对于 OpenAI 推出「智能体（Agent）」的别传早已甚嚣尘上。客岁 11 月起，就不休有爆料讯息指出，OpenAI 将在 2025 年 1 月上线首个智能体新澳门六合彩一肖中特，稍早前还被外洋科技媒体 The Information 把范围减弱到了本月底。
而当今，OpenAI 终于按下了智能体时期的启动键——发布了旗下首个智能体 Operator。北京时候 1 月 24 日凌晨，OpenAI 的直播行为蛊卦了全球科技圈的视力。这场直播的主角，恰是万众瞩指标 Operator。
算作真·智能体，Operator 大概模拟东说念主类在电脑上的操作行为，通过点击、盘曲、输入等操作径直与网页进行交互，完成各式任务。浅易来说，Operator 就像一个领有「自主意志」的数字职工，不错像东说念主类一样浏览网页、填写表格、订购商品以及预订餐厅等，由此也就不错代替咱们进行一些繁琐致使复杂的操作。
Operator 肇始页面，图/ OpenAI
在此之前，OpenAI 照旧迈出一步推出了「Tasks（任务）」功能，尝试将 ChatGPT 从一个皆备被迫的 AI 聊天机器东说念主，运转转造成主动实践任务的 AI 数字助手。而 Operator 的出现，则记号着 OpenAI 隆重迈入了智能体时期，达成从「被迫处理信息」到「主动完成任务」的进化——这是通往通用东说念主工智能（AGI）的关节一步。
当ChatGPT 学会了「网上冲浪」
率先要讲明的是，Operator 现时处于连接预览阶段，仅面向好意思国的 ChatGPT Pro（200 好意思元/月）用户，Plus 用户也不成体验。不也同于 Claude 的 Computer Us 以及智谱的 GLM-PC 智能体都径直操作用户的电脑，Operator 是在云霄怒放一个「浏览器」进行操作。
左边是对话，右边是云霄的浏览器，图/ OpenAI
但要确切显然 Operator 的道理，如故回到实践场景中，在 OpenAI 的现场演示中，望望 AI 是怎样像一个陶冶丰富的「网上冲浪老手」一样，在数字全国里解放穿梭，完成各式任务。
比如在 OpenAI 的现场演示中，就条款 Operator 在 Beretta（餐厅）订一桌今晚 7 点两东说念主的位置。这个指示对于咱们东说念主类来说，只需要在好意思食预订网站上进行几次搜索和筛选就能完成，但对于 AI 来说，却是一项不小的挑战。
而输入餐厅预订条款后，Operator 会在初步分析需求后径直怒放一个云霄的浏览器后台，运转分纪律搜索餐厅、搜检并运转预订。诚然，用户也不错透过窗口径直不雅察到 Operator 的每一步点击、滑动和输入，就像东说念主类一样操作。
通过快照不错回看到 AI 的每一步想考和操作，图/ OpenAI
Operator 的进展如实令东说念主惊艳。它飞速启动了内置的浏览器，然后运转「不雅察」屏幕上的内容，通过分析网页的结构和元素，找到了搜索框和各式筛选选项。通盘这个词历程挥洒自由，就像确凿有一个东说念主在处理一切。
特有趣的是，运转 Operator 发现 Beretta 今晚 7 点莫得位置后，还会从头检索一个接近用户条款的「预订」，最终示知并主动筹谋用户是否采取「今晚 7 : 45」这个时候进行预订。
AI 检索后推选了一个接近的时候，图/ OpenAI
相同地，当「今晚 7 : 45」的契机被其他东说念主抢到后，Operator 回过甚来又能提供「今晚 6 : 15」和「今晚 8 : 15」两个预订时候供用户采取。
不仅如斯，在购买一组杂货的任务中也不错看出，Operator 不错一语气实践任务，通过不休搜索商品、添加到购物车。而最完了算前，Operator 也会条款用户接受限制，进行最终的阐明和付款（不错登录账户并保留登入现象），用户也不错临时进行添加或者修改。
购买杂物（2x 播放），图/ OpenAI
再连结 OpenAI 此前推出的「Tasks」功能，皆备不错假想以后让 Operator 如期补充购买日用品的局面。
而从官方演示以及少数用户共享的测试来看，在购物、订票等场景中，Operator 展现出了很强的适合性和通用性，大概出色地完成各式不同的任务。
另外正如前文所述，用户不错不雅察 Operator 的每一步操作，诚然也不错采取不看，持续让 Operator 同期实践另一个任务，或者干脆忙我方的责任，Operator 向你发送教唆后再进行阐明即可。
同期运行多个任务，图/ YouTube
无论是官方演示如故油管博主的测试，都讲明了这少量。但 Operator 到底是怎样作念到这一切的呢？
基于 GPT-4o 打造“CUA”是关节
