OpenAI熱炒已久的智能體，剛正式發布！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，螢幕上的所有操作都是Operator自己完成。

還能讓它來預約餐廳：

這邊奧特曼直播剛結束，OpenAI總裁Brockman就迫不及待地宣布：

2025年是智能體之年。

而這次，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」。

但嘛…

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

玩瀏覽器，無需人類輔助

口說無憑，咱們還是先透過官方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。

例如從Allrecipes找到一份蛤蜊扁麵條的食譜，然後把所有的食材都放到我instacart的購物車裡？

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​​或基於程式介面的Agent不同，它是基於文字的思維鏈進行推理。

確認菜單後，去哪一家店下單買菜呢？

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

遇到登入、付款等操作時，Operator會將操作權交還給使用者。

在用戶實測中，有部落客發現如果Operator被Reddit牆了，它還會自己在搜尋時就加入「Reddit」關鍵字以找到相關貼文。

使用者也可以透過新增自訂指令，獲得個人化體驗。例如設定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，非常適合重複任務，例如在購物網站上補貨。

Operator也能同時執行多個任務，就像是打開多個網頁一樣，例如讓它在Etsy上訂購個人化的搪瓷馬克杯，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）。

透過將GPT-4o的視覺能力和高階推理強化學習結合，CUA可以進行GUI互動。

Operator可以看到網頁介面的內容，使用滑鼠、鍵盤允許的所有操作。由此它可以自動操作，而無需自訂的API整合。

如果遇到問題或錯誤，Operator可以利用推理能力自我糾錯。並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會員已經可以透過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整合到ChatGPT中。

OpenAI邁入“Level 3”

2024年7月，OpenAI發布了「從AI到AGI的五步驟過程」：

Level 1：Chatbots，AI可以以對話的方式與人互動。

Level 2：Reasoners，AI科技解決人類層級的問題。

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。

在當時的定義與規劃中，OpenAI表示自己還只處於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：

我們還將在未來幾週和幾個月內推出更多智能體。

還有一件事

就在OpenAI今天這場直播前，還有一個小小的花絮。

Operator發布2小時前，OpenAI發了一則推文，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o3-mini。