新智元报谈

剪辑：桃子 好困

【新智元导读】ChatGPT agent出生了！奥特曼深宵带队直播，首个调和智能体无缝会通三大AI，自主想考决议，还能上网直出PPT、Excel。2025年，行为全新AI杠杆，ChatGPT正在解锁「超等个体」新花样。

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

奥特曼躬行带队，25分钟高能直播重磅发布ChatGPT agent，开启东谈主类和智能体配合全新时间。

ChatGPT agent的中枢，是一个调和的智能体系统。

简言之，它会通了此前三大技能冲突的上风：Operator与网站交互的才能，Deep Research整合信息的技能，以及ChatGPT智能对话上风。

如今，ChatGPT不错径直使用缱绻机，全程自主为你责任。

从智能浏览网页、筛选成果，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汇总发现成果。

最最关键的是，一切尽在掌控之中。

东谈主类随时不错中断任务、罗致浏览器，或是绝对住手。

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

谁能料想，上头这张PPT，也曾ChatGPT agent我方作念的。在基准测试中，其操作办公软件的才能，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

奥特曼感触谈，ChatGPT agent使用缱绻机扩充复杂任务，对我方来说是一个实在「感受AGI」的时刻。

从今天起，Pro、Plus和Team用户径直不错开启体验，在对话框下拉栏中，遴荐「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辩论员张熙堃的X）

Deep Research擅长作念辩论，Operator会扩充操作，而ChatGPT agent则能同期完成所有这个词这些任务！

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

东谈主机配合，依旧是中枢！任务流程中可随时打断，指点ChatGPT完成新任务。在支付、删除文献等操作前，会向东谈主类主动说明。唯有在必要时，它才会发问以获取更明晰的指示。

真的天下施展 > 追赶基准排名！ChatGPT agent如实横扫了好多榜单。但在模子缔造流程中，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擅长作念辩论，Operator会扩充操作，而ChatGPT agent则能同期完成所有这个词这些任务！

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

东谈主机配合，依旧是中枢！任务流程中可随时打断，指点ChatGPT完成新任务。在支付、删除文献等操作前，会向东谈主类主动说明。唯有在必要时，它才会发问以获取更明晰的指示。

真的天下施展 > 追赶基准排名！ChatGPT agent如实横扫了好多榜单。但在模子缔造流程中，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认真登场

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

紧接着2月初，他们又推出了首个Deep Research，推理模子径直不错使用用具，开展辩论。

这两个用具各有专长，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赢得精准成果。

今天，OpenAI认真将其合二为一——ChatGPT agent，「单一模子」即可解锁全新才能。

ChatGPT agent配备了一整套用具：

· 可视化浏览器：用于图形用户界面与网页交互

· 文本浏览器：用于处置浅薄推理和网页查询

· 结尾+径直API看望权限：图像API

agent还能借助ChatGPT勾搭器，勾搭Gmail、Github等应用，便于字据提醒找到干系信息并给出回答。

不仅如斯，罗致浏览器后登录任何网站，让ChatGPT agent进行更深远、更世俗的辩论和任务扩充。

由此，ChatGPT便能遴荐最好旅途，高效地扩充当务。

打工东谈主的PPT，ChatGPT代劳了

为了展示ChatGPT agent才能，团队现场演示了一个真的场景：为一又友Minnie和Sarah计齐整场婚典。

字据提醒，这项任务需要AI依据着装要乞降天气情况，推选抽象价钱合理的战胜、为参会者预订旅馆，以及为新东谈主准备婚仪式物。

ChatGPT agent在勾搭提醒后，并莫得直出敷陈，而是再次重述说明任务条目，比如实在的婚典日历。

当一切说明之后，接下来，它便自主绽开浏览器，并在交互页面上露馅迟缓扩充的每一个流程，即想维链。

需要珍重的是，agent会在几秒内竖立好的臆造缱绻环境中，出手扩充当务。

任务扩充中，agent使用文本浏览器查询，并找到了相宜的西装，然后切换到视觉浏览器，恭候说明。

在ChatGPT扩充婚典计划任务同期，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。即便上一个任务洽商时辰很长，也不迟误接下来的事情。

