這一方案使ChatGPT能在虛擬沙盒中調(diào)用文本瀏覽器、可視化瀏覽器和終端工具，自主完成多步驟復(fù)雜任務(wù)，實(shí)現(xiàn)從信息檢索到在線購物等操作，開啟了從Chat到Agent的跨越。

　　OpenAI自己的Agent模式亮相

　　近日，薩姆·奧爾特曼與四位OpenAI研究員通過直播形式介紹了即將發(fā)布的Agent模式。

　　觀其演示過程可發(fā)現(xiàn)，該模式在用戶交互層面的直觀體驗(yàn)，與數(shù)月前引發(fā)廣泛關(guān)注的Manus模式極為相似。

　　當(dāng)用戶提出需求后，系統(tǒng)均會(huì)自動(dòng)創(chuàng)建一個(gè)虛擬環(huán)境，并開始執(zhí)行任務(wù)。

　　任務(wù)執(zhí)行期間，Agent會(huì)反復(fù)請求用戶確認(rèn)操作步驟，并允許用戶隨時(shí)手動(dòng)接管進(jìn)程。

　　同時(shí)，用戶亦可在任務(wù)執(zhí)行過程中插入新的需求指令，實(shí)現(xiàn)實(shí)時(shí)交互。

　　OpenAI首席執(zhí)行官山姆奧特曼表示，目睹ChatGPT智能體運(yùn)用計(jì)算機(jī)執(zhí)行復(fù)雜任務(wù)，使其真切感受到AGI的存在。計(jì)算機(jī)自主完成思考、規(guī)劃與執(zhí)行的過程，將產(chǎn)生顯著差異的體驗(yàn)。

　　所有操作均在ChatGPT Agent專屬虛擬計(jì)算機(jī)中完成，此舉可在調(diào)用多工具時(shí)完整保留任務(wù)上下文信息。

　　該智能體可根據(jù)需求選擇文本瀏覽器或可視化瀏覽器訪問網(wǎng)頁，執(zhí)行文件下載操作，通過終端命令處理文件，并借助可視化瀏覽器審閱輸出結(jié)果。

　　同時(shí)能夠動(dòng)態(tài)調(diào)整任務(wù)策略，以實(shí)現(xiàn)高效、精準(zhǔn)的快速執(zhí)行。

　　ChatGPTAgent專為迭代式、協(xié)同式工作流程設(shè)計(jì)，其交互性與靈活性遠(yuǎn)超既往模型。

　　任務(wù)執(zhí)行過程中，用戶可隨時(shí)中斷進(jìn)程：進(jìn)一步澄清指令以修正執(zhí)行方向，或直接變更任務(wù)目標(biāo)。智能體將基于新增信息繼續(xù)推進(jìn)工作，且完整保留先前進(jìn)度。

　　同理，ChatGPT亦會(huì)在必要時(shí)主動(dòng)要求用戶補(bǔ)充細(xì)節(jié)，確保任務(wù)執(zhí)行不偏離既定目標(biāo)。

　　若任務(wù)耗時(shí)超出預(yù)期或陷入停滯，用戶可選擇暫停進(jìn)程、獲取進(jìn)度摘要，或終止任務(wù)以提取現(xiàn)有成果。

　　當(dāng)用戶安裝移動(dòng)端ChatGPT應(yīng)用時(shí)，系統(tǒng)將在任務(wù)完成后推送通知。

　　由Operator+Deep Research工具整合而成

　　根據(jù)OpenAI的介紹，Agent模式可調(diào)用三種工具：文本瀏覽器、可視化瀏覽器及終端。模型具備自主選擇并切換這些工具的能力。

　　此工具組合的設(shè)計(jì)頗具巧思：文本瀏覽器專司大量文本信息的瀏覽與檢索，可視化瀏覽器則負(fù)責(zé)在定位信息后執(zhí)行鍵鼠操作或讀取圖像信息。

