編輯 | 云昭

出品 | 51CTO技術棧（微信號：blog51cto）

又是一個不眠夜！

7 月對于 OpenAI 而言意義非凡，從去年盛傳 GPT-5 將會發(fā)布，再到近日的被挖角風波，再到 OpenAI 即將推出 AI 瀏覽器，各種傳言全都醞釀在今天凌晨的直播里。

發(fā)布前，小編的預期是，肯定是 Agentic 辦公類的產(chǎn)品。因為在前兩個月的博客中，Sam Altman 不止一次提及，現(xiàn)在是 Vibe Coding，下一個則看好類似 Google Docs 的辦公 Agent 產(chǎn)品。

這次，Sam 在官宣發(fā)布推文后，給出的第一條推文總結了他的感受：

“feel the AGI” moment。 

“觀看 ChatGPT Agent 使用計算機思考、計劃和執(zhí)行復雜任務對我來說是一個真正的‘感受 AGI’時刻?！?/p>

合二為一的縫合怪？

果然，小編只猜中了一半。猜對的是果真是面向日常辦公工作的產(chǎn)品，主打一個 一句提示搞定 Excel 和 PPT。

正如那位 OpenAI 的研究員所發(fā)的推文：

在對各種實際工作任務（可能需要> 10 小時的專家任務）進行測試時，我們發(fā)現(xiàn)其輸出幾乎在 50% 的時間內都達到了人類質量。

沒猜到的是，Altman 坦承了想法：很簡單，我們就是融二為一了。

省流版的解釋，這個 Agent 就是兼有下面兩種功能，研究和動手兩不誤——

• Operator：可與網(wǎng)頁交互，如填寫表單、點擊按鈕等；
• Deep Research：可執(zhí)行多步驟的深入研究任務。

這次直播中，Sam Altman 表示，ChatGPT Agent 的想法是在 OpenAI 推出其其他代理 Operator 和 Deep Research 之后產(chǎn)生的。Operator 使用自己的瀏覽器執(zhí)行任務，而 Deep Research 可以在互聯(lián)網(wǎng)上進行多步驟調查。

“我們很清楚，人們真正想要的是將這些功能整合在一起……人們想要一個統(tǒng)一的代理，它可以獨立運行，使用自己的電腦，并為他們執(zhí)行真正復雜的任務?！?/p>

OpenAI 表示，這款新工具可以“使用它自己的電腦”來處理復雜任務。

不過，在人類看來，這里的復雜任務，算不上多復雜。無疑就是我們日常辦公的那些事兒了：讀/發(fā)郵件、做PPT、編輯 Excel、網(wǎng)上購物等等。

為什么仍然值得一看？

但如果說這次給的演示有什么特別的話，就是場景更加貼近實際生活工作了：

• ChatGPT 代理可以充當虛擬助手，連接到 Gmail 和 Google 日歷等應用程序，執(zhí)行起草電子郵件和安排預約等任務。它使用自己的虛擬計算機完成任務，并自行在推理和行動之間切換以執(zhí)行指令。
• OpenAI 表示，新工具可以“分析三個競爭對手并制作幻燈片”——代理將制定行動方案、瀏覽網(wǎng)站并創(chuàng)建可編輯的幻燈片。
• 它還可以通過“根據(jù)舊金山年度綜合財務報告 (ACFR) 制作電子表格”之類的提示來創(chuàng)建可編輯的 Excel 電子表格。
• 該代理還可以為用戶在線購物，但在執(zhí)行敏感操作（例如輸入個人信息或進行購買）之前，它始終會征求批準。

這些任務的完成并非通過傳統(tǒng)編程接口調用，而是由 ChatGPT 自己在一個虛擬計算機環(huán)境中完成，這個環(huán)境配備了多種工具，能在網(wǎng)頁上模擬真實用戶的操作。

