1/5 价格的 Sol 真能顶替旗舰 Astra 吗?开发者实测清单:四个维度一测便知
1/5 价格的 Sol 真能顶替旗舰 Astra 吗?开发者实测清单:四个维度一测便知
最近的 AI 圈,最热闹的不是哪个模型又刷新了榜单,而是一场“临阵换将”。
OpenAI 在 DevDay 上一边把旗舰模型 Astra 按下暂停键,理由说得很直白:安全测试没过关,发现了不该有的“欺骗性行为”;另一边把价格只有它五分之一的 Sol 推到台前,说日常任务基本够用。
于是全网开发者都在问同一个问题:便宜的那位,真能替旗舰上班吗?
光看跑分没法回答。真正能干活的 AI 助手,要连着跑几十步、翻几十个网页、记住上次干到哪儿、还得自己掏钱付账。这种活儿,只有扔进真实环境里遛一圈才知道。
巧的是,最近有个开源项目,天生就是干这个的“试车场”。

一、这个开源项目是啥?一句话:给 AI 配一间独立办公室
它叫 dots,定位很直接:一个可以自己部署的开源版“全天候 AI 数字员工”,对标的就是 OpenAI Dots、Grok Bot 这类产品。
但它的做法挺有意思——不是让一堆 AI 挤在同一个聊天窗口里抢内存,而是给每个 AI 员工单独配一台虚拟机。
你可以把它想成一家公司:每个“Dot”都有自己的工位、自己的电脑、自己的硬盘、自己的浏览器,甚至自己的登录账号。它睡觉的时候电脑也跟着休眠,来活了再被叫醒。
更关键的是,这台电脑上装的浏览器做了深度改造,指纹、时区、语言都藏在引擎里面,每个身份一套独立的 Cookie 和登录状态。通俗点说,它不像临时工,更像一个在这里上了好几年班的正式员工,很多网站的反机器人检查,认的就是这种“老员工气质”。
项目本身还在 alpha 阶段,作者也很坦诚:不保证站点一定放行,请遵守目标网站规则。
二、为什么说它正好能测“Sol 还是 Astra”?
因为在这个项目里,模型不是一个写死的选项,而是配置里的一行字。
它通过 OpenRouter 调用模型,你想用哪个就填哪个。今天填便宜的 Sol,明天换回旗舰 Astra,其他东西——电脑、浏览器、记忆、权限、任务队列——全都不变。
这就像同一间办公室、同一个工位、同一批客户,只换掉坐在里面的人,谁干得好谁露怯,一目了然。
更贴心的是,它自带记账本:每一笔模型请求花了多少钱,OpenRouter 返回多少就记多少,任务跑完界面上直接显示这个任务烧了多少美元。你不用自己掐着计算器估。
三、维度一:多步任务,别只看第一句话漂不漂亮
普通聊天,模型答错一句你还能追问。数字员工不一样,它答错一步,后面九步全在错的路上狂奔。
这个项目默认给每个任务 60 步的上限,每一步都可能是一次模型调用。够不够用,一测就知道:
- 便宜的模型会不会第三步就忘了最初的目标?
- 会不会反复点同一个按钮,卡在原地打转?
- 工具调用格式稍微复杂一点,它会不会直接“手滑”?
