新智元报谈

裁剪：桃子 好困

【新智元导读】ChatGPT agent出生了！奥特曼深夜带队直播，首个斡旋智能体无缝和会三大AI，自主想考方案，还能上网直出PPT、Excel。2025年，算作全新AI杠杆，ChatGPT正在解锁「超等个体」新模式。

今晚，ChatGPT和Deep Research、Operator「三剑客」首度合体！

奥特曼切身带队，25分钟高能直播重磅发布ChatGPT agent，开启东谈主类和智能体相助全新时间。

伸开剩余95%

ChatGPT agent的中枢，是一个斡旋的智能体系统。

简言之，它和会了此前三大工夫龙套的上风：Operator与网站交互的才智，Deep Research整合信息的手段，以及ChatGPT智能对话上风。

如今，ChatGPT不错凯旋使用策画机，全程自主为你责任。

从智能浏览网页、筛选效果，在需要时提醒安全登录、运行代码、进行分析，还能直出PPT和Excel汇总发现效果。

最最要害的是，一切尽在掌控之中。

东谈主类随时不错中断任务、禁受浏览器，或是十足罢手。

在HLE测试中，ChatGPT agent拿下了41.6%高分；并在数学FrontierMath基准上，相似刷新SOTA，碾压o4-mini和o3模子。

趁机提一句，ChatGPT Agent在HLE上仍不足马斯克的Grok 4 Heavy

谁能猜测，上头这张PPT，还是ChatGPT agent我方作念的。在基准测试中，其操作办公软件的才智，简直没给东谈主类留住若干余步了。

网友辣评：打工东谈主的好日子到头了

奥特曼概叹谈，ChatGPT agent使用策画机践诺复杂任务，对我方来说是一个着实「感受AGI」的时刻。

从今天起，Pro、Plus和Team用户凯旋不错开启体验，在对话框下拉栏中，弃取「Agent mode」即可。

其中，Pro用户每月有400次的额度，Plus和Team为每月40次。

太长不看版：（节选自OpenAI盘问员张熙堃的X）

Deep Research擅长作念盘问，Operator会践诺操作，而ChatGPT agent则能同期完成扫数这些任务！

端到端强化学习的威力！基于RL Scaling，ChatGPT agent的高效性和数据愚弄率相配惊东谈主。

东谈主机相助，依旧是中枢！任务经过中可随时打断，领导ChatGPT完成新任务。在支付、删除文献等操作前，会向东谈主类主动阐明。只消在必要时，它才会发问以获取更了了的指示。

真的寰宇发扬 > 追赶基准排名！ChatGPT agent确乎横扫了好多榜单。但在模子开荒经过中，OpenAI既不会一门心想去刷分，也不太介意最终在名次榜上的位置。

Deep Research擅长作念盘问，Operator会践诺操作，而ChatGPT agent则能同期完成扫数这些任务！

端到端强化学习的威力！基于RL Scaling，ChatGPT agent的高效性和数据愚弄率相配惊东谈主。

东谈主机相助，依旧是中枢！任务经过中可随时打断，领导ChatGPT完成新任务。在支付、删除文献等操作前，会向东谈主类主动阐明。只消在必要时，它才会发问以获取更了了的指示。

真的寰宇发扬 > 追赶基准排名！ChatGPT agent确乎横扫了好多榜单。但在模子开荒经过中，OpenAI既不会一门心想去刷分，也不太介意最终在名次榜上的位置。

