OpenAI推出Operator，首款浏览器操作AI，引领2025智能体革命！

大家好，我是木易，一名专注于AI领域的互联网技术产品经理，作为国内Top2本科和美国Top10计算机科学研究生，辅修MBA的我，始终相信AI是普通人实现自我突破的“加速器”，我致力于分享AI领域的全方位知识，涵盖科普、工具测评、效率提升和行业洞察等多个维度。

推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top 

如果说十日前发布的ChatGPT Tasks是OpenAI在AI Agent领域的初步尝试，那么最新推出的Operator则标志着2025年AI Agent大战的序幕正式拉开。

北美时间1月23日，OpenAI正式发布了Operator Agent。

尽管此前关于Operator的传闻已在网络上传播，但当它真正亮相时，依然令人眼前一亮。

根据OpenAI提出的AI到AGI五阶段理论，ChatGPT等传统AI工具属于第一阶段“基础AI”，而推理模型如o1和即将发布的o3则属于第二阶段“推理者”，Operator的发布标志着AI正式进入第三阶段：智能体（Agents）。

以往的AI更像是“工具”：如ChatGPT、Kimi、DeepSeek等，需要明确的指令才能执行任务，而Operator则更像一个真正的“助手”，具备自主性和决策能力，它能理解模糊意图，分解任务，自主执行操作，实现了从“被动处理信息”到“主动完成任务”的进化。

十日前发布的ChatGPT Tasks已展现出这一方向的雏形，但真正的突破在于Operator，你只需告诉它“帮我预定这家餐厅今晚7点的位置”，Operator便会自动打开浏览器，搜索餐厅，选择时间并完成预定。

如果发现选定时间不可用，Operator会主动提醒你，并在最终确认前再次核实。

Operator还能帮你完成其他日常任务，如买菜，你只需告诉它想买的菜品，它便会自动打开Instacart，选择商品并加入购物车。

在下单前，你可以随时修改购物车，直接通过自然语言与Operator沟通。

Operator的核心亮点在于它能够直接操作浏览器，而无需依赖API，这一功能通过名为CUA（Computer-Using Agent）的模型实现，CUA基于GPT-4o训练，具备视觉能力，能够与图形用户界面（GUI）直接交互，模拟鼠标和键盘操作。

Operator强调人机协作，它在执行任务时会主动与用户确认，尤其是在关键操作如预定和付款时，体现了“Human in the loop（HITL）”的设计理念，确保AI系统的安全性和可靠性。

尽管Operator展示了强大的潜力，OpenAI在演示中多次强调它仍处于“研究预览”阶段，这意味着用户不应对其功能抱有过高期望。

在演示中，Operator也出现了一些小问题，在预定餐厅时，它一度表示可选时间不存在；在访问StubHub时，也遇到了重定向问题。

Operator目前仅支持浏览器操作，高度依赖GUI界面，且响应速度较慢，这些都是需要改进的地方。

Operator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，与Sora一样，Operator以独立产品的形式推出。

2025年，智能体大战正式拉开帷幕！