如果说10天前的ChatGPT Tasks是OpenAI在AI Agent领域的一个试探，那么现在的Operator则是实打实的拉开了2025年AI Agent大战的帷幕。
北美时间1月23日，OpenAI官宣Operator Agent正式发布。文末附Operator直播发布视频完整版。
虽然大约一周前这个名为“Operator” AI Agent的信息就开始在网上发酵，对此有一定的心理预期，但真正看到它的亮相，还是令人眼前一亮。
按照OpenAI此前提出的从AI到AGI的五阶段，以ChatGPT为首的传统AI工具属于第一阶段，是“基础AI（Emerging AGI）”；以已发布的o1和即将发布的o3为首的推理模型属于第二阶段的“推理者（Reasoners）”；那么，今天发布的Operator则标志着AI的发展扎扎实实的进入了第三阶段：智能体（Agents）。
你有没有觉得，以往的AI更像是一个“工具”: 比如ChatGPT、Kimi、DeepSeek等，需要你给出明确的指令才能执行特定任务，“写一篇文章”、“画一幅画”、“解一道题”。
而今天发布的Operator则更像是一个真正意义上的“助手”: 它已经具备了一定的自主性和决策能力，可以理解你的模糊意图（理解-推理），并将任务分解成多个步骤（规划），自主地在浏览器中执行操作（执行-工具调用），最终完成任务。这本质上是一种从“被动处理信息”到“主动完成任务”的进化。
其实10天前发布的ChatGPT Tasks就已有一点这方面的雏形，比如能主动执行定时任务，但不多。真正的拐点还得是今天的Operator。
比如你只需要告诉它，“帮我预定这家餐厅今晚7点的位置”。
Operator会自行打开浏览器，搜索该餐厅，选择，然后确定可预约的时间。
如果搜索后发现你选定的时间已经不可选了，Operator会主动提醒你。到最终确定预定前，会再次跟你核实，就像下面这样。
除了预定餐厅，Operator还能帮你买菜。你要做的只需要告诉它你想买哪些菜，支持手写。这里当然是用到了AI模型的视觉能力。
Operator能自动打开浏览器，进入Instacart（美国的叮咚买菜），选定相应的菜品，加入购物车。这一切操作当然都是由AI自动完成的。
在真正下单前，你可以随意修改购物车，直接用自然语言告诉Operator就可以。
如果遇到问题，比如你还没有绑定付款方式，Operator会提醒你，直到下单成功。
当然，Operator可以玩的案例还很多，比如点外卖，订票等等。
除了前面说的“主动工作”，我还发现了其他几个Operator“炸裂”的亮点。
直接操作浏览器，无需通过API实现，这是Operator最核心、最具颠覆性的特点。要知道，不是所有的网站和应用都开放API，即使有，功能也往往受限。
Operator实现“操作浏览器”靠的是一个名为CUA（Computer-Using Agent）的全新模型。CUA基于GPT-4o专门训练，继承了4o的视觉能力，能够和图形用户界面（GUI）直接交互。大白话说，就是Operator利用视觉能力通过“查看”屏幕截图来“理解”当前页面的内容，然后模拟鼠标和键盘操作和浏览器进行“互动”。
这样的好处是不言而喻的，通用性强，不需要特定API的支持，也不需要为每个网站和应用单独适配API。
另外一点，Operator强调人机协作。Operator不是一个完全自主、不可控的黑盒，从上面的截图也可以看出，它在执行任务时会主动和你确认，尤其是重要操作，比如确认预定、付款。
划重点，这其中体现了一个非常非常重要的设计理念：Human in the loop（HITL）。HITL通常用于AI系统中，指的就是当AI在执行任务时，人类必须保持在场，参与、监督，以确保AI系统的安全性和可靠性。大白话，AI在干活，你在把关。
说了这么多Operator的介绍，但不得不承认，现在的Operator，还太弱！
在OpenAI的演示中，有一个词被反复提到，那就是：research preview。OpenAI强调Operator还处于研究预览阶段，其实就是给用户打个预防针：别抱太高预期，毕竟是研究阶段的产品，要什么自行车！
而不出意外的，Operator在演示中，也小小的“翻车”了2次。
比如，已经确定的可选时间，在接收到“立即执行”指令后，Operator却又表示，之前的可选时间其实不存在。
再比如尝试访问StubHub网站时，Operator遇到了重定向的问题。这下，连Sam Altman都是一脸懵逼。
其实，透过OpenAI的演示细想，Operator还存在挺多“问题”，比如只支持浏览器，高度依赖GUI界面，响应速度慢（毕竟要先理解页面内容，再执行操作）等等。
最后，Operator功能目前仅对每月200美元的ChatGPT Pro用户开放体验。其他用户的使用权限将逐步开放。和Sora一样，Operator也是以独立产品的形式推出的，链接是：operator.chatgpt.com
相关文章