三强首度合体

ChatGPT agent负责登场

本年1月，OpenAI发布了首个智能体Operator，让AI像东谈主类一样凯旋与GUI交互。

紧接着2月初，他们又推出了首个Deep Research，推理模子凯旋不错使用器具，开展盘问。

这两个器具各有专长，Operator不错自主上网、点击和输入，而Deep Research则擅长分析和回来信息。

然则，前者无法开启深度分析、撰写详备敷陈；后者无法与网站交互获取精准效果。

今天，OpenAI负责将其合二为一——ChatGPT agent，「单一模子」即可解锁全新才智。

ChatGPT agent配备了一整套器具：

· 可视化浏览器：用于图形用户界面与网页交互

· 文本浏览器：用于贬责通俗推理和网页查询

· 结尾+凯旋API拜谒权限：图像API

agent还能借助ChatGPT运动器，运动Gmail、Github等应用，便于把柄教唆找到关联信息并给出复兴。

不仅如斯，禁受浏览器后登录任何网站，让ChatGPT agent进行更深远、更凡俗的盘问和任务践诺。

由此，ChatGPT便能弃取最好旅途，高效地践诺任务。

打工东谈主的PPT，ChatGPT代劳了

为了展示ChatGPT agent才智，团队现场演示了一个真的场景：为一又友Minnie和Sarah计整齐场婚典。

把柄教唆，这项任务需要AI依据着装要乞降天气情况，保举细巧价钱合理的校服、为参会者预订酒店，以及为新东谈主准备婚仪式物。

ChatGPT agent在阐明教唆后，并莫得直出敷陈，而是再次重述阐明任务条件，比如着实的婚典日历。

当一切阐明之后，接下来，它便自主怒放浏览器，并在交互页面上露馅迟缓践诺的每一个经过，即想维链。

需要注重的是，agent会在几秒内成就好的编造策画环境中，动手践诺任务。

任务践诺中，agent使用文本浏览器查询，并找到了符合的西装，然后切换到视觉浏览器，恭候阐明。

在ChatGPT践诺婚典酌量任务同期，还不错让它作念另一个任务：购买一对9.5码玄色鞋子。

也就意味着，ChatGPT agent不惧被打断。即便上一个任务策画时刻很长，也不邋遢接下来的事情。

临了，ChatGPT agent生成了一份相配全面的敷陈，包括校服、酒店、鞋子、礼物悉数给出了策画和提倡。

在另一个演示中，团队用ChatGPT应用开启任务——上传一张团队祯祥物——可人小狗的图片，作念成条记本贴纸，并订购500个。

然后，它便动手调用器具Imagen生成动漫河山片，并联想贴纸，从StickerMule订购500份寄到xxx。

更令东谈主惊喜的是，ChatGPT agent还能通过运动器，比如Google Drive索取评估数据，我方生成PPT。

在此经过中，agent会编写代码，并将其编译成最终幻灯片。它还会借用图像器具，为PPT页面进行庇荫。

不一会功夫，它就凯旋输出了第一张HLE、FrontierMath的PPT，但不够良好，然后它再次通过RL不停优化。

最终，就得到了一个优好意思的PPT文献，不错在办公软件中凯旋怒放。

不得不说，ChatGPT agent太强了。

以致，你还不错让ChatGPT agent制定一个参不雅30+好意思国职棒大定约球场的最好行程。

耗时25分钟，它飞速生成一个直不雅可视化的Excel，以后作念数据也透彻空隙了双手。

HLE拿下41.6%高分

多项基准破记录

斡旋后的agent，大幅提高了ChatGPT在平日和专科鸿沟的实用性。

不仅在网页浏览，还是实践任务完成才智的评估中，ChatGPT agent悉数刷新了SOTA。

如上说起的，在东谈主类临了查考（HLE）中，ChatGPT agent以41.6%的得分，刷新了pass@1最高记录。

当盘问团队聘用并行计谋后，即同期运行最多8次并选取自信度最高效果，HLE得分凯旋刷到了44.4%。

在最难的数学基准测试FrontierMath中，ChatGPT agent借助代码结尾等器具，达成了27.4%准确率，大幅杰出o3和o4-mini。

