智東西AI前瞻（公眾號：zhidxcomAI）
作者 江宇
編輯 漠影

智東西AI前瞻7月18日報(bào)道，今日凌晨，OpenAI正式推出了ChatGPT Agent，一個整合了網(wǎng)頁交互、深度檢索和代碼能力的全新“AI助手形態(tài)”。

從產(chǎn)品邏輯上看，網(wǎng)絡(luò)交互工具Operator和深度信息檢索工具DeepResearch不再分家，ChatGPT內(nèi)部出現(xiàn)了一個能夠“查找-思考-執(zhí)行”一體化的Agent，用戶能直接讓AI跨網(wǎng)頁、代碼、個人數(shù)據(jù)源完成完整任務(wù)。

相較于OpenAI接連被挖角引發(fā)的輿論熱度，ChatGPT Agent的發(fā)布似沒達(dá)到“革命性Agent”的期許，略顯反應(yīng)平淡。社區(qū)用戶體驗(yàn)后褒貶不一，有人認(rèn)為“初見AGI的雛形”，但也有人指出PPT排版簡陋、復(fù)雜邏輯易中斷和幻覺等問題。

ChatGPT Agent發(fā)布后，競品Manus第一時間接招，放出10個實(shí)測案例，試圖通過財(cái)務(wù)建模、生活規(guī)劃、行程安排、消費(fèi)購物、航班篩選等不同場景任務(wù)，證明ChatGPT Agent在任務(wù)閉環(huán)和可視化交付上并不占優(yōu)。

▲（圖源：Manus X平臺）

回過頭來看，ChatGPT Agent在網(wǎng)頁瀏覽、執(zhí)行任務(wù)等多個測評中實(shí)現(xiàn)了SOTA，在“人類的最后考試”（Humanity’s Last Exam）測試中取得了41.6的高分。這一成績證明了其能力，也同時需要進(jìn)一步在真實(shí)場景中驗(yàn)證。

ChatGPT Agent將首先向Pro、Plus和Team用戶推出，Pro用戶每月可獲得400次查詢，其他付費(fèi)用戶每月40次。面向企業(yè)和教育用戶的版本，預(yù)計(jì)將在本月底前上線。

目前，ChatGPT Pro版的訂閱價格為每月200美元，包含Agent和終端功能。相比之下，xAI的Grok 4最新的Agent產(chǎn)品定價高達(dá)每月300美元，兩者價格相差1.5倍。

一、一次“功能拼圖”的交付，ChatGPT Agent有哪些升級？

ChatGPT Agent的定位可以簡單理解為“把Operator和DeepResearch合并”，并補(bǔ)上了一個“終端”和“圖像生成API”的工具棧。

1、文本瀏覽器（DeepResearch功能）負(fù)責(zé)批量搜索網(wǎng)頁、閱讀長文本；

2、可視化瀏覽器（Operator功能）負(fù)責(zé)網(wǎng)頁點(diǎn)擊、拖拽和表單填寫；

3、終端可以跑Python腳本、生成和分析文件（Excel表格、PPT幻燈片）和調(diào)用API，甚至接入Google Drive、GitHub等外部數(shù)據(jù)；

4、圖像生成API補(bǔ)足基礎(chǔ)的可視化內(nèi)容生成，可以為報(bào)告或幻燈片創(chuàng)建視覺素材。

這套“工具箱”搭載在一個虛擬機(jī)環(huán)境下，由經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的模型調(diào)度，能實(shí)現(xiàn)從自動檢索、分析、生成文檔，到最終下單、預(yù)約的完整閉環(huán)。

在發(fā)布演示中，OpenAI選擇了一個貼近生活的案例：用Agent幫用戶策劃一場婚禮行程。

▲婚禮策劃實(shí)測（圖源：OpenAI）

ChatGPT團(tuán)隊(duì)提供婚禮網(wǎng)站鏈接，提出“幫忙推薦服裝、選酒店、挑禮物”三個需求。Agent先自動抓取婚禮時間、地點(diǎn)和著裝要求，再查詢天氣并推薦適合的服裝，隨后跳轉(zhuǎn)到Booking.com查找酒店選項(xiàng)，最后搜索禮物推薦。最終，Agent生成一份“婚禮準(zhǔn)備報(bào)告”，按服裝、酒店、禮物分類整理，附帶來源鏈接和截圖，完整交付給用戶。

▲ChatGPT Agent所生成的婚禮策劃（圖源：OpenAI）

二、Manus隔空叫板：十大對比，功能對齊，體驗(yàn)分化

ChatGPT Agent發(fā)布后，作為競品的Manus第一時間在X平臺發(fā)布多輪實(shí)測對比，主動“迎戰(zhàn)”。

從展示效果來看，Manus通過可視化呈現(xiàn)、跨平臺操作和交付形式展示了自身優(yōu)勢，試圖證明其在任務(wù)閉環(huán)和最終輸出上的完整度優(yōu)于ChatGPT Agent；相比之下，ChatGPT Agent更多聚焦于基礎(chǔ)信息檢索和文本型交付，功能覆蓋相近，但在交互體驗(yàn)上呈現(xiàn)出不同方向。

