過去大半年，Agent（智能體）是 AI 行業(yè)最常被提及的概念之一。

幾乎所有廠商都在講 Agent，概念不缺，demo 也不少，但真正做到產(chǎn)品級落地，始終缺一套完整的執(zhí)行系統(tǒng)——既能理解復雜目標，又能調(diào)用多種工具串聯(lián)任務(wù)流程，還要隨時支持任務(wù)中斷、修改與恢復，真正貼合用戶工作流。

就在剛剛，OpenAI 正式發(fā)布 ChatGPT Agent 功能。

通過整合 Operator + Deep Research + ChatGPT 本體，用戶只需描述任務(wù)，ChatGPT Agent 就能自主判斷所需工具，自動訪問網(wǎng)頁、提取信息、運行代碼、生成幻燈片或表格等，并可在執(zhí)行過程中實時展示步驟、接受中斷和修改指令。

發(fā)布會結(jié)束后，OpenAI CEO Sam Altman 在社交媒體上寫道：：

觀看 ChatGPT Agent 使用計算機完成復雜任務(wù)，對我來說是一個真正的「感受 AGI」時刻；看到計算機思考、計劃和執(zhí)行，有種與眾不同的感覺。

亮點如下：

• ChatGPT Agent 將 Operator、Deep Research 與 ChatGPT 本體三合一，構(gòu)建了一個統(tǒng)一智能體系統(tǒng)。
• 內(nèi)置圖形/文本瀏覽器、終端和 API 調(diào)用器等工具，支持手機端使用，任務(wù)完成后可自動推送結(jié)果；
• 可連接 Gmail、GitHub 等第三方應(yīng)用，深度嵌入用戶真實工作流；
• 在多項基準測試中表現(xiàn)領(lǐng)先，綜合性能位居行業(yè)前列；
• Pro 用戶每月享有 400 條調(diào)用額度，其他付費用戶為 40 條，并支持按需擴展配額。

ChatGPT Agent 正式上線，能購物，能寫 PPT，你的瀏覽器要被 AI 接管了

今天開始，你可以在任何對話中，通過聊天界面左下角的「工具」下拉菜單，選擇「Agent 模式」來啟用這一功能。

只需描述你想完成的任務(wù)，ChatGPT 能夠智能地瀏覽網(wǎng)站、篩選結(jié)果、在需要時安全提示你登錄、運行代碼、執(zhí)行分析，甚至輸出可編輯的幻燈片和電子表格，總結(jié)任務(wù)結(jié)果。

整個執(zhí)行過程是可視的——操作步驟會實時顯示在屏幕上，用戶可以隨時中斷、修改指令，甚至手動「接管瀏覽器」繼續(xù)操作，確保任務(wù)始終符合你的目標和需求。

在今天凌晨的演示中，OpenAI 展示了 ChatGPT Agent 在真實場景中的應(yīng)用能力。

比如，為即將出席的婚禮做準備，一直是個難題?，F(xiàn)在只需發(fā)出請求，ChatGPT Agent 迅速搭建虛擬環(huán)境，自主判斷應(yīng)調(diào)用瀏覽器、文本解析器還是終端，并開始依次調(diào)取婚禮日期、查詢場地天氣、推薦西裝搭配、篩選酒店。在這個過程中，模型可以與 OpenAI 研究員進行互動，并在適當節(jié)點請求確認需求。

更重要的是，用戶可以隨時中斷任務(wù)。

比如當 Agent 在推薦西裝過程中，OpenAI 研究員臨時插入了「幫我找一雙 9.5 碼黑色正裝鞋」的請求，模型立刻暫停當前任務(wù)，轉(zhuǎn)而處理新需求。

同樣地，當智能體認為有必要時，也會主動向你請求更多信息，確保任務(wù)始終與你的目標保持一致。如果任務(wù)超出預期時間或出現(xiàn)卡頓，你可以選擇暫停任務(wù)、請求進度摘要，或直接終止任務(wù)并獲取已有的部分結(jié)果。

「這種可打斷、可多輪對話的機制，是我們這次訓練模型的重點之一，」OpenAI 研究員解釋道。

這一能力背后，是 ChatGPT Agent 對三大系統(tǒng)的統(tǒng)一整合：Operator 提供網(wǎng)頁交互能力，支持自動滾動、點擊、填表；Deep Research 擅長信息整合與分析；ChatGPT 本體則負責自然語言理解與智能推理。

ChatGPT Agent 是通過強化學習在復雜的任務(wù)中訓練出來的，過去三者各有短板——前者難以深入分析，后者無法操作網(wǎng)頁，而 Agent 將三者優(yōu)勢整合為一體，并輔以瀏覽器、終端、API 調(diào)用器等工具，形成一個完整的執(zhí)行系統(tǒng)。

用戶不僅可以在桌面端啟動 Agent 模式，在手機端也同樣適用。

任務(wù)完成后還將自動推送結(jié)果通知。在第二個演示任務(wù)中，OpenAI 研究員在 ChatGPT App 上傳了團隊吉祥物 Bernie Doodle 的貼紙圖案，Agent 自動調(diào)用圖像生成 API 設(shè)計貼紙樣式，通過瀏覽器訪問電商平臺完成比價、樣式選擇、購物車添加，最終整理出定制貼紙的下單明細。