终末，ChatGPT agent生成了一份相配全面的敷陈，包括战胜、旅馆、鞋子、礼物一起给出了洽商和冷漠。

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——可儿小狗的图片，作念成札记本贴纸，并订购500个。

然后，它便出手调用用具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还能通过勾搭器，比如Google Drive索求评估数据，我方生成PPT。

在此流程中，agent会编写代码，并将其编译成最终幻灯片。它还会借用图像用具，为PPT页面进行笼罩。

不一会功夫，它就径直输出了第一张HLE、FrontierMath的PPT，但不够精致，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，不错在办公软件中径直绽开。

不得不说，ChatGPT agent太强了。

致使，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，它马上生成一个直不雅可视化的Excel，以后作念数据也透彻目田了双手。

HLE拿下41.6%高分

多项基准破记录

调和后的agent，大幅提高了ChatGPT在平方和专科边界的实用性。

不仅在网页浏览，也曾执行任务完成才能的评估中，ChatGPT agent一起刷新了SOTA。

如上说起的，在东谈主类终末检会（HLE）中，ChatGPT agent以41.6%的得分，刷新了pass@1最高记录。

当辩论团队罗致并行战略后，即同期运行最多8次并收用自信度最高成果，HLE得分径直刷到了44.4%。

在最难的数学基准测试FrontierMath中，ChatGPT agent借助代码结尾等用具，杀青了27.4%准确率，大幅超过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，输出质地与东谈主类额外，致使碾压东谈主类。

任务来自真的专科责任场景，比如为按需关键督察职业商撰写竞品分析、编制详备的摊销表，以及为新的绿色氢能表率寻找可行的水源

在评估数据科学分娩力任务的DSBench中，ChatGPT agent以权贵上风超过了东谈主类施展。

在Excel剪辑才能的SpreadsheetBench测试中，其施展相似远超现存模子。

当赢得径直剪辑权限时，ChatGPT agent以45.5%的得分权贵超过Excel Copilot的20.0%。

在投行分析师1-3年纪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进步17.4%。

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

BrowseComp基准挑升评估浏览智能体在收集上定位难寻信息的才能；WebArena用于评估网页浏览智能体完成执行收集任务的才能

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，刚刚下野OpenAI辩论员Hyung Won Chung共享演讲视频中示意，「AI正成为有史以来最遒劲的『杠杆』」。

他示意，AI智能体纠合了两种杠杆：东谈主力和代码。

它就像雇了个赞理，替你干活（东谈主力杠杆）；并且它又是软件，能无尽复制（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：现时的AI智能体是纯软件面目，不错放松复制。若是你想要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，不错毛糙彭胀。

在这场发布会上，OpenAI重提了「AI杠杆」这一中枢话题。

他们相似以为，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」无尽彭胀。不管是10个，也曾更多智能体，不需要稀奇的许可，即可一键部署。

辩论东谈主员例如称，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。

往常，团队范畴化需要依赖「东谈主力杠杆」，但东谈主类配合的疏通老本，致使包括摩擦，每每成为了瓶颈。

而当今，ChatGPT agent的出现一个首要道理在于，让小团队创造庞杂的价值。

一个10东谈主或20东谈主的初创公司，借助AI杠杆，可能创造出失色科技巨头的成就。

这种「超等个体」花样，能够在异日将重塑企业的组织架构，凭借AI杀青指数级增长。

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，担任辩论科学家。

他于2025年在卡内基梅隆大学赢得缱绻机科学博士学位，于2019年在北京大学赢得缱绻机科学学士学位。

在OpenAI期间，他不仅参与到了o3/o4-mini、缱绻机使用智能体，以及Deep Research这几个关节样式当中，并且也曾Deep Research的辩论负责东谈主。

Casey Chu

Casey Chu于2020年4月加入OpenAI，担任辩论员。

此前，他于2019年在斯坦福大学赢得缱绻数学硕士学位，并于2016年在哈维穆德学院赢得数学学士学位。

其后他曾尝试攻读斯坦福大学的缱绻数学博士学位，但半途遴荐了退学。

别看他的title仅仅辩论员，但他不仅是DALL·E 2的共吞并作，并且还主导了GPT-4视觉输入的开动原型的缔造。

参考资料：

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

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