OpenAI 今日凌晨宣布將在 ChatGPT 中推出一款通用型 AI 智能體，該公司表示該智能體可以幫助用戶(hù)完成各種基于計(jì)算機(jī)的任務(wù)。
OpenAI 介紹稱(chēng)，該智能體可以自動(dòng)生成可編輯的演示文稿和幻燈片、查看用戶(hù)的日歷來(lái)簡(jiǎn)要介紹即將到來(lái)的客戶(hù)會(huì)議、計(jì)劃并購(gòu)買(mǎi)制作家庭早餐的食材，以及運(yùn)行代碼等。
該工具名為 ChatGPT agent，結(jié)合了 OpenAI 之前多種智能體工具的功能，包括 Operator 點(diǎn)擊網(wǎng)站的能力，以及 Deep Research 從數(shù)十個(gè)網(wǎng)站中綜合信息生成簡(jiǎn)潔研究報(bào)告的能力。OpenAI 表示用戶(hù)只需通過(guò)自然語(yǔ)言提示 ChatGPT 即可與該智能體進(jìn)行交互。
為了開(kāi)發(fā)這個(gè)新工具，OpenAI 將其背后的 Operator 和 Deep Research 團(tuán)隊(duì)合并為一個(gè)統(tǒng)一的團(tuán)隊(duì)。外媒 The Verge 報(bào)道稱(chēng)，這個(gè)新團(tuán)隊(duì)由產(chǎn)品和研究部門(mén)共 20~35 人組成。
OpenAI 表示 ChatGPT 智能體比其之前的任何產(chǎn)品都要強(qiáng)大得多，可以訪問(wèn) ChatGPT 連接器，允許用戶(hù)連接像 Gmail 和 GitHub 這樣的應(yīng)用，智能體可以根據(jù)用戶(hù)的提示找到相關(guān)信息。此外，OpenAI 表示 ChatGPT 智能體可以訪問(wèn)終端，并可以使用 API 來(lái)訪問(wèn)某些應(yīng)用。
根據(jù) OpenAI 的說(shuō)法，ChatGPT 智能體的底層模型在多個(gè)基準(zhǔn)測(cè)試中提供了最先進(jìn)的性能。ChatGPT 智能體模型在 Humanity's Last Exam（pass@1）中得分率為 41.6%，這是一項(xiàng)由數(shù)千個(gè)問(wèn)題組成的、涵蓋超過(guò)一百個(gè)學(xué)科的困難測(cè)試。這個(gè)分?jǐn)?shù)大約是 OpenAI o3 和 o4-mini 得分的兩倍。
在已知最難的數(shù)學(xué)基準(zhǔn)測(cè)試之一 FrontierMath 中，OpenAI 表示，當(dāng) ChatGPT 智能體可以訪問(wèn)工具（IT之家注：如用于代碼執(zhí)行的終端）時(shí)，其得分為 27.4%，之前的最佳分?jǐn)?shù)來(lái)自 o4-mini（得分僅為 6.3%）。
在 DSBench 測(cè)試中，該測(cè)試旨在評(píng)估智能體在涵蓋數(shù)據(jù)分析和建模等現(xiàn)實(shí)數(shù)據(jù)科學(xué)任務(wù)中的表現(xiàn)，ChatGPT 智能體顯著超越了之前的最先進(jìn)模型 —— 尤其在數(shù)據(jù)分析任務(wù)中，其表現(xiàn)明顯優(yōu)于人類(lèi)水平。
在 SpreadsheetBench 平臺(tái)上，該平臺(tái)通過(guò)評(píng)估模型在處理基于真實(shí)世界場(chǎng)景的電子表格編輯任務(wù)時(shí)的表現(xiàn)來(lái)進(jìn)行評(píng)分，ChatGPT 智能體創(chuàng)下了新的行業(yè)領(lǐng)先水平（SOTA），其性能較當(dāng)前行業(yè)領(lǐng)先的 GPT 4o 提升了超過(guò)一倍。當(dāng)具備直接編輯電子表格的能力時(shí)，ChatGPT 智能體的得分進(jìn)一步提升至 45.5%，與 Excel 中 Copilot 的 20.0% 相當(dāng)。