當然，為確保流程安全、靈活且清晰可控，面對涉及金額的支付環(huán)節(jié)，則只會由用戶手動接管瀏覽器完成。

通過連接器，用戶還可將 Gmail、GitHub 等日常應(yīng)用接入 ChatGPT，讓模型讀取郵件、日歷或代碼庫等上下文內(nèi)容，并執(zhí)行諸如總結(jié)今天的郵箱內(nèi)容或查找下周空閑會議時間等任務(wù)。

一個更典型的應(yīng)用場景是，OpenAI 研究員能夠讓 ChatGPT Agent 匯總自己在多項基準測試中的表現(xiàn)，并制作成幻燈片。收到命令后，Agent 會調(diào)用 Google Drive 連接器讀取數(shù)據(jù)文件，用終端編寫代碼繪制圖表，并生成完整的 PPT。

這類自動化能力，都是 Agent 深度嵌入工作流的體現(xiàn)。

不過，可以看到，ChatGPT Agent 生成的 PPT 在設(shè)計審美方面表現(xiàn)比較一般，并且，雖然可以上傳電子表格供 ChatGPT 編輯或作為模板使用，但生成的 PPT 暫不支持二次修改。

需要說明的是，OpenAI 并不是讓 Agent 像人一樣打開 PPT或 Excel 文件，通過點擊來插入文本框和公式，而是直接生成代碼來創(chuàng)建文檔。這種做法的好處是可以利用模型在代碼編寫方面的天然優(yōu)勢，避免因模擬點擊操作帶來的效率低下或出錯，也降低了對計算資源的消耗。

The Information 報道指出，如果 ChatGPT 要直接編輯 PPT 或 Excel 文件，就需要啟動一臺「虛擬機」（即通過 ChatGPT 運行的虛擬計算機環(huán)境），這會占用更多計算資源。

而直接生成代碼則更輕量、高效。盡管潛力巨大，但就目前來看，這一功能短期內(nèi)很難對微軟的 Office 或者 Google Workspace 造成沖擊。

對于 ChatGPT Agent 功能，Pro 用戶將在今天之內(nèi)獲得訪問權(quán)限；Plus 與 Team 用戶將在接下來的幾天內(nèi)陸續(xù)開放；企業(yè)版（Enterprise）和教育版（Education）將在未來幾周內(nèi)上線

Pro 用戶每月可使用 400 條消息，其他付費用戶每月可使用 40 條消息，并可通過彈性積分方案購買更多額度。

全線刷新「跑分」記錄，Agent 戰(zhàn)場迎來最強對手

ChatGPT Agent 能力的提升，也體現(xiàn)在「跑分」環(huán)節(jié)。

在評估 AI 解決跨學科專家級問題的基準測試 Humanity’s Last Exam（HLE）中，搭載智能體的 ChatGPT 模型以 41.6 的 pass@1 得分刷新紀錄。在啟用并行執(zhí)行策略后，該得分進一步提升至 44.4。

在目前被認為最具挑戰(zhàn)性的數(shù)學基準 FrontierMath 中，面對難度極高、從未公開的題目，ChatGPT Agent 在具備終端代碼執(zhí)行能力的前提下，取得了 27.4% 的準確率，遠高于此前模型。

在這一復雜且高經(jīng)濟價值的知識型工作任務(wù)的內(nèi)部基準測試中，ChatGPT Agent 在約一半的任務(wù)中輸出質(zhì)量已達到甚至超過人類水平，表現(xiàn)也顯著優(yōu)于 o3 和 o4-mini 模型。

在一個內(nèi)部的投行建模任務(wù)基準中，ChatGPT 智能體的表現(xiàn)也顯著優(yōu)于 Deep Research 和 o3 模型。每個任務(wù)都基于數(shù)百項關(guān)于公式正確性、格式規(guī)范等評分標準進行評估。

此外，在公開評估模型信息查找能力的 BrowseComp 基準上，Agent 以 68.9% 的準確率刷新記錄，較 Deep Research 高出 17.4 個百分點。在 WebArena 評估中，其網(wǎng)頁任務(wù)執(zhí)行能力也優(yōu)于基于 o3 的 CUA 模型。

從平臺視角看，Agent 能力的底層接口，正是瀏覽器。

在 Perplexity AI CEO Aravind Srinivas 最近的采訪中，他表示瀏覽器將會是 AI 的「殺手級應(yīng)用」。在他看來，瀏覽器天然具備讓 AI 真正「動起來」的全部條件。

不同于傳統(tǒng)聊天機器人，AI Agent 的理想形態(tài)不是停留在對話框中生成文本，而是具備實際行動力——從訪問網(wǎng)頁、提取信息、填寫表單，到執(zhí)行跨平臺操作。而這一切，瀏覽器恰好具備所需的操作權(quán)限和上下文獲取能力。

瀏覽器可以直接讀取頁面、模擬點擊、自動執(zhí)行任務(wù)，幾乎無需額外授權(quán)。

在這個過程中，用戶與 AI 共處于同一個交互空間：AI 可以自動執(zhí)行任務(wù)，用戶也能隨時中斷或接管，避免黑盒操作帶來的不確定性。這種可控性與透明度，是當前許多上下文協(xié)議仍難實現(xiàn)的能力。

如今，隨著 ChatGPT Agent 能力正式上線，所有聲稱要做 Agent 的廠商，恐怕都要重新審視自己的產(chǎn)品路徑。

當 ChatGPT 從語言交互工具，轉(zhuǎn)向具備協(xié)作、調(diào)度與承接任務(wù)能力的執(zhí)行系統(tǒng)，開始接入用戶的真實工作流，Agent 的可用性門檻，也在此刻被實質(zhì)性地拉高。