OpenAI DevDay 2026: alle Neuerungen von dots bis GPT-6.1 Sol

OpenAI DevDay 2026 steht für den Übergang vom antwortenden Chatbot zu einem System, das Arbeit ausführt. Die Ankündigungen vom 29. September betreffen Modelle, dauerhaft arbeitende Agenten, Entwicklungswerkzeuge und Zusammenarbeit: dots, GPT-6.1 Sol, Codex Cloud, Decisions API, stärker integrierte Plugins und gemeinsame Arbeitsbereiche in ChatGPT.

Die Vielzahl der Neuigkeiten kann den eigentlichen Wandel verdecken. OpenAI verbindet die Fähigkeiten des Modells mit einer Ausführungsumgebung, freigegebenen Daten und Oberflächen, auf denen Menschen Ergebnisse prüfen können. Das Versprechen lautet: weniger manuelle Übergaben zwischen Auftrag und fertiger Arbeit. Entscheidend ist aber, ob dies zuverlässig, bezahlbar und innerhalb klarer Berechtigungen gelingt.

Dieser Überblick berücksichtigt offizielle Informationen mit Stand 30. September 2026. Er trennt angekündigte Verfügbarkeit, Vorschauversionen und spätere Veröffentlichungen. Die praktischen Beispiele sind illustrative Szenarien und keine unabhängig gemessenen Leistungsnachweise. Ausgangspunkt ist die offizielle Zusammenfassung des DevDay.

OpenAI DevDay 2026: die Ankündigungen richtig einordnen

Fünf Ebenen sollten getrennt bleiben. Modelle liefern Schlussfolgerungen und Inhalte, Agenten koordinieren mehrere Schritte, Umgebungen führen Code und Software aus, Plugins erschließen Werkzeuge und Daten, gemeinsame Arbeitsflächen speichern die Ergebnisse. Wer diese Ebenen vermischt, könnte fälschlich erwarten, dass ein Abonnement automatisch den Zugriff auf sämtliche Anwendungen erlaubt.

Verfügbar bedeutet nicht, dass eine Funktion gleichzeitig in jedem Konto erscheint. Land, Plattform, Tarif, Administratoreinstellungen und schrittweise Freigabe spielen eine Rolle. GPT-6 Sol und Luna wurden bereits am 22. September vorgestellt. Das neue Modell des DevDay heißt GPT-6.1 Sol. Bereits bekannte Werkzeuge wie die in unserem Artikel zu ChatGPT Images 2.5 beschriebenen Funktionen sind deshalb keine neuen Veröffentlichungen vom 29. September.

Dots: dauerhafte Verantwortung statt längerer Unterhaltung

Die auffälligste Neuerung heißt dots. OpenAI beschreibt Agenten, die Aufgaben über längere Zeit verfolgen und dafür einen eigenen Cloud-Rechner mit Browser verwenden. Die zugrunde liegende Intelligenz stammt von GPT-6 Astra. Ein Auftrag soll nicht mit einer einzelnen Antwort enden, sondern beispielsweise Projektänderungen beobachten, Unterlagen vorbereiten oder wiederkehrende Probleme untersuchen.

Die offizielle Vorstellung von dots beschreibt einen einsehbaren Rechner und verbundene Anwendungen. Der Zugriff auf das persönliche Gerät ist eine getrennte, genehmigungspflichtige Möglichkeit. Ein Cloud-Rechner erhält dadurch nicht automatisch Zugriff auf alle lokalen Dateien, privaten Dienste und gespeicherten Anmeldedaten.

Für ein kleines Unternehmen wäre ein sinnvoller Versuch, wiederkehrende Kundenbeschwerden zusammenzufassen und eine Korrektur vorzuschlagen. Das gewünschte Ergebnis wären Belege, eine prüfbare Änderung und Testergebnisse, keine unsichtbare Aktualisierung im Produktivsystem. Dauerhafte Verantwortung verlangt klare Kriterien dafür, wann eine Tätigkeit beginnt, pausiert oder als abgeschlossen gilt.

„Kümmere dich um das Projekt“ ist keine ausreichende Spezifikation. Ein brauchbarer Auftrag nennt Quellen, Häufigkeit, Budget, verbotene Aktionen, Freigaben und Empfänger. Andernfalls kann sich eine mehrdeutige Anweisung über viele Durchläufe verstärken. Dauerhafte Agenten brauchen daher dauerhaft gepflegte Vorgaben und eine Möglichkeit, diese bei veränderten Umständen zu aktualisieren.

