當(dāng)?shù)貢r(shí)間周四，OpenAI發(fā)布了自主智能體Operator。在本月OpenAI推出新功能Tasks，被認(rèn)為產(chǎn)品方向開始轉(zhuǎn)向AI智能體后，OpenAI有了更實(shí)質(zhì)性的動作。

據(jù)OpenAI介紹，Operator可以代理用戶執(zhí)行基于網(wǎng)頁的操作，例如查看、輸入、點(diǎn)擊、滾用網(wǎng)頁，Operator是OpenAI最早的智能體之一。目前Operator還是研究預(yù)覽版本，功能上有局限性，美國的ChatGPT Pro會員可以使用該功能。

在20多分鐘的介紹視頻中，OpenAI演示了Operator如何用于處理各種復(fù)雜的網(wǎng)頁任務(wù)，如填寫表單、訂購貨物。在演示中，操作人員要求Operator預(yù)定某家餐廳傍晚7點(diǎn)的座位，Operator就會自動打開網(wǎng)頁進(jìn)入預(yù)訂網(wǎng)站，搜索餐廳并完成預(yù)定。當(dāng)Operator發(fā)現(xiàn)該時(shí)間點(diǎn)餐廳座位已經(jīng)訂完，就會詢問用戶是否改訂7點(diǎn)45分的餐廳。如果上傳一張寫有雞蛋、菠菜、蘑菇、雞肉等食物的購物清單圖片，Operator則會打開網(wǎng)頁并搜索這些物品、加入購物車。Operator也能幫助用戶訂購?fù)赓u。

從視頻中看，Operator的操作頁面與ChatGPT的頁面非常相似，用戶可以在對話框中向Operator提出要求。據(jù)OpenAI介紹，支撐Operator的模型則是CUA（計(jì)算機(jī)代理使用）模型。CUA結(jié)合了GPT-4o的視覺能力，且有高級推理能力，CUA可與用戶的圖形界面交互，“看到”屏幕上的按鈕、菜單和文本，也可以執(zhí)行鼠標(biāo)和鍵盤可執(zhí)行的操作。在CUA的能力支持下，當(dāng)遇到困難或犯了錯誤時(shí)，Operator會利用推理能力進(jìn)行自我糾正或?qū)⒖刂茩?quán)交還給用戶。

在安全和隱私方面，Operator執(zhí)行任務(wù)時(shí)，人可以控制這個過程，而當(dāng)用戶輸入支付信息等敏感信息時(shí)，Operator會要求用戶接管，在這個過程中Operator不會收集用戶輸入的信息。據(jù)介紹，Operator也會拒絕一些有害的請求。未來OpenAI計(jì)劃開放CUA的使用接口，使開發(fā)人員能用其構(gòu)建自己的智能體。目前可使用Operator的用戶群體還有限，ChatGPT Pro用戶每月會員費(fèi)達(dá)到200美元，Operator后續(xù)還計(jì)劃向ChatGPT Plus、Team、企業(yè)用戶開放使用。

Operator發(fā)布后，OpenAI總裁兼聯(lián)合創(chuàng)始人Greg Brockman（格雷格·布羅克曼）在社交媒體上表示，2025年是智能體之年。此前，OpenAI也已多次釋放發(fā)力智能體的信號。

在被問及接下來的模型更新情況時(shí)，OpenAI CEO山姆·奧爾特曼（Sam Altman）去年曾提到，接下來會有更好的模型，但他相信下一個重大突破將是智能體。本月初，山姆·奧爾特曼在一篇博客長文中表示，相信2025年人們將會看到第一批AI智能體“加入勞動力大軍”，從根本上改變各公司產(chǎn)出的東西。當(dāng)?shù)貢r(shí)間1月14日，OpenAI還推出了名為Tasks的測試版新功能，用戶可用其創(chuàng)建和管理未來任務(wù)提醒，該功能也具備一定的智能體屬性。

有研發(fā)人員告訴記者，智能體的關(guān)鍵在于AI模型具備更強(qiáng)的主動性。在國內(nèi)，較早布局智能體企業(yè)是智譜AI。去年11月，智譜AI發(fā)布了PC端智能體GLM-PC并開始邀請測試，該智能體的功能也包括點(diǎn)外賣、發(fā)微信。該智能體近日發(fā)布了更新，推出“深度思考”模式并增加了專用來做邏輯推理和代碼生成的功能。

智譜華章總裁王紹蘭去年12月表示，2025年AI領(lǐng)域有兩個重要發(fā)展方向，其中一個就是智能體技術(shù)，也就是大模型使用工具，“現(xiàn)在手機(jī)APP還需要按照人的方式在操作，可以想象大模型能熟練使用工具對行業(yè)意味著什么。”