2025 年 1 月 23 日

我们发布了一款 AI 智能体 (AI Agent) 的研究预览版，它可以使用自己的浏览器为你执行任务。该功能目前在美国向 Pro 用户开放。

今天，我们正式推出 Operator⁠(在新窗口中打开)，这是一款能够访问网络并为你执行任务的 AI 智能体 (AI Agent)。它拥有自己的浏览器，可以像人一样浏览网页，通过输入文字、点击和滚动等操作与网页互动。目前这还是一个研究预览版，这意味着它还存在一些局限性，我们会根据用户的反馈不断改进。Operator 是我们首批推出的 AI 智能体 (AI Agent) 之一，它能够独立完成你交给它的任务——你只需告诉它要做什么，它就会自动执行。

Operator 可以处理各种重复性的浏览器任务，比如填写表格、订购食品杂货，甚至制作表情包。这种使用人类日常使用的界面和工具的能力，大大扩展了 AI 的应用范围，不仅能帮助人们节省时间，还能为企业带来新的发展机遇。

为了确保安全稳妥地推广这项功能，我们首先从小范围开始试用。从今天起，美国地区的 Pro 用户可以通过 operator.chatgpt.com⁠(在新窗口中打开) 体验 Operator。通过这个研究预览版，我们可以从用户和更广泛的生态系统中学习，并持续改进。未来，我们计划将这项功能推广到 Plus、Team 和 Enterprise 用户，并将其整合到 ChatGPT 中。

Operator 的工作原理

Operator 的核心是一个名为 计算机使用智能体 (Computer-Using Agent, CUA) 的新型模型。这个模型结合了 GPT-4o 的视觉能力和通过强化学习获得的高级推理能力，使其能够与图形用户界面 (GUI) 进行交互——也就是我们在屏幕上看到的按钮、菜单和文本框等。

Operator 能够像人一样“看到”（通过屏幕截图）并“操作”（使用鼠标和键盘的所有功能）浏览器，从而在无需自定义 API 集成的情况下，在网络上执行各种任务。

如果遇到困难或犯错，Operator 还会利用自己的推理能力进行自我纠正。当它遇到无法解决的问题时，会主动将控制权交还给用户，从而确保流畅的协作体验。

虽然 CUA 模型还处于早期阶段，并且存在一些限制，但它已经在 WebArena 和 WebVoyager 这两个关键的浏览器使用基准测试中取得了新的领先成绩。你可以在 我们的研究博客文章 中了解更多关于评估方法和 Operator 背后的研究信息。

如何使用

要开始使用，你只需要描述一下想要完成的任务，Operator 就会自动处理剩下的部分。用户可以随时选择接管远程浏览器的控制权。此外，当遇到需要登录、填写付款信息或解决验证码等任务时，Operator 也会主动请求用户接管。

用户可以通过添加自定义指令来个性化 Operator 的工作流程，例如，你可以为所有网站设置通用指令，也可以为特定网站（如 Booking.com）设置个性化偏好。Operator 还允许用户保存常用提示，方便在主页快速访问，这对于在 Instacart 上重复购买食品杂货等任务非常实用。就像在浏览器中使用多个标签页一样，用户可以通过创建新的对话，让 Operator 同时执行多个任务，例如在 Etsy 上定制马克杯，同时在 Hipcamp 上预订露营地。

生态系统与用户

Operator⁠(在新窗口中打开) 将 AI 从被动工具转变为数字生态系统中的积极参与者。它不仅能帮助用户简化任务，还能为希望提升客户体验和转化率的企业带来 AI 智能体 (AI Agent) 的优势。我们正在与 DoorDash、Instacart、OpenTable、Priceline、StubHub、Thumbtack、Uber 等公司合作，确保 Operator 在满足实际需求的同时，也尊重现有的行业规范。此外，我们还看到 Operator 在提高公共服务效率方面具有巨大的潜力。为了进一步探索这些应用场景，我们正在与 斯托克顿市⁠(在新窗口中打开) 等机构合作，简化市民注册城市服务和项目的流程。