用戶還可以授權連接自己的 Gmail、GitHub 等服務，讓 ChatGPT 在任務中調用其中的信息。

這里小編為大家扒了看下兩個案例：PPT 和 Excel。

至于原理，OpenAI 介紹道，Agent 模式可以調用三種工具：文本瀏覽器、可視化瀏覽器和終端。模型可以自主選擇切換各種工具。

具體來說，文本瀏覽器用于廣泛地讀取和檢索文字信息；可視化瀏覽器則在確定目標信息后，模擬鼠標和鍵盤操作，甚至可以處理圖像內容；而終端則具備執(zhí)行代碼的能力，能夠生成如 PPT、Excel 等各類文檔，同時還可以調用云端 API 完成更復雜的任務，比如投行建模這些燒腦的事情。

總之，ChatGPT Agent 會動態(tài)選擇最佳執(zhí)行路徑：它可以篩選結果、運行代碼，甚至生成幻燈片和電子表格——同時在多步驟任務中保持完整上下文。

這里小編還要強調三個不同的地方：

• 大家都知道，目前大模型不是萬能的，但大模型調用工具的能力可以說是“愛無限”。在演示中，Agent 可以連接 Google Drive API，讀取文件之后生成更精準的 PPT 或郵件、表格；也可以調用 Image 生成器/生成模型，來實現(xiàn)文本到多模態(tài)的跨越（想起了騰訊元寶讓DeepSeek畫圖的消息~）
• 對于涉及到隱私風險的操作，通知并得到用戶的交互許可，依舊是主流。
• Agent 的安全風險問題依舊嚴峻。OpenAI 隨后在官方推文中表示，ChatGPT 具備新能力的同時，也引入了新的風險。目前，OpenAI 已針對多個風險類別實施了廣泛的安全防護措施。

尤其是針對 對抗性提示注入（prompt injection）攻擊采取了特別的防護機制，以防止模型被惡意操控。（似乎是在暗懟最近Claude和Grok的安全問題。）

有趣的是：機構叫好，用戶喊沒勁

好了，現(xiàn)在來說下大家的評價。

首先，發(fā)布后，很多人都覺得跟 Manus 很像，群里也有不少朋友對其表示失望。這種心情很普遍，也是大眾對于 OpenAI 產(chǎn)品的過高期望。

比如一位網(wǎng)友就吐槽“生成的 PPT Slides 很丑”。這一點 OpenAI 也承認：

目前，部分功能如幻燈片生成仍處于 beta 階段，排版可能不夠完美，某些編輯也還存在邊界。但這只是開始。OpenAI 正在持續(xù)優(yōu)化：

幻燈片排版更自然

表格編輯速度更快

任務記憶和長期計劃能力增強

循環(huán)任務的設置更便捷

其次，更多的網(wǎng)友，是覺得這次的演示Demo無新意，不夠驚艷。

最后，甚至、網(wǎng)友們反問道：它幫我完成90~95%的占用我時間的工作后，那我豈不是被解雇了？

你看，這就是發(fā)布不驚艷的下場，用戶的槽點就會轉移到“AI替代我工作”的話題上，蠻無聊的。

不過，hackernews 上的用戶的注意力就很極客，更多的是在討論電子表格的案例。

他打開表格說：“我覺得它98%的信息都正確……我只需要復制/粘貼幾項。如果它能幫你完成90%到95%的耗時工作，那能幫你省下一大筆時間?！?/p>

喜歡說出真相的網(wǎng)友則表示：找到剩下的 2% 的錯誤才是最麻煩最難得，可能需要我花費更多的時間！要命！

爭議也由此展開了：

• 類比到編程，有網(wǎng)友評論指出“AI代碼生成”也存在類似風險：通過測試不代表質量合格，測試無法發(fā)現(xiàn)所有漏洞，尤其是邏輯和架構上的錯誤。
• 同時也有反對者強調：“測試是找你已知問題的工具，但不是萬能的”，必須配合審查流程、代碼理解和良好的工程文化。

