7月18日讯，OpenAI今日宣布在ChatGPT中推出一款全新通用型人工智能体。该智能体能够协助用户完成多种基于计算机的任务。
据OpenAI介绍，该智能体具备多种实用功能，包括自动生成可编辑的演示文稿和幻灯片、查看用户日历以提供即将到来的客户会议摘要、规划并购买制作家庭早餐的食材，以及运行代码等。
这一工具名为ChatGPT智能体，整合了OpenAI之前多种智能体工具的功能，包括Operator的网页交互能力，以及Deep Research从多个网站综合信息生成简洁研究报告的能力。用户只需通过自然语言与ChatGPT进行对话即可激活该功能。
为了开发这一新功能，OpenAI将Operator和Deep Research团队合并为一个统一的研发部门。据外媒The Verge报道，该团队由产品和研究部门共20~35名成员组成。
ChatGPT智能体能够访问ChatGPT连接器，支持用户连接如Gmail和GitHub等第三方应用。通过用户的自然语言提示，智能体会主动查找并整合相关信息。此外，该智能体还支持终端操作，并可通过API接口与某些应用程序进行交互。
在技术能力方面，ChatGPT智能体的底层模型在多个基准测试中展现了卓越性能。例如，在 Humanity’s Last Exam 测试中，其通过率为41.6%，约为 OpenAI o3 和 o4-mini 模型得分的两倍。
在 FrontierMath 等高难度数学基准测试中，当ChatGPT智能体可以访问工具（如用于代码执行的终端）时，其得分为27.4%，远超之前的最佳成绩。
DSBench 测试结果显示，该模型在数据分析和建模等现实数据科学任务中表现优异，尤其在数据分析方面显著超越了现有先进模型。
具体应用场景包括：
-
工作场景：自动处理重复性任务，如将截图或面板转换为可编辑矢量元素组成的演示文稿、重新安排会议、规划并预订外出活动，以及在保持原有格式的同时更新电子表格中的财务数据。
-
生活场景：规划并预订旅行行程、设计并预订晚宴活动，或寻找专业人士并安排预约。
安全方面，用户始终掌握控制权。ChatGPT在执行重要操作前会先征得用户的明确许可，用户可随时中断操作、接管浏览器或停止任务。
用户可通过编辑器中的工具下拉菜单直接激活智能体功能，只需在任何对话的任意阶段选择“智能体模式”即可。描述需要完成的任务——无论是进行深入研究、制作幻灯片，还是提交费用报销。操作过程中，屏幕上的语音播报会实时展示ChatGPT的具体操作流程。用户可随时中断并接管浏览器操作，确保任务与目标保持一致。
此外，用户还可设置已完成的任务自动重复执行，例如每周一早上自动生成周度指标报告。
ChatGPT智能体即日起向Pro、Plus和Team版用户开放，Enterprise和Education版本的用户将于7月获得使用权限。Pro版用户每月可执行近乎无限的任务，其他付费用户每月可执行50次任务，额外使用量可通过灵活的积分额度选项获取。
OpenAI强调，ChatGPT智能体仍处于早期测试阶段——尽管能够处理多种复杂任务，但仍然可能存在错误。目前生成的内容在格式和细节处理上可能显得较为粗糙，尤其是在没有现有文档的情况下开始创建时。此外，虽然用户可以上传现有电子表格供ChatGPT编辑或作为模板使用，但此功能尚未适用于幻灯片。
OpenAI正在积极训练下一代版本的幻灯片创建功能，以实现更精致、复杂的输出，并具备更广泛的功能和改进的格式化能力。
未来，OpenAI计划以定期节奏逐步添加重大改进，使ChatGPT智能体随着时间推移为更多人提供越来越强大的支持。
相关文章
