一文讀懂ChatGPT Agent：沒超越Manus的能力範疇，但看到了端到端的曙光

Agent是今年AI圈最大的共識，OpenAI自然也無法落後。

台北時間2025年7月18日凌晨1點，Sam Altman和四位OpenAI 的研究員在直播中正式發布了ChatGPT Agent——一款通用型AIAgent。

前有Manus、Lovart和Flowith，ChatGPT Agent所呈現的功能場景並不算特別驚艷，但它發布的意義，要超越其功能本身。

ChatGPT Agent的革命性在於其獨特的技術路徑：它可以主動從工具箱中選擇代理技能，使用自己的電腦完成任務，使用者可以即時觀察AI在虛擬環境中的工作過程。

這種交互界面雖與Manus等產品相似，但底層原理卻有著本質差異。Manus調用多個底層模型，類似於“外部縫合”，而ChatGPT Agent，是將Agent能力內化於模型，我們已經看到了端對端通用Agent的雛形。

Manus的設計實質上是透過調用多個底層模型來實現"外部縫合"。相較之下，ChatGPT Agent是將Agent能力內化於模型本身。

根據OpenAI介紹，為了開發ChatGPT Agent，他們將Operator和Deep Research團隊合併為一個統一的團隊，這個新團隊由20至35人組成。

根據ChatGPT Agent的系統卡顯示，它是一個新的代理模型，與OpenAI o3同屬一個系列，採用了端到端的訓練方法。它是為代理任務開發的統一模型，而不是多個模型的工程化組合。根據OpenAI放出的對比PPT，我們可以看到，這項訓練基本上是透過強化學習過程完成的。和Grok

4withtool的路徑應該差不多。

在執行完複雜任務之後，也可以交付給使用者一個可下載的一個PPT或一份文件。

對Manus而言，OpenAI的這項新舉措無疑是巨大的打擊，甚至從定價上，兩者也差距不大：GPT的Plus套餐每月20美金即可使用ChatGPT Agent，而Manus的基礎計劃是每月19美金。

底線重點：

ChatGPT Agent：是能夠執行複雜、多工具任務的統一AI Agent。

• 它整合了對文字瀏覽器、GUI 瀏覽器、終端和圖像生成工具的存取。
• 支援與用戶進行互動式、多輪對話，允許打斷和澄清。
• 安全防護升級：加強對網頁「惡意提示」攻擊的防禦；設定高風險任務自動拒絕；生物/化學風險也按最高等級安全堆疊處理。

它在多個現實世界和基準任務中取得了最先進的結果。

ChatGPT Agent概覽

功能很像Manus

ChatGPT Agent的核心是一個統一的代理系統(unified agentic system)，整合並擴展了OpenAI 早期研究專案"Operator"（專注於網站互動）和"Deep Research"（專注於資訊綜合）的能力。

這使得ChatGPT Agent 能夠在單一的對話流中，無縫地從推理思考切換到執行具體動作。

虛擬電腦環境：ChatGPT Agent在一個為其特設的虛擬電腦上執行所有任務。這個環境是沙盒化的，確保了操作的安全性。它能夠在該環境中保存任務的上下文，即使用戶中途打斷或改變指令，也能從斷點繼續，而不會丟失進度。

智慧工具箱：為了完成複雜工作流程，Agent 配備了四種工具，並能根據任務需求自動選擇最適合的工具：

視覺化瀏覽器(Visual Browser): 用於與圖形使用者介面進行交互，例如點擊按鈕、填寫表單和瀏覽為人類設計的網站。

• 文字瀏覽器(Text-based Browser): 用於需要高效推理和處理大量文字的網路查詢。
• 終端機(Terminal): 允許Agent 運行程式碼、下載和處理文件。
• API 存取: 可以直接呼叫API 來獲取訊息，例如透過連接器存取Google Drive、Gmail 和GitHub 等應用程式的資料。

新模型驅動：ChatGPTAgent由一個專門為其開發的新模型驅動。這個模型透過強化學習(reinforcement learning) 的方法，在需要使用多種工具的複雜任務上進行了專門訓練，從而學會瞭如何在不同工具之間流暢切換並協同工作。

它有以下特性：

自主任務執行: 使用者可以用自然語言下達指令，例如“分析我的日曆，並根據最近的新聞為我簡報即將到來的客戶會議”，Agent 能夠自主規劃並執行系列操作，如瀏覽網站、篩選資訊、運行程式碼分析，並最終產生可編輯的幻燈片或電子表格等成果。

協作與互動性:它會在需要時主動詢問更多細節以完成目標。使用者可以隨時中斷、重定向任務或完全接管瀏覽器的控制權。

安全性與權限控制: 安全性是其設計的核心部分。在執行購買、提交表單、發送郵件或處理個人資訊等具有實際影響的關鍵操作之前，Agent 會明確請求使用者許可。同時，它被禁止執行如金融轉帳或提供法律建議等高風險任務。 OpenAI 也內建了針對「提示注入」等惡意攻擊的防護措施。

