網(wǎng)警護(hù)航 | 錄取季警惕通知書(shū)陷阱
《明日方舟》2025「音律聯(lián)覺(jué)-熠曲豐碑」官方錄播
東北大學(xué)6名學(xué)生溺亡事故最新調(diào)查
作者｜LiYuan
一個(gè)共識(shí)是，AI今年的大主題，是Agent。
如果說(shuō)過(guò)去我們習(xí)慣了AI的「動(dòng)嘴」，那么接下來(lái)，就是AI「動(dòng)手」的時(shí)代。畢竟，既然AI已經(jīng)能聽(tīng)懂、又足夠聰明，那為什么不能直接把事兒干完？
2025年下半場(chǎng)剛開(kāi)局，一直在定義AI的OpenAI，突然端出了他們的Agent答卷。不過(guò)有趣的是，乍一看，它和幾個(gè)月前爆火的Manus模式，驚人地相似。
7月18日凌晨，SamAltman和四位OpenAI研究員在直播中介紹了OpenAI即將推出的Agent模式。
簡(jiǎn)單來(lái)說(shuō)，在Agent模式下，你可以直接對(duì)ChatGPT提要求：婚禮缺雙鞋，去電商平臺(tái)幫我買(mǎi)了；或者，給我設(shè)計(jì)個(gè)寵物周邊，直接下單打?。徊檎倚畔?，直接生成PPT。然后，ChatGPT會(huì)自己打開(kāi)虛擬機(jī)，一步步操作。
在演示中，一個(gè)復(fù)雜任務(wù)大概需要10分鐘完成。但從結(jié)果看，完成度很高。ChatGPT可以在虛擬環(huán)境里可以調(diào)用文本瀏覽器、可視化瀏覽器和終端。而基于終端，還可以進(jìn)一步調(diào)用云服務(wù)API、圖片生成器，運(yùn)行代碼等。
更關(guān)鍵的，這次OpenAI不再Pro用戶優(yōu)先，Plus、Team用戶也將能很快上手，每月可用40次。量大，管飽。
SamAltman用他標(biāo)志性的真誠(chéng)眼神，對(duì)著屏幕說(shuō)：這是一個(gè)全新的范式。就像我們學(xué)會(huì)上網(wǎng)，最后也學(xué)會(huì)了甄別詐騙信息一樣，現(xiàn)在，整個(gè)社會(huì)需要學(xué)習(xí)如何與Agent安全地交互和共存。
01
Agent模式能干什么？
直接觀看OpenAI的Agent模式演示，會(huì)發(fā)現(xiàn)其直觀體驗(yàn)與幾個(gè)月前爆火的Manus高度相似。
在用戶提出需求之后，都會(huì)自動(dòng)開(kāi)啟一個(gè)虛擬機(jī)，開(kāi)始自動(dòng)執(zhí)行一些任務(wù)，執(zhí)行過(guò)程中，Agent會(huì)反復(fù)請(qǐng)求用戶確認(rèn)，并允許隨時(shí)手動(dòng)接管。同時(shí)，用戶也能在任務(wù)中途植入新需求，進(jìn)行實(shí)時(shí)交互。
而在OpenAI的介紹中，Agent模式可以調(diào)用三種工具：文本瀏覽器、可視化瀏覽器和終端。模型可以自主選擇切換各種工具。
這種工具組合的設(shè)計(jì)頗為精巧：文本瀏覽器負(fù)責(zé)大量瀏覽文字，搜尋信息，而可視化瀏覽器則負(fù)責(zé)定位到信息之后直接模擬一些鍵鼠交互，或者用來(lái)讀取圖像信息。
而終端，則可以運(yùn)行代碼，生成包括PPT、Excel在內(nèi)的文件，和調(diào)用一些云端API。
在OpenAI提供的第一個(gè)演示里，研究員提出要規(guī)劃參加另一個(gè)朋友婚禮的事宜，要挑選一套符合著裝要求的禮服（考慮場(chǎng)地、天氣、中高檔價(jià)位）預(yù)訂酒店，同時(shí)提供禮物建議。
研究員首先在ChatGPT里切換到Agent模式，把上述需求發(fā)過(guò)去。Agent啟動(dòng)虛擬電腦、加載環(huán)境（大約幾秒）。
然后ChatGPT先試用文本瀏覽器打開(kāi)了用戶給的網(wǎng)頁(yè)，搜索婚禮信息、著裝要求、天氣等。發(fā)現(xiàn)需要進(jìn)一步確認(rèn)婚禮日期時(shí)，模型也提出了澄清請(qǐng)求，但用戶選擇讓它自己繼續(xù)推理。
在找到了天氣、場(chǎng)地信息后，AI開(kāi)始推薦合適的禮服，并切換到可視化瀏覽器檢查禮服效果。完成任務(wù)后，繼續(xù)搜索酒店和禮物。