暴雪曾在11.0.7版本测试服中宣布专业技能将迎来知识点重置机制，但由于该功能尚未完成，原计划被推迟至未来版本。随着11.1版本即将推出，我们从数据挖掘中发现了一些新的货币，可能与知识点重置机制相关。
Operator 之是以大概像东说念主类一样操作电脑，离不开 OpenAI 为其量身打造的「筹谋机使用智能体（CUA）」。CUA 基于 GPT-4o 的视觉才能以及高等推理技巧打造，让 AI「看懂」和「操作」电脑界面，或者说让 AI 和东说念主类一样有了与图形用户界面（GUI）交互的才能。
CUA 率先要作念的等于「看懂」屏幕上的内容。它通过分析屏幕截图，贯穿图像、笔墨等多种信息，识别出网页上的各式元素，举例按钮、贯串、文本框等等。这个历程就像咱们东说念主类用眼睛不雅察全国一样。
致使知说念等一下，图/ OpenAI
然后，CUA 会证据用户的指示和「看到」的内容进行推理和判断，决定下一步要实践什么操作。举例，当用户条款预订餐厅时，CUA 会推理出需要先走访餐厅预订网站，然后在搜索框中输入关节词。这个历程就像咱们东说念主类在想考问题一样。
同期，CUA 会实践相应的操作，举例鼠标转移、点击、键盘输入等等。这些操作都特别精确，就像咱们通过鼠标、键盘操作电脑一样。也因为这种通用的交互才能，Operator 不需要网站提供 API 接口，险些不错适用于任何网页。
为了让操作愈加智能和连贯，CUA 还通过一个迭代轮回进行操作，不休地「不雅察」、「想考」和「行动」，直至任务完成。遇到挑战或犯裂缝，Operator 不错哄骗其推理才能进行自我阅兵。而当遇到艰难或者需要用户操作时，Operator 也会将限制权交还给用户。
并且 OpenAI 很巧妙地采取了在云霄运行浏览器，而不像 Claude Computer Us 以及智谱的 GLM-PC 智能体径直操作用户电脑，容易产生「占用」「诡秘」「环境」的问题。
Claude Computer Use，图/ Anthropic
前两个很容易贯穿。「占用」意味着在智能体操作电脑的时候，用户无法同期进行其他操作，只可恭候智能体。「诡秘」问题显而易见，毕竟在用户电脑中频频存有大批奥密的文献和信息。
「环境」则是指用户实践使用的电脑频频运行环境复杂，不仅是可能际遇各式系统和软件 Bug，致使单单启动软件都可能际遇权限等问题，无论在 Windows、macOS 如故 Linux 下。
比较之下，OpenAI 似乎想幸免「步子迈大扯到蛋」，把使用场景限制在最通用的「浏览器」上，同期通过云霄运行来确保结伙、诡秘、可后台运行的操作环境。
尽管 OpenAI 不是第一个打造真·智能体的大模子厂商，但这些技巧与居品遐想的连结，不仅达成了 AI 从「被迫处理信息」到「主动完成任务」的逾越，让 Operator 大概完成各式任务，也让 Operator 在一定进程上卓著了 Claude Computer Us 或是智谱的 GLM-PC，更合适主流全球使用。
AI 转变全国，智能体转变 AI
曩昔一年，智能体险些成了 AI 行业的共鸣。但实践上许多厂商宣传的「智能体」仅仅对蜿蜒文进行了浅易的定制，举例变装演出类的「智能体」仅仅预设了一段东说念主物设定文本，然后将问题进行拆分实践。
实质上仍然是软件模块，而非真方正概自主行动的智能体。
而确切的智能体算作大模子时期的应用或者说交互窗口，应该大概像东说念主类一样进行操作和行动，举例操作电脑、实践任务等，径直替代东说念主类实践通盘无谓要的操作。
图/智谱
这少量特别蹙迫，不错分辨主见炒作和确切的技巧打破，也能让咱们看清 Claude Computer Use、荣耀 YOYO 智能体以及今天 OpenAI Operator 的价值。
不外也要显然，Operator 以及其他雷同的「真·智能体」仍然处于早期的摸索阶段。中枢如故「通用性」的挑战，即便到了今天 OpenAI 的 Operator，智能体如故莫得达成确切和东说念主类一样的通用化交互才能，还不救济轻易网站和轻易圭臬。
YOYO 智能体自动订购的咖啡，图/雷科技
而互联网是一个充满变化的全国，面临数不清的网站和交互遐想，怎样让智能体长期保握适合性，是一个需要耐久处置的问题。
尽管如斯，但依旧大概看到智能体算作「AI 应用」的浩大价值，不错将咱们从繁琐疏通的操作中解放出来，让咱们有更多的时候和元气心灵去从事更有创造性和更有道理的责任。更蹙迫的是极地面擢升了交互后果，缩短了交互门槛。
举一个特别实践的例子，最近短视频和酬酢平台上都在流行大学生过年回家给老东说念主卸载流氓应用、关闭告白设立，一个关节原因在于智高手机对于老一辈来说交互门槛如故高了。
与此相对的是，大模子带来了前所未有的当然言语交互才能，而智能体则在尝试更进一步解放东说念主类的双手和大脑。
