OpenAI突發Operator！完全自主玩轉瀏覽器，奧特曼：Level 3時代開啟

原標題：OpenAI突發Operator！完全自主玩轉瀏覽器，奧特曼：Level 3時代開啟
文章來源：科技未來派
內容字數：3437字

OpenAI發布首個智能體Operator：開啟AI代理時代

OpenAI近日正式發布了備受期待的AI智能體Operator，標志著AI技術邁向新的里程碑。Operator并非簡單的機器人，而是能夠完成各種任務的AI代理，它能夠自主瀏覽網頁、進行在線購物、預訂餐廳等，真正實現了AI從信息處理到行動執行的跨越。

Operator：解放雙手的AI助手

Operator 的核心功能在于其自主執行任務的能力。用戶只需提供任務指令，Operator 就能自行完成所有步驟，例如根據購物清單自主完成網購，或者根據用戶需求預訂餐廳。這與以往需要通過API或編程接口控制的AI代理截然不同，Operator 基于文本的思維鏈進行推理，如同人類一樣理解網頁內容并進行操作。

在實際操作中，Operator展現了強大的自主學習和適應能力。它可以識別網頁元素，點擊按鈕，填寫表單，甚至能夠應對網站的登錄、支付等環節（需要用戶介入完成安全認證）。更令人印象深刻的是，如果遇到訪問受限的情況，它能夠自行調整策略，例如在搜索中添加關鍵詞來繞過限制。用戶還可以自定義指令，例如設置訂機票時的首選航空公司，以獲得個性化體驗。

技術底層：CUA模型的強大實力

Operator 的強大功能源于其底層使用的全新模型——Computer-Using-Agent (CUA)。CUA 結合了 GPT-4 的視覺能力和高級推理強化學習，使其能夠與圖形用戶界面 (GUI) 進行交互。這意味著 Operator 可以“看到”網頁內容，并像人類一樣使用鼠標和鍵盤進行操作，無需任何自定義的 API 集成。

CUA 在 WebArena 和 WebVoyager 兩個基準測試中均取得了領先成績 (SOTA)，證明了其在網頁自動化領域的強大實力。更重要的是，CUA 具備自我糾錯能力，能夠在遇到問題時自行嘗試解決，并在需要幫助時將控制權交還給用戶。

OpenAI進入“代理”階段：Level 3的突破

OpenAI 此前將 AI 的發展劃分為五個階段，Operator 的發布標志著 OpenAI 從 Level 1 (機器人) 邁入 Level 3 (AI 代理) 階段。這代表著 AI 從簡單的對話交互，發展到能夠自主執行任務的重大飛躍。OpenAI 預計未來將推出更多智能體，進一步拓展 AI 代理的應用領域。