編輯 | 伊風
出品 | 51CTO技術棧（微信號：blog51cto）
起猛了！ChatGPT有行動能力了！
OpenAI的首款智能體深夜上線，覺醒L3能力。
在直播中，他們這樣解讀這件大事的意義：智能體可以在數字世界中移動和行動，消除了通往 AGI（人工通用智能）道路上的一個瓶頸！
說回Operator：AI不只能和你交流，還能幫你在線打醬油了。
奧特曼是這樣介紹的：“就像您使用web瀏覽器一樣，你可以獲取像素，你可以看著屏幕，Operator可以做到這一點，然后控制鍵盤和鼠標并做各種事情”。
圖片
在直播demo的演示中，Operator觀看了一份手寫食譜，并自己登上了“某某買菜”，開始挑選雞蛋：
更有趣的是，在一個用戶的測試案例中，Operator遇到了“確認你是否是人類”的靈魂拷問。
Operator猶豫了下，選擇求助人類幫忙按按鈕。
看來從技術上說，這類驗證碼已經攔不住AI了（但道德上還能）。
當然，Operator也是200美元Pro用戶的專屬福利了。同樣是先登錄在美國，稍后才會在其他國家上線。
圖片
有趣的是，OpenAI被剛列入美實體清單的智譜搶跑了一天。
同樣是智能體，咱們就這么水靈靈地全員免費！
圖片
無論國內還是國外，有一個論斷是絕對的：2025是智能體之年！
奧特曼表示：未來幾周和幾個月還有更多智能體在路上。
圖片
上圖：OpenAI總裁 Brockman
1.實測：Operator超絕理解力與靈活度，但偶爾也翻車
一張甜品的網圖，Operator能幫你買所有需要的烘焙原料！再也不用在多個APP中挑戰了。
而且，Operator確實“聰明”。在問題的解決上展現了非常高的靈活度。
在實測的例子中，Operator發現自己被 Reddit 屏蔽了。這個墻就能困住AI了?Operator隨后點開必應搜索，在搜索詞后面加上 "Reddit"，順利找到了自己要瀏覽的內容！
不過，智能體作為比較初級的形態，Operator肯定也是不完美的。
OpenAI在直播里就放出了一些“翻車”時刻。
上一秒：Operator不只能在這些推薦的APP里用，你幾乎可以在任何網站使用。
圖片
下一秒：被卡住
圖片
2.Operator實現原理——GPT-4o是其基座
在直播中，白衣小哥為觀眾揭秘了下Operator的實現。
Operator基于一個新模型CUA，而CUA則是基于 GPT-4o 構建的。
技術的發展真是環環相扣，非常美妙！
圖片
引用下小哥的話，具體說說：Operator 是基于OpenAI訓練的新模型，稱之為計算機使用代理（Computer Using Agent），簡稱 CUA。
CUA 是基于 GPT-4o 構建的模型，但它也經過訓練，可以像人類一樣使用屏幕、鼠標和鍵盤來控制計算機。
在此之前，如果你想構建類似 Operator 的東西，而沒有 CUA，你需要使用一些專門的 API。例如，如果你希望模型從 Instacart 購買商品，你需要弄清楚 Instacart 是否有 API，還要確認那個 API 是否包含所需的所有功能，并且你得給模型提供該 API 的規格。但如果你的目標是像大多數其他網站那樣沒有 API，那就沒戲了。
就是這樣，完全依賴于截圖，而 CUA 就是通過教模型如何使用我們每天都在用的基本界面，打開了一整套原本無法使用的軟件。
這項酷炫的研究項目就是在這方面，它幫助我們消除了通往 AGI（人工通用智能）道路上的一個瓶頸，讓我們的代理可以在數字世界中移動和行動。
而在一個具體的任務中，CUA是這么使用計算機的：
CUA 在控制計算機時做的第一件事就是查看截圖。
例如，Operator 現在看到的是 Instacart（線上買菜） 上搜索“雞蛋”的結果頁面。CUA 看懂了這些，它看到的只是原始像素，看到這張圖片后，它決定接下來做什么。所以現在它正在進行一些內心獨白，左側會出現總結后的思維鏈。
每次 CUA 執行一個操作時，它都會拍下一張計算機的截圖，這樣它就能知道它的操作對計算機產生了什么效果。
3.插曲：星際之門已經開工
OpenAI最近也是大動作頻繁。
宣布星際之門計劃后，馬斯克再次和奧特曼在X上打起了口水戰。
馬斯克也是個狠人，直接質疑特朗普官宣的項目，他在社交媒體X上表示：“他們實際上沒有那么多錢。軟銀目前只籌集到不到100億美元的資金，我有可靠的消息來源。
隨后，記者向微軟CEO納德拉詢問此事，對方說：“我只知道，我的800億美元資金沒問題。”
馬斯克在X上轉發了納德拉的采訪視頻，并評論稱：“從另一方面來說，薩蒂亞絕對有這筆錢”。
而奧特曼不語，只是一味地炫了一把已經在德州開工的星際之門站點1。
圖片
看來，2025年除了智能體，也不會缺少其他精彩的大戲和看點。