“通过研究预览版，我们对 Operator 的了解不断深入，这将有助于我们找到利用 AI 让市民更便捷地参与城市建设的方法。”

—— 斯托克顿市信息技术主管 Jamil Niazi

我们首先向一部分用户发布 Operator，是为了能够快速学习，并根据真实的反馈改进其功能，从而在创新、信任和安全之间取得平衡。这种合作模式有助于确保 Operator 为用户、开发者、企业和公共部门等带来真正的价值。

“OpenAI 的 Operator 是一项技术突破，它让订购食品杂货等流程变得前所未有地便捷。”

—— Instacart 首席产品官 Daniel Danker

安全与隐私

确保 Operator 的安全使用是我们的首要任务。为此，我们设计了三重安全防护机制，以防止滥用，并确保用户始终拥有控制权。

首先，Operator 在设计上就确保用户始终处于主导地位，并在关键环节主动请求用户的输入：

• 接管模式：当需要输入敏感信息，如登录凭证或支付信息时，Operator 会主动要求用户接管控制。在接管模式下，Operator 不会收集或截取用户输入的任何信息。

• 用户确认：在执行任何重要操作（例如提交订单或发送邮件）之前，Operator 都会请求用户的确认。

• 任务限制：Operator 被设计为拒绝执行某些敏感任务，例如银行交易或需要高风险决策的任务，如在工作申请中做出选择。

• 监视模式：对于电子邮件或金融服务等特别敏感的网站，Operator 会要求用户密切监视其操作，以便及时发现任何潜在的错误。

其次，我们简化了 Operator 的数据隐私管理流程：

• 停止训练：在 ChatGPT 设置中关闭“为所有人改进模型”选项，意味着 Operator 中的数据将不会被用于训练我们的模型。

• 透明的数据管理：用户可以在 Operator 设置的隐私部分，一键删除所有浏览数据并退出所有网站。同时，用户也可以一键删除在 Operator 中产生的历史对话。

最后，我们还构建了防御机制，以防范恶意网站通过隐藏指令、恶意代码或网络钓鱼等手段误导 Operator：

• 谨慎导航：Operator 的设计使其能够检测并忽略注入的恶意提示。

• 监控系统：我们设置了专门的“监控模型”，用于检测可疑行为。如果发现异常，该模型会暂停任务。

• 检测流程：我们通过自动化和人工审核，持续识别新的安全威胁，并及时更新防护措施。

我们深知，可能会有恶意用户试图滥用这项技术。因此，Operator 的设计初衷就是拒绝有害请求，并阻止访问违规内容。我们的审核系统会对违规行为发出警告，甚至会撤销用户的访问权限。此外，我们还增加了额外的审核流程，以检测和处理滥用问题。同时，我们也提供了关于如何按照我们的 使用政策 与 Operator 互动的指南。

尽管 Operator 在设计上考虑了以上安全措施，但没有系统是完美无缺的，这仍然是一个研究预览版。我们将通过真实的反馈和严格的测试，持续改进 Operator 的功能。要了解更多关于我们安全策略的信息，请访问 Operator 研究博客中的安全部分。

局限性

Operator 目前还处于早期的研究预览阶段。虽然它已经能够处理各种任务，但仍在不断学习和进化，因此可能会出现一些错误。例如，在处理创建幻灯片或管理日历等复杂界面时，它可能会遇到一些挑战。早期用户的反馈对于提高其准确性、可靠性和安全性至关重要，这将帮助我们不断完善 Operator，使其更好地服务于每一位用户。

未来展望

API 中的 CUA：我们计划尽快在 API 中开放 Operator 的核心模型 CUA，以便开发者能够构建自己的计算机使用 AI 智能体 (AI Agent)。

增强功能：我们将持续改进 Operator 的能力，使其能够处理更长、更复杂的工作流程。

更广泛的访问：我们计划将 Operator⁠(在新窗口中打开) 推广到 Plus、Team 和 Enterprise 用户。在确保其安全性和大规模可用性后，我们还会将其功能直接整合到 ChatGPT 中，从而实现流畅的实时和异步任务执行。