OpenAI 推出 ChatGPT agent：自帶虛擬電腦，自主上網幹活

想像一下，你招來了一個剛畢業的第一天實習生：幹活慢得出奇，每點一下網頁都要在小本子上記一筆，但好歹真能幫你把事辦了。這就是 OpenAI 剛剛推出的 ChatGPT Agent。

OpenAI 宣佈上線 ChatGPT agent，把它此前釋出的 Operator（能看懂網頁並動手點選）和 deep research（擅長深度搜集與分析）融為一體。它不僅是在對話方塊裡打字，而是直接擁有了一臺屬於自己的「虛擬電腦」，從頭到尾接手複雜的跨應用任務。

雖然官方計劃面向 Pro、Plus 和 Team 使用者開放，但在上線第一天，由於需求遠超預期，OpenAI 宣佈推遲向 Plus 和 Team 使用者的推送，目前主要是每月 200 美元的 ChatGPT Pro 使用者能夠嚐鮮。

給 AI 一臺虛擬電腦，讓它自己開瀏覽器和敲程式碼

過去，用 AI 查資料和讓 AI 辦事完全是割裂的。deep research 可以寫幾千字的深度研報，但它打不開需要登入的內網；Operator 可以模擬人類滑鼠點選、填表，但遇到複雜邏輯就容易抓瞎。

這次 OpenAI 把兩者合體，直接給 Agent 塞進了一套工具箱：一個帶有圖形介面的視覺瀏覽器、一個純文本瀏覽器、一個能執行命令的終端，以及直接呼叫 API 的介面。

這意味著它在自己的虛擬電腦上，能根據任務靈活切換。比如它可以通過 API 獲取日程，用文本瀏覽器飛速掃過幾十篇新聞，遇到複雜的動態網頁再切到視覺瀏覽器去點選，把下載的檔案丟進終端跑段程式碼處理，最後還能直接產出一份可編輯的 PPT 或 Excel 表格。

針對打工人最頭疼的表格，在 SpreadsheetBench 測試中，能直接編輯表格的 ChatGPT agent 拿下了 45.5% 的得分，而微軟的 Copilot in Excel 只有 20.0%。在超難的數學基準 FrontierMath 上，藉助終端跑程式碼的能力，它拿到了 27.4% 的準確率。

在評估專家級跨學科問題的 Humanity's Last Exam（HLE）測試裡，它單次跑分達到 41.6，如果採用並行跑 8 次選最優的策略，得分進一步提到 44.4。

找一盞檯燈花了 50 分鐘，還謊稱「放進了購物車」

賬面資料很亮眼，但實際用起來卻像個行動遲緩的樹懶。外媒 The Verge 花了 200 美元訂閱後，測試讓它在電商網站 Etsy 上尋找 200 美元以下的復古檯燈。

在輸入「/agent」進入模式後，它在右側彈出一個極度詳盡的步驟視窗，從「思考」、啟動桌面、開啟網站、等待頁面載入，甚至連「按下回車」都要向用戶彙報。最終，找檯燈這個任務整整跑了 50 分鐘。

更讓人哭笑不得的是幻覺轉移到了行動上。Agent 彙報說「我已經把選好的 5 盞燈加進了你的購物車」，但記者開啟自己的 Etsy 發現購物車空空如也。因為 Agent 用的只是它自己的那臺虛擬電腦，並沒有直接接管使用者的個人瀏覽器，它很可能是把自己虛擬環境裡的臨時購物車給加滿了。

針對「太慢」的質疑，OpenAI 的產品負責人 Yash Kumar 和研究負責人 Isa Fulford 解釋稱，他們目前優先最佳化的是解決複雜任務的能力，而不是響應速度。他們把這個功能定位為「後臺助手」：你把活派出去，該幹嘛幹嘛，甚至等半小時也行，做完了手機 App 會彈通知。

安全性方面，OpenAI 顯然踩了剎車。對於涉及資金的操作，Agent 目前直接被限制。當測試者試圖讓它登入銀行設定自動轉賬時，它不僅拒絕，還彈出了大串紅色數字的詭異報錯。Kumar 透露，他們為敏感網站設定了 Watch Mode，要求使用者必須盯著螢幕不能切走標籤頁，防止 Agent 擅自越界。

為什麼重要

我們認為，ChatGPT agent 標誌著大模型從「聊天玩具」向「後臺勞動力」的重要轉向。以前的 Agent 往往停留在寫幾行指令碼，OpenAI 聰明的地方在於，它不再指望一個模型包打天下，而是把瀏覽器、終端、API 和深度推理打包裝進一臺虛擬機器，讓它具備了像人類一樣呼叫不同工具的能力。

對使用者來說，它現在並不是一個適合日常瑣碎操作的效率工具。如果你想買個咖啡機、查個外賣，自己動手兩分鐘搞定，看它慢吞吞操作 50 分鐘只會讓人抓狂。但如果你需要在週一早上自動生成競品週報、把十幾頁散亂資料清洗成格式完好的三張財務報表，或者做深度的行業調研，把它丟在後臺跑確實能省下大把時間。

隱患也顯而易見。首先是動作幻覺，以前是文本胡說八道，現在是口口聲聲說「幫你辦妥了」，實際卻什麼都沒發生，這在商業場景中極其致命。其次，200 美元的門檻和因算力不足導致的推遲上線，說明這種需要自建虛擬機器、多步迭代的長鏈路推理極其昂貴，商業化普及遠沒有宣傳得那麼輕巧。

看起來，它會迫使 Google、Anthropic 和微軟加快自主 Agent 的落地速度。但這場競爭的核心，接下來可能不再是誰的模型引數更大，而是誰能讓這個「實習生」幹活更快、更誠實，別再把虛擬電腦裡的購物車當成了現實。