　　而終端工具，則用于運(yùn)行代碼、生成包括演示文稿與電子表格在內(nèi)的文件，并調(diào)用特定的云端應(yīng)用程序接口。

　　OpenAI此次推出的新型Agent模式，并非一項(xiàng)全新的技術(shù)創(chuàng)新，實(shí)則由該公司上半年發(fā)布的兩項(xiàng)工具——Operator與Deep Research整合而成。

　　Operator原為僅向Pro用戶開放的瀏覽器Agent工具，具備分析圖形操作界面并執(zhí)行基礎(chǔ)操作的能力。

　　Deep Research則是一款深度研究分析工具，可讀取大量網(wǎng)頁內(nèi)容并直接生成調(diào)研報(bào)告。

　　OpenAI在分別推廣這兩項(xiàng)工具時(shí)發(fā)現(xiàn)，許多用戶通過Operator提交的提示指令更趨近于DeepResearch的任務(wù)范疇，例如[規(guī)劃旅行行程并進(jìn)行預(yù)訂];

　　而Deep Research用戶強(qiáng)烈呼吁的[登錄網(wǎng)站、訪問受保護(hù)資源]功能，實(shí)為Operator已具備的能力。

　　這兩個(gè)從不同維度推進(jìn)的Agent項(xiàng)目最終實(shí)現(xiàn)整合，產(chǎn)生了顯著的協(xié)同效應(yīng)。

　　既規(guī)避了單純依賴瀏覽器圖形界面處理文本材料的低效問題，又使得生成深度研究報(bào)告所需時(shí)長顯著縮短。

　　實(shí)現(xiàn)了通用智能體能力的關(guān)鍵升級

　　與過往的基礎(chǔ)大模型迭代不同，通用Agent能夠自主調(diào)用多種工具進(jìn)行任務(wù)規(guī)劃，協(xié)助用戶完成復(fù)雜操作，包括自動(dòng)查閱用戶日歷、生成可編輯的PPT文檔、運(yùn)行代碼等。

　　ChatGPT Agent可連接用戶的Gmail、GitHub等平臺(tái)獲取信息并解決問題，同時(shí)通過API接口訪問各類應(yīng)用程序。

　　OpenAI采用模擬復(fù)雜現(xiàn)實(shí)任務(wù)的基準(zhǔn)測試對該模型進(jìn)行評估。

　　經(jīng)Agent技術(shù)增強(qiáng)后，AI智能水平實(shí)現(xiàn)大幅提升。

　　基于ChatGPTAgent的模型在HLE基準(zhǔn)測試中獲得41.6%的評分，達(dá)到O3與O4-mini模型性能的近兩倍。

　　在部構(gòu)建的復(fù)雜經(jīng)濟(jì)價(jià)值知識(shí)型任務(wù)評估體系中，ChatGPTAgent的產(chǎn)出質(zhì)量約半數(shù)情況下達(dá)到甚至超越人類水平，任務(wù)完成時(shí)間存在浮動(dòng)區(qū)間，且顯著優(yōu)于o3與o4-mini模型。

　　在SpreadsheetBench表格操作測試中，該智能體處理復(fù)雜電子表格的編輯、函數(shù)應(yīng)用及格式規(guī)范能力取得顯著突破，以45.5%的得分達(dá)到GPT4o性能的兩倍，首次逼近ExcelCopilot商業(yè)級解決方案水平。

　　網(wǎng)頁操作領(lǐng)域，ChatGPT Agent在WebArena測試中成功執(zhí)行賬戶登錄、頁面跳轉(zhuǎn)、數(shù)據(jù)采集等現(xiàn)實(shí)任務(wù)，其表現(xiàn)已接近人類平均水準(zhǔn)。

　　信息檢索能力方面，該智能體于BrowseComp基準(zhǔn)測試中以68.9分創(chuàng)下當(dāng)前最高記錄。此項(xiàng)指標(biāo)直接決定其自主執(zhí)行任務(wù)時(shí)的可靠性水平。

　　結(jié)尾：

　　OpenAI的正式入場，或?qū)⒅厮蹵gent創(chuàng)業(yè)領(lǐng)域的整體敘事框架。