一文读懂ChatGPT Agent：没超越Manus的能力范畴，但看到了端到端的曙光

Agent是今年AI圈最大的共识，OpenAI自然也不能掉队。

北京时间2025年7月18日凌晨1点，Sam Altman和四位OpenAI 的研究员在直播中正式发布了ChatGPT Agent——一款通用型AIAgent。

前有Manus、Lovart和Flowith，ChatGPT Agent所呈现的功能场景并不算特别惊艳，但它发布的意义，要超越其功能本身。

ChatGPT Agent的革命性在于其独特的技术路径：它可以主动从工具箱中选择代理技能，使用自己的计算机完成任务，用户可以实时观察AI在虚拟环境中的工作过程。

这种交互界面虽与Manus等产品相似，但底层原理却有着本质差异。Manus调用多个底层模型，类似于“外部缝合”，而ChatGPT Agent，是将Agent能力内化于模型，我们已经看到了端到端通用Agent的雏形。

Manus的设计实质上是通过调用多个底层模型实现"外部缝合"。相比之下，ChatGPT Agent是将Agent能力内化于模型本身。

根据OpenAI介绍，为了开发ChatGPT Agent，他们将Operator和Deep Research团队合并为一个统一的团队，这个新团队由20至35人组成。

根据ChatGPT Agent的系统卡片显示，它是一个新的代理模型，与OpenAI o3同属一个系列，采用了端到端的训练方法。它是为代理任务开发的统一模型，而不是多个模型的工程化组合。

根据OpenAI放出的对比PPT，我们可以看到，这一训练基本上是通过强化学习过程完成的。和Grok4withtool的路径应该差不多。

经过再训练，Agent结合了Deep research的多步研究和高质量报告生成能力、Operator通过远程可视化浏览器环境执行任务的能力、具有有限网络访问权限的终端工具，以及通过连接器访问外部数据源和应用程序的能力。

在执行完复杂任务之后，也可以交付给用户一个可下载的一个PPT或一份文档。

对Manus而言，OpenAI的这一新举措无疑是巨大的打击，甚至从定价上，两者也差距不大：GPT的Plus套餐每月20美金即可使用ChatGPT Agent，而Manus的基础计划是每月19美金。

划重点：

ChatGPT Agent：是能够执行复杂、多工具任务的统一AI Agent。
它集成了对文本浏览器、GUI 浏览器、终端和图像生成工具的访问。
支持与用户进行交互式、多轮对话，允许打断和澄清。
安全防护升级：加强对网页“恶意提示”攻击的防御；设置高风险任务自动拒绝；生物/化学风险也按最高级别安全堆栈处理。
它在多个现实世界和基准任务中取得了最先进的结果。

ChatGPT Agent概览，功能很像Manus

ChatGPT Agent的核心是一个统一的代理系统 (unified agentic system)，整合并扩展了 OpenAI 早期研究项目 "Operator"（侧重于网站交互）和 "Deep Research"（侧重于信息综合）的能力。

这使得 ChatGPT Agent 能够在一个单一的对话流中，无缝地从推理思考切换到执行具体动作。

虚拟计算机环境：ChatGPT Agent在一个为其特设的虚拟计算机上执行所有任务。这个环境是沙盒化的，确保了操作的安全性。它能够在该环境中保存任务的上下文，即使用户中途打断或改变指令，也能从断点继续，而不会丢失进度。
智能工具箱：为了完成复杂工作流，Agent 配备了四种工具，并能根据任务需求自动选择最合适的工具：
可视化浏览器 (Visual Browser):用于与图形用户界面进行交互，例如点击按钮、填写表单和浏览为人类设计的网站。
文本浏览器 (Text-based Browser):用于需要高效推理和处理大量文本的网络查询。
终端 (Terminal):允许 Agent 运行代码、下载和处理文件。
API 访问:可以直接调用 API 来获取信息，例如通过连接器访问 Google Drive、Gmail 和 GitHub 等应用的数据。

新模型驱动：ChatGPTAgent由一个专门为其开发的新模型驱动。这个模型通过强化学习 (reinforcement learning) 的方法，在需要使用多种工具的复杂任务上进行了专门训练，从而学会了如何在不同工具之间流畅切换并协同工作。

它有以下特性：

自主任务执行: 用户可以用自然语言下达指令，例如“分析我的日历，并根据最近的新闻为我简报即将到来的客户会议”，Agent 能够自主规划并执行系列操作，如浏览网站、筛选信息、运行代码分析，并最终生成可编辑的幻灯片或电子表格等成果。

协作与交互性:它会在需要时主动询问更多细节以完成目标。用户可以随时中断、重定向任务或完全接管浏览器的控制权。

安全与权限控制: 安全性是其设计的核心部分。在执行购买、提交表单、发送邮件或处理个人信息等具有实际影响的关键操作前，Agent 会明确请求用户许可。同时，它被禁止执行如金融转账或提供法律建议等高风险任务。OpenAI 还内置了针对“提示注入”等恶意攻击的防护措施。

