OpenAI 发布首个 AI 智能体

OpenAI 发布首个 AI 智能体

当地时间 1 月 23 日，OpenAI 发布了首个 AI 智能体 Operator124。以下是关于它的详细介绍2：

功能用途

• 操作网页：可模拟人类操作网页浏览器，能进行点击、滚动、输入等操作，例如在 OpenTable 上预订餐厅座位、在 Instacart 上购物、在 StubHub 上搜索选购比赛门票、通过 DoorDash 点餐等。
• 多任务并行：系统支持多任务并行处理，可同时执行多个任务，运行效率高，且能保持登录状态。

技术原理

• CUA 模型支持：由 Computer-Using Agent（CUA）模型提供支持，CUA 融合了 GPT-4o 的视觉识别能力和基于强化学习的高级推理功能，通过训练掌握了与图形用户界面（GUI）交互的能力，能像人类一样操作屏幕上的按钮、菜单和文本框，无需依赖特定的操作系统或网络 API。
• “观察 - 计划 - 执行” 闭环：采用远程云端浏览器执行任务，通过截图识别界面元素，规划后续动作，形成 “观察 - 计划 - 执行” 的闭环，直至完成任务。

安全措施

• 接管模式：在浏览器中输入敏感信息时要求用户接管，此时不收集或截图用户输入的信息。
• 用户确认：完成重大操作前请求用户批准。
• 任务限制：经过培训可拒绝某些敏感任务，如银行交易或需要高风险决策的任务。
• 监视模式：在电子邮件或金融服务等敏感网站，对其行为进行密切监督。

性能表现

• 基础任务出色：在基础网页操作和重复性任务方面表现出色，如搜索筛选、创建购物清单和音乐播放列表等任务成功率较高，在电商网站搜索商品时也能保持较高成功率。
• 复杂任务待提升：处理复杂的房产搜索等任务时成功率相对较低，在处理不熟悉的 UI 界面和文本编辑时表现欠佳，常出现试错和低效操作。

开放计划

• 首批用户：率先向订阅 200 美元 Pro 计划的美国用户开放，随后逐步扩展至 Plus、Team 和 Enterprise 级别用户。
• 后续规划：计划后续将其整合到 ChatGPT，API 预计在数周内推出。