明敏 魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI
OpenAI熱炒已久的智慧體，剛剛正式釋出！
OpenAI官方介紹：
Operator是我們的首批智慧體之一。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。
還能讓它來預定餐廳：
這邊奧特曼直播剛結束，OpenAI總裁Brockman就迫不及待地宣佈：
2025是智慧體之年。
並且這一次，Operator官宣即上線——只不過，暫時只面向Pro使用者，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快捲起來（doge）。
玩轉瀏覽器，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。
比如從Allrecipes上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、該點選哪些按鈕。
這和其他使用API或者基於程式設計介面的Agent不同，它是基於文字的思維鏈進行推理。
確認好選單後，去哪個店下單買菜呢？
人類進一步給出指令，使用Gus’s，然後Operator就會到對應的網站開始下單。
遇到登入、支付等操作時，Operator會將操作權交還給使用者。
在使用者實測中，有博主發現如果Operator被Reddit牆了，它還會自己在搜尋時就加入“Reddit”關鍵詞以找到相關帖子。
使用者也可以透過新增自定義指令，獲得個性化體驗。比如設定訂機票時的首選航司。
Operator允許使用者儲存提示，以便在主頁上快速訪問，非常適合重複任務，如在購物網站上補貨。
Operator也能同時執行多個任務，就像是開啟多個網頁那樣，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）。
透過將GPT-4o的視覺能力和高階推理強化學習相結合，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，而無需自定義的API整合。
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。並在它卡住需要幫助時，將控制權交還給使用者。
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等付費使用者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釋出了“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表示自己還只處於Level 1階段，正在靠近Level 2。
而現在，隨著Operator的釋出，奧特曼宣佈：
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”而非唯一智慧體。
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慧體。
One More Thing
就在OpenAI今天這場直播之前，還有一個小小的花絮。
Operator釋出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）。
另一個好訊息是，奧特曼還預告，ChatGPT免費版就能用上o3-mini。
– EOF –
關注「程式設計師的那些事」加星標，不錯過圈內事
點贊和在看就是最大的支援