Dots-Sicherheit: Lesen, Handeln und Freigeben unterscheiden

Eine wichtige Grenze liegt zwischen proaktiver Informationssuche und Ausführung. Die Erklärung zu Sicherheit und Datenschutz bei dots beschreibt proaktive Recherche mit ausschließlich lesenden Werkzeugen. Auf diesem Pfad darf der Agent keine Nachrichten senden, Anwendungen verändern oder den Rechner wie bei einem ausdrücklich freigegebenen Auftrag bedienen.

Zu den Kontrollen gehören eine Aktivitätsansicht, eigene Regeln und die Prüfung wichtiger Aktionen. Nutzerregeln können nicht sämtliche vorgeschriebenen Schutzmaßnahmen entfernen. Manche Schritte benötigen eine Bestätigung; andere, etwa Passwortänderungen oder Geldtransfers von Finanzkonten, werden an den Menschen übergeben. Solche Grenzen bestimmen die delegierte Befugnis, statt nur zusätzliche Klicks zu erzeugen.

Bösartige Anweisungen in Webseiten, Dokumenten oder Nachrichten bleiben ein Risiko. Externe Inhalte können versuchen, das ursprüngliche Ziel zu verändern oder Informationen abzugreifen. Deshalb müssen Schutzmaßnahmen auch in Werkzeugberechtigungen verankert sein. Ein Agent mit Leserechten für ein Repository sollte es nicht löschen können, unabhängig davon, was ein Dokument behauptet.

Das Trennen einer Verbindung verhindert weitere Datenübertragung, löscht aber nicht zwangsläufig alles, was bereits in den Kontext gelangt ist. Vor dem Anschluss sensibler Archive sollten Datenregeln und Kontextkontrollen verstanden werden. Seed-Phrasen und private Schlüssel gehören bei Kryptoanwendungen grundsätzlich nicht in Unterlagen, die ein Agent lesen darf.

Specialist dots: eigene Identitäten für begrenzte Aufgaben

OpenAI zeigt außerdem eine Vorschau auf specialist dots für Organisationen, mit eigenen Identitäten und tieferen Systemintegrationen. Dies sind gezielte Erprobungen, keine bereits überall verfügbare Funktion. Die Zusammenarbeit mit Microsoft Agent 365 wird als laufende Entwicklung beschrieben und sollte nicht als vollständig abgeschlossene Integration verstanden werden.

Die eigene Identität ist der zentrale technische Gedanke. Ein Agentenkonto kann engere und klarere Rechte haben als eine Automatisierung, die das Konto eines Beschäftigten verwendet. Es könnte Tickets vorbereiten, ohne Administratorrollen ändern zu dürfen. Das erleichtert Zuordnung, Sperrung und Begrenzung möglicher Schäden.

Ein menschlicher Prozessverantwortlicher bleibt notwendig. Er muss den Umfang genehmigen, Ausnahmen bearbeiten und die Brauchbarkeit der Ergebnisse beurteilen. Eine Softwareidentität beseitigt keine Verantwortung. Auch das Projektende gehört zum Konzept: Nicht mehr benötigte Verbindungen und Zugangsdaten sollten nicht aus Gewohnheit aktiv bleiben, sondern nachvollziehbar entzogen werden.

GPT-6.1 Sol: nahe an Astra bei bestimmten Aufgaben

GPT-6.1 Sol verbessert GPT-6 Sol insbesondere bei agentischer Softwareentwicklung, Computernutzung und professionellen Aufgaben. Laut OpenAI nähert es sich Astra in mehreren Tests bei einem Fünftel der Standardpreise für Eingabe und Ausgabe. Ähnliche Leistung bei ausgewählten Tests bedeutet nicht Gleichwertigkeit in jeder Situation.

Bei den veröffentlichten DeepSWE-1.1-Ergebnissen erreicht das neue Modell Astra. Bei professionellen PDF-Aufgaben kommt es dessen Leistung bei niedrigeren Kosten nahe. Diese Angaben sind nützlich, ersetzen aber keine Tests mit eigenen Repositories und Dokumenten. Seltene Fehler können für ein Unternehmen wichtiger sein als der Durchschnitt eines Benchmarks.

Die Ankündigung von GPT-6.1 Sol nennt API sowie Work und Codex in unterstützten Tarifen. Daraus folgt nicht, dass das Modell im gewöhnlichen Chat auswählbar ist. Die API-Kennung lautet gpt-6.1-sol. Unser Vergleich von GPT-6 Astra und GPT-5.6 Sol erläutert die frühere Einordnung.