具體案例呈現(xiàn)：

1、案例1：新加坡公司選址與政府資助

Manus輸出完整調(diào)研資料和資助方案PPT，含生態(tài)概覽、政策詳情與圖片；ChatGPT Agent只生成基礎(chǔ)幻燈片，缺少要點(diǎn)總結(jié)與可視化呈現(xiàn)。

▲（圖源：Manus）

案例2：高收入FIRE模型

Manus完成包含城市生活成本、稅務(wù)規(guī)劃的完整PPT，含關(guān)鍵圖表和視覺元素；ChatGPT Agent只列出基礎(chǔ)生活成本清單，稅務(wù)信息方面并不完善，且無投資策略或可視化分析。

▲（圖源：Manus）

案例3：三日網(wǎng)球行程制定

Manus生成含每日日程、預(yù)算及訂票鏈接的可視化行程卡片；ChatGPT Agent輸出純文字行程，排版單調(diào)無整合。

▲（圖源：Manus）

案例4：舊金山ACFR財(cái)務(wù)表格

Manus整理2020-2024年財(cái)務(wù)數(shù)據(jù)并生成可視化預(yù)算趨勢PPT；ChatGPT Agent只生成無視覺呈現(xiàn)的財(cái)務(wù)表格。

▲（圖源：Manus）

案例5：電動車行業(yè)研究

Manus制作5頁完整PPT，包含行業(yè)增速圖表、旗幟等定制視覺元素；ChatGPT Agent停留在信息收集，未完成PPT交付。

▲（圖源：Manus）

案例6：篩選500美元以下風(fēng)衣

Manus整理符合條件的商品清單并生成對比文檔；ChatGPT Agent只停留在電商頁面截圖，無完整輸出。

▲（圖源：Manus）

案例7：英偉達(dá)估值建模（DCF模型）

Manus完成全流程，包括歷史財(cái)務(wù)數(shù)據(jù)抓取、WACC估算、現(xiàn)金流預(yù)測、敏感性分析和完整圖表輸出；ChatGPT Agent僅停留在搜索公開年報(bào)信息，未完成建模和分析。

▲（圖源：Manus）

案例8：季度財(cái)報(bào)拆分更新

Manus完成季度表格更新和PPT生成，ChatGPT Agent只完成基礎(chǔ)表格更新，無季度拆分和PPT。

▲（圖源：Manus）

案例9：預(yù)訂高評分壽司餐廳

Manus全流程完成訂座并返回確認(rèn)頁面，ChatGPT Agent只完成基礎(chǔ)餐廳信息檢索，無預(yù)訂動作。

▲餐廳預(yù)定成功界面（上）和Manus實(shí)操界面（下）（圖源：Manus）

案例10：查詢機(jī)票并篩選優(yōu)選航班

Manus完成可視化航班票價對比卡片，ChatGPT Agent僅展示網(wǎng)頁搜索信息，無可視化總結(jié)和篩選邏輯。

▲（圖源：Manus）

作為“參賽選手”，Manus的展示更側(cè)重自身產(chǎn)品優(yōu)勢，ChatGPT Agent實(shí)際效果如何，還需持續(xù)觀察更多用戶的真實(shí)體驗(yàn)反饋。

三、體驗(yàn)有驚喜也有槽點(diǎn)：效率在線，復(fù)雜檢索還需人類兜底

社區(qū)實(shí)測也迅速給出了“褒貶對半開”的反饋。

X平臺用戶用Agent在20分鐘內(nèi)完成了FIRE計(jì)劃，稱相同服務(wù)在人類顧問處花費(fèi)可能高達(dá)5000美元。

ChatGPT Agent首先查找了本地稅收政策（溫哥華），分析了用戶的月均開支，測算出在30歲退休所需的儲蓄金額，接著生成了投資組合建議，并梳理出用戶此前未接觸過的稅務(wù)優(yōu)化策略，最后構(gòu)建了多個退休方案的對比情景，生成了一份完整的可下載PPT文件。

▲（圖源：X平臺）

他還補(bǔ)充道，Agent在生成電子表格和PPT上的能力最讓人印象深刻，但整體結(jié)果與他用Manus、Genspark等其他Agent工具的體驗(yàn)“差異不大”。在他看來，對沒用過這些工具的大多數(shù)人而言，ChatGPT Agent的能力“依然足夠震撼”。

▲（圖源：X平臺）

不過，ChatGPT Agent在社區(qū)的用戶反饋中也暴露出不少實(shí)際體驗(yàn)上的短板。不少用戶吐槽，在網(wǎng)頁交互過程中經(jīng)常出現(xiàn)卡頓或404錯誤，生成的PPT排版簡陋、審美效果較差，遇到稍微復(fù)雜的邏輯需求時，任務(wù)流程也往往需要頻繁中斷和人工修正。

