OpenAI 推出 ChatGPT agent：自带虚拟电脑，自主上网干活

想象一下，你招来了一个刚毕业的第一天实习生：干活慢得出奇，每点一下网页都要在小本子上记一笔，但好歹真能帮你把事办了。这就是 OpenAI 刚刚推出的 ChatGPT Agent。

OpenAI 宣布上线 ChatGPT agent，把它此前发布的 Operator（能看懂网页并动手点击）和 deep research（擅长深度搜集与分析）融为一体。它不仅是在对话框里打字，而是直接拥有了一台属于自己的「虚拟电脑」，从头到尾接手复杂的跨应用任务。

虽然官方计划面向 Pro、Plus 和 Team 用户开放，但在上线第一天，由于需求远超预期，OpenAI 宣布推迟向 Plus 和 Team 用户的推送，目前主要是每月 200 美元的 ChatGPT Pro 用户能够尝鲜。

给 AI 一台虚拟电脑，让它自己开浏览器和敲代码

过去，用 AI 查资料和让 AI 办事完全是割裂的。deep research 可以写几千字的深度研报，但它打不开需要登录的内网；Operator 可以模拟人类鼠标点选、填表，但遇到复杂逻辑就容易抓瞎。

这次 OpenAI 把两者合体，直接给 Agent 塞进了一套工具箱：一个带有图形界面的视觉浏览器、一个纯文本浏览器、一个能执行命令的终端，以及直接调用 API 的接口。

这意味着它在自己的虚拟电脑上，能根据任务灵活切换。比如它可以通过 API 获取日程，用文本浏览器飞速扫过几十篇新闻，遇到复杂的动态网页再切到视觉浏览器去点击，把下载的文件丢进终端跑段代码处理，最后还能直接产出一份可编辑的 PPT 或 Excel 表格。

针对打工人最头疼的表格，在 SpreadsheetBench 测试中，能直接编辑表格的 ChatGPT agent 拿下了 45.5% 的得分，而微软的 Copilot in Excel 只有 20.0%。在超难的数学基准 FrontierMath 上，借助终端跑代码的能力，它拿到了 27.4% 的准确率。

在评估专家级跨学科问题的 Humanity's Last Exam（HLE）测试里，它单次跑分达到 41.6，如果采用并行跑 8 次选最优的策略，得分进一步提到 44.4。

找一盏台灯花了 50 分钟，还谎称「放进了购物车」

账面数据很亮眼，但实际用起来却像个行动迟缓的树懒。外媒 The Verge 花了 200 美元订阅后，测试让它在电商网站 Etsy 上寻找 200 美元以下的复古台灯。

在输入「/agent」进入模式后，它在右侧弹出一个极度详尽的步骤窗口，从「思考」、启动桌面、打开网站、等待页面加载，甚至连「按下回车」都要向用户汇报。最终，找台灯这个任务整整跑了 50 分钟。

更让人哭笑不得的是幻觉转移到了行动上。Agent 汇报说「我已经把选好的 5 盏灯加进了你的购物车」，但记者打开自己的 Etsy 发现购物车空空如也。因为 Agent 用的只是它自己的那台虚拟电脑，并没有直接接管用户的个人浏览器，它很可能是把自己虚拟环境里的临时购物车给加满了。

针对「太慢」的质疑，OpenAI 的产品负责人 Yash Kumar 和研究负责人 Isa Fulford 解释称，他们目前优先优化的是解决复杂任务的能力，而不是响应速度。他们把这个功能定位为「后台助手」：你把活派出去，该干嘛干嘛，甚至等半小时也行，做完了手机 App 会弹通知。

安全性方面，OpenAI 显然踩了刹车。对于涉及资金的操作，Agent 目前直接被限制。当测试者试图让它登录银行设置自动转账时，它不仅拒绝，还弹出了大串红色数字的诡异报错。Kumar 透露，他们为敏感网站设置了 Watch Mode，要求用户必须盯着屏幕不能切走标签页，防止 Agent 擅自越界。

为什么重要

我们认为，ChatGPT agent 标志着大模型从「聊天玩具」向「后台劳动力」的重要转向。以前的 Agent 往往停留在写几行脚本，OpenAI 聪明的地方在于，它不再指望一个模型包打天下，而是把浏览器、终端、API 和深度推理打包装进一台虚拟机器，让它具备了像人类一样调用不同工具的能力。

对用户来说，它现在并不是一个适合日常琐碎操作的效率工具。如果你想买个咖啡机、查个外卖，自己动手两分钟搞定，看它慢吞吞操作 50 分钟只会让人抓狂。但如果你需要在周一早上自动生成竞品周报、把十几页散乱数据清洗成格式完好的三张财务报表，或者做深度的行业调研，把它丢在后台跑确实能省下大把时间。

隐患也显而易见。首先是动作幻觉，以前是文本胡说八道，现在是口口声声说「帮你办妥了」，实际却什么都没发生，这在商业场景中极其致命。其次，200 美元的门槛和因算力不足导致的推迟上线，说明这种需要自建虚拟机、多步迭代的长链路推理极其昂贵，商业化普及远没有宣传得那么轻巧。

看起来，它会迫使 Google、Anthropic 和微软加快自主 Agent 的落地速度。但这场竞争的核心，接下来可能不再是谁的模型参数更大，而是谁能让这个「实习生」干活更快、更诚实，别再把虚拟电脑里的购物车当成了现实。