OpenAI正式发布Operator一款能操作浏览器的AI打响2025智能体大战第一枪

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“ 外挂 ”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于 AI科普 ， AI工具测评 ， AI效率提升 ， AI行业洞察 。关注我，AI之路不迷路，2025我们继续出发。

如果说10天前的 ChatGPT Tasks 是OpenAI在AI Agent领域的一个试探，那么现在的 Operator 则是实打实的拉开了2025年AI Agent大战的帷幕。

北美时间1月23日，OpenAI官宣 Operator Agent 正式发布。 文末附Operator直播发布视频完整版。

虽然大约一周前这个名为“ Operator ” AI Agent的信息就开始在网上发酵，对此有一定的心理预期，但真正看到它的亮相，还是令人眼前一亮。

按照OpenAI此前提出的 从AI到AGI的五阶段 ，以ChatGPT为首的传统AI工具属于第一阶段，是“ 基础AI（Emerging AGI） ”；以已发布的 o1 和即将发布的 o3 为首的推理模型属于第二阶段的“ 推理者（Reasoners） ”；那么，今天发布的Operator则标志着AI的发展扎扎实实的进入了第三阶段： 智能体（Agents） 。

你有没有觉得，以往的AI更像是一个“ 工具 ”: 比如ChatGPT、Kimi、DeepSeek等，需要你给出明确的指令才能执行特定任务，“写一篇文章”、“画一幅画”、“解一道题”。

而今天发布的Operator则更像是一个真正意义上的“ 助手 ”: 它已经具备了一定的 自主性 和 决策能力 ，可以理解你的模糊意图（ 理解-推理 ），并将任务分解成多个步骤（ 规划 ），自主地在浏览器中执行操作（ 执行-工具调用 ），最终完成任务。这本质上是一种从“ 被动处理信息 ”到“ 主动完成任务 ”的进化。

其实10天前发布的 ChatGPT Tasks 就已有一点这方面的雏形，比如能主动执行定时任务，但不多。真正的拐点还得是今天的 Operator 。

比如你只需要告诉它，“帮我预定这家餐厅今晚7点的位置”。

Operator会自行打开浏览器，搜索该餐厅，选择，然后确定可预约的时间。

如果搜索后发现你选定的时间已经不可选了，Operator会主动提醒你。到最终确定预定前，会再次跟你核实，就像下面这样。

除了预定餐厅，Operator还能帮你买菜。你要做的只需要告诉它你想买哪些菜，支持手写。这里当然是用到了AI模型的 视觉能力 。

Operator能自动打开浏览器，进入Instacart（美国的叮咚买菜），选定相应的菜品，加入购物车。这一切操作当然都是由AI自动完成的。

在真正下单前，你可以随意修改购物车，直接用自然语言告诉Operator就可以。

如果遇到问题，比如你还没有绑定付款方式，Operator会提醒你，直到下单成功。

当然，Operator可以玩的案例还很多，比如点外卖，订票等等。

除了前面说的“主动工作”，我还发现了其他几个Operator“炸裂”的亮点。

直接操作浏览器，无需通过API实现 ，这是Operator最核心、最具颠覆性的特点。要知道，不是所有的网站和应用都开放API，即使有，功能也往往受限。

Operator实现“操作浏览器”靠的是一个名为 CUA （ Computer-Using Agent ）的全新模型。CUA基于 GPT-4o 专门训练，继承了4o的视觉能力，能够和图形用户界面（GUI）直接交互。大白话说，就是Operator 利用视觉能力通过“查看”屏幕截图来“理解”当前页面的内容，然后模拟鼠标和键盘操作和浏览器进行“互动” 。

这样的好处是不言而喻的， 通用性强 ，不需要特定API的支持，也不需要为每个网站和应用单独适配API。

另外一点，Operator强调 人机协作 。Operator不是一个完全自主、不可控的黑盒，从上面的截图也可以看出，它在执行任务时会 主动和你确认 ，尤其是重要操作，比如确认预定、付款。

划重点，这其中体现了一个非常非常重要的设计理念： Human in the loop（HITL） 。HITL通常用于AI系统中，指的就是当AI在执行任务时，人类必须保持在场，参与、监督，以确保AI系统的安全性和可靠性。大白话，AI在干活，你在把关。

说了这么多Operator的介绍，但不得不承认，现在的Operator，还太 弱 ！

在OpenAI的演示中，有一个词被反复提到，那就是： research preview 。OpenAI强调Operator还处于研究预览阶段，其实就是给用户打个预防针： 别抱太高预期，毕竟是研究阶段的产品，要什么自行车 ！

而不出意外的，Operator在演示中，也小小的“翻车”了2次。

比如，已经确定的可选时间，在接收到“立即执行”指令后，Operator却又表示，之前的可选时间其实不存在。

再比如尝试访问StubHub网站时，Operator遇到了重定向的问题。这下，连Sam Altman都是一脸懵逼。

其实，透过OpenAI的演示细想，Operator还存在挺多“问题”，比如 只支持浏览器 ， 高度依赖GUI界面 ， 响应速度慢 （毕竟要先理解页面内容，再执行操作）等等。

最后，Operator功能目前仅对每月200美元的 ChatGPT Pro 用户开放体验。其他用户的使用权限将逐步开放。和Sora一样，Operator也是以独立产品的形式推出的，链接是： operator.chatgpt.com 。