OpenAI发布首个AI智能体Operator：L3级别，可按用户需求下单购物

OpenAI的智能体来了。

当地时间1月23日，人工智能（AI）巨头OpenAI发布了名为Operator（操作员）的智能体（agent）。

OpenAI将其描述为一个可以上网为用户执行任务的智能体，是“一种能够独立为你工作的人工智能——你给它一个任务，它就会执行”。

在演示中，用户只需要输入需求，Operator就可以完成餐厅订位、购买日常用品、预订比赛门票等任务。用户可以实时查看进度，并随时介入，遇到付款信息、家庭住址等隐私信息，Operator还会主动暂停让用户接管。

OpenAI CEO山姆·奥特曼（Sam Altman）在直播中表示，Operator的发布是OpenAI进入Level 3的开始，在未来几周和几个月内还将推出更多智能体。

此前，OpenAI曾发布从AI到AGI（通用人工智能）的五个等级，分别是Level 1，Chatbots（聊天机器人），AI可以以对话的方式与人互动；Level 2：Reasoners（推理者），AI科技解决人类水平的问题；Level 3：Agents（智能体），AI可以作为系统执行一些行动任务；Level 4：Innovators（创新者），AI可以开发创新性的AI；Level 5：Organizations（组织者），AI可以完成一个组织完成的工作。

据官方介绍，Operator由一种名为“计算机使用代理（Computer-Using Agent，CUA）”的新模型提供支持，通过强化学习，将GPT-4o的视觉能力与高级推理能力相结合，让Operator可以 “看到”（通过屏幕截图）并与浏览器 “交互”（使用鼠标和键盘所允许的所有操作），使其能够在网络上采取行动，无需通过自定义API（应用程序接口）集成。如果遇到困难或犯错，Operator还可以利用其推理能力进行自我纠正，当需要帮助时，控制权将可以交还给用户。

不过，奥特曼也强调，Operator目前只是研究预览版，存在局限性。

CUA流程结构

OpenAI表示，由于模型首次可以在互联网上进行操作，因此进行了大量的内部测试和外部红队测试，以确保Operator的安全使用。官网信息显示，Operator目前在创建幻灯片或管理日历等复杂界面方面存在问题，且可能会出现误解命令或偏离用户要求、被用户滥用等问题。

同时，为了确保安全和迭代，将从小规模开始推广Operator，目前仅针对每月付费200美元的美国专业版用户开放，后续将根据用户反馈进行完善和改进，将范围扩大到Plus、Team和Enterprise用户，并在未来将这些功能集成到ChatGPT中。

OpenAI表示“一旦我们对其安全性和可用性有了信心，就能大规模释放无缝实时和异步任务执行功能”，并计划尽快在API中公开支持Operator的模型CUA，以便开发人员构建自己的计算机智能体；并将继续提高Operator的更长、更复杂工作流的处理能力。

据《华尔街日报》报道，OpenAI首席运营官Brad Lightcap在接受采访时表示，Operator可以帮助用户在家中和工作事务上节省时间，在这些领域，将日常任务自动化“蕴藏着巨大机遇”。

值得注意的是，就在Operator发布的前一天，国内大模型公司智谱AI也公布了最新的智能体GLM-PC v1.1。

据介绍，GLM-PC是基于智谱多模态大模型CogAgent，推出了深度思考模式，增加逻辑推理和代码生成功能，同时还支持Windows系统。能够根据用户的任务需求，制定详细的任务规划方案，综合分析目标以及可用资源，生成执行路线图，并将大型任务自动分解为可管理的子任务；规划结束后启动代码生成模块，执行逻辑循环，逐步推进任务完成，无需人工干预；在执行过程中，还能根据新环境信息进行实时调整、反思修正和自我纠错，持续优化解决方案。

OpenAI的竞争对手Anthropic 此前也已推出“计算机使用”（Computer Use）功能，允许其智能体像人类一样使用计算机完成复杂任务。Anthropic称可以通过任何软件和实时互联网浏览来解读电脑屏幕上的内容、选择按钮、输入文本、浏览网站和执行任务。

刚刚开年各家大模型厂商就纷纷行动，2025年的智能体之争注定会愈发激烈。