7月18日，智东西AI前瞻报道，在今日破晓时分，OpenAI正式发布了一款名为GPT Agent的全新“AI助手形态”，该形态融合了网页交互、深度检索以及代码处理等功能。

从产品逻辑角度分析，Operator这一网络交互工具与DeepResearch这一深度信息检索工具已实现融合，GPT系统内部诞生了一种具备“搜索-分析-操作”功能的智能体，用户可令该AI跨越网页、代码及个人数据源，独立完成一系列任务。

OpenAI频繁遭遇人才流失所引发的公众关注，与GPT Agent的推出所引发的反响相比，似乎并未达到“革命性Agent”的预期，显得较为平淡。社区用户在使用体验上评价各异，有的用户觉得看到了AGI的初步形态，然而也有用户指出其PPT设计粗糙、逻辑处理复杂易出错以及出现幻觉等问题。

GPT Agent一经推出，竞品Manus迅速作出回应，迅速发布了10个经过实际测试的案例。这些案例涵盖了财务建模、生活规划、行程规划、消费购物以及航班筛选等多个场景，旨在展示GPT Agent在任务闭环和可视化交付方面并不具备明显优势。

（图源：Manus X平台）

回顾过去，GPT Agent在网页浏览和任务执行等众多测评项目中均达到了行业顶尖水平，在被称为“人类的最后考试”的测试中更是取得了41.6分的高分。这样的成绩充分展示了其强大能力，但也迫切需要我们在实际应用场景中进行进一步的验证。

GPT Agent将率先面向Pro、Plus和Team用户群体推出。对于Pro用户来说，每月将享有400次查询的权益，而其他付费用户则每月可使用40次。同时，针对企业和教育用户的版本也预计在本月底之前正式上线。

目前，GPT Pro版的月费为200美元，该费用涵盖了Agent和终端服务。与此相对，xAI的Grok 4最新推出的Agent产品，其月费高达300美元，两者之间的价格差距达到了1.5倍。

一、一次“功能拼图”的交付，GPT Agent有哪些升级？

GPT Agent的职能相当于将Operator与DeepResearch的功能相融合，同时增设了“终端”以及“图像生成API”这一系列工具。

文本浏览器中的DeepResearch功能主要承担着对网页进行批量检索、以及对长篇文本进行阅读的任务。

可视化浏览器（Operator功能）承担了网页的点击操作、拖动动作以及表单信息的填写任务。

终端支持执行Python脚本，并且能够处理文件的生成、分析工作，涉及Excel表格和PPT幻灯片等多种格式，同时还能调用API接口，并且具备与Google Drive、GitHub等外部数据源进行连接的能力。

图像生成API能够补充基础的可视化内容制作，帮助制作报告或幻灯片时构建所需的视觉元素。

该工具箱置于虚拟机平台之上，其运作依赖于经过强化学习训练的模型进行调度，能够完成从自动搜索、资料分析、文档生成，直至下单和预约等一系列操作，形成一个完整的操作流程。

在演示发布环节，OpenAI挑选了一个与日常生活紧密相关的实例：借助Agent为用户精心安排一场婚礼的行程。

婚礼策划实测（图源：OpenAI）

GPT团队提供了婚礼网站的链接，并提出了三项具体需求：协助推荐合适的服装、挑选酒店以及挑选礼物。Agent首先自动搜集了婚礼的日期、地点以及着装要求，接着查询了天气状况并据此推荐了适宜的服装，之后转至Booking.com网站查找酒店选项，最后进行了礼物推荐的搜索。最后，Agent制作了一份详尽的“婚礼筹备总结”，内容涵盖服饰、宴会场所、礼品等类别，并附上了相应的参考资料链接及图片，全面地交给了客户。

GPT Agent所生成的婚礼策划（图源：OpenAI）

二、Manus隔空叫板：十大对比，功能对齐，体验分化

GPT Agent一经推出，Manus作为竞争对手，便迅速在X平台上发布了多轮实际测试对比，积极展开对抗。

在展示效果方面，Manus凭借其可视化展示、多平台操作以及多样化的交付方式彰显了其独特优势，力图证实其在任务闭环及最终成果的完整性方面超越GPT Agent；而GPT Agent则更专注于基础信息的检索和文本形式的输出，尽管功能范围相似，但在交互体验上却呈现出截然不同的特点。