在內(nèi)部基準(zhǔn)測(cè)試中，該模型展現(xiàn)了其處理投資銀行分析師（1 至 3 年經(jīng)驗(yàn)）任務(wù)的能力，例如為《財(cái)富》500 強(qiáng)企業(yè)構(gòu)建符合規(guī)范的財(cái)務(wù)報(bào)表模型（包括格式和引用），或?yàn)樗接谢灰讟?gòu)建杠桿收購(gòu)模型。ChatGPT 智能體所采用的模型在該測(cè)試中顯著優(yōu)于深入研究和 o3 模型。每個(gè)任務(wù)均根據(jù)數(shù)百項(xiàng)與正確性和公式使用相關(guān)的標(biāo)準(zhǔn)進(jìn)行評(píng)分。
在 WebArena 基準(zhǔn)測(cè)試中（該測(cè)試旨在評(píng)估網(wǎng)絡(luò)瀏覽智能體在完成真實(shí)世界網(wǎng)絡(luò)任務(wù)時(shí)的性能），該模型相較于由 o3 驅(qū)動(dòng)的 CUA（即驅(qū)動(dòng) Operator 的模型）表現(xiàn)更佳。
ChatGPT 智能體在 BrowseComp 上的表現(xiàn)方面（OpenAI 今年早些時(shí)候發(fā)布的基準(zhǔn)測(cè)試），用于衡量瀏覽智能體在網(wǎng)絡(luò)上查找難以找到的信息的能力。該模型以 68.9 的成績(jī)創(chuàng)下了新的 SOTA 紀(jì)錄，比深入研究高出 xx 個(gè)百分點(diǎn)。
具體使用場(chǎng)景方面：
在工作中，用戶(hù)可以自動(dòng)處理重復(fù)性任務(wù)，例如將截圖或面板轉(zhuǎn)換為由可編輯矢量元素組成的演示文稿、重新安排會(huì)議、規(guī)劃并預(yù)訂外出活動(dòng)，以及在保持原有格式的同時(shí)，用新的財(cái)務(wù)數(shù)據(jù)更新電子表格。
在個(gè)人生活中，用戶(hù)可以規(guī)劃并預(yù)訂旅行行程、設(shè)計(jì)并預(yù)訂整個(gè)晚宴活動(dòng)，或?qū)ふ覍?zhuān)業(yè)人士并安排預(yù)約。
安全方面，OpenAI 表示用戶(hù)將始終掌握控制權(quán)。ChatGPT 在執(zhí)行重要操作前會(huì)先征得用戶(hù)的許可，用戶(hù)可隨時(shí)中斷操作、接管瀏覽器或停止任務(wù)。
用戶(hù)可以通過(guò)編輯器中的工具下拉菜單直接激活 ChatGPT 的新智能體功能，只需在任何對(duì)話的任何階段選擇“智能體模式”即可。只需描述希望完成的任務(wù) —— 無(wú)論是進(jìn)行深入研究、制作幻燈片，還是提交費(fèi)用報(bào)銷(xiāo)。在執(zhí)行任務(wù)時(shí)，屏幕上的語(yǔ)音播報(bào)會(huì)實(shí)時(shí)展示 ChatGPT 的具體操作流程。用戶(hù)可隨時(shí)中斷并接管瀏覽器操作，確保任務(wù)始終與目標(biāo)保持一致。
此外，用戶(hù)可設(shè)置已完成的任務(wù)自動(dòng)重復(fù)執(zhí)行，例如每周一早上自動(dòng)生成周度指標(biāo)報(bào)告。
ChatGPT 智能體即日起向 Pro、Plus 和 Team 版用戶(hù)開(kāi)放，Enterprise 和 Education 版用戶(hù)將于 7 月獲得使用權(quán)限。Pro 版用戶(hù)每月可執(zhí)行近乎無(wú)限的任務(wù)，其他付費(fèi)用戶(hù)每月可執(zhí)行 50 次任務(wù)，額外使用量可通過(guò)靈活的積分額度選項(xiàng)獲取。
OpenAI 表示，ChatGPT 智能體仍處于早期階段—— 它能夠處理多種復(fù)雜任務(wù)，但仍可能出現(xiàn)錯(cuò)誤。盡管官方認(rèn)為該功能在生成幻燈片方面具有巨大潛力，但目前該功能仍處于測(cè)試階段 —— 當(dāng)前生成的內(nèi)容在格式和細(xì)節(jié)處理上可能顯得較為粗糙，尤其是在沒(méi)有現(xiàn)有文檔的情況下開(kāi)始創(chuàng)建時(shí)。此外，盡管目前您可以上傳現(xiàn)有電子表格供 ChatGPT 編輯或作為模板使用，但此功能尚未適用于幻燈片。
OpenAI 正在訓(xùn)練 ChatGPT 幻燈片創(chuàng)建功能的下一代版本，以生成更精致、更復(fù)雜的輸出，并具備更廣泛的功能和改進(jìn)的格式化能力。
OpenAI 計(jì)劃以定期的節(jié)奏逐步添加重大改進(jìn)，并使 ChatGPT 智能體隨著時(shí)間的推移對(duì)更多人越來(lái)越有用。
