摘要：另一个则是备受期待的首个智能体产品——Operator 研究预览版正式亮相。好消息是，它能帮你自动网购了，但坏消息是，它可能比较容易「翻车」。
今天凌晨，OpenAI CEO Sam Altman 宣布了两个重磅消息。
一个是 ChatGPT 用户不仅将获得 o3-mini 的免费试用机会，Plus 付费订阅会员还将享有更多使用额度。
另一个则是备受期待的首个智能体产品——Operator 研究预览版正式亮相。好消息是，它能帮你自动网购了，但坏消息是，它可能比较容易「翻车」。
OpenAI 总裁 Greg Brockman 在 X 平台发文称：「Operator–一种能够使用自己的浏览器为你执行任务的智能体。2025 年将是智能体之年。」
OpenAI 让 AI 学会「用电脑」了？这是迈向 AGI 的第一步
作为 OpenAI 首款真正模拟人类操作网页浏览器的 AI 助手，Operator 能够自动完成预订旅行住宿、餐厅预约和在线购物等复杂任务。 用户可以在多个类别中选择不同的自动化任务，涵盖购物、配送、餐饮和旅行等领域。
这项功能将率先向订阅 200 美元 Pro 计划的美国用户开放，随后逐步扩展至 Plus、Team 和 Enterprise 级别用户。
API 预计将在数周内推出。
用户可通过 operator.chatgpt.com 访问该服务，OpenAI 计划后续将其整合到 ChatGPT，不过，ChatGPT 在今天凌晨又双叒叕崩了。
简单来说，当用户启用 Operator 时，系统会弹出一个小窗口，展示专用 Web 浏览器的操作界面，并实时说明正在执行的任务。在此期间，允许用户随时接管控制。
技术层面，Operator 采用远程云端浏览器执行任务，无需依赖网站 API。
它通过截图识别界面元素，规划后续动作，形成「观察-计划-执行」的闭环，直至完成任务。系统支持多任务并行处理，运行效率高，且能保持登录状态。
OpenAI 已与 DoorDash、Instacart、Priceline、StubHub 和 Uber 等公司建立合作。
Instacart 首席产品官 Daniel Danker 就指出「OpenAI 的 Operator 是一项技术突破，它使订购杂货等流程变得异常简单。」
按照惯例，OpenAI 也同期召开了一场发布会。Sam Altman 与 Yash Kumar、Casey Chu 和 Reiichiro Nakano 一起介绍和演示 Operator。
演示涵盖了多个实际应用场景，比如通过 OpenTable 为 Beretta 餐厅预订双人座位，原定 7 点档位不可用后改订 7:45。
使用 Instacart 购物系统识别购物清单——鸡蛋、菠菜、蘑菇、鸡腿、薯片，并中途接管添加更多鸡蛋等商品。
在 StubHub 上试图搜索并选购预算 500 美元以下的勇士队比赛门票；预约清洁服务；以及计划通过 DoorDash 点餐，订购烧烤披萨等。
理想很美好，现实很骨感，Operator 目前最大的问题还是不够稳定。刚开始演示时还算顺利，但中后期的演示过程中遭遇连环「翻车」，甚至未能成功加载相关网页。
或许是为了确保演示成功，眼瞅着演示人员输入的提示词是越来越长。
X 平台大 V @rowancheung 也提前体验并分享了对 Operator 的观察。
比方说 Operator 虽然在 ChatGPT 中运行，但功能完全不同，主要专注于网页操作（点击、滚动、输入）而非生成长文本。目前系统仍存在限制，包括部分网站会屏蔽 AI 访问，合作伙伴集成有限。
他指出 Operator 需要特定的使用方法来优化效果，就像 GPT-4 适合 CoT 提示一样，但目前对 Operator 的最佳使用方式研究还很初步。
不过，他还是挺看好这项技术能帮助人们自动化处理枯燥工作，从而将时间用于更有价值的事务。
此前有消息称，Operator 在执行任务时使用的截图内容可能被恶意利用，导致「提示注入攻击」，存在严重的安全隐患。
因此，确保 Operator 的安全使用是首要任务。
根据官方博客，OpenAI 主要是通过多层保护措施防止滥用并确保用户牢牢控制 Operator。
接管模式：Operator 在浏览器中输入敏感信息（例如登录凭据或支付信息）时要求用户接管。在接管模式下，运营商不会收集或截图用户输入的信息。用户确认：在完成任何重大操作（例如提交订单或发送电子邮件）之前，Operator 应请求批准。任务限制：Operator 经过培训可以拒绝某些敏感任务，例如银行交易或需要高风险决策的任务，例如对工作申请做出决定。监视模式：在特别敏感的网站上，例如电子邮件或金融服务，Operator 需要对其行为进行密切监督，以便用户能够直接发现任何潜在的错误。此外，OpenAI 针对 Operator 实施了全面的隐私和安全保护措施。在隐私管理方面，用户可以选择退出模型训练，一键删除浏览数据和历史对话，并注销所有网站。