具体案例呈现：

1、案例1：新加坡公司选址与政府资助

Manus提供了详尽的调研资料和资助方案的PPT，内容涵盖生态概述、政策细节以及相关图片；而GPT Agent仅制作了基础幻灯片，缺乏要点提炼和可视化展示。

（图源：Manus）

案例2：高收入FIRE模型

Manus制作了一份详尽的PPT，其中涵盖了城市生活的各项成本以及税务规划，并附有重要的图表和视觉辅助元素；而GPT Agent仅提供了一份基础的生活成本清单，在税务信息方面不够全面，并且缺乏投资策略和可视化分析。

（图源：Manus）

案例3：三日网球行程制定

Manus能够制作包含每日行程安排、预算信息以及预订链接的直观行程卡片；而GPT Agent则仅提供文字形式的行程内容，其排版显得较为单一且缺乏整体性。

（图源：Manus）

案例4：旧金山ACFR财务表格

Manus对2020至2024年的财务数据进行了整理，并据此制作了展示预算趋势的可视化PPT；而GPT Agent则仅负责生成不包含视觉元素的财务表格。

（图源：Manus）

案例5：电动车行业研究

Manus已经制作完成了5页的完整演示文稿，其中融入了行业增长率的图表以及定制的视觉元素如旗帜；而GPT Agent目前仅停留在信息搜集阶段，尚未完成PPT的交付任务。

（图源：Manus）

案例6：筛选500美元以下风衣

Manus对满足条件的商品进行了筛选并制作了详细的对比资料；而GPT Agent仅限于电商页面的截图，并未提供完整的输出内容。

（图源：Manus）

案例7：英伟达估值建模（DCF模型）

Manus已顺利完成了整个流程，涵盖了从历史财务数据的提取、加权平均资本成本（WACC）的计算、现金流的预测、敏感性分析到详尽图表的制作；而GPT Agent的工作则仅限于检索公开的年报信息，尚未进行建模与深入分析。

（图源：Manus）

案例8：季度财报拆分更新

Manus完成了本季度的表格更新以及PPT的制作，而GPT Agent仅负责了基础的表格更新工作，并未进行季度的拆分以及PPT的制作。

（图源：Manus）

案例9：预订高评分寿司餐厅

Manus已成功完成整个订座流程并跳转至确认界面，而GPT Agent仅进行了基础餐厅信息的查询，并未进行预订操作。

餐厅成功预定页面（位于上方）以及Manus实际操作界面（位于下方）（图片来源：Manus）

案例10：查询机票并筛选优选航班

Manus已经制作出了航班票价对比的可视化卡片，而GPT Agent则仅仅呈现了网页搜索到的信息，并未提供可视化的总结和筛选功能。

（图源：Manus）

Manus在参赛过程中，其展示重点在于凸显自身产品的优势，然而，GPT Agent的实际表现，仍需通过观察更多用户的具体使用体验和反馈来进一步了解。

三、体验有惊喜也有槽点：效率在线，复杂检索还需人类兜底

社区实测也迅速给出了“褒贬对半开”的反馈。

X平台用户借助Agent在短短20分钟内便完成了FIRE计划，而同样的服务若由人类顾问提供，费用可能高达5000美元。

GPT Agent先对温哥华的税收政策进行了检索，然后对用户的月均消费进行了分析，据此计算了达到30岁退休所需积累的储蓄额度。随后，它提出了投资组合的建议，并整理了用户未曾尝试过的税务优化措施。最终，GPT Agent构建了多个退休方案的对比场景，并制作了一份详尽的、可供下载的PPT文件。

（图源：X平台）

他还进一步指出，Agent在制作电子表格和制作PPT方面的表现尤为突出，然而，就整体效果而言，与他在使用Manus、Genspark等其他Agent工具时的感受“并没有太大区别”。在他眼中，对于那些未曾尝试过这些工具的大多数人来说，GPT Agent的功能“依旧能够带来极大的震撼”。

（图源：X平台）

然而，GPT Agent在社区用户的评价中暴露出了诸多实际使用上的不足。许多用户抱怨，在使用网页进行交互时，常常遇到页面加载缓慢或出现404错误的问题，而且所生成的PPT在排版上显得较为粗糙，审美水平不高，当面对较为复杂的逻辑需求时，执行任务的过程往往需要频繁地暂停并手动进行调整。

