上传文件或复制纪要；现在会议本身成为 ChatGPT 的上下文入口。会议结束后产生的决定、任务和背景可继续进入 Space，成为项目计划、文档以及下一轮任务的输入，让会议记录和后续执行连在一起。

Decisions API 最早在 9 月 29 日 OpenAI DevDay 2026 上亮相，当时处于 limited preview，现已进入 public beta。它解决的问题和普通生成式 API 不同：很多应用调用大模型并非为了得到长文本，而是需要明确判断，比如一条请求应交给哪个模型、一个任务应使用哪个工具、某个 Agent 下一步应采取什么动作、一次工具调用是否存在风险。Decisions API 由 GPT-6 Luna 驱动，接受文本和图片输入，目前支持三类输出形式：Predicates 用于判断某个陈述为真的概率；Choices 从预先定义的选项中选择并返回置信度；Scores 把输入映射到一个数值区间。OpenAI 给出的数据是，Decisions API 做出决策的速度最高可达通过 Responses API 调用 GPT-6 Luna 的约 10 倍。此前 DevDay 展示的数据约为 150 毫秒对 1.6 秒，但该数字来自 OpenAI 自己的演示，实际延迟仍受具体任务和输入规模影响。它已可用于请求路由、模型和工具选择、内容分类、图片比较，以及 Agent 工具调用前的风险判断。随着 Agent 工作流越来越复杂，大量模型调用实际上承担的是「判断下一步做什么」。过去开发者通常让通用模型生成结构化结果再解析 JSON，或通过 Prompt 限制模型从几个选项中作答；现在 OpenAI 开始把这类任务单独抽出来，变成一个低延迟的决策接口。

从 Auto-review 到 Decisions API，第二天的四项更新跨度很大，但共同点明显：都没有继续追逐单纯的模型能力指标。Agent 已经可以写代码、调用工具、操作电脑和连续执行任务，真正进入长时间、高频率的工作环境后，新问题随之出现：人需要不断批准操作，API 扩容规则太复杂，工作上下文需要反复搬运，大量简单判断又没必要调用完整生成流程。第一天，OpenAI 把模型跑得更快；第二天，它开始清理模型真正进入工作之后留下的一系列摩擦。