DevRev用GPT-6.1 Sol驱动企业自助服务，工程团队全面转向Codex

OpenAI在11月4日发布的客户案例中介绍了DevRev的实践：这家公司构建了Computer与Operator两个产品，帮助服务与运营团队把最棘手的客户和员工请求处理到底。据DevRev首席技术官Ahmed Bashir介绍，两者都设计为跨实时数据进行推理，动作可回滚，答案可以回溯到来源。

支撑这两个代理的是OpenAI的模型组合，包括GPT-6 Astra与GPT-6.1 Sol，以及DevRev自有的harness——负责连接企业知识、并约束代理可以执行的动作。DevRev把OpenAI模型视为推理能力与可靠性的来源，同时强调必须满足服务客户和员工时的速度与成本要求。

Bashir的表述是，关键在于既有正确的推理能力，又值得信任、高度对齐，最重要的是在延迟上必须过关。在他的评估中，GPT-6.1 Sol在这些维度上「恰到好处地取得了平衡」。

DevRev在Agent Studio中让用户用对话描述工具应如何表现，并可以用固定规则界定部分行为。公司还以自建的Enterprise-Bench基准测试模型与上下文软件的配合，考察当数据存在多个版本、信息分散在不同系统、访问权限取决于角色时，系统是否依然可靠。

在软件开发环节，DevRev的选择更直接。Bashir称整个工程团队都在使用Codex，这一采用是工程师在比较多种工具后自然形成的；到访谈时，公司已完全转向Codex并放弃了Cursor许可证。他的判断是，开发者只想要最好的工具，而这一点骗不了人。

销售工程师则用GPT-6 Astra为国际会议的展台生成演示。面向未来，Bashir希望Decisions API与Ultrafast能承接那些不需要深度推理、但必须快速完成的判断步骤，让工作流在几秒内而不是几分钟内跑完。

DevRev的下一步是让Operator承担更长、更复杂的请求，同时保持动作可追溯、有权限边界、可回滚。Bashir把查找知识库答案、升级套餐、办理退款这类常见支持任务视为起点，目标是真正兑现自助服务的承诺。