可以看到，最后給出的婚禮出行建議報(bào)告非常長(zhǎng)而詳細(xì)，涵蓋了服裝、酒店、禮物。甚至附上了非常多的鏈接，在酒店是否有空位的索引上，還附上了在線預(yù)訂網(wǎng)站的截圖。
而完成這樣的一份報(bào)告，AI只花了十分鐘。相比于我們熟悉的一問(wèn)一答看起來(lái)時(shí)間是長(zhǎng)了很多，但是相比于實(shí)際的工作量，AI看起來(lái)還是要比人的效率高太多了。
如果說(shuō)這個(gè)演示還是更加體現(xiàn)其研究能力，另一個(gè)演示則直接展示了其動(dòng)手能力。
研究員要求給團(tuán)隊(duì)的吉祥物（是一只可愛(ài)的狗狗，昵稱Bernie）做出一批筆記本貼紙，并下單500張。
Agent直接利用終端功能，調(diào)用了圖像生成工具（ImageGenAPI）來(lái)生成一張動(dòng)漫風(fēng)格的狗狗插畫(huà)，作為貼紙的設(shè)計(jì)圖案。
接著，Agent打開(kāi)瀏覽器訪問(wèn)StickerMule網(wǎng)站，把設(shè)計(jì)好的圖上傳到網(wǎng)站，填寫(xiě)了貼紙數(shù)量、尺寸等，并把商品加入購(gòu)物車(chē)。
最后它主動(dòng)向用戶確認(rèn)，是否要用這張插畫(huà)？是否繼續(xù)下單？是否需要用戶自己輸入信用卡付款，還是讓它繼續(xù)完成？
任務(wù)停留在讓用戶接管輸入信用卡，花了7分鐘。
同樣的能力，Agent還自己連接GoogleDriveAPI（類似于國(guó)內(nèi)的網(wǎng)盤(pán)），讀取文件之后生成了一份PPT。
查詢了賽季日程，生成了一個(gè)詳細(xì)的旅行電子表格+帶標(biāo)注地圖的旅行攻略。這個(gè)任務(wù)比較復(fù)雜，Agent大約花了25分鐘完成。
02
輕描淡寫(xiě)：AI能力又進(jìn)步了
OpenAI此次推出的新Agent模式，實(shí)際上并不是一項(xiàng)全新的創(chuàng)新，而是由OpenAI上半年推出的兩樣工具組合而成：Operator和DeepResearch。
Operator是原本只開(kāi)放給了Pro用戶的瀏覽器Agent工具，能夠分析圖形操作界面，并做出一定的操作。
而DeepResearch，則是一個(gè)深入研究的分析工具，可以閱讀大量的網(wǎng)頁(yè)，直接生成一份調(diào)研報(bào)告。
OpenAI表示，在兩樣工具分別推出的過(guò)程中，發(fā)現(xiàn)很多用戶用Operator寫(xiě)的提示詞其實(shí)更像DeepResearch的任務(wù)，比如「計(jì)劃一次旅行并預(yù)訂」。而DeepResearch用戶高度呼吁增加「登錄網(wǎng)站、訪問(wèn)受保護(hù)資源」的能力，其實(shí)是Operator早就能做的。于是團(tuán)隊(duì)決定將兩個(gè)產(chǎn)品融合起來(lái)。
這和剛剛離職的OpenAI的工程師爆料的OpenAI的團(tuán)隊(duì)文化其實(shí)很接近：OpenAI內(nèi)部很看重工程師的自驅(qū)力，常常有多個(gè)類似的項(xiàng)目同時(shí)在推進(jìn)，誰(shuí)想做誰(shuí)就能往前推進(jìn)。
此次Operator和DeepResearch的融合看起來(lái)還是很成功的。兩個(gè)從不同角度推動(dòng)的Agent項(xiàng)目，最后融合起來(lái)，有了一些奇妙的化學(xué)反應(yīng)，也避開(kāi)了只使用瀏覽器的圖形界面去閱讀文字材料的低效，讓最后能形成深度報(bào)告的時(shí)長(zhǎng)變得并不高。
OpenAI也提到了在為模型提供多種工具之后，怎樣訓(xùn)練模型。
仍然是使用強(qiáng)化學(xué)習(xí)。一開(kāi)始模型會(huì)「笨拙」地嘗試用所有工具解決一個(gè)相對(duì)簡(jiǎn)單的問(wèn)題。也就是說(shuō)，它剛開(kāi)始不會(huì)判斷哪個(gè)工具更合適。
通過(guò)獎(jiǎng)勵(lì)它那些解決問(wèn)題更高效、更合理的行為，模型能逐漸學(xué)會(huì)如何用這些工具。在什么情況下用哪個(gè)工具最合適。
比如如果是做創(chuàng)意作品，它會(huì)先搜索公開(kāi)資源；然后用終端寫(xiě)代碼、編譯作品；最后用可視化瀏覽器驗(yàn)證結(jié)果。
