OpenAI的智能體來了。

當(dāng)?shù)貢r(shí)間1月23日，人工智能（AI）巨頭OpenAI發(fā)布了名為Operator（操作員）的智能體（agent）。

OpenAI將其描述為一個(gè)可以上網(wǎng)為用戶執(zhí)行任務(wù)的智能體，是“一種能夠獨(dú)立為你工作的人工智能——你給它一個(gè)任務(wù)，它就會(huì)執(zhí)行”。

在演示中，用戶只需要輸入需求，Operator就可以完成餐廳訂位、購買日常用品、預(yù)訂比賽門票等任務(wù)。用戶可以實(shí)時(shí)查看進(jìn)度，并隨時(shí)介入，遇到付款信息、家庭住址等隱私信息，Operator還會(huì)主動(dòng)暫停讓用戶接管。

OpenAI CEO山姆·奧特曼（Sam Altman）在直播中表示，Operator的發(fā)布是OpenAI進(jìn)入Level 3的開始，在未來幾周和幾個(gè)月內(nèi)還將推出更多智能體。

此前，OpenAI曾發(fā)布從AI到AGI（通用人工智能）的五個(gè)等級(jí)，分別是Level 1，Chatbots（聊天機(jī)器人），AI可以以對(duì)話的方式與人互動(dòng)；Level 2：Reasoners（推理者），AI科技解決人類水平的問題；Level 3：Agents（智能體），AI可以作為系統(tǒng)執(zhí)行一些行動(dòng)任務(wù)；Level 4：Innovators（創(chuàng)新者），AI可以開發(fā)創(chuàng)新性的AI；Level 5：Organizations（組織者），AI可以完成一個(gè)組織完成的工作。

據(jù)官方介紹，Operator由一種名為“計(jì)算機(jī)使用代理（Computer-Using Agent，CUA）”的新模型提供支持，通過強(qiáng)化學(xué)習(xí)，將GPT-4o的視覺能力與高級(jí)推理能力相結(jié)合，讓Operator可以 “看到”（通過屏幕截圖）并與瀏覽器 “交互”（使用鼠標(biāo)和鍵盤所允許的所有操作），使其能夠在網(wǎng)絡(luò)上采取行動(dòng)，無需通過自定義API（應(yīng)用程序接口）集成。如果遇到困難或犯錯(cuò)，Operator還可以利用其推理能力進(jìn)行自我糾正，當(dāng)需要幫助時(shí)，控制權(quán)將可以交還給用戶。

不過，奧特曼也強(qiáng)調(diào)，Operator目前只是研究預(yù)覽版，存在局限性。

CUA流程結(jié)構(gòu)

OpenAI表示，由于模型首次可以在互聯(lián)網(wǎng)上進(jìn)行操作，因此進(jìn)行了大量的內(nèi)部測(cè)試和外部紅隊(duì)測(cè)試，以確保Operator的安全使用。官網(wǎng)信息顯示，Operator目前在創(chuàng)建幻燈片或管理日歷等復(fù)雜界面方面存在問題，且可能會(huì)出現(xiàn)誤解命令或偏離用戶要求、被用戶濫用等問題。

同時(shí)，為了確保安全和迭代，將從小規(guī)模開始推廣Operator，目前僅針對(duì)每月付費(fèi)200美元的美國專業(yè)版用戶開放，后續(xù)將根據(jù)用戶反饋進(jìn)行完善和改進(jìn)，將范圍擴(kuò)大到Plus、Team和Enterprise用戶，并在未來將這些功能集成到ChatGPT中。

OpenAI表示“一旦我們對(duì)其安全性和可用性有了信心，就能大規(guī)模釋放無縫實(shí)時(shí)和異步任務(wù)執(zhí)行功能”，并計(jì)劃盡快在API中公開支持Operator的模型CUA，以便開發(fā)人員構(gòu)建自己的計(jì)算機(jī)智能體；并將繼續(xù)提高Operator的更長、更復(fù)雜工作流的處理能力。

據(jù)《華爾街日?qǐng)?bào)》報(bào)道，OpenAI首席運(yùn)營官Brad Lightcap在接受采訪時(shí)表示，Operator可以幫助用戶在家中和工作事務(wù)上節(jié)省時(shí)間，在這些領(lǐng)域，將日常任務(wù)自動(dòng)化“蘊(yùn)藏著巨大機(jī)遇”。

值得注意的是，就在Operator發(fā)布的前一天，國內(nèi)大模型公司智譜AI也公布了最新的智能體GLM-PC v1.1。

據(jù)介紹，GLM-PC是基于智譜多模態(tài)大模型CogAgent，推出了深度思考模式，增加邏輯推理和代碼生成功能，同時(shí)還支持Windows系統(tǒng)。能夠根據(jù)用戶的任務(wù)需求，制定詳細(xì)的任務(wù)規(guī)劃方案，綜合分析目標(biāo)以及可用資源，生成執(zhí)行路線圖，并將大型任務(wù)自動(dòng)分解為可管理的子任務(wù)；規(guī)劃結(jié)束后啟動(dòng)代碼生成模塊，執(zhí)行邏輯循環(huán)，逐步推進(jìn)任務(wù)完成，無需人工干預(yù)；在執(zhí)行過程中，還能根據(jù)新環(huán)境信息進(jìn)行實(shí)時(shí)調(diào)整、反思修正和自我糾錯(cuò)，持續(xù)優(yōu)化解決方案。

OpenAI的競(jìng)爭(zhēng)對(duì)手Anthropic 此前也已推出“計(jì)算機(jī)使用”（Computer Use）功能，允許其智能體像人類一樣使用計(jì)算機(jī)完成復(fù)雜任務(wù)。Anthropic稱可以通過任何軟件和實(shí)時(shí)互聯(lián)網(wǎng)瀏覽來解讀電腦屏幕上的內(nèi)容、選擇按鈕、輸入文本、瀏覽網(wǎng)站和執(zhí)行任務(wù)。

剛剛開年各家大模型廠商就紛紛行動(dòng)，2025年的智能體之爭(zhēng)注定會(huì)愈發(fā)激烈。