新智元報道
新智元報道
編輯：桃子 好睏
【新智元導讀】ChatGPT agent誕生了！奧特曼深夜帶隊直播，首個統一智慧體無縫融合三大AI，自主思考決策，還能上網直出PPT、Excel。2025年，作為全新AI槓桿，ChatGPT正在解鎖「超級個體」新模式。
今晚，ChatGPT和Deep Research、Operator「三劍客」首度合體！
奧特曼親自帶隊，25分鐘高能直播重磅釋出ChatGPT agent，開啟人類和智慧體協作全新時代。
ChatGPT agent的核心，是一個統一的智慧體系統。
簡言之，它融合了此前三大技術突破的優勢：Operator與網站互動的能力，Deep Research整合資訊的技巧，以及ChatGPT智慧對話優勢。
如今，ChatGPT可以直接使用計算機，全程自主為你工作。
從智慧瀏覽網頁、篩選結果，在需要時提醒安全登入、執行程式碼、進行分析，還能直出PPT和Excel彙總發現結果。
最最重要的是，一切盡在掌控之中。
人類隨時可以中斷任務、接管瀏覽器，或是完全停止。
在HLE測試中，ChatGPT agent拿下了41.6%高分；並在數學FrontierMath基準上，同樣重新整理SOTA，碾壓o4-mini和o3模型。
順便提一句，ChatGPT Agent在HLE上仍不及馬斯克的Grok 4 Heavy
誰能想到，上面這張PPT，還是ChatGPT agent自己做的。在基準測試中，其操作辦公軟體的能力，幾乎沒給人類留下多少餘地了。
網友辣評：打工人的好日子到頭了
奧特曼感慨道，ChatGPT agent使用計算機執行復雜任務，對自己來說是一個真正「感受AGI」的時刻。
從今天起，Pro、Plus和Team使用者直接可以開啟體驗，在對話方塊下拉欄中，選擇「Agent mode」即可。
其中，Pro使用者每月有400次的額度，Plus和Team為每月40次。
太長不看版：（節選自OpenAI研究員張熙堃的X）
-
Deep Research擅長做研究，Operator會執行操作，而ChatGPT agent則能同時完成所有這些任務！
-
端到端強化學習的威力！基於RL Scaling，ChatGPT agent的高效性和資料利用率非常驚人。
-
人機協作，依舊是核心！任務過程中可隨時打斷，引導ChatGPT完成新任務。在支付、刪除檔案等操作前，會向人類主動確認。只有在必要時，它才會提問以獲取更清晰的指令。
-
真實世界表現 > 追逐基準排名！ChatGPT agent確實橫掃了很多榜單。但在模型開發過程中，OpenAI既不會一門心思去刷分，也不太在意最終在排行榜上的位置。
三強首度合體
ChatGPT agent正式登場
今年1月，OpenAI釋出了首個智慧體Operator，讓AI像人類一樣直接與GUI互動。
緊接著2月初，他們又推出了首個Deep Research，推理模型直接可以使用工具，開展研究。
這兩個工具各有專長，Operator可以自主上網、點選和輸入，而Deep Research則擅長分析和總結資訊。
然而，前者無法開啟深度分析、撰寫詳細報告；後者無法與網站互動獲得精確結果。
今天，OpenAI正式將其合二為一——ChatGPT agent，「單一模型」即可解鎖全新能力。
ChatGPT agent配備了一整套工具：
· 視覺化瀏覽器：用於圖形使用者介面與網頁互動
· 文字瀏覽器：用於處理簡單推理和網頁查詢
· 終端+直接API訪問許可權：影像API
agent還能借助ChatGPT聯結器，連線Gmail、Github等應用，便於根據提示找到相關資訊並給出回覆。
不僅如此，接管瀏覽器後登入任何網站，讓ChatGPT agent進行更深入、更廣泛的研究和任務執行。
由此，ChatGPT便能選擇最佳路徑，高效地執行任務。
打工人的PPT，ChatGPT代勞了
為了展示ChatGPT agent能力，團隊現場演示了一個真實場景：為朋友Minnie和Sarah策劃一場婚禮。
根據提示，這項任務需要AI依據著裝要求和天氣情況，推薦精美價格合理的禮服、為參會者預訂酒店，以及為新人準備婚禮禮物。
ChatGPT agent在理解提示後，並沒有直出報告，而是再次重述確認任務要求，比如確切的婚禮日期。
當一切確認之後，接下來，它便自主開啟瀏覽器，並在互動頁面上顯示逐步執行的每一個過程，即思維鏈。
需要注意的是，agent會在幾秒內配置好的虛擬計算環境中，開始執行任務。
任務執行中，agent使用文字瀏覽器查詢，並找到了合適的西裝，然後切換到視覺瀏覽器，等待確認。
在ChatGPT執行婚禮策劃任務同時，還可以讓它做另一個任務：購買一雙9.5碼黑色鞋子。
也就意味著，ChatGPT agent不懼被打斷。即便上一個任務規劃時間很長，也不耽誤接下來的事情。
最後，ChatGPT agent生成了一份非常全面的報告，包括禮服、酒店、鞋子、禮物全部給出了規劃和建議。
在另一個演示中，團隊用ChatGPT應用開啟任務——上傳一張團隊吉祥物——可愛小狗的圖片，做成筆記本貼紙，並訂購500個。
然後，它便開始呼叫工具Imagen生成動漫版圖片，並設計貼紙，從StickerMule訂購500份寄到xxx。
更令人驚喜的是，ChatGPT agent還能透過聯結器，比如Google Drive提取評估資料，自己生成PPT。
