今晚，ChatGPT和Deep Research、Operator「三劍客」首度合體！

奧特曼親自帶隊，25分鐘高能直播重磅發布ChatGPT agent，開啟人類和智能體協作全新時代。

ChatGPT agent的核心，是一個統一的智能體系統。

簡言之，它融合了此前三大技術突破的優勢：Operator與網站交互的能力，Deep Research整合信息的技巧，以及ChatGPT智能對話優勢。

如今，ChatGPT可以直接使用計算機，全程自主為你工作。

從智能瀏覽網頁、篩選結果，在需要時提醒安全登錄、運行代碼、進行分析，還能直出PPT和Excel匯總發現結果。

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；并在數學FrontierMath基準上，同樣刷新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，其操作辦公軟件的能力，幾乎沒給人類留下多少余地了。

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用戶直接可以開啟體驗，在對話框下拉欄中，選擇「Agent mode」即可。

其中，Pro用戶每月有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）

1. 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！
2. 端到端強化學習的威力！基于RL Scaling，ChatGPT agent的高效性和數據利用率非常驚人。
3. 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、刪除文件等操作前，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。
4. 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發布了首個智能體Operator，讓AI像人類一樣直接與GUI交互。

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、點擊和輸入，而Deep Research則擅長分析和總結信息。

然而，前者無法開啟深度分析、撰寫詳細報告；后者無法與網站交互獲得精確結果。

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：

· 可視化瀏覽器：用于圖形用戶界面與網頁交互

· 文本瀏覽器：用于處理簡單推理和網頁查詢

· 終端+直接API訪問權限：圖像API

agent還能借助ChatGPT連接器，連接Gmail、Github等應用，便于根據提示找到相關信息并給出回復。

不僅如此，接管瀏覽器后登錄任何網站，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在理解提示后，并沒有直出報告，而是再次重述確認任務要求，比如確切的婚禮日期。

當一切確認之后，接下來，它便自主打開瀏覽器，并在交互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使用文本瀏覽器查詢，并找到了合適的西裝，然后切換到視覺瀏覽器，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。

最后，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，并訂購500個。

然后，它便開始調用工具Imagen生成動漫版圖片，并設計貼紙，從StickerMule訂購500份寄到xxx。

更令人驚喜的是，ChatGPT agent還能通過連接器，比如Google Drive提取評估數據，自己生成PPT。

在此過程中，agent會編寫代碼，并將其編譯成最終幻燈片。它還會借用圖像工具，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，但不夠精致，然后它再次通過RL不斷優化。

最終，就得到了一個優美的PPT文件，可以在辦公軟件中直接打開。

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可視化的Excel，以后做數據也徹底解放了雙手。

HLE拿下41.6%高分

多項基準破紀錄

統一后的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全部刷新了SOTA。

如上提及的，在人類最后考試（HLE）中，ChatGPT agent以41.6%的得分，刷新了pass@1最高紀錄。

當研究團隊采用并行策略后，即同時運行最多8次并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借助代碼終端等工具，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

在評估數據科學生產力任務的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。

當獲得直接編輯權限時，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發布的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，其表現也優于基于o3的CUA（即Operator背后的底層模型）。

BrowseComp基準專門評估瀏覽智能體在網絡上定位難尋信息的能力；WebArena用于評估網頁瀏覽智能體完成現實網絡任務的能力

2025下一個熱點

AI智能體「杠桿」

ChatGPT agent這么強，能為我們帶來什么價值？

最近，剛剛離職OpenAI研究員Hyung Won Chung分享演講視頻中表示，「AI正成為有史以來最強大的『杠桿』」。

他表示，AI智能體結合了兩種杠桿：人力和代碼。

它就像雇了個幫手，替你干活（人力杠桿）；而且它又是軟件，能無限復制（代碼杠桿）。

1. 人力杠桿 ：AI智能體可以替人類完成工作，就像一個人AI助理。 

2. 代碼杠桿：當前的AI智能體是純軟件形式，可以輕松復制。如果你想要10倍的產出，就運行10個智能體；想要12倍，就再加兩個。這種杠桿不需要許可，可以隨意擴展。

在這場發布會上，OpenAI重提了「AI杠桿」這一核心話題。

他們同樣認為，2025年之后，AI智能體將成為一種全新的杠桿機制。

它不僅能代替人類完成工作，還能通過「復制粘貼」無限擴展。不論是10個，還是更多智能體，不需要額外的許可，即可一鍵部署。

研究人員舉例稱，Deep Research發布之后近半年里，極大地提升了個體和小團隊的產出。

過去，團隊規?；枰蕾嚒溉肆Ω軛U」，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于，讓小團隊創造巨大的價值。

一個10人或20人的初創公司，借助AI杠桿，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，憑借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）

孫之清于2024年6月加入OpenAI，擔任研究科學家。

他于2025年在卡內基梅隆大學獲得計算機科學博士學位，于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、計算機使用智能體，以及Deep Research這幾個關鍵項目當中，而且還是Deep Research的研究負責人。

Casey Chu

Casey Chu于2020年4月加入OpenAI，擔任研究員。

此前，他于2019年在斯坦福大學獲得計算數學碩士學位，并于2016年在哈維穆德學院獲得數學學士學位。

后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。