Praktisch empfiehlt sich das günstigste Modell, das eine klar definierte Prüfung besteht. Leistungsfähigere Modelle bleiben für Fälle reserviert, in denen sie messbaren Mehrwert liefern. Ticketklassifikation, Vertragsanalyse und Codeänderungen haben unterschiedliche Risiken. Sie können getrennt bewertet werden, statt nach einer Ankündigung sofort alle Systeme gleichzeitig umzustellen.

Sol-Preise: Tokenkosten und erfolgreiche Ergebnisse

Für Eingaben bis 272.000 Tokens gelten veröffentlichte Standardpreise von 2 US-Dollar je Million Eingabetokens, 0,10 US-Dollar je Million aus dem Cache gelesener Eingabetokens und 10 US-Dollar je Million Ausgabetokens. Das Änderungsprotokoll nennt Cache-Schreibvorgänge getrennt mit 2,50 US-Dollar je Million. Wiederholter Text erhält nicht automatisch den günstigen Lesepreis.

Ein Rechenbeispiel: 100 Anfragen mit jeweils 20.000 nicht gecachten Eingabetokens und 2.000 Ausgabetokens ergeben zwei Millionen Eingabe- und 200.000 Ausgabetokens. Zu diesen Standardtarifen kostet die Modellkomponente 4 plus 2, also 6 US-Dollar. Nicht enthalten sind Werkzeuge, andere Dienste, gegebenenfalls weitere abgerechnete Tokens, Premiumstufen, andere Kontextregeln und Steuern.

Aus einem Agentenauftrag können mehrere Aufrufe, Wiederholungen und Prüfungen entstehen. Ein günstiges Modell, das zehnmal neu ansetzt, kann teurer werden als eines, das die Aufgabe einmal richtig erledigt. Deshalb zählt der Preis pro akzeptiertem Ergebnis einschließlich der menschlichen Prüf- und Korrekturzeit, nicht allein der Preis pro Token.

Vor einer Änderung sollten unterstützte Endpunkte, Werkzeuge und Einstellungen im API-Änderungsprotokoll geprüft werden. Unser Artikel zur Migration zur GPT-6-Astra-API bleibt methodisch relevant: Kompatibilität und Ergebnisse testen, nicht lediglich einen Modellnamen ersetzen. Ein dokumentierter Rückweg begrenzt das Risiko des Vergleichs.

Ultrafast: kürzere Wartezeit ist keine Qualitätsgarantie

Ultrafast ist eine Premiumstufe für geringere Latenz. Astra Ultrafast wird für die API und für Work/Codex mit Pro 500 sowie Enterprise angeboten; GPT-6.1 Sol Ultrafast soll später folgen. Die maximalen Beschleunigungsangaben unterscheiden sich nach offizieller Oberfläche und Bedingungen. Sie garantieren keine entsprechende Verkürzung eines gesamten Projekts.

Die technische Ultrafast-Dokumentation empfiehlt dauerhafte Verbindungen, um Netzwerkaufwand zu verringern. Ein Ablauf kann trotzdem auf Webseiten, Datenbanken oder Tests warten. Schnellere Tokenerzeugung entfernt diese Engpässe nicht und macht einen fehlerhaften Werkzeugaufruf oder Patch nicht richtig.

Vor zusätzlichen Ausgaben sollte die Zeit vom Auftrag bis zum verifizierten Ergebnis gemessen werden. Bei interaktiver Arbeit kann Wartezeit teuer sein; nachts laufende Verarbeitung kann stärker von Kosten und Zuverlässigkeit profitieren. Kontolimits und Anforderungen an den Verarbeitungsort müssen für die gewählte Stufe geprüft werden. Die Bedingungen dürfen nicht ungeprüft vom Standardbetrieb übernommen werden.

Codex Cloud: wiederverwendbare Entwicklungsumgebungen

Codex Cloud stellt Umgebungen mit Repositories, Abhängigkeiten, Werkzeugen und genehmigten Berechtigungen in den Mittelpunkt. Aufgaben laufen entfernt und können von verschiedenen Geräten aus verfolgt werden. Das lädt nicht automatisch sämtliche lokalen Daten hoch und gibt nicht alle Geheimnisse des persönlichen Rechners frei.

