1. ChatGPT agent: bridging research and action (openai.com)
功能概述
ChatGPT 现在可以利用其自身的虚拟电脑代用户执行复杂任务，从头到尾处理完整流程。用户可下达如“查看日历并简报即将召开的客户会议”、“规划并购买制作四人份日式早餐的食材”或“分析三家竞争对手并制作演示文稿”等指令。ChatGPT 能智能浏览网站、筛选结果、提示安全登录、运行代码、进行分析，甚至交付可编辑的幻灯片和电子表格来总结其发现。
技术基础与工作模式
此能力的核心是一个统一的智能体系统，融合了先前突破的三大优势：Operator 的网页交互能力、Deep Research 的信息综合技能，以及 ChatGPT 本身的智能与对话流畅性。该系统在ChatGPT内置的虚拟电脑上运行，可根据指令在推理与行动之间流畅切换，完成复杂工作流。
工具与交互方式
该智能体配备了一系列工具：
- 视觉浏览器：通过图形界面与网页交互。
- 文本浏览器：用于基于推理的简单网络查询。
- 终端：可直接访问API。
- 连接器：允许连接Gmail、GitHub等应用，ChatGPT可在响应中使用相关信息。
- 浏览器接管：用户可在任何网站登录，使智能体能深入研究。
其设计支持迭代协作。用户可随时中断、澄清指令或改变任务方向，智能体会在保留先前进度的基础上继续。当任务时间较长或遇阻时，用户可暂停、请求进度摘要或停止任务以获取部分结果。任务完成后，手机应用会发送通知。
实际应用与性能表现
这些能力增强了ChatGPT在工作与生活中的实用性，例如自动化重复任务、规划旅行、安排聚会等。在多个权威基准测试中，其表现卓越：
- Humanity’s Last Exam：得分达41.6%（并行尝试后可达44.4%）。
- FrontierMath：使用工具（如终端执行代码）后准确率达27.4%。
- 复杂知识工作任务：在近半数任务中，其输出质量媲美或优于人类专家。
- DSBench（数据科学任务）：显著超越人类表现。
- SpreadsheetBench（电子表格编辑）：以45.5%的得分远超其他模型。
- 投资银行分析任务：性能显著优于Deep Research和o3模型。
- BrowseComp（网页信息检索）：以68.9%创下新高。
- WebArena（真实网页任务）：性能超越由o3驱动的CUA（Operator的底层模型）。
安全控制与风险缓解
此版本首次允许用户要求ChatGPT在网页上采取行动，引入了新的风险。主要安全措施包括：
- 对抗提示注入：训练智能体识别并抵抗恶意指令，结合监控系统进行检测，并要求用户在关键操作前确认。
- 应对模型错误：
- 显式用户确认：在执行有实际后果的行动（如购买）前请求许可。
- 主动监督（观察模式）：关键任务（如发送邮件）需要用户监督。
- 主动风险规避：训练模型拒绝高风险任务（如银行转账）。
- 限制数据访问：
- 隐私控制：可一键清除所有浏览数据并登出所有网站会话。
- 安全的浏览器接管模式：在接管模式下，用户输入（如密码）不被收集或存储。
此外，鉴于模型能力的提升，OpenAI将ChatGPT Agent视为“高生物与化学能力”，并启动了最强的安全堆栈，包括威胁建模、双重用途拒绝训练、分类器与推理监控器等。团队还与外部专家合作进行红队测试和生物防御研究。
可用性与未来展望
该功能正面向Pro、Plus和Team用户逐步推出（Pro用户今日可用，Plus/Team用户未来几天内可用，企业及教育版用户未来几周内可用）。欧洲经济区和瑞士的访问仍在开发中。Operator的预览版将在几周后停止服务，而Deep Research功能仍可作为独立选项使用。
当前版本仍有局限性，例如幻灯片生成功能仍处于测试版，输出格式可能不够精致。OpenAI承诺将持续改进其效率、深度和多功能性，并调整用户监督程度，以在确保安全的前提下提升其实用性。