智东西AI前瞻（公众号：zhidxcomAI） 作者 | 江宇 编辑 | 漠影 智东西AI前瞻7月18日报道，本日破晓，OpenAI正式推出了ChatGPT Agent，一个整合了网页交互、深度检索和代码本领的全新“AI助手形态”。 从产物逻辑上看，网络交互工具Operator和深度信息检索工具DeepResearch不再分家，ChatGPT内部出现了一个可以或许“查找-思索-实行”一体化的Agent，用户能直接让AI跨网页、代码、个人数据源完成完备使命。 相较于OpenAI接连被挖角引发的舆论热度，ChatGPT Agent的发布似没到达“革命性Agent”的期许，略显反应平庸。社区用户体验后批驳不一，有人以为“初见AGI的雏形”，但也有人指出PPT排版大略、复杂逻辑易停止和幻觉等题目。 ChatGPT Agent发布后，竞品Manus第一时间接招，放出10个实测案例，试图通过财政建模、生存规划、行程安排、消耗购物、航班筛选等差别场景使命，证实ChatGPT Agent在使命闭环和可视化交付上并不占优。
▲（图源：Manus X平台） 回过头来看，ChatGPT Agent在网页欣赏、实行使命等多个测评中实现了SOTA，在“人类的末了测验”（Humanity’s Last Exam）测试中取得了41.6的高分。这一结果证明白其本领，也同时必要进一步在真实场景中验证。
ChatGPT Agent将起首向Pro、Plus和Team用户推出，Pro用户每月可得到400次查询，其他付费用户每月40次。面向企业和教诲用户的版本，预计将在本月尾前上线。 现在，ChatGPT Pro版的订阅代价为每月200美元，包罗Agent和终端功能。相比之下，xAI的Grok 4最新的Agent产物订价高达每月300美元，两者代价相差1.5倍。 一、一次“功能拼图”的交付，ChatGPT Agent有哪些升级？ ChatGPT Agent的定位可以简朴明白为“把Operator和DeepResearch归并”，并补上了一个“终端”和“图像天生API”的工具栈。 1、文本欣赏器（DeepResearch功能）负责批量搜刮网页、阅读长文本； 2、可视化欣赏器（Operator功能）负责网页点击、拖拽和表单填写； 3、终端可以跑Python脚本、天生和分析文件（Excel表格、PPT幻灯片）和调用API，乃至接入Google Drive、GitHub等外部数据； 4、图像天生API补足底子的可视化内容天生，可以为陈诉或幻灯片创建视觉素材。 这套“工具箱”搭载在一个假造机情况下，由颠末强化学习练习的模子调理，能实现从主动检索、分析、天生文档，到终极下单、预约的完备闭环。 在发布演示中，OpenAI选择了一个贴近生存的案例：用Agent帮用户筹谋一场婚礼行程。
▲婚礼筹谋实测（图源：OpenAI）
ChatGPT团队提供婚礼网站链接，提出“帮助保举服装、选旅店、挑礼品”三个需求。Agent先主动抓取婚礼时间、所在和着装要求，再查询气候并保举得当的服装，随后跳转到Booking.com查找旅店选项，末了搜刮礼品保举。终极，Agent天生一份“婚礼预备陈诉”，按服装、旅店、礼品分类整理，附带泉源链接和截图，完备交付给用户。
▲ChatGPT Agent所天生的婚礼筹谋（图源：OpenAI） 二、Manus隔空叫板：十大对比，功能对齐，体验分化 ChatGPT Agent发布后，作为竞品的Manus第一时间在X平台发布多轮实测对比，自动“迎战”。 从展示结果来看，Manus通过可视化出现、跨平台操纵和交付情势展示了自身上风，试图证实其在使命闭环和终极输出上的完备度优于ChatGPT Agent；相比之下，ChatGPT Agent更多聚焦于底子信息检索和文本型交付，功能覆盖相近，但在交互体验上出现出差别方向。 详细案例出现： 1、案例1：新加坡公司选址与当局资助 Manus输出完备调研资料和资助方案PPT，含生态概览、政策详情与图片；ChatGPT Agent只天生底子幻灯片，缺少要点总结与可视化出现。
▲（图源：Manus） 案例2：高收入FIRE模子 Manus完成包罗都会生存本钱、税务规划的完备PPT，含关键图表和视觉元素；ChatGPT Agent只列出底子生存本钱清单，税务信息方面并不美满，且无投资计谋或可视化分析。
▲（图源：Manus） 案例3：三日网球行程订定 Manus天生含逐日日程、预算及订票链接的可视化行程卡片；ChatGPT Agent输出纯笔墨行程，排版单调无整合。
▲（图源：Manus） 案例4：旧金山ACFR财政表格 Manus整理2020-2024年财政数据并天生可视化预算趋势PPT；ChatGPT Agent只天生无视觉出现的财政表格。
▲（图源：Manus） 案例5：电动车行业研究 Manus制作5页完备PPT，包罗行业增速图表、旌旗等定制视觉元素；ChatGPT Agent停顿在信息网络，未完成PPT交付。
▲（图源：Manus） 案例6：筛选500美元以下风衣 Manus整理符合条件的商品清单并天生对比文档；ChatGPT Agent只停顿在电商页面截图，无完备输出。
▲（图源：Manus） 案例7：英伟达估值建模（DCF模子） Manus完玉成流程，包罗汗青财政数据抓取、WACC估算、现金流猜测、敏感性分析和完备图表输出；ChatGPT Agent仅停顿在搜刮公开年报信息，未完成建模和分析。
▲（图源：Manus） 案例8：季度财报拆分更新 Manus完成季度表格更新和PPT天生，ChatGPT Agent只完成底子表格更新，无季度拆分和PPT。