多項基準測試跑分“破紀錄”

最難的HLE 達到41.6%（with tool）， 高於剛發表的Grok4（with tool）41.0%。

在測量廣域知識與專家級提問的Humanity's Last Exam 上，單次作答準確率達41.6%；採用並行八路推理並選取置信度最高答案後可提升到44.4%。

在極難的FrontierMath 數學基準上，借助終端運行程式碼後準確率提升至27.4%。

在針對真實知識工作任務的內部評測中，ChatGPT 代理人在約半數案例裡已與人類持平或更佳；

在現實資料科學任務DSBench 上，其分析與建模準確率分別達到89.9% 與85.5%，遠超過人類平均值。它對電子表格的直接編輯能力也領先：在SpreadsheetBench 中拿到45.5%，超過 Copilot in Excel 的20%。此外，它在BrowseComp、WebArena 等瀏覽評測裡均刷新了SOTA。（圖：評測方法：SpreadsheetBench的作者在Windows 環境下使用Microsoft Excel 對電子表格進行評估。我們則在OSX 環境中使用LibreOffice，這可能導致評分出現輕微差異。例如，作者報告GPT‑4o 在整體Hard 限制上的結果為15.02%，而我們得到13.38% 在整體Hard 限制上的結果為15.02%，而我們得到了13.912題目

根據ChatGPT Agent自己做的PPT，在做PPT的能力上和上網衝浪能力上，Agent的能力都相比純粹的基礎模型有較明顯的提升。但離人類還頗有距離。

不是期貨，今日可用

自今日起，Pro 用戶可以馬上使用，Plus 與Team 用戶將在數日內陸續開通；Enterprise 與Education 版本將於數周後接入。

Pro 每月可用400 則訊息，其他付費用戶每月額度為40 條，可透過彈性的按量計費追加。

實際使用非常簡單：在任何對話中切到「代理模式”，描述目標，例如深入研究、製作演示或報銷。螢幕左側即時顯示它的操作流程；若需要登錄，系統會切換到「接管模式」安全輸入憑證。

使用者也可以把完成的任務設為周期性執行，例如每周一自動產生指標報告。

奧特曼親自提示風險：

Agent很強大，也很危險

值得注意的是，奧特曼在發布會之後，立刻發了一條長貼，提示使用ChatGPT Agent的風險。

在「強調」過ChatGPT Agent處理複雜任務的強大能力後，特別鄭重地提示了產品的風險，並強調：我們尚不清楚具體會造成什麼影響，但不法分子可能會試圖「誘騙」用戶的AI 代理提供不該提供的私人資訊並採取不該採取的行動，而這其中的方式我們無法預測。

模型可能會接觸使用者的敏感數據，或遭遇網頁中的惡意「提示注入」攻擊。為此，他們沿用Operator 期間的嚴格控制，並新增多項防護：

關鍵動作前必須先得到使用者明確授權；

• 部分高風險任務（如發送郵件）啟用「監督模式」要求使用者全程監控；
• 碰到銀行轉帳等高風險指令會主動拒絕；
• 使用者可一鍵清除瀏覽資料並登出全部會話，或在不需連網時停用連接器。

在生物與化學安全方面，OpenAI根據Preparedness Framework 將該模型按高風險級別處理，上線了最全面的安全措施，並與政府、學界及安全機構合作開展紅隊測試與威脅建模，同時啟動漏洞賞金計劃，以便儘早發現並修補潛在問題。

ChatGPT Agent

夠遙遙領先嗎？

ChatGPT Agent最大的創新在於首次在模型中直接整合了完整的虛擬機器環境，使用者可以即時觀察AI的操作過程，這是其它模型產品不具備的。

但是，各主流模型公司都在「Agent即模型，模型即Agent」的路上越走越遠。例如，在coding agent能力上幾乎封神的Claude。

眾多需要藉用底層模型搭建的Agent產品，甚至離開了Claude，就什麼也不是。

剛上線的Kimi K2採用開源的混合專家模型架構，定位就為Agentic Intelligence，且價格僅有Claude 4的1/6左右。上線之後，token的採用量排名持續飆升。

但從「模型即Agent」這條路來說，OpenAI並不能算是遙遙領先，僅僅能說邁出了一小步。

OpenAI在官方文件中也特別謙虛地表示：

需要注意的是，功能仍處早期：例如投影片產生功能現為beta，格式與美觀度仍待提升，現階段主要優化資訊結構與元素可編輯性；未來我們將繼續訓練新版本，以產生更精緻的文件。總的來說，隨著持續迭代，ChatGPT 代理的效率、深度和多樣性都會不斷提升，我們也會逐步調優用戶監督的力度，在易用與安全之間取得更好平衡。

看著自家產品的展示，Sam Altman不禁又開始感嘆，「我感受到了AGI」。

然而，在貼文後面還是有用戶留言問，說好的GPT-5呢？(騰訊科技)