在此過程中，agent會編寫程式碼，並將其編譯成最終幻燈片。它還會借用影像工具，為PPT頁面進行裝飾。
不一會功夫，它就直接輸出了第一張HLE、FrontierMath的PPT，但不夠精緻，然後它再次透過RL不斷最佳化。
最終，就得到了一個優美的PPT檔案，可以在辦公軟體中直接開啟。
不得不說，ChatGPT agent太強了。
甚至，你還可以讓ChatGPT agent制定一個參觀30+美國職棒大聯盟球場的最佳行程。
耗時25分鐘，它迅速生成一個直觀視覺化的Excel，以後做資料也徹底解放了雙手。
HLE拿下41.6%高分
多項基準破紀錄
統一後的agent，大幅提升了ChatGPT在日常和專業領域的實用性。
不僅在網頁瀏覽，還是現實任務完成能力的評估中，ChatGPT agent全部重新整理了SOTA。
如上提及的，在人類最後考試（HLE）中，ChatGPT agent以41.6%的得分，重新整理了pass@1最高紀錄。
當研究團隊採用並行策略後，即同時執行最多8次並選取自信度最高結果，HLE得分直接刷到了44.4%。
在最難的數學基準測試FrontierMath中，ChatGPT agent藉助程式碼終端等工具，實現了27.4%準確率，大幅超越o3和o4-mini。
不僅如此，在內部設計的「高經濟價值知識工作」測試中，ChatGPT agent在半數案例中，輸出質量與人類相當，甚至碾壓人類。
任務來自真實專業工作場景，比如為按需緊急護理服務商撰寫競品分析、編制詳細的攤銷表，以及為新的綠色氫能設施尋找可行的水源
在評估資料科學生產力任務的DSBench中，ChatGPT agent以顯著優勢超越了人類表現。
在Excel編輯能力的SpreadsheetBench測試中，其表現同樣遠超現有模型。
當獲得直接編輯許可權時，ChatGPT agent以45.5%的得分顯著超越Excel Copilot的20.0%。
在投行分析師1-3年級建模任務的內部評估中，ChatGPT agent底層模型碾壓Deep Research和o3模型。
此外，在OpenAI釋出的BrowseComp基準測試中，ChatGPT agent以68.9%的準確率刷爆紀錄，比Deep Research高出17.4%。
在WebArena基準測試中，其表現也優於基於o3的CUA（即Operator背後的底層模型）。
BrowseComp基準專門評估瀏覽智慧體在網路上定位難尋資訊的能力；WebArena用於評估網頁瀏覽智慧體完成現實網路任務的能力
2025下一個熱點
AI智慧體「槓桿」
ChatGPT agent這麼強，能為我們帶來什麼價值？
最近，剛剛離職OpenAI研究員Hyung Won Chung分享演講影片中表示，「AI正成為有史以來最強大的『槓桿』」。
他表示，AI智慧體結合了兩種槓桿：人力和程式碼。
它就像僱了個幫手，替你幹活（人力槓桿）；而且它又是軟體，能無限複製（程式碼槓桿）。
1. 人力槓桿 ：AI智慧體可以替人類完成工作，就像一個人AI助理。
2. 程式碼槓桿：當前的AI智慧體是純軟體形式，可以輕鬆複製。如果你想要10倍的產出，就執行10個智慧體；想要12倍，就再加兩個。這種槓桿不需要許可，可以隨意擴充套件。
在這場釋出會上，OpenAI重提了「AI槓桿」這一核心話題。
他們同樣認為，2025年之後，AI智慧體將成為一種全新的槓桿機制。
它不僅能代替人類完成工作，還能透過「複製貼上」無限擴充套件。不論是10個，還是更多智慧體，不需要額外的許可，即可一鍵部署。
研究人員舉例稱，Deep Research釋出之後近半年裡，極大地提升了個體和小團隊的產出。
過去，團隊規模化需要依賴「人力槓桿」，但人類協作的溝通成本，甚至包括摩擦，往往成為了瓶頸。
而現在，ChatGPT agent的出現一個重大意義在於，讓小團隊創造巨大的價值。
一個10人或20人的初創公司，藉助AI槓桿，可能創造出媲美科技巨頭的成就。
這種「超級個體」模式，或許在未來將重塑企業的組織架構，憑藉AI實現指數級增長。
北大校友領銜出鏡
值得一提的是，這次直播中，有兩位華人學者同時出鏡。
Zhiqing Sun（孫之清）
孫之清於2024年6月加入OpenAI，擔任研究科學家。
他於2025年在卡內基梅隆大學獲得計算機科學博士學位，於2019年在北京大學獲得計算機科學學士學位。
在OpenAI期間，他不僅參與到了o3/o4-mini、計算機使用智慧體，以及Deep Research這幾個關鍵專案當中，而且還是Deep Research的研究負責人。
Casey Chu
Casey Chu於2020年4月加入OpenAI，擔任研究員。
此前，他於2019年在斯坦福大學獲得計算數學碩士學位，並於2016年在哈維穆德學院獲得數學學士學位。
後來他曾嘗試攻讀斯坦福大學的計算數學博士學位，但中途選擇了退學。
別看他的title只是研究員，但他不僅是DALL·E 2的共同一作，而且還主導了GPT-4視覺輸入的初始原型的開發。
參考資料：
https://openai.com/index/introducing-chatgpt-agent/
https://x.com/xikun_zhang_/status/1945895070269583554