Die Codex-Cloud-Anleitung beschreibt Vorbereitung und Prüfung des Projekts. Eine gemeinsame Umgebung braucht reproduzierbare Vorgaben und belastbare Tests. Andere Abhängigkeiten als im Produktivbetrieb können zu Änderungen führen, die nur in der Agentenumgebung funktionieren. Die Qualität der Einrichtung ist deshalb Teil der Ergebnisqualität.

Ein sinnvoller Ablauf lässt einen Fehler untersuchen und einen Änderungsvorschlag erstellen, bevor Unterschiede, Tests und Begründung geprüft werden. Ein Telefon kann beim Verfolgen helfen, sollte eine sensible Freigabe aber nicht auf einen hastigen Fingertipp reduzieren. Software für Geld oder Schlüssel benötigt weiterhin bewusste Kontrolle. Technisch abgeschlossen und fachlich akzeptiert sind verschiedene Zustände.

Codex CLI: Sprache, Delegation und nachvollziehbare Sitzungen

Das Terminal bleibt wichtig. Die erneuerte CLI ergänzt Sprachinteraktion, eine /agents-Ansicht für delegierte Aufgaben und Verbesserungen an Prompts, fortgesetzten Sitzungen und Worktrees. Bei länger laufender Arbeit muss erkennbar sein, welcher Agent welche Aufgabe bearbeitet. Diese Transparenz ist keine bloße Oberflächenkosmetik.

Die CLI-Dokumentation stellt weiterhin Modelle, Rechte und lokalen Kontext heraus. Sprache verändert den Eingabekanal, nicht die Berechtigung. Ein unklar gesprochener Auftrag braucht dieselbe Prüfung wie ein unklarer Text. Bei sensiblen Befehlen sollten Parameter vor der Ausführung kontrolliert werden, auch wenn die Eingabe bequemer geworden ist.

Worktrees trennen parallele Änderungen, beseitigen aber nicht gemeinsame Abhängigkeiten oder widersprüchliche Annahmen. Mehr Agenten führen nicht automatisch zu proportional mehr Geschwindigkeit. Sie erzeugen zusätzliche Integrationsarbeit. Eine gute Übersicht zeigt diese Komplexität und hilft bei Prioritäten, statt sie hinter einer scheinbar einfachen Fortschrittsanzeige zu verstecken.

Code Review und Security Cloud verfolgen verschiedene Ziele

Code Review zeigt Zusammenfassungen, Änderungen und mögliche Probleme in der Desktopanwendung, mit GitHub- und GitLab-Anbindung. Die Review-Dokumentation unterscheidet allgemein verfügbares GitHub von GitLab in Vorschau. Eine automatische Prüfung kann fehlende Validierungen entdecken. Keine Warnung bedeutet jedoch nicht, dass Software sicher oder fehlerfrei ist.

Codex Security Cloud untersucht GitHub-Repositories und neue Commits. Es prüft Befunde, reduziert Doppelmeldungen und bereitet Korrekturen in der Cloud vor. OpenAI nennt Zugang zu Daybreak-Blue-Modellen ohne separate Bewerbung für dieses Programm. Das ist keine pauschale Freigabe aller Cyberfähigkeiten oder anderer Modellzugangsstufen.

Die Security-Cloud-Einrichtung trennt Repository-Verbindung, Umgebung und Ergebnisprüfung. Einen Verdacht finden, seine Bedeutung belegen und einen Patch anwenden sind verschiedene Arbeitsschritte. Ein Fehlalarm kostet Zeit, eine ungeprüfte Korrektur kann neue Fehler einführen. Nachweise sind wichtiger als ein auffälliger Schweregrad allein.

Kleine Teams sollten zuerst ihr Bedrohungsmodell festhalten, bestätigte Probleme priorisieren und Tests verlangen. Scans ersetzen keine Aktualisierungen, Geheimnisverwaltung, minimalen Rechte oder Sicherungen. Sie stärken einen Teil der Wartung und benötigen einen Prozess, der Zuständigkeit festlegt und die tatsächliche Behebung überprüft.

Decisions API: begrenzte Urteile für Programmlogik

Decisions API verwendet Luna für eng gefasste Fragen mit einer endlichen Menge vorgegebener Antworten. Text oder Bilder liefern den Kontext. Zum Start besteht eine begrenzte Vorschau, eine breitere Freigabe ist für die folgenden Tage geplant. Das unterscheidet sich von langer freier Ausgabe, aus der eine Anwendung anschließend eine Entscheidung herauslesen muss.