而在一堆Demo中，OpenAI也輕描淡寫(xiě)地又拋出了一個(gè)新的基準(zhǔn)測(cè)試成績(jī)。
在HumanitiesLastExam（人類的最后一場(chǎng)大考）中，能夠使用瀏覽器、電腦和終端的Agent模式模型，已經(jīng)能夠達(dá)到42%的高分，相比于完全不使用工具的o3，有一倍的提升。
而在世界范圍內(nèi)也是領(lǐng)先的——Grok宣布帶工具的Grok4Heavy在測(cè)試中取得45%的成績(jī)。
使用工具后的高級(jí)數(shù)學(xué)推理能力，也有了進(jìn)一步的提升。
公布的基準(zhǔn)中，有兩個(gè)是和人類的對(duì)比。
一個(gè)是在網(wǎng)頁(yè)中操作的能力（WebArena），一個(gè)是操作電子表格的能力（SpreadsheetBench）。可以看到，兩項(xiàng)基準(zhǔn)中，Agent模式仍然不如人類，但是網(wǎng)頁(yè)操作，已經(jīng)追近了人類水平。
這意味著，即便只是整合這些本身尚不如人類的工具，大模型也能獲得顯著的能力提升。Agent時(shí)代，大模型能力的提升顯然還有更高的天花板。
03
和Agent共處的時(shí)代，確實(shí)來(lái)了
毫無(wú)疑問(wèn)，Agent是2025年AI領(lǐng)域的絕對(duì)風(fēng)口。
但風(fēng)口之下，用戶的真實(shí)體感往往并不完美：任務(wù)運(yùn)行時(shí)間過(guò)長(zhǎng)；稍復(fù)雜的任務(wù)就頻頻出錯(cuò)。一位早期Operator用戶評(píng)論道「每次點(diǎn)擊和滾動(dòng)，都像在炎熱夏日中游泳。」
此次OpenAI將Operator與DeepResearch融合，或許正是為了緩解這種「粘滯感」，讓Agent真正跑起來(lái)。
當(dāng)OpenAI自己下場(chǎng)，一個(gè)更直接的問(wèn)題擺在了所有類似Manus的第三方開(kāi)發(fā)者面前：這究竟是會(huì)催生一個(gè)繁榮的Agent應(yīng)用生態(tài)，還是會(huì)直接碾壓所有創(chuàng)業(yè)公司？答案尚不明朗。
而對(duì)于用戶而言，一個(gè)更切身的挑戰(zhàn)隨之而來(lái)：隱私和安全。
當(dāng)AI在我們看不見(jiàn)的虛擬機(jī)里，點(diǎn)開(kāi)一個(gè)網(wǎng)頁(yè)、輸入我們的個(gè)人信息時(shí)，誰(shuí)來(lái)保證安全？
如果它被釣魚(yú)網(wǎng)站騙走了我們的信用卡號(hào)，責(zé)任誰(shuí)負(fù)？
OpenAI對(duì)此的回應(yīng)是，他們會(huì)采取極其嚴(yán)格的審查和安全措施，但它也希望整個(gè)社會(huì)都能花時(shí)間去適應(yīng)和建立規(guī)范。
Agent時(shí)代，確實(shí)是繼Chat時(shí)代之后，一個(gè)截然不同的新階段。
在Chat時(shí)代，我們學(xué)會(huì)了適應(yīng)AI的“嘴”——我們慢慢習(xí)慣了它的幻覺(jué)，并學(xué)會(huì)在它的花言巧語(yǔ)中甄別真?zhèn)?。這是一個(gè)關(guān)于“信息可信度”的挑戰(zhàn)。
而在Agent時(shí)代，挑戰(zhàn)則完全轉(zhuǎn)向了AI的“手”。我們需要回答一系列全新的問(wèn)題：我們究竟愿意多信任AI？我們又愿意把多大的權(quán)限交出去，讓它代替我們完成多少現(xiàn)實(shí)世界的事情？
而我們與AI的關(guān)系，也將因此被重新定義。
從更宏觀的視角看，Agent的爆發(fā)也將再次將一個(gè)老問(wèn)題以更尖銳的方式推到我們面前：當(dāng)AI能真正「干活」時(shí)，我們的工作會(huì)怎樣？
當(dāng)AI能獨(dú)立完成一份包含數(shù)據(jù)檢索、圖像查證的復(fù)雜報(bào)告，并直接完成在線預(yù)訂時(shí)，白領(lǐng)們的工作究竟是被賦能加速，還是被徹底威脅？
答案尚在風(fēng)中飄。
但無(wú)論我們歡迎、恐懼還是茫然，一個(gè)由Agent驅(qū)動(dòng)的、更自動(dòng)化的新時(shí)代，確實(shí)正在加速到來(lái)。
