當地時間1月23日一場在線直播中，像人向实现通OpenAI團隊揭開了首個AI智能體Operator的那样能迈神秘麵紗。這一創新成果打破了傳統應用程序編程接口的使用限製，賦予了AI直接與圖形用戶界麵交互的电脑能力，就仿佛能像人類那樣使用電腦，用人從而向實現通用人工智能邁進了一步。工智
演示中，进步Operator展現了其強大的像人向实现通能力。它不僅能夠精確理解指令，那样能迈還能自主完成複雜任務，使用如自動填寫在線表單、电脑進行網購、用人創建表情包以及處理重複性瀏覽器任務等。工智這一切都是进步通過一個被稱為CUA的新模型實現的。該模型結合了GPT-4o的像人向实现通視覺功能和高級推理技術，並通過強化學習不斷優化自己的性能。
值得注意的是，在多個測試環境中，CUA模型的表現令人印象深刻。例如，在OSWORLD上執行計算機使用任務的成功率達到了38.1%，比之前最佳結果提高了近16%；而在WebArena上的成功率更是高達58.1%，提升了22%。盡管這些成績與人類相比還有一定差距（人類分別為72.4%和78.2%），但CUA在某些特定場景下展示了驚人的效率，比如在網頁代理WebVoyager平台上，達到了87%的成功率。
為確保安全性和用戶體驗，當Operator執行任務時，會采取行動、抓取屏幕截圖並創建子計劃，形成一個“觀察—計劃—執行”的閉環。此外，用戶可以隨時接管控製權，並且在接管期間的所有操作都不會被記錄下來，以此保護隱私。即使遇到買錯東西或訂錯酒店的情況，Operator也會在繼續行動之前請求人類確認。
麵對可能存在的風險，如詐騙網站，OpenAI引入了一個提示注入監視器，類似於防病毒軟件的功能，可以在發現可疑行為時立即停止操作。這標誌著L3級別的智能體時代正式到來，而OpenAI也重申了其對2025年的展望——這一年將是智能體之年。
隨著Operator的發布，未來幾個月內，人們或有望見證更多智能體的出現。它們將進一步擴展動作空間，適應更加廣泛的應用場景，開啟下一輪人機交互革命。目前，Operator僅限於美國的ChatGPT Pro（付費服務）用戶試用，不過未來很快會向更多用戶提供服務。