Ein Beispiel ist die Einordnung einer Anfrage als „Abrechnung“, „technisches Problem“ oder „sonstiges“. Die Anwendung kennt die möglichen Ergebnisse. Trotzdem kann eine strukturierte Antwort falsch sein. Gültiges Format und richtige Bedeutung sind unterschiedliche Eigenschaften. Einfacheres Parsing ist nicht gleichbedeutend mit besserer Entscheidungssicherheit.

Unsicherheit, mehrdeutige Beispiele und Ausweichwege müssen eingeplant werden. Berechnungen, Zugriffsentscheidungen und zerstörerische Vorgänge gehören in deterministischen Code. Die KI darf einen Weiterleitungsweg vorschlagen, aber keine Erlaubnis für eine Rückzahlung erfinden. Enge Optionen machen Fehler messbarer, beseitigen sie jedoch nicht. Die Anwendung bleibt für die folgende Handlung verantwortlich.

Agents API mit Computernutzung und die AWS-Variante

Agents API erweitert Computernutzung zusammen mit Werkzeugen, Toolsuche, mehreren Agenten und Kontextkompaktierung. Ein Agent kann Software in einer verwalteten Umgebung bedienen statt nur die Schritte zu beschreiben. Die Computer-use-Dokumentation erläutert gehostete Browser und Zugangskontrollen. API-Zugang und Funktionen bestimmter ChatGPT-Tarife sind getrennt zu betrachten.

Kompaktierung macht lange Sitzungen handhabbar, garantiert aber keine perfekte Erinnerung jedes Details. Anwendungen sollten Berechtigungen, Beträge, Kennungen und Abschlusskriterien separat speichern. Die einzige Kopie einer wichtigen Freigabe darf nicht in einer zusammengefassten Unterhaltung liegen. Dauerhafter Zustand gehört in Systeme, die ihn gezielt prüfen und wiederfinden können.

OpenAI und Amazon haben außerdem Bedrock Managed Agents powered by OpenAI vorgestellt. Unternehmen können Agentenfähigkeiten innerhalb von AWS prüfen. Daraus entsteht eine Infrastrukturwahl, keine automatische Eignung für jede bestehende Architektur. Vorhandene Ressourcen und Richtlinien müssen weiterhin konkret berücksichtigt werden.

Zwischen OpenAI-Dienst und AWS-Option sind Berechtigungen, Beobachtbarkeit, Regionen, Abrechnung und Abhängigkeiten zu vergleichen. Verwaltet beschreibt den Betrieb eines Teils der Infrastruktur, nicht die vollständige Übernahme jeder Verantwortung. Ein lesender Dokumentenauftrag ist leichter zu kontrollieren als ein unumkehrbarer Finanzprozess. Der erste Versuch sollte begrenzt und nachvollziehbar sein.

Plugin extensions, Plugin Creator und Sites

Plugins erhalten reichere Oberflächen: Seitenleistenzugänge, Bereiche neben dem Gespräch und Ansichten für bestimmte Dateiformate. Die Erweiterungsdokumentation beschreibt Arbeitsoberflächen statt ausschließlich textlicher Antworten. Nutzer können Objekte direkt betrachten und bearbeiten, ohne jeden Schritt durch eine Modellerzählung vermitteln zu lassen.

Plugin Creator, überarbeitete Einreichungsrückmeldungen und bessere Auffindbarkeit ergänzen dies. Sie können den Weg vom Prototyp zur Nutzung verkürzen, ersetzen aber keine Authentifizierung, Fehlerbehandlung oder verständlichen Rechte. Eine gute Oberfläche kompensiert keinen übermäßigen Datenzugriff. Eine Plattform bietet potenzielle Reichweite, aber keine garantierte Nachfrage.

ChatGPT Sites kann unterstützte Plugins aufnehmen. Kollegen verwenden dieselbe Anwendung mit eigenen verbundenen Daten und Berechtigungen. Gemeinsame Sites sollten nicht zum Umweg für geteilte Zugangsdaten werden. Die Ankündigung betrifft die vorgesehenen Organisationstarife und nicht automatisch jedes kostenlose Konto.

MCP Events: Abläufe durch Ereignisse starten

MCP Events ermöglicht Automatisierungen, wenn etwas in einer verbundenen Anwendung passiert. Die Spezifikation bleibt vorgeschlagen und ist nicht endgültig. Die Integrationsanleitung beschreibt Abonnements und Rückrufe auf Grundlage von Webhooks.

