今日拂晓，OpenAI 公布了名为 GPT Agent 的新特性，此特性使得其人工智能助手能够借助自控的网页浏览器执行一系列操作，同时也见证了 OpenAI 正式进军“智能体人工智能”这一前沿领域——该领域中的系统具备代表用户独立执行复杂步骤的能力。

据悉，本次更新整合了OpenAI早期Operator工具和Deep Research功能的强大性能，以及GPT在对话方面的突出优势。这使得GPT具备了浏览网页、执行代码以及生成文档的能力，而用户在整个过程中依然能够保持对操作的掌控。与先前的Operator相同，Agent在执行可能对现实产生影响的操作——比如购物——之前，必须征得用户的同意。用户有权在任何阶段暂停任务、夺回浏览器的操控权，亦或彻底终止操作。此外，该系统还设有“监控模式”，特别适用于那些需要用户全程参与的，如发送电子邮件等任务。

当用户启动Agent后，他们可以在GPT界面的特定窗口中观察到AI在独立私有的虚拟环境中进行的各项操作。这个沙盒配备了独立的虚拟操作系统以及能够访问真实互联网的网页浏览器，然而，它并不会对用户的个人设备进行任何操控。OpenAI 表示，GPT 通过运用其虚拟计算机执行任务，能够在推理与行动之间自如切换，并能够完整地处理整个复杂的工作流程，这一切均依照你的指令进行。

GPT Agent的宣传演示视频截图上，我们可以看到系统正在对航班信息进行检索。

OpenAI 明确指出，用户可以授权 Agent 执行多样化的任务，诸如为特定场合挑选并购置一套服饰、编制 PowerPoint 演示文稿、安排饮食计划，亦或是利用最新数据更新财务电子表格等。该系统整合了网络浏览器、终端访问方式以及应用程序接口（API）的连接，以执行相关任务，其中包括能够与Gmail、GitHub等应用实现集成的“GPT连接器（GPT Connectors）”。

OpenAI近期发布消息，GPT Agent将从今日起面向Pro、Plus以及Team用户开放。与此同时，企业及教育领域的用户预计在接下来的几周内能够获得使用权限。值得一提的是，鉴于GPT Agent在功能上已超越Operator，Operator的早期预览网站将维持运行数周，随后将正式关闭。

官方评估：达到了最先进的性能

在公开发表的评估文档中，OpenAI阐述了，GPT Agent在自设的基准测试环节中实现了行业领先的效能表现。在“人类终极考试”这一测试中，该Agent的准确率达到了41.6%，而与此形成鲜明对比的是，OpenAI的o3模型在运用工具时的准确率仅为24.9%。在“前沿数学”这一难度极高的数学基准测试中，该智能体借助工具辅助，其准确率达到了27.4%，而采用o3模型且以Python为编程语言时，准确率仅为19.3%。

该公司强调，GPT Agent 在数据分析和建模等数据科学领域展现出超越人类的能力。在评估这一能力的DSBench基准测试中，该系统在数据分析方面的得分高达89.9%，而人类仅得64.1%；在数据建模方面，该系统的得分为85.5%，远超人类的65.0%。除此之外，该系统在OpenAI的 BrowseComp 测试中取得了 68.9% 的成绩，这一成绩用以衡量其查找难以定位网络信息的能力；而在 SpreadsheetBench 测试中，其得分达到了 45.5%，这一分数同样用以评估其电子表格编辑技能，均超过了 OpenAI 的其他 AI 模型。

有用户展示了运用GPT Agent生成的NVIDIA财务分析报告，并表示“GPT Agent的表现相当夸张，短短几分钟就能达到这样的水平！不过，在计算能力上，它与新入职的投资银行初级分析师相比，还是有一定差距的。”

值得注意的是，尽管 OpenAI 宣称其 Agent 能够为用户制作 PowerPoint 演示文稿，然而该公司也明确指出，该幻灯片生成功能目前尚在测试之中，其输出的幻灯片在格式和精细度上可能显得相对简单。一些体验者表示，GPT Agent 仅需 9 分钟就能制作出经过轻微调整即可满足实际需求的幻灯片，其效果如下：

据某用户透露，OpenAI 的 Agent 模式具备通过强化学习来优化演示幻灯片输出的能力。然而，“Manus 早在此前便已具备此功能。”

实际效果：能力存在明显局限和盲区

OpenAI的观点如此，然而，这家企业最近推出的GPT Agent在执行多阶段任务时，其表现似乎会根据不同情境展现出显著的不同。

有用户指出，在PaperBench、SWE-Bench的验证测试、OpenAI的Pull Requests以及OpenAI研究工程师的面试环节中，GPT Agent的表现在o3之下。

有用户在讲述他们使用GPT Agent“对Kaggle平台上的一个数据集进行解析，并将其转化为PPT和Excel格式”的经历时指出，尽管系统在操作上并未出现失误，但其中部分数据却显得有些异常。在其反馈之后，该系统方才明确了数据存在问题的具体情况以及问题产生的原因。