沃頓商學(xué)院教授、AI研究者Ethan Mollick也分享了類似感受。他在X平臺稱，自己用ChatGPT Agent分析了Kaggle上的數(shù)據(jù)集，雖然Agent能夠順利完成分析流程并生成PPT和Excel文件，但初步結(jié)果中存在明顯的數(shù)據(jù)異常。只有在他提供反饋后，Agent才成功識別出問題并修正結(jié)果。

▲（圖源：X平臺）

Agent在執(zhí)行流程上已經(jīng)具備高效率，但在數(shù)據(jù)判斷和邏輯把控上仍然離不開人類監(jiān)督。

從跑分和社區(qū)反饋來看，ChatGPT Agent擅長處理指令明確、路徑清晰的任務(wù)，比如生成婚禮準(zhǔn)備清單或根據(jù)財(cái)務(wù)數(shù)據(jù)制作PPT，在這類標(biāo)準(zhǔn)化流程中，Agent能夠高效執(zhí)行，顯著節(jié)省人工操作。

但遇到模糊指令或需要開放式判斷的任務(wù)，比如整理行業(yè)隱性趨勢或挖掘未被報(bào)道的新聞線索時，Agent往往難以給出有效結(jié)果，容易陷入“找不到”或“請明確需求”的反復(fù)循環(huán)。

四、跑分成績亮眼：擅長流程跑通，難在開放推理

在數(shù)據(jù)測評上，Agent模式在人文學(xué)科推理、金融分析、網(wǎng)頁交互和電子表格四大維度上對o3有不同程度領(lǐng)先，最高實(shí)現(xiàn)翻倍提升。

ChatGPT Agent在“人類的最后考試”（Humanity’s Last Exam）評估中取得41.6%的最高分，相比o3無工具模式（20.3%）實(shí)現(xiàn)翻倍提升，在跨學(xué)科專家級問題上展現(xiàn)了推理與工具調(diào)用能力。

▲Humanity’s Last Exam（來源：OpenAI）

DSBench聚焦數(shù)據(jù)分析類實(shí)際任務(wù)，Agent在數(shù)據(jù)分析子任務(wù)中準(zhǔn)確率達(dá)到87.9%，顯著高于o3（64.1%），首次超越人類參考水平。在DSBench的數(shù)據(jù)建模子任務(wù)中，Agent準(zhǔn)確率達(dá)到85.5%，優(yōu)于o3（77.1%）和GPT-4o（45.5%），接近人類表現(xiàn)。

▲DSBench數(shù)據(jù)分析任務(wù)與DSBench數(shù)據(jù)建模任務(wù)（來源：OpenAI）

SpreadsheetBench測試Agent對電子表格的編輯操作，ChatGPT Agent在直接訪問.xlsx文件時，準(zhǔn)確率提升至45.5%，顯著優(yōu)于Copilot in Excel（20.0%），但與人類水平（71.3%）存在較大差距。

▲電子表格任務(wù)（來源：OpenAI）

在投行分析師任務(wù)中，Agent完成復(fù)雜財(cái)務(wù)建模的準(zhǔn)確率達(dá)到71.3%，大幅領(lǐng)先o3（48.6%）和DeepResearch（55.9%）。

▲內(nèi)部投資銀行分析師任務(wù)評估（來源：OpenAI）

WebArena測試Agent在網(wǎng)頁交互任務(wù)的操作能力，ChatGPT Agent準(zhǔn)確率達(dá)到65.4%，超越o3和CUA模型，接近人類水平（78.2%）。

▲WebArena網(wǎng)頁交互基準(zhǔn)（58.1%）（來源：OpenAI）

BrowseComp用于評估Agent對長尾信息檢索任務(wù)的處理能力，ChatGPT Agent準(zhǔn)確率達(dá)到68.9%，比DeepResearch高出17.4個百分點(diǎn)。

▲復(fù)雜網(wǎng)頁信息檢索任務(wù)BrowseComp（來源：OpenAI）

ChatGPT Agent在DSBench、SpreadsheetBench、BrowseComp等流程化任務(wù)中表現(xiàn)亮眼，數(shù)據(jù)分析、表格編輯和網(wǎng)頁檢索準(zhǔn)確率大幅提升，部分任務(wù)超越人類水平。各類型任務(wù)相較于o3模型，Agent都實(shí)現(xiàn)了從10%到30%不同程度的提升。

結(jié)語：Agent潮起，OpenAI穩(wěn)步邁進(jìn)

ChatGPT Agent的發(fā)布再次證明Agent賽道正在加速進(jìn)化。整合多工具、接入個人數(shù)據(jù)、具備基礎(chǔ)執(zhí)行力，正逐漸成為Agent產(chǎn)品進(jìn)化的主流方向，但距離真正行業(yè)普及仍有不小距離。

這次，OpenAI并沒有交付一個“劃時代”版本，僅在個人助理和辦公場景邁出了一步穩(wěn)健但平淡的更新。

對用戶來說，ChatGPT Agent值得體驗(yàn)，它確實(shí)讓一部分瑣碎事務(wù)可以交給AI代勞。但要說AI“重塑工作流”，顯然還為時尚早。OpenAI還在路上，Agent也還在半成品階段。它是一場值得肯定的進(jìn)步，但并不是一場值得興奮的飛躍。