哈哈，只能說，這是另一個話題了。

做產(chǎn)品，OpenAI 不是唯一正確，但參考它準沒錯

但小編想說的是，全球 AI 發(fā)展早已經(jīng)不是 OpenAI 一家驅動了，谷歌、Anthropic 已經(jīng)鼎足。所以彼此之間、甚至模型和 Agent 產(chǎn)品之間的“左腳踩右腳”的發(fā)展態(tài)勢會長期存在。期望 OpenAI 領跑產(chǎn)品形態(tài)這件事，不要抱太大期望。

那肯能會問，OpenAI 這次發(fā)了什么新東西嗎？小編認為還是有的。

試想一下，你有沒有在安裝試用某款AI瀏覽器時，總是會被這樣一段文字勸退：

你需要同意授權該產(chǎn)品可以收集、使用真實網(wǎng)頁中用戶數(shù)據(jù)，并可以執(zhí)行操作。

這樣帶來的問題怎么解決？這個其實是很多廠商有意回避、沒有解決方案的。

Agent 若獲得過多數(shù)據(jù)訪問權限，可能誤讀并采取不當行動了怎么辦？

有惡意網(wǎng)站試圖誘導 Agent 執(zhí)行非法操作該怎么辦？

Agent 可能誤點按鈕、選擇錯誤商品、產(chǎn)生不可預期后果又來誰負責？

至少，OpenAI 帶頭提出了標桿式的解決措施：

• 關鍵操作需確認（如購物、付款等）
• 拒絕執(zhí)行高風險任務（如銀行轉賬）
• 支持隨時刪除瀏覽記錄與登出
• 敏感輸入不會被記錄或存儲

除此之外，還有嗎？小編只能說，Spreadsheets 那個也是個不錯的用例。

很多做數(shù)據(jù)爬蟲工具的網(wǎng)站、甚至BI賽道的玩家都要重新思考將來的轉型了。

如果不相信，就看一下OpenAI 的內部測試數(shù)據(jù)，以及Epoch AI 剛剛出爐的測評——

• 在多項復雜的數(shù)據(jù)科學與投資任務中超過人類表現(xiàn)
• 在網(wǎng)頁瀏覽與任務完成的準確性上優(yōu)于歷代AI模型
• 在表格編輯、數(shù)據(jù)建模、高階數(shù)學問題上表現(xiàn)極佳

華人新面孔：Agent背后的兩位高材生

ps: 小編發(fā)現(xiàn)，這次又有新的華人面孔。左二，Zhiqing Sun ，去年 6 月加入OpenAI，目前是研究科學家，一口中式英語，非常親切，細心地網(wǎng)友認出就是北大校友孫之清了。

在OpenAI期間，孫之清不僅參與到了o3/o4-mini、計算機使用智能體，以及Deep Research這幾個關鍵項目當中，而且還是Deep Research的研究負責人。

另一位坐在C位的則是老面孔：Casey Chu，于2020年4月加入OpenAI，擔任研究員。這位可以說是元老級別了，很多次直播發(fā)布中都有看到 Casey。他不僅是DALL·E 2的共同一作，而且還主導了GPT-4視覺輸入的初始原型的開發(fā)。

什么時候用上？

OpenAI 這波新品正在被嵌入到 ChatGPT 中，目前只允許付費用戶使用。

通過在 ChatGPT 的下拉工具菜單中選擇“代理模式”即可訪問。該代理現(xiàn)已從今天開始向 Pro、Plus 和 Team 用戶推出，并計劃于今年夏季向企業(yè)版和教育版用戶推出。

不過，小編發(fā)現(xiàn)，身為plus用戶的我，貌似并沒有被cover到，有知道原因的道友可以告訴下原因。

不過，小編為大家找到了幾張?zhí)崆绑w驗的用戶交互截圖。

最有意思的是，Manus 今天官推也發(fā)了幾張對比截圖，嘲諷味道出來了??

完結。各位大佬如何看待這次的ChatGPT Agent呢？

?本文轉載自???51CTO技術棧??