OpenAI熱炒已久的智能體，剛剛正式發布！

OpenAI官方介紹：

Operator是我們的首批智能體之一。這些AI能夠獨立為你完成工作——只需給它一個任務，它就會執行。

be like，給它一個購物清單，Operator就能完全自主地幫你買好東西。

可以看到操作老哥的雙手已經離開鍵盤，屏幕上的所有操作都是Operator自己完成。

還能讓它來預定餐廳：

這邊奧特曼直播剛結束，OpenAI總裁Brockman就迫不及待地宣布：

2025是智能體之年。

并且這一次，Operator官宣即上線——只不過，暫時只面向Pro用戶，對，就是一個月200刀（約合人民幣1458元）的那個大會員。

看罷直播，網友們還是非常興奮的，直呼“瘋狂星期四”。

但是嘛……

嗯，Operator很香，但要是開源就更棒了，DeepSeek、Meta快卷起來（doge）。

玩轉瀏覽器，無需人類輔助

口說無憑，咱們還是先通過官方Demo，來看看Operator到底有多“獨立自主”。

它幾乎可以使用任何網站，無需人類的操作輔助。

比如從Allrecipes上找到一份蛤蜊扁面條的食譜，然后把所有的食材都放到我instacart的購物車里？

它操作這一切的邏輯和人類一樣，看到了哪些圖片、該點擊哪些按鈕。

這和其他使用API或者基于編程接口的Agent不同，它是基于文本的思維鏈進行推理。

確認好菜單后，去哪個店下單買菜呢？

人類進一步給出指令，使用Gus’s，然后Operator就會到對應的網站開始下單。

遇到登錄、支付等操作時，Operator會將操作權交還給用戶。

在用戶實測中，有博主發現如果Operator被Reddit墻了，它還會自己在搜索時就加入“Reddit”關鍵詞以找到相關帖子。

用戶也可以通過添加自定義指令，獲得個性化體驗。比如設置訂機票時的首選航司。

Operator允許用戶保存提示，以便在主頁上快速訪問，非常適合重復任務，如在購物網站上補貨。

Operator也能同時運行多個任務，就像是打開多個網頁那樣，比如讓它在Etsy上訂購個性化的搪瓷馬克杯，同時在Hipcamp上預訂露營地。

Operator的底層使用了一個全新的模型Computer-Using-Agent（CUA）。

通過將GPT-4o的視覺能力和高級推理強化學習相結合，CUA可以進行GUI交互。

Operator可以看到網頁界面的內容，使用鼠標、鍵盤允許的所有操作。由此它可以自動操作，而無需自定義的API集成。

如果遇到問題或者出現錯誤，Operator可以利用推理能力自我糾錯。并在它卡住需要幫助時，將控制權交還給用戶。

CUA在WebArena和WebVoyager兩個基準測試中都取得了SOTA。

目前，美區的Pro會員已經可以通過operator.chatgpt.com來使用Operator。Plus、Team、Enterprise等付費用戶和其他地區的胖友們，還得再等等，但OpenAI承諾未來會將這些功能集成到ChatGPT中。

OpenAI邁入“Level 3”

2024年7月，OpenAI發布了“從AI到AGI的五步過程”：

• Level 1：Chatbots，AI可以以對話的方式與人互動。
• Level 2：Reasoners，AI科技解決人類水平的問題。
• Level 3：Agents，AI可以作為系統執行一些行動任務。
• Level 4：Innovators，AI可以開發創新性的AI。
• Level 5：Organizations，AI可以完成一個組織完成的工作。

在當時的定義和規劃中，OpenAI表示自己還只處于Level 1階段，正在靠近Level 2。

而現在，隨著Operator的發布，奧特曼宣布：

這是我們進入Level 3的開始。

值得注意的是，就像開頭提到，OpenAI悄悄畫了個重點：Operator還只是“首批”而非唯一智能體。

在直播中，奧特曼也預告了：

我們還將在未來幾周和幾個月內推出更多智能體。

One More Thing

就在OpenAI今天這場直播之前，還有一個小小的花絮。

Operator發布2小時前，OpenAI發了一條推文，表示修復了ChatGPT和API錯誤率高的問題。

又虛晃了網友們一槍（doge）。

另一個好消息是，奧特曼還預告，ChatGPT免費版就能用上o3-mini。