为防范恶意网站的攻击，系统建立了多层防御机制，包括检测并忽略提示注入、监控可疑行为和建立威胁识别管道。同时，Operator 设有审核系统来拒绝有害请求和不当内容，对违规行为发出警告或撤销访问权限。
「体验报告」公布，Operator 背后的 CUA 技术有多强？
Computer-Using Agent (CUA)是支撑 Operator 的核心技术，它融合了 GPT-4o 的视觉识别能力和基于强化学习的高级推理功能。
CUA 通过训练掌握了与图形用户界面（GUI）交互的能力，能像人类一样操作屏幕上的按钮、菜单和文本框，无需依赖特定的操作系统或网络 API。
据悉，其创新之处在于采用通用界面方法，让 AI 能像人类般操作各类软件工具，突破了传统 AI 难以应对的众多细分应用场景。
不过 OpenAI 坦言 CUA 还有许多需要改进的地方，比如目前就没法保证在所有场景下都能稳定运行。
OpenAI 在 Operator 中部署的 CUA 系统展示了不同场景下的性能表现。比如它在基础网页操作和重复性任务方面表现出色，如搜索筛选、创建购物清单和音乐播放列表等任务的成功率达到 10/10。
在电商网站搜索商品时也保持 9/10 的高成功率。但在处理复杂的房产搜索等任务时，成功率降至 3/10。
测试还发现提示词的质量会显著影响任务成功率，例如场地预订任务中，添加具体时间和操作指引后，成功率从 3/10 提升至 8/10。
系统在处理不熟悉的 UI 界面和文本编辑时表现欠佳，常出现试错和低效操作，文本编辑任务的成功率仅为 4/10。
为了更好地量化 Operator 的性能指标，发布会上的演示人员也提到了 OS World 测试和 Web Arena 测试。 OS World 用于评估 AI 智能体在 Linux 等操作系统上的导航能力， Operator 得分 38.1%，高于其他公开系统但低于人类水平(72.4%)。
Web Arena 则是测试评估 AI 智能体在电商网站和社交论坛等网站的导航能力， Operator 得分 58.1%，同样超过其他公开 AI 系统但未达人类水平。
安全方面，演示环节介绍了三个主要的安全考虑方向。首先是系统拒绝执行有害任务，使用审核模型和后续检测，并屏蔽特定网站。
其次对于模型可能存在的错误，系统在进行购买、预订等关键操作前必须获得用户确认，限制高风险任务如银行交易，并在敏感网站启用观察模式。
特别是针对网站对抗性攻击（如提示注入、越狱和钓鱼），系统设计了谨慎导航机制识别并忽略提示注入，实时监控模型检测可疑内容，并建立检测管道快速识别可疑访问模式。
最后系统设有注入监控器(prompt injection monitor)，类似防病毒软件，实时监控模型检测可疑内容，发现可疑行为时会暂停执行。 考虑到无法预见所有安全隐患，OpenAI 只能先从小规模部署开始，通过持续收集反馈来完善安全机制。
ChatGPT 的崛起已经证明，伟大的产品往往诞生于无数次「不完美」的尝试。
OpenAI 也坦然承认目前由 CUA 支持的 Operator 只是一项早期技术，虽然在特定场景已证明有用，但仍需通过用户反馈持续改进。
并且，他们计划提高系统在不熟悉界面的适应能力，增强文本编辑精确度，优化对不同提示词的理解能力，并扩展可靠任务的范围。
Altman 曾在月初的博客文章中表示，OpenAI 已经有信心构建通用人工智能（AGI），并预测 2025 年第一批 AI 智能体将「加入劳动力大军」。
包括智谱昨天也宣布推出了 GLM-PC。
这是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样「观察」和「操作」计算机，协助用户高效完成各类电脑任务。
可预见的是，这些智能体在未来将具备强大的自主决策和任务执行能力，能够处理复杂任务，甚至在某些领域替代人类工作，并从根本上改变企业的生产方式和产出。
在 OpenAI 的五级 AGI 路线图中，智能体正是处于 L3 级别，其特点是不仅能思考，还能代表用户采取行动，执行复杂任务。 这样看来， Operator 不仅是 OpenAI 智能体迈出的第一步，也将是迈向 AGI 的重要一步。
来源：爱范儿