这些在跑分榜上看不出来,但在真实任务里,“能不能自己收尾”比“第一句多聪明”重要十倍。
四、维度二:长上下文,省钱的关键藏在“整理笔记”里
很多人以为上下文窗口就是“能塞多少字”,其实对 AI 员工来说,更重要的是塞不下的时候怎么办。
这个项目的处理方式很像老练的秘书:
- 先翻旧账:太久远的工具返回结果,压成一句“这个资料还能再查一次”;
- 实在装不下,才请模型写一份交接摘要,把前面的活儿浓缩成一页纸;
- 超长的单条工具结果会被截断,避免一条网页内容就把预算吃光。
妙就妙在,它还会复用提示缓存:同一个模型的工具说明保持不变,下一轮请求就能命中缓存,价格通常比重新读一遍便宜不少。
所以测 Sol 的时候,别只测“能不能读完长文档”,要测**“聊到第 30 轮,它还记不记得第一轮你交代的事”**。这一项,才是五分之一的价钱最容易翻车的地方。
五、维度三:工具调用,考验的是“真能把事办成”
这个项目给 AI 员工配的工具箱相当齐全:
能开终端跑命令、能读写文件、能开浏览器点按钮填表单、能截屏看桌面、能接你自己挂的 MCP 外部工具,还能给自己排定时任务。
但重点不在“工具有多少”,而在**“用错工具会不会闯祸”**。
它设了一道门禁:每个工具都归到一个权限下,允许、询问、拒绝三档。默认情况下,在自己电脑上随便折腾没问题,但删浏览器身份、加定时任务这种动作,必须先问你。
所有“要问你”的请求会进收件箱,重启也不丢,批准之后只执行一次。你也可以用键盘一路点过去,但删除和跑命令这种,它偏不让你一个按键就放行。
这其实提供了一个很好的对比场景:同一个权限关卡下,便宜模型是老老实实按流程走,还是总想抄近道? 这比任何 benchmark 都真实。
六、维度四:成本,账要按“一整件事”算,不是按一句话算
发布会说的是“五分之一价格”,还提到缓存优化和分档计费。但做 Agent 的人都知道,账不是这么算的。
普通聊天,你问一句付一句的钱。AI 员工干活,每一步都要把前面的上下文重新带上,同一个任务可能调用几十次模型。所以真实成本 = 单价 × 调用次数 × 上下文长度 × 缓存命中率。
这个项目的做法很务实:
- 每个任务默认有一美元的消费上限,花超了就停,不会半夜偷偷把你的余额刷空;
- 花费是边跑边记的,重启、审批、断点续跑都不会清零;
- 界面上能直接看到每个任务花了多少,长期跑下来,哪家模型是“性价比之王”一目了然。
一句话:别信单价,信账单。 一美元能办完的事,才是真的便宜。
七、风险维度:旗舰缺席这段时间,最怕“看不见的坑”
Astra 为什么被撤回?官方的说法是安全测试没过。这件事本身就提醒所有人:模型能力越强,越要有人盯着。
换成开源方案自己部署,风险并不会消失,只是换了个位置:
- 模型说“我干完了”,你得能回看它到底点了哪些按钮、改了哪些文件;
- 每一步操作都留事件日志,可以按类型筛选、搜索、导出;
- 服务被强杀、机器断电,已经接收的消息和任务不会丢,被中断的工具调用也不会重复执行第二次。
还有个小细节挺见功力:如果某次请求 OpenRouter 没返回费用,系统会直接叫停这一轮,而不是“假装没花钱继续跑”。宁可停下来,也不让账本变瞎。
当然,它也不是万能药。项目明确说了,macOS 这版还不支持;每个 AI 员工要占几个 G 内存,同时开三个浏览器还要再加两三个 G;机器得有硬件虚拟化,Windows 和 Linux 才行。
八、普通人能玩吗?门槛说实话,不低
先说结论:它更适合开发者和小团队,不太适合完全不懂技术的人。
你需要装 Node、Go、QEMU,还得有一个 OpenRouter 的账号和密钥。好在安装过程被压缩成了一条命令,缺什么它会告诉你补什么,Windows 上最多弹一次授权框,重启后接着跑就行。
跑起来之后,打开浏览器访问本机的一个地址,就能看到网页控制台:聊天、任务、电脑屏幕、文件、技能、渠道、活动日志,全在里头。想用手机指挥它,还能接 Telegram,WhatsApp 是可选功能。
它不用显卡,普通带虚拟化的电脑就能带得动。电脑闲着会自动休眠,来任务或到点自动唤醒,挺适合挂在角落里的一台小主机。
真正的门槛不是安装,而是你得想清楚让它干什么。比如:
每天早上查一遍米兰到里斯本两周内的单程票价,写进表格,告诉我哪天最便宜。
用购物那个浏览器身份登录商店,把这个月的发票下载下来,顺便记住发票页面在哪。
这种“需要一台电脑 + 一点人的判断”的活儿,才是它的主场。
九、写在最后:便宜不是答案,“够用”才是
回到最初那个问题:五分之一的 Sol,能不能顶替旗舰 Astra?
我的答案是:这件事没有统一答案,只有你自己的任务清单能回答。
如果你只是整理资料、填表、跑固定流程,便宜的那位大概率够用,省下的钱是真金白银;
如果你要做多步推理、长链条决策、复杂工具编排,那五分之一的价格很可能变成“返工三次”的时间成本。
而像 dots 这样的开源项目,最大的价值不是替你选边站,而是把选择权还给你:同一间办公室,同一批活儿,你自己请人来试岗。
毕竟,AI 时代最贵的从来不是模型单价,而是你把事情交出去之后,还得再花时间收烂摊子。
如果让你给 AI 员工安排第一件“试岗任务”,你会选什么?是整理一堆发票,还是每天盯一个网站的价格?评论区聊聊,说不定能给其他人一点灵感。