据媒体报道，该AI模型并非一个全能的问题解决者，而更接近于一个复杂的高级模拟器。它在处理不同场景时具有一定的适应性，然而，也存在不少认识上的盲点。此外，OpenAI是利用计算机操作和工具使用的例子来训练这个智能体及其组成部分的，对于任何超出了训练数据所涵盖示例范围的任务，它可能难以胜任。

GPT Agent系统监测显示，该代理在执行那些需要以创新手段将多个步骤连贯起来的复杂任务时，可能会遭遇失败。在“网络靶场”的测试中，GPT Agent被置于一个模拟的小型在线零售商网络环境中，进行全方位的操作。然而，当要求其独立解决问题时，它却未能完成既定任务。尽管它能够顺利完成初步的研究阶段，比如在网络中识别服务器，但后续的发展却遇到了障碍，而且无法将必要的手段有效串联，进而实现既定目标。即便给予指导，这个 Agent 依然未能成功（在这种情境下，这或许是一种幸运，因为它无法执行自动化的黑客攻击），这反映出它在面对超出其训练样本范围的复杂问题时，表现出了明显的不足。

开发者指出，在多数AI应用场合，现阶段根本无需挑选GPT Agent。o3已足以满足需求，其性价比极高，因此完全没有必要启动包含浏览器和命令行界面的完整虚拟机系统。此外，他强调，OpenAI 将众多繁复的技术整合为便于消费者使用的产品，然而，这种极致的用户便捷性是通过牺牲产品的定制性和模块化来换取的，这一做法在现阶段对其功能的发展造成了一定的制约。

在研究任务方面，我仍旧会选用 Claude Code——这是一款功能更为卓越的专业软件。Claude Code 是一款在电脑上运行的软件，它拥有更为灵活的操作方式：用户可以直接访问所有文件，并且能够无限制地调整其运行模式。相比之下，GPT Agent 仅存在于 GPT 系统内部，其工作方式仅限于预设的流程。“所以它有用，但还不是一款日常使用的产品。”

海外网友“认证”：不如中国团队发的 AI 智能体

GPT Agent 的外观让人联想到可能是 Manus 的有力对手。自 OpenAI 推出该系统以来，众多海外用户纷纷将其与 Manus AI、Genspark 等由中国创业者推出的 AI Agent 产品进行了对比。Genspark这家公司由前百度集团副总裁兼小度科技前CEO景鲲以及小度科技前CTO朱凯华共同创立，隶属于MainFunc。起初，它推出的通用AI智能体被定位为AI搜索引擎，但后来转变为超级智能体（Super Agent）。这种智能体具备自主思考、任务规划和调用工具的能力，以完成复杂的多步骤任务。令人瞩目的一点是，该智能体在上线短短9天后，其年度经常性收入（ARR）便成功突破了1000万美元大关。

Shubham Saboo，一位在AI产品领域拥有丰富经验的负责人，公开发表了他的看法：“关于GPT Agent，人们对其能力评价过高。实际上，Genspark和Manus AI在制作详实的研究演示文稿和处理电子表格方面，已经远远走在了前面。”

今晨，MainFunc的联合创始人兼首席执行官景鲲（Eric Jing）在X平台上透露，他们运用了与OpenAI今日早间演示中相同的提示词，经过一次尝试便取得了显著成效：所需时间仅为OpenAI演示的几分之一，而成本亦然，但质量却显著优于OpenAI演示数倍。Saboo 不仅分享了这一对比视频，而且明确表示，“Genspark Super Agent 确实有能力在一场较量中彻底战胜 OpenAI 的 GPT。”

我从未料到这样的时刻会到来——这家仅有二十四名员工的初创企业，竟然能取得如此显著的领先优势……甚至超越了OpenAI……景鲲兴奋地表达着。此外，他在评论区公开发布了该测试任务的全程录像链接：[观看链接](https://www.genspark.ai/autopilotagent_viewer?id=ec2525b1-a16e-4f69-a568-d16b4b687aaf)。

对此，海外网友纷纷点赞称，“你们真是令人叹为观止，一个如此小巧的团队竟能取得如此辉煌的成就。”另有一位用户指出，“通过我们收集的部分客户使用案例，我们发现Genspark在某些任务处理上确实表现出色，而对于其他任务，只有Agent Mode才能发挥其作用（我们也对Manus、Skywork和Flowith进行了测试）。”他亦对Genspark给予了极高的赞誉：“你们制作的演示文稿堪称行业翘楚，无人能出其右，其他产品与之相比，实难望其项背。”

参考链接：

ChatGPT代理的介绍页面位于openai.com/zh-Hans-CN/index/introducing-ChatGPT-agent/，您可以在此处详细了解相关信息。

在Arstechnica网站上，一篇关于ChatGPT新人工智能代理的文章指出，该代理能够上网浏览并制作PPT演示文稿。

该文源自微信公众号“AI前线”，由华卫整理，并已获得36氪的授权进行发布。