▲（图源：Manus） 案例9：预订高评分寿司餐厅 Manus全流程完成订座并返回确认页面，ChatGPT Agent只完成底子餐厅信息检索，无预订动作。
▲餐厅预定乐成界面（上）和Manus实操界面（下）（图源：Manus） 案例10：查询机票并筛选优选航班 Manus完成可视化航班票价对比卡片，ChatGPT Agent仅展示网页搜刮信息，无可视化总结和筛选逻辑。
▲（图源：Manus） 作为“参赛选手”，Manus的展示更偏重自身产物上风，ChatGPT Agent现实结果怎样，还需连续观察更多用户的真实体验反馈。 三、体验有惊喜也有槽点：服从在线，复杂检索还需人类兜底 社区实测也敏捷给出了“批驳对半开”的反馈。 X平台用户用Agent在20分钟内完成了FIRE筹划，称雷同服务在人类顾问处耗费大概高达5000美元。 ChatGPT Agent起首查找了当地税收政策（温哥华），分析了用户的月均开支，测算出在30岁退休所需的储备金额，接着天生了投资组合发起，并梳理出用户此前未打仗过的税务优化计谋，末了构建了多个退休方案的对比景象，天生了一份完备的可下载PPT文件。
▲（图源：X平台） 他还增补道，Agent在天生电子表格和PPT上的本领最让人印象深刻，但团体效果与他用Manus、Genspark等其他Agent工具的体验“差别不大”。在他看来，对没用过这些工具的大多数人而言，ChatGPT Agent的本领“依然充足震撼”。
▲（图源：X平台） 不外，ChatGPT Agent在社区的用户反馈中也袒露出不少现实体验上的短板。不少用户吐槽，在网页交互过程中常常出现卡顿或404错误，天生的PPT排版大略、审美结果较差，碰到轻微复杂的逻辑需求时，使命流程也每每必要频仍停止和人工修正。 沃顿商学院传授、AI研究者Ethan Mollick也分享了雷同感受。他在X平台称，本身用ChatGPT Agent分析了Kaggle上的数据集，固然Agent可以或许顺遂完身分析流程并天生PPT和Excel文件，但开端效果中存在显着的数据非常。只有在他提供反馈后，Agent才乐成辨认出题目并修正效果。
▲（图源：X平台） Agent在实行流程上已经具备高服从，但在数据判定和逻辑把控上仍旧离不开人类监视。 从跑分和社区反馈来看，ChatGPT Agent擅优点理指令明白、路径清楚的使命，好比生结婚礼预备清单或根据财政数据制作PPT，在这类尺度化流程中，Agent可以或许高效实行，明显节流人工操纵。 但碰到含糊指令或必要开放式判定的使命，好比整理行业隐性趋势或发掘未被报道的消息线索时，Agent每每难以给出有用效果，轻易陷入“找不到”或“请明白需求”的反复循环。 四、跑分结果亮眼：善于流程跑通，难在开放推理 在数据测评上，Agent模式在人文学科推理、金融分析、网页交互和电子表格四大维度上对o3有差别水平领先，最高实现翻倍提拔。 ChatGPT Agent在“人类的末了测验”（Humanity’s Last Exam）评估中取得41.6%的最高分，相比o3无工具模式（20.3%）实现翻倍提拔，在跨学科专家级题目上显现了推理与工具调用本领。
▲Humanity’s Last Exam（泉源：OpenAI） DSBench聚焦数据分析类现实使命，Agent在数据分析子使命中正确率到达87.9%，明显高于o3（64.1%），初次逾越人类参考程度。在DSBench的数据建模子使命中，Agent正确率到达85.5%，优于o3（77.1%）和GPT-4o（45.5%），靠近人类体现。
▲DSBench数据分析使命与DSBench数据建模使命（泉源：OpenAI） SpreadsheetBench测试Agent对电子表格的编辑操纵，ChatGPT Agent在直接访问.xlsx文件时，正确率提拔至45.5%，明显优于Copilot in Excel（20.0%），但与人类程度（71.3%）存在较大差距。
▲电子表格使命（泉源：OpenAI） 在投行分析师使命中，Agent完成复杂财政建模的正确率到达71.3%，大幅领先o3（48.6%）和DeepResearch（55.9%）。
▲内部投资银行分析师使命评估（泉源：OpenAI） WebArena测试Agent在网页交互使命的操纵本领，ChatGPT Agent正确率到达65.4%，逾越o3和CUA模子，靠近人类程度（78.2%）。
▲WebArena网页交互基准（58.1%）（泉源：OpenAI） BrowseComp用于评估Agent对长尾信息检索使命的处置惩罚本领，ChatGPT Agent正确率到达68.9%，比DeepResearch高出17.4个百分点。
▲复杂网页信息检索使命BrowseComp（泉源：OpenAI） ChatGPT Agent在DSBench、SpreadsheetBench、BrowseComp等流程化使命中体现亮眼，数据分析、表格编辑和网页检索正确率大幅提拔，部门使命逾越人类程度。各范例使命相较于o3模子，Agent都实现了从10%到30%差别水平的提拔。 结语：Agent潮起，OpenAI稳步迈进 ChatGPT Agent的发布再次证实Agent赛道正在加快进化。整合多工具、接入个人数据、具备底子实行力，正渐渐成为Agent产物进化的主流方向，但间隔真正行业遍及仍有不小间隔。 这次，OpenAI并没有交付一个“划期间”版本，仅在个人助理和办公场景迈出了一步妥当但平庸的更新。 对用户来说，ChatGPT Agent值得体验，它确实让一部门噜苏事件可以交给AI代庖。但要说AI“重塑工作流”，显然还为时尚早。OpenAI还在路上，Agent也还在半制品阶段。它是一场值得肯定的进步，但并不是一场值得高兴的飞跃。 |