Der Vorteil besteht darin, nicht ständig nach neuen Informationen fragen zu müssen. Ein neues Ticket kann eine Zusammenfassung auslösen. Duplikate, verspätete Zustellung, entzogene Rechte und Neustarts bleiben jedoch zu behandeln. Dasselbe Ereignis darf bei doppelter Zustellung nicht zu zwei Zahlungen oder öffentlichen Nachrichten führen. Ereignissteuerung allein garantiert keine einmalige Ausführung.

Empfang, Verarbeitung und Handlung sollten getrennt sein. Stabile Kennungen und gespeicherte Ergebnisse sind häufig wichtiger als die Promptformulierung. Der Agent interpretiert Inhalte, die Anwendung erhält die Ablaufgarantien. Auch fehlgeschlagene Ereignisse brauchen einen sichtbaren Zustand. Ein stiller Zustellfehler kann sonst einen scheinbar laufenden Prozess dauerhaft blockieren.

ChatGPT Space, Pages und gemeinsame Präsentationen

ChatGPT Space organisiert gemeinsames Wissen und Materialien. Pages schafft Dokumente für Zusammenarbeit zwischen Menschen und KI. Das Ergebnis wird zu einem lesbaren und korrigierbaren Objekt, statt über eine lange Nachrichtenfolge verstreut zu bleiben.

Ein Projekt kann Entscheidungen, Analysen und Entwürfe bewahren, ohne den Kontext immer neu zusammenzustellen. Quellen und Zusammenfassungen müssen trotzdem getrennt und geprüfte Aussagen kenntlich bleiben. Originaldokumente sollten erhalten werden, wenn sie erforderlich sind. Ein gut organisiertes gemeinsames Dokument kann Fehler verstärken, falls seine Darstellung fälschlich als Beleg gilt.

Gemeinsame Slides sind für die kommenden Wochen angekündigt, einschließlich Arbeit mehrerer Personen und Agenten sowie Export nach PowerPoint oder Google Slides. Sie sind nicht als schon überall verfügbar zu beschreiben. Erstellung und Bearbeitung auf Mobilgeräten folgen ebenfalls einem anderen Zeitplan als Lesen und Teilen.

Für Redaktion oder Forschung wäre ein Vorteil, Begründungen nahe am fertigen Material zu behalten. Die Prüfung bleibt unabhängig von der Darstellung: verständliche Diagramme, datierte Quellen und reproduzierbare Zahlen sind wichtiger als schnelle Folien. Generierte Bilder müssen Illustrationen bleiben und dürfen nicht als fotografischer Nachweis eines tatsächlichen Ereignisses erscheinen.

Team Tasks, Slack, Teams und Meetings

Teams können Materialien und wiederkehrende Aufgaben teilen. Die Anleitung zu Teams und Team Tasks erklärt, dass Dienstkonten und Verbindungen den Ressourcenbereich bestimmen. Die Rechte einer Aufgabe können von persönlichen Rechten eines Mitglieds abweichen. Das muss vor Einladungen und vor Verbindung eines umfassenderen Unternehmenskontos geprüft werden.

@ChatGPT in Slack und Microsoft Teams bringt Interaktion in Kanäle und Threads. Beteiligte können innerhalb der vorgesehenen Unternehmensintegration beitragen, ohne zwingend eine eigene ChatGPT-Lizenz zu besitzen. Nicht jede ChatGPT-Funktion wird dadurch kostenlos, und nicht alle Beteiligten erhalten dieselbe Datensicht.

Meetings erstellt Notizen und Folgeaufgaben. Die erste Beta gilt für die macOS-Desktopanwendung mit Pro und Business; andere Zugänge folgen getrennt. Die Meetings-Anleitung verlangt Information und Zustimmung der Beteiligten. Eine Erinnerung auf dem eigenen Bildschirm informiert diese nicht und holt keine Zustimmung für den Nutzer ein.

Audio wird gelöscht, sobald die Notizen fertig sind, und lässt sich nicht erneut abspielen. Eine Zusammenfassung ist daher keine aufbewahrte Aufnahme zur Prüfung eines Zitats. Für formelle Protokolle müssen Korrekturen von Zuordnung, Zahlen und Verpflichtungen vorgesehen sein. Außerdem sollte klar sein, welche Fassung genehmigt wurde. Automatische Notizen werden nicht durch ihre Erzeugung verbindlich richtig.

