openai发布operator：能联网自动执行任务的ai智能体，引发ai社区热议！
北京时间昨天傍晚，继“星际之门项目”后，OpenAI再次成为AI领域的焦点。ChatGPT Pro用户发现界面新增“Operator”选项，引发猜测：OpenAI的计算机使用智能体来了吗？
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
这一消息导致ChatGPT访问量激增，服务器不堪重负，短暂宕机约3小时。
凌晨，OpenAI正式发布Operator及底层模型Agents。
Operator现为研究预览版智能体，可访问互联网自动执行任务，OpenAI计划将其整合到ChatGPT中。目前仅限美国Pro用户使用。
虽然计算机使用型AI并非新鲜事物（Anthropic去年10月已发布类似功能，国内智谱的GLM-PC也已开放体验），Operator的发布仍引发热议——毕竟这是OpenAI。OpenAI总裁Greg Brockman再次强调：2025年是智能体之年。
部分Pro用户已分享使用案例，例如：根据图片和菜谱订购食材、规划旅行路线、研究投资等。
当然，也有不少调侃之声。
Operator功能演示及技术解读
Operator界面如下：
Operator由名为“计算机使用智能体”（CUA）的新模型驱动，结合GPT-4o的视觉能力和强化学习的高级推理能力，可与图形用户界面（GUI）交互。
Operator可“查看”（通过截图）和“交互”（使用鼠标键盘）浏览器，无需自定义API即可在网页上操作。 它能自我纠错，并在遇到困难时将控制权交还给用户。
演示功能包括：餐厅预订、根据手写购物单购物、订票等。
CUA模型结合多模态理解和推理，将任务分解为多步骤规划，并能自适应纠错。这标志着AI发展的新阶段，允许模型使用人类常用的工具，并开启大量新应用。
CUA工作原理
CUA通过处理原始像素数据理解屏幕内容，并使用虚拟鼠标和键盘操作。它能处理多步骤任务、错误和意外变化，无需专用API即可在多种数字环境中运行，执行填写表格、浏览网站等任务。
CUA通过感知、推理和行动的迭代循环操作：
- 感知：屏幕截图作为模型上下文，提供当前状态的视觉快照；
- 推理：使用链式推理后续步骤，考虑当前和过去的截图及操作；
- 行动：执行操作，直到任务完成或需要用户输入。它会主动请求用户确认敏感操作。
CUA仍处于早期阶段，但已取得SOTA基准测试结果：OSWorld (38.1%)，WebArena (58.1%)，WebVoyager (87%)。
使用方法、生态系统及安全隐私
Operator使用简单，用户描述任务即可。用户可随时接管，Operator也会主动请求用户输入敏感信息。 可添加自定义指令，保存常用提示词，并同时运行多个任务。
OpenAI已与DoorDash、Instacart等企业合作。 Operator采用三层安全机制：用户控制、数据隐私管理和恶意网站防御。
未来计划包括：通过API开放CUA模型、增强功能和扩展用户群体。
参考链接:
