这是本节的多页打印视图。 点击此处打印.

返回本页常规视图.

OpenAI Operator

2025-01-23。CUA:Agent 自带浏览器,点真实 GUI。研究预览。7 月并入 ChatGPT agent。

OpenAI,2025-01-23。Operator:用自己的浏览器看网页、点击、滚动、键入。美国 Pro 用户研究预览。

  1. 材料 — 按当时公告转述:CUA、可用性、安全边界。不写 7 月并入后的产品形态。
  2. 讲解 — 2024 Computer Use 的产品化;屏已通,谓词仍弱。

当时公告:Introducing Operator。

1 - Operator(材料)

按 2025-01-23 公告转述:自有浏览器、CUA、美国 Pro 预览。

本页转述 2025-01-23 公告当时公开说了什么。7 月并入 ChatGPT agent、独立站点下线,见 ChatGPT agent 讲解,不写进本页「当时主张」。

主要出处:OpenAI,2025-01-23,Introducing Operator。本页不复制公告全文。


产品主张

Operator 被写成能上网替你执行任务的 agent:拥有自己的浏览器,看网页,用键入、点击、滚动与之交互。当时是 research preview,有限度,会按用户反馈改。OpenAI 把它列为「第一批 agent」之一:你给任务,它去执行。

可用性:当天起美国 Pro 用户可在 operator.chatgpt.com 使用。计划扩到 Plus、Team、Enterprise,并在未来把能力收进 ChatGPT。驱动模型 CUA(computer-using agent)计划稍后在 API 放出,供开发者自建电脑使用 agent。

安全与迭代:从小范围开始,边用边收紧。登录墙、验证码、高风险动作需要人确认一类限制,公告按研究预览来写,不是已解决。

当时不是什么

这不是已经并入 ChatGPT 主入口的「agent 模式」,也不是通用桌面 Computer Use 的完整复制——公开形态是浏览器。可靠性与安全边界被明确写成预览。

2 - Operator 讲解

看屏、点 GUI、按新截屏再选:按定义是 Agent。产品化了 Computer Use;可靠度仍是预览级。

当时解决了什么问题

2024-10 Computer Use 是开发者 API:调用方自备桌面。Operator 把同一条动作通道做成可打开的站点——Agent 自带浏览器,不必先搭 VM。CUA 把「看 + 点」训成专用核心;视觉输入是前提,点击策略是另一层。

按定义这 是 Agent:核心选动作,副作用在远程 GUI,观察是新截屏。人下任务、对敏感步确认。登录墙、验证码、复杂后台仍脆;能点 ≠ 完成谓词已通。

对后续 LLM 与 Agent 的影响

7 月并入 ChatGPT agent:浏览执行不再是另开产品,而是聊天入口里的一种模式。电脑/浏览器线的成功率明显低于编码运行时。没有这条预览,看屏仍停在 2024 的 API 与 OSWorld 低分。两条可靠度曲线不要并成一句「已经会用电脑」。