Teilbare Profile und Sign in with ChatGPT

Teilbare Profile zeigen eigene Inhalte wie Sites und Plugins. Die aktualisierte Profilanleitung nennt Einschränkungen: bestimmte Präsentationsfunktionen sind nicht mobil verfügbar, Enterprise wird noch angekündigt. Das Teilen des Profils veröffentlicht nicht automatisch private Unterhaltungen.

Sign in with ChatGPT verbindet Kontoanmeldung und bei teilnehmenden Diensten Nutzung des Tarifkontingents. OpenAI nennt unter anderem Devin, Notion und Vercel. Die Anleitung zur Nutzung in anderen Anwendungen trennt Identität und Verbrauch. Anmeldung bedeutet weder unbegrenzte Nutzung noch die automatische Einbeziehung jedes externen Dienstes.

Dies kann weniger getrennte Abonnements bedeuten, verlangt aber Klarheit über Grenzen pro Anwendung. Nutzer sollten wissen, welches Werkzeug Kontingent verbraucht, wie es gesperrt wird und welche Daten es erhält. Ein vertrauter Login darf keine weitreichende Delegation oder unbemerkten Verbrauch verdecken, der später für andere Aufgaben fehlt.

Pro 500, Marketplace und Private Intelligence

Pro 500 kostet 500 US-Dollar monatlich, wie die offizielle Pro-Tarifseite angibt, und enthält Ultrafast. Der Rückblick nennt das 25-fache Plus-Kontingent: eine Nutzungsrelation und kein Versprechen unendlicher Arbeit. Lokale Preise, Bedingungen und Steuern müssen vor dem Kauf geprüft werden.

OpenAI Marketplace richtet sich an geeignete Unternehmenskunden, die einen Teil bestehender Verpflichtungen für genehmigte Partnersoftware verwenden können. Es ist kein uneingeschränkter Verbrauchermarkt und nicht dasselbe wie das Pluginverzeichnis. Ein Unternehmen sollte prüfen, ob die Vertragsgestaltung Beschaffung vereinfacht, ohne unerwünschte Abhängigkeiten zu schaffen.

Private Intelligence betrifft Datenkontrolle. Die Private-Safety-Processing-Dokumentation beschreibt automatische Sicherheitsprüfungen ohne Speicherung von Prompts und Antworten durch OpenAI im vorgesehenen Verfahren. Private Inference mit vertraulicher Verarbeitung und überprüfbaren Kontrollen ist als Vorschau für den Herbst angekündigt.

Diese Eigenschaften dürfen nicht auf jede Anfrage übertragen werden. Konfiguration, Endpunkte, Verträge und Kundenpflichten sind entscheidend. Nicht für Training verwendet und nicht gespeichert sind unterschiedliche Zusagen. Vertrauliche Verarbeitung erlaubt nicht automatisch das Hochladen beliebiger Materialien. Die konkrete Architektur muss vor der Übermittlung sensibler Daten geprüft werden.

Wie ein belastbarer erster Praxistest aussieht

Ein erster Test sollte wiederholbare, umkehrbare Arbeit mit beobachtbarem Ergebnis auswählen. Beispielsweise zehn erlaubte Dokumente sammeln, Wochenänderungen bestimmen und eine Zusammenfassung mit Quellen erstellen. Gemessen werden Abdeckung, Fehler, Kosten und Prüfzeit. Erst ein regelmäßig nützliches Ergebnis rechtfertigt mehr Befugnisse. Auch Fehlschläge müssen als Testfälle erhalten bleiben.

Bei Programmierung gehören ein bekannter Fehler, ein mehrdeutiger Fall und eine Aufgabe mit fehlenden Informationen dazu. Ein brauchbarer Agent fragt nach, statt Angaben zu erfinden. Werkzeugtests sollten Abbruch, Wiederaufnahme und Rechteentzug einschließen. Unvollständige Arbeit darf nicht allein deshalb als Erfolg gelten, weil kein technischer Fehler angezeigt wurde.

Der Ablauf sollte Rollen trennen: Das Modell schlägt vor, Werkzeuge bieten begrenzte Aktionen, deterministischer Code prüft Bedingungen, Menschen genehmigen sensible Vorgänge. Ergebnisse brauchen Angaben zu Modell, Belegen und verwendeter Befugnis. Eine Abschaltung und ein manueller Rückweg sind notwendig. Ein kleiner prüfbarer Einsatz liefert bessere Erkenntnisse als die gleichzeitige Aktivierung sämtlicher Neuerungen.

