OpenAI Operator智能体看点在哪？

OpenAI 率先发布Operator智能体，AI进入Agent时代。

OpenAI推出Operator智能体，模拟人类在电脑上的操作行为。2025年1月OpenAI上线了其首个AI Agent Operator，Operator能够模拟人类在电脑上的动作，如通过点击、滚动、输入等与电脑交互，并完成相关任务。Operator可以浏览网页、填写表格、订购商品、预定餐厅等，如输入餐厅预订要求后，Operator 会在分析需求后直接打开一个云端浏览器并执行搜索、查找、预定等相关操作。

Operator仍处于研究预览阶段。Agent是AI产业当前进步重要方向之一，应用准确率仍待持续提升。为了确保安全和迭代进度，目前Operator处于研究预览阶段，仅面向美国的 ChatGPT Pro（200 美元/月）用户，Plus 用户也不能体验，未来将进一步扩展用户。

Operator代表OpenAI拉开L3级Agent时代序幕。OpenAI内部将AI发展阶段定义为5个阶段：聊天机器人（具备对话能力）、推理者（具备人类问题解决能力）、Agent（具备执行任务能力）、创新者（具备创造发明能力）、组织者（具备组织工作能力）。Operator实现了AI与数字系统的交互，将自动执行桌面任务成为可能，而非调用固定API，Agent成为AI发展的新阶段。

CUA是Operator工作的主要Agent。Computer-Using Agent（CUA）是一个计算机使用代理，其通过强化学习实现了GPT-4o的视觉能力与高级推理相结合，可以像人类一样完成与图形用户界面 （GUI）的交互。CUA将高级 GUI 感知与结构化问题解决相结合，将任务分解为多步骤计划，且会在出现问题时自动纠错。

Operator测试数据优于前期SOTA，但与人类差距仍较大。OSWorld是一个用于评估多模态Agent的测试集，WebArena是用于评估Agent浏览器使用性能的测试集。测评结果显示，Operator在 OSWorld上实现了成功率38.1%；WebArena 上实现了58.1%的成功率；在 WebVoyager 上实现了 87% 的基于 Web 的任务的成功率，但是 WebVoyager大多数任务都相对简单。目前Operator超过了前期最优水平，但相比人类72%以上的成功率仍有较大差距。

Operator仍在持续进步中。目前Operator仍不完美，并且可能会犯错误。在内部测试数据，Operator在创建PPT和日历等复杂界面时会遇到挑战，在复杂的文本编辑方面表现较差 (成功率为 40%)。

OpenAI 的基础模型（包括支持 ChatGPT 的模型）是使用三个主要信息源开发的：（1）互联网上公开的信息，（2）与第三方合作访问的信息，以及（3）用户或人类培训师和研究人员提供或生成的信息。

第三方公司：DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber 等。

数据来源：仅采集互联网上免费公开的信息，不主动搜索付费墙后或暗网中的数据。同时，采用过滤机制剔除仇恨言论、成人内容、以个人信息为主的网站和垃圾邮件等不希望模型学习或输出的信息，这些数据用于训练模型。

个人信息使用：虽然训练数据中可能包含个人信息，但OpenAI 不会主动搜集此类信息，也不会利用它们建立个人档案、联系用户、进行广告投放或推广产品。所有数据仅用于提升模型在预测、推理和解决问题方面的能力。

美国关于OpenAI的数据访问的法律法规涉及多个层面，包括隐私保护、数据安全、版权、特定领域数据保护等。这些规定要求其保护用户隐私、确保数据安全、实施数据最小化及敏感数据保护，同时禁止未经授权的数据访问和电子通信拦截，并严格遵守版权保护措施，同时还需确保人工智能决策过程的透明、公平并定期接受审计。 Operator必须遵守的数据使用规则：数据最小化、敏感数据保护、用户权力。

OpenAI Operator 的一些典型应用场景包括：旅行预订、购物、餐厅预订、行政任务、市场营销、与各行业合作。此外，OpenAI正与 DoorDash、Instacart、OpenTable 和 Priceline 等公司合作，以改进 Operator 在现实世界中的应用。这意味着Operator 的功能将不断完善，并更好地满足不同行业用户的需求。

案例1：使用Operator预订餐厅。 实现步骤：1）直接帮你找餐厅、看评分、订位置；2）遇到时间冲突会智能推荐其他时段；3）基本实现全自动化操作，只有在遇到登录、支付等操作时，Operator会将操作权交还给用户。

案例2：使用Operator网购下单。 实现步骤：1）上传购物要求或者购物清单照片 ；2）自动采购多平台比价，确保性价比最高 ；3）按需求加入购物车。

案例3：使用Operator订机票酒店 。实现步骤：1）一键搜索比价；2）推荐最佳方案；3）提交客户个人信息，完成订票。 以上操作基本由AI完成，只有在遇到登录、支付等操作时，Operator会将操作权交还给用户。

以上的案例中，Operator表现出强大的性能，仿佛是一个24小时的个人助理。该助理的最强技能是可以支持多任务并行处理，能同时接受指令，完成订餐、网购、搜集资料、做研究看新闻、做总结等操作。

案例4：Operator的多任务操作，根据用户想吃的食物，将所有食材都加入购物车。 实现步骤：1）搜集食物图片，解析食材；2）根据食材列好购物清单；3）登录购物网站进行比价，最后列出性价比最高的方案。以上操作中，Operator的逻辑和人类一样，看到实物图片、点击对应的按钮。这和其他使用API或者基于编程接口的Agent不同，它是基于文本的思维链进行推理。