OpenAI 推出 Operator：能自己操控瀏覽器幹活的 AI 智慧體

把訂機票、買生鮮、甚至搶票的繁瑣流程全扔給 AI，讓它替你開瀏覽器點滑鼠，這件事終於變成了現實。

OpenAI 正式釋出了名為 Operator 的智慧體研究預覽版。它面向美國 Pro 使用者開放，執行在獨立的網頁端。它的核心邏輯非常直接：不需要網站提供定製 API，AI 自己開啟瀏覽器，像真人一樣截圖看網頁、敲鍵盤、滑動滾輪、點選按鈕來完成任務。

像真人一樣看螢幕、點滑鼠

支撐 Operator 運作的是一個名為 CUA（Computer-Using Agent）的新模型。OpenAI 將 GPT-4o 的視覺識別能力與強化學習推理結合在一起，專門訓練它理解圖形使用者介面的各種按鈕、輸入框與選單。

因為是靠視覺截圖和模擬鍵鼠操作，Operator 理論上能直接操作任何人類可訪問的網頁。遇到卡殼或操作失誤時，它會嘗試利用推理能力自我糾錯；一旦徹底卡住，就會立刻交還控制權給使用者。在 WebArena 和 WebVoyager 兩項關鍵的瀏覽器操作基準測試中，CUA 拿下了業內最佳成績。

使用方式也很直觀。使用者只需輸入一句話需求，Operator 就會在遠端瀏覽器中幹活。它支援多工併發，使用者可以同時開幾個標籤頁，讓它一邊在 Etsy 上訂購定製馬克杯，一邊在 Hipcamp 上預訂營地。

你還可以為它儲存常用指令，或者為特定網站配置個性化規則，比如在 Booking.com 查詢行程時鎖定偏好的航空公司。

把好安全門：密碼和付款仍需人工接管

讓 AI 替人上網，最大的風險在於資金與賬戶安全。OpenAI 為 Operator 設定了三道防線。

首先是接管模式。一旦流程涉及登入賬號、輸入密碼、填寫信用卡資訊或破解驗證碼，Operator 會強制提示使用者接管瀏覽器。在此期間，系統承諾不記錄輸入內容也不截圖。

其次是任務紅線。在點選最終付款或傳送郵件前，它必須獲得使用者明確確認。同時，它會主動拒絕處理銀行業務或求職決策等高風險場景。

最後是防範網頁惡意攻擊。針對可能存在的隱藏提示詞注入或釣魚陷阱，OpenAI 配備了專門的監控模型，即時叫停異常操作。使用者也可以一鍵清除所有瀏覽記錄並退出全部網站登入。

目前 Operator 仍處於早期階段，OpenAI 坦言它在面對幻燈片製作或日曆排程等複雜介面時依然吃力。後續 OpenAI 計劃將底層的 CUA 模型通過 API 開放給開發者，並逐步向 Plus、Team 等更多層級使用者推送。

為什麼重要

我們認為，Operator 是生成式 AI 從單純輸出圖文的顧問，轉向直接替人幹活的執行者的重要轉折點。過去 AI 只能給你列出旅遊攻略，最後訂票還得你自己填幾十項表單；現在操作鏈條被直接打通，日常那些枯燥的重複性網路流程有了被全面託管的可能。

對普通使用者而言，雖然現在僅限美國 Pro 使用者使用且門檻不低，但這種代勞買菜、訂票的互動形態非常吸引人。不過，在它能完全穩定處理複雜介面之前，嚐鮮的意義仍大於全面依賴。

在行業層面，OpenAI 選擇以視覺和模擬鍵鼠切入，是一步非常聰明的實用主義走法。它繞過了漫長而艱難的跨平臺 API 對接，只要有網頁就能直接跑。這會直接倒逼其他 AI 廠商加速跟進操作級智慧體，未來的應用流量入口很可能會被重構。

但這種模式的隱患也很明顯。網頁前端結構只要稍有改動，或遭遇複雜的防爬校驗，模型的判斷就可能出錯。更關鍵的是，把核心資產的安全賭在使用者的眼睛和最終那次確認點選上，一旦使用者產生操作疲勞順手點了確認，潛在損失依然難以避免。在便利與安全之間，這套方案看起來依然是一個小心翼翼的折中產物。