Was sich für kleine Unternehmen tatsächlich ändert

Viele kleine Teams brauchen zunächst kein besonders komplexes Agentensystem. Ihr Engpass liegt häufig in verstreuten Informationen und fehlenden Übergaben. Ein klarer gemeinsamer Arbeitsbereich oder ein zuverlässiger Wochenbericht kann deshalb wertvoller sein als eine umfassende Automatisierung. Die Produktwahl sollte vom Problem ausgehen und nicht von der neuesten Funktion.

Ein sinnvoller Vergleich dokumentiert den heutigen Aufwand: Wie lange dauert die Aufgabe, welche Fehler treten auf, wer prüft sie und welche Kosten entstehen? Anschließend wird derselbe Prozess mit einem begrenzten KI-Einsatz beobachtet. Nur so wird erkennbar, ob Zeit eingespart oder lediglich in zusätzliche Kontrolle verschoben wird.

Auch laufende Betreuung gehört in die Rechnung. Neue Softwareversionen, veränderte Zugänge und andere Datenformate können einen zuvor guten Ablauf beeinträchtigen. Ein verantwortlicher Betreiber sollte Stichproben festlegen und bei Abweichungen reagieren. Der Übergang zu Agenten ist daher nicht der Übergang zu wartungsfreier Arbeit, sondern zu einer anderen Form der Steuerung.

Gerade bei Finanz- und Kryptothemen sollte die erste Anwendung auf Recherche und Vorbereitung begrenzt bleiben. Preisangaben müssen datiert, Quellen nachvollziehbar und Annahmen getrennt sein. Die technische Möglichkeit einer Aktion ist keine Empfehlung, sie automatisch auszuführen. Eine gut geschriebene Analyse und eine erlaubte Transaktion sind grundverschiedene Ergebnisse.

Dots-Verfügbarkeit und Wahl des passenden Tarifs

Die Freigabe betrifft Pro und Business Premium in geeigneten Märkten. In Enterprise-, Edu- und Healthcare-Arbeitsbereichen muss ein Administrator die standardmäßig deaktivierte Beta einschalten. Der erste dot ist für berechtigte Nutzer enthalten, umfangreichere Arbeit und Kontingente bleiben jedoch getrennt zu betrachten. Enthalten bedeutet nicht unbegrenzte Rechenleistung. Vor einem Tarifwechsel sollte die Verfügbarkeit im eigenen Land geprüft werden.

Die Wahl zwischen Sol, Astra und höherem Kontingent sollte auf gemessener Arbeit beruhen. Unser Überblick zu Preisen, Benchmarks und Verfügbarkeit von GPT-6 Astra liefert den früheren Kontext, aktuelle Bedingungen bestimmen den Kauf. Teurerer Zugang repariert weder unklare Anweisungen noch falsch eingerichtete Werkzeuge. Oft sind bessere Prüfungen und Rechte wichtiger als zusätzliche Kapazität.

Fragen nach OpenAI DevDay 2026

Ersetzt dots Codex?

Nein. Dots verfolgt dauerhafte und anwendungsübergreifende Aufgaben. Codex konzentriert sich auf Softwareentwicklung. Beide können zusammenarbeiten, bleiben aber unterschiedliche Produktebenen.

Macht Sol Astra überflüssig?

Nein. Niedrigere Preise machen Sol für viele Aufgaben interessant. Astra kann dort sinnvoll bleiben, wo zusätzliche Fähigkeit messbaren Nutzen liefert. Das geprüfte Ergebnis zählt mehr als der Modellname.

Enthält ein Abonnement sämtliche APIs?

Nein. Tarifkontingent, Partnernutzung und API-Abrechnung sind unterschiedliche Wege. Die Bedingungen des jeweiligen Dienstes sind entscheidend und nicht eine allgemeine Interpretation der Ankündigung.

Was ist der strukturelle Wandel?

Modelle, Umgebungen, Werkzeuge und Zusammenarbeit werden zu einem durchgehenden Ablauf verbunden. Genau dort sind stärkere Kontrollen erforderlich: Ein Fehler kann von einer falschen Antwort zu einer realen Handlung werden.

Die Bilanz geht über einen Benchmarkvergleich hinaus. OpenAI DevDay 2026 zeigt KI, die Arbeit verfolgt, Aufgaben ausführt und Ergebnisse gemeinsam verfügbar hält. Der Nutzen sollte anhand zuverlässiger Resultate, nachvollziehbarer Kosten, begrenzter Rechte und korrigierbarer Fehler gemessen werden, nicht an der Zahl aktivierter Funktionen.