OpenAI 推出了其首款半自主 AI 代理Operator，旨在像人类一样“操作”网络浏览器。代理使用光标进行指向和点击，自行输入内容，浏览网页并在各种网站上执行操作，例如通过 OpenTable 预订餐厅座位以及在 Instacart 和 DoorDash 上整理订单。这不仅限于 ChatGPT 接口或 OpenAI 的应用程序编程接口 (API)。
“这款产品是我们进军代理商领域的开始，”首席执行官兼联合创始人 Sam Altman 今天美国东部时间下午 1 点在该公司的 YouTube 频道上直播的演示中说道。
OpenAI 总裁兼联合创始人Greg Brockman 在 X 上写道：“2025 年是代理之年。”
该预览版目前可供 OpenAI ChatGPT Pro（每月 200 美元）计划的美国付费用户使用，旨在展示代理 AI 的潜力，同时收集关键反馈以完善其功能。
不过， Operator 不会接管你的网络浏览器。相反，你会访问一个单独的新网站 — operator.chatgpt.com —并会看到一个类似于 ChatGPT 的提示输入框。
在这个框中输入一个请求——“帮我找今晚洛杉矶湖人队的比赛门票”——将触发 Operator 打开一个在 OpenAI 服务器云中运行的单独虚拟浏览器。然后，代理可以执行诸如填写表格、管理在线预订、甚至预订体育赛事和音乐会门票以及浏览其他常见工作流程等任务。用户可以实时观看基于云的浏览器上的光标自行移动。如果代理遇到问题，它将停止并通过文本输出向用户发送消息，类似于 ChatGPT 的响应。
此外，在虚拟浏览器下方，用户将看到操作员可以代表他们采取的行动建议。
然而，用户可以随时控制——类似于现代汽车中的半自动驾驶系统。当到达另一个网站的购买屏幕时，操作员还会要求用户输入自己的支付凭证。最后，用户可以保存他们希望继续使用的特定工作流程并重新启动它们。
Operator 由 OpenAI 所谓的计算机使用代理 (CUA) 技术提供支持，这是专门为使用计算机而训练的 GPT-4o 的新变体。
连接人工智能和图形用户界面
Operator 通过使用图形用户界面 (GUI) 模仿人类交互，与其他自动化工具区别开来。
该系统不依赖专门的 API，而是利用屏幕截图进行视觉输入，并使用虚拟鼠标和键盘操作来完成任务。
底层 CUA 模型将 GPT-4o 的视觉能力与强化学习相结合，使代理能够在屏幕上感知、推理和采取行动。
这种方法使 Operator 能够处理各种任务，包括电子商务浏览、旅行计划，甚至是创建播放列表或管理购物清单等重复性任务。值得注意的基准测试证明了其有效性：
• WebVoyager实时网站导航测试的成功率为 87%
• WebArena 的成功率为 58.1%，模拟了真实的电子商务和内容管理场景
但竞争已经很激烈了：就在昨天，中国科技公司字节跳动（TikTok 的母公司）推出了自己的 AI 代理，用于控制网络浏览器并代表用户执行操作。它被称为UI-TARS，完全开源，拥有同样令人印象深刻的基准性能（尽管似乎没有在相同的基准上直接比较过）。这意味着 OpenAI 的 Operator 需要更好或更可靠，才能证明通过 ChatGPT Pro 订阅访问它的相对高昂（每月 200 美元）的成本是合理的。
已在企业网络导航用例中进行测试
OpenAI 正在与多家企业合作，以确保 Operator 满足实际需求。包括 Instacart、DoorDash 和 Etsy 在内的公司已经在测试该技术，用于从杂货配送到个性化购物等各种用例。
Priceline 首席执行官 Brett Keller 评价了其在旅行规划中的实用性，称其为“使旅行更加无缝和个性化的重要一步”。
对于公共部门应用，斯托克顿市正在探索使用 Operator 简化公民参与的方式。该市信息技术总监 Jamil Niazi 强调了 AI 的潜力，让居民更容易注册服务。
然而，该技术仍有局限性。科技出版物Every获得了早期预览版，并在过去一周进行了测试，结果发现：
“Operator 的设计特点之一是它不使用浏览器。相反，它使用 OpenAI 数据中心之一的浏览器，您可以远程观看和交互。这种设计决策的好处是，您可以随时随地使用 Operator — 例如，在任何移动设备上。
“缺点是，许多网站（如 Reddit）已经阻止 AI 代理浏览，因此 Operator 无法访问它们。在这种研究预览模式下，出于性能或法律原因，OpenAI 还阻止 Operator 访问某些资源密集型网站（如 Figma）或竞争对手拥有的网站（如 YouTube）。”
安全措施
鉴于其代表用户采取行动的能力，Operator 已开发了强大的安全功能：
•用户控制：操作员请求确认敏感操作，例如进行购买或发送电子邮件。
•监视模式：确保用户对关键任务的监督，特别是在电子邮件或金融平台等敏感网站上。
•防止滥用：该系统经过训练可以拒绝有害请求，并包括针对对抗性攻击（例如网站中嵌入的恶意提示）的保护措施。
OpenAI 还加入了保护用户隐私的功能，包括清除浏览数据的选项以及选择退出数据共享以改进模型。
企业版即将推出
OpenAI 设想 Operator 在个人和企业环境中发挥更广泛的作用。随着时间的推移，该公司计划扩大对 Plus、Team 和 Enterprise 用户的访问权限，最终将 Operator 集成到 ChatGPT 中。
他们还计划通过 API 提供底层 CUA 技术，使开发人员能够创建自定义的计算机使用代理。
尽管 Operator 潜力巨大，但它仍在不断完善中。OpenAI 对其局限性直言不讳，例如难以应对复杂的界面或不熟悉的工作流程。早期用户反馈将在提高系统的准确性、可靠性和安全性方面发挥关键作用。
OpenAI 通过实际应用完善 Operator，力求将人工智能从被动工具转变为数字生态系统的主动参与者。无论是简化日常任务还是创新业务工作流程，OpenAI 都将 Operator 定位为使人工智能变得可访问、实用和安全的下一步。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ren-shi-openai-de-operator-zhe-shi-yi-ge-ren-gong-zhi-neng