不仅如斯，在里面联想的「高经济价值常识责任」测试中，ChatGPT agent在半数案例中，输出质料与东谈主类相配，以致碾压东谈主类。

任务来自真的专科责任场景，比如为按需要紧照料管事商撰写竞品分析、编制详备的摊销表，以及为新的绿色氢能行径寻找可行的水源

在评估数据科学坐蓐力任务的DSBench中，ChatGPT agent以权贵上风杰出了东谈主类发扬。

在Excel裁剪才智的SpreadsheetBench测试中，其发扬相似远超现存模子。

当获取凯旋裁剪权限时，ChatGPT agent以45.5%的得分权贵杰出Excel Copilot的20.0%。

在投行分析师1-3年齿建模任务的里面评估中，ChatGPT agent底层模子碾压Deep Research和o3模子。

此外，在OpenAI发布的BrowseComp基准测试中，ChatGPT agent以68.9%的准确率刷爆记录，比Deep Research向上17.4%。

在WebArena基准测试中，其发扬也优于基于o3的CUA（即Operator背后的底层模子）。

BrowseComp基准专诚评估浏览智能体在收罗上定位难寻信息的才智；WebArena用于评估网页浏览智能体完成实践收罗任务的才智

2025下一个热门

AI智能体「杠杆」

ChatGPT agent这样强，能为咱们带来什么价值？

最近，刚刚辞职OpenAI盘问员Hyung Won Chung共享演讲视频中暗示，「AI正成为有史以来最刚劲的『杠杆』」。

他暗示，AI智能体辘集了两种杠杆：东谈主力和代码。

它就像雇了个襄理，替你干活（东谈主力杠杆）；何况它又是软件，能无穷复制（代码杠杆）。

1. 东谈主力杠杆 ：AI智能体不错替东谈主类完成责任，就像一个东谈主AI助理。

2. 代码杠杆：刻下的AI智能体是纯软件体式，不错放松复制。淌若你想要10倍的产出，就运行10个智能体；想要12倍，就再加两个。这种杠杆不需要许可，不错爽直推广。

在这场发布会上，OpenAI重提了「AI杠杆」这一中枢话题。

他们相似觉得，2025年之后，AI智能体将成为一种全新的杠杆机制。

它不仅能代替东谈主类完成责任，还能通过「复制粘贴」无穷推广。不管是10个，还是更多智能体，不需要格外的许可，即可一键部署。

盘问东谈主员例如称，Deep Research发布之后近半年里，极地面提高了个体和小团队的产出。

夙昔，团队限度化需要依赖「东谈主力杠杆」，但东谈主类相助的换取本钱，以致包括摩擦，频频成为了瓶颈。

而当今，ChatGPT agent的出现一个紧要料想在于，让小团队创造深广的价值。

一个10东谈主或20东谈主的初创公司，借助AI杠杆，可能创造出比好意思科技巨头的成就。

这种「超等个体」模式，大要在畴昔将重塑企业的组织架构，凭借AI达成指数级增长。

北大学友领衔出镜

值得一提的是，此次直播中，有两位华东谈主学者同期出镜。

Zhiqing Sun（孙之清）

孙之清于2024年6月加入OpenAI，担任盘问科学家。

他于2025年在卡内基梅隆大学获取策画机科学博士学位，于2019年在北京大学获取策画机科学学士学位。

在OpenAI期间，他不仅参与到了o3/o4-mini、策画机使用智能体，以及Deep Research这几个关节风光当中，何况还是Deep Research的盘问负责东谈主。

Casey Chu

Casey Chu于2020年4月加入OpenAI，担任盘问员。

此前，他于2019年在斯坦福大学获取策画数学硕士学位，并于2016年在哈维穆德学院获取数学学士学位。

自后他曾尝试攻读斯坦福大学的策画数学博士学位，但半途弃取了退学。

别看他的title仅仅盘问员，但他不仅是DALL·E 2的共归拢作，何况还主导了GPT-4视觉输入的驱动原型的开荒。

参考尊府：

https://openai.com/index/introducing-chatgpt-agent/

https://x.com/xikun_zhang_/status/1945895070269583554

发布于：北京市