多项基准测试跑分“破纪录”

最难的 HLE 达到 41.6%（with tool），高于刚刚发布的Grok4（with tool）41.0%。

在测量广域知识与专家级提问的 Humanity’s Last Exam 上，单次作答准确率达 41.6%；采用并行八路推理并选取置信度最高答案后可提升到 44.4%。

在极难的 FrontierMath 数学基准上，借助终端运行代码后准确率提升至 27.4%。

在针对真实知识工作任务的内部评测中，ChatGPT 代理在约半数案例里已与人类持平或更佳；

在现实数据科学任务 DSBench 上，其分析与建模准确率分别达到 89.9% 与 85.5%，远超人类平均水平。

它对电子表格的直接编辑能力也领先：在 SpreadsheetBench 中拿到 45.5%，超过 Copilot in Excel 的 20%。此外，它在 BrowseComp、WebArena 等浏览评测里均刷新了SOTA。

（图：评测方法：SpreadsheetBench的作者在Windows 环境下使用 Microsoft Excel 对电子表格进行评估。我们则在 OSX 环境中使用 LibreOffice，这可能导致评分出现轻微差异。例如，作者报告 GPT‑4o 在整体 Hard 限制上的结果为 15.02%，而我们得到 13.38%。我们使用了完整的 912 道题目基准测试。）

根据ChatGPT Agent自己做的PPT，在做PPT的能力上和上网冲浪能力上，Agent的能力都相比纯粹的基础模型有较明显的提升。但离人类还颇有距离。

不是期货，今日可用

自今日起，Pro 用户可以马上使用，Plus 与 Team 用户将在数日内陆续开通；Enterprise 与 Education 版本将于数周后接入。

Pro 每月可用 400 条消息，其他付费用户每月额度为 40 条，可通过灵活的按量计费追加。

实际使用非常简单：在任何对话中切到「代理模式」，描述目标，例如深度调研、制作演示或报销。屏幕左侧实时显示它的操作流程；若需要登录，系统会切换到「接管模式」安全输入凭证。

用户还可以把完成的任务设为周期性执行，例如每周一自动生成指标报告。

奥特曼亲自提示风险：Agent很强大，也很危险

值得注意的是，奥特曼在发布会之后，立刻发了一条长贴，提示使用ChatGPT Agent的风险。

在“强调”过ChatGPT Agent处理复杂任务的强大能力后，特别郑重地提示了产品的风险，并强调：我们尚不清楚具体会造成什么影响，但不法分子可能会试图“诱骗”用户的 AI 代理提供不该提供的私人信息并采取不该采取的行动，而这其中的方式我们无法预测。

模型可能会接触用户的敏感数据，或遭遇网页中的恶意「提示注入」攻击。为此，他们沿用 Operator 期间的严格控制，并新增多项防护：

关键动作前必须得到用户明确授权；
部分高风险任务（如发送邮件）启用「监督模式」要求用户全程监控；
碰到银行转账等高风险指令会主动拒绝；
用户可以一键清除浏览数据并注销全部会话，或在不需联网时禁用连接器。

在生物与化学安全方面，OpenAI根据 Preparedness Framework 将该模型按高风险级别处理，上线了最全面的安全措施，并与政府、学界及安全机构合作开展红队测试与威胁建模，同时启动漏洞赏金计划，以便尽早发现并修补潜在问题。

ChatGPT Agent，够遥遥领先吗？

ChatGPT Agent最大的创新在于首次在模型中直接集成了完整的虚拟机环境，用户可以实时观察AI的操作过程，这是其它模型产品不具备的。

但是，各主流模型公司都在“Agent即模型，模型即Agent”的路上越走越远。比如，在coding agent能力上几乎封神的Claude。

众多需要借用底层模型搭建的Agent产品，甚至离开了Claude，就什么也不是。

刚刚上线的Kimi K2采用开源的混合专家模型架构，定位就为Agentic Intelligence，且价格仅有Claude 4的1/6左右。上线之后，token的采用量排名持续飙升。

但从“模型即Agent”这条路来说，OpenAI并不能算是遥遥领先，仅仅能说迈出了一小步。

OpenAI在官方文档中也特别谦虚地表示：

需要注意的是，功能仍处早期：例如幻灯片生成功能现为 beta，格式与美观度仍待提升，现阶段主要优化信息结构与元素可编辑性；未来我们将继续训练新版本，以生成更精致的文件。总的来说，随着持续迭代，ChatGPT 代理的效率、深度和多样性都会不断提升，我们也会逐步调优用户监督的力度，在易用与安全之间取得更好平衡。