沃顿商学院的教授兼AI研究专家Ethan Mollick也表达了相近的体会。他在X平台上提到，曾利用GPT Agent对Kaggle平台上的数据集进行了分析，尽管该Agent能够顺利地完成分析过程并制作出PPT以及Excel文件，然而在初步的结果中却显现出了明显的数据异常。直至他提供了反馈，Agent才得以成功识别出问题所在并修正了结果。

（图源：X平台）

执行流程方面，Agent已经展现出了高效的能力，然而在数据分析和逻辑控制层面，它依旧需要人类的监督与指导。

综合跑分测试和用户评价，GPT Agent在执行指令明确、路径清晰的任务方面表现出色，例如编制婚礼筹备清单或依据财务信息制作演示文稿。在这些标准化的工作流程中，Agent能够高效运作，大幅减少了对人工操作的依赖。

在面临含糊不清的指令或是需要作出开放性判断的任务时，例如梳理行业中的潜在趋势或是探寻未被报道的新闻线索，Agent常常难以提供令人满意的结果，常常会陷入“无法找到”或“请进一步明确需求”的循环往复中。

四、跑分成绩亮眼：擅长流程跑通，难在开放推理

在数据评估方面，采用Agent模式的o3在人文领域的推理能力、金融领域的分析能力、网络交互功能以及电子表格处理等方面均展现出不同层面的优势，其表现尤为突出，某些方面的性能甚至实现了成倍的增长。

GPT Agent在“人类的最后考试”这一评估中，获得了41.6%的卓越成绩，这一成绩相较于o3无工具模式下的20.3%有了显著的增长，几乎翻了一倍。它展示了在解决跨学科专家级问题时，具备出色的推理和工具调用能力。

人类最后的考验（出处：OpenAI）

DSBench专注于数据处理的实际应用，其Agent在数据分析相关子任务上的表现达到了87.9%的准确率，这一成绩明显超过了o3的64.1%，并且是首次超过了人类参考水平。进一步地，在DSBench的数据建模子任务中，Agent的准确率达到了85.5%，超过了o3的77.1%和GPT-4o的45.5%，其表现已经非常接近人类。

DSBench的数据分析任务以及DSBench的数据建模任务，这两者均源自OpenAI。

在SpreadsheetBench测试中，Agent对电子表格的编辑能力得到了检验。GPT Agent在直接操作.xlsx文件时，其准确率达到了45.5%，这一成绩明显超过了Excel中的Copilot（准确率为20.0%）。然而，与人类水平的71.3%相比，GPT Agent的准确率仍有较大提升空间。

电子表格任务（来源：OpenAI）

在执行投资银行分析师职责的过程中，Agent在执行复杂财务建模任务时的准确率高达71.3%，这一成绩显著超过了o3（准确率为48.6%）和DeepResearch（准确率为55.9%）。

内部投资银行分析师任务评估（来源：OpenAI）

WebArena的测试中，Agent在执行网页交互任务方面的表现十分出色，其准确率高达65.4%，这一成绩超越了o3和CUA模型，并且已经非常接近人类水平的78.2%。

WebArena网页交互性能测试结果为58.1%，数据来源于OpenAI。

BrowseComp这一工具被用来衡量智能体在处理长尾信息检索任务方面的性能，其中GPT Agent的准确度达到了68.9%，这一数据比DeepResearch高出17.4个百分点。

针对复杂网页内容进行搜索的作业 BrowseComp（信息来源：OpenAI）。

GPT Agent在DSBench、SpreadsheetBench、BrowseComp等流程化任务中表现出色，其数据分析、表格编辑和网页检索的准确率显著提高，甚至在某些任务中超过了人类水平。与o3模型相比，Agent在各类任务上的表现均实现了从10%到30%不等幅度的提升。

结语：Agent潮起，OpenAI稳步迈进

GPT Agent的推出再度彰显了Agent领域正迅速发展。该产品融合了多种工具功能，实现了对个人数据的接入，并具备了基本的执行能力，这些特点正逐渐成为Agent产品发展的主流趋势。然而，与行业广泛普及相比，它还有相当长的路要走。

此次，OpenAI并未推出所谓的“里程碑”级版本，而是在个人助手及办公领域实现了稳步而略显平凡的升级。

GPT Agent对于用户而言，是一个值得一试的选择，因为它确实能够帮助处理一些繁杂的日常事务，让AI来代劳。然而，谈及AI能够“重新定义工作流程”，目前似乎还为时过早。OpenAI还在不断探索中，而Agent也还处于一个未完成的阶段。这无疑是一个值得赞赏的进步，但并非一次令人激动的巨大飞跃。