Genspark 超級代理人：使用 GPT-4.1 與 Realtime API 的無程式碼自主代理

Genspark 已發布 Super Agent，一個無程式碼平台，使用戶能透過簡單提示自動化現實任務——例如撥打電話、生成簡報以及製作短影片。此版本標誌著 Genspark 從 AI 搜尋引擎轉型為代理式 AI 平台，利用 OpenAI 的多模態模型與 Realtime API，從資訊檢索轉向以結果為導向的自動化。

技術架構與模型整合

Super Agent 以協調層的形式構建，管理九個專門的大型語言模型以及超過 80 個整合工具。系統會根據使用者的請求動態指派任務給最合適的組件。

OpenAI 模型實作

OpenAI 模型為平台工作流程提供核心智慧：

• GPT-4.1： 用於研究與生成結構化輸出。它具備 1 百萬 token 的上下文窗口，讓代理人能處理大量文件而不被截斷，且在指令遵循上有所提升。
• 嚴格 JSON 輸出： 此功能確保回應能可靠地結構化，以供下游工具整合。
• 自動提示快取： 用於降低 API 成本與延遲，尤其在複雜的多步工作流程中。
• GPT-image-1： 透過 OpenAI API 使用此模型執行所有影像生成任務，例如為簡報製作風格化的封面圖像。

多模態能力與現實自動化

Super Agent 透過多項關鍵功能，將 AI 從聊天介面轉變為可執行的工作空間：

透過 Realtime API 的語音自動化

「代我通話」功能讓代理人能在無腳本的情況下進行自然、即時的電話對話。此功能由雙層系統驅動：

1. Realtime API： 管理即時的語音對語音對話，以確保流暢度。
2. 影子模型： 透過訊息佇列監控互動，指導對話。

此架構使代理人能有效處理含糊的人類回應與等待音樂。在日本，此功能特別用於處理員工向雇主的離職電話。

內容生成

除了語音之外，系統還自動化製作個人化媒體。例如，它可以透過撰寫內容、使用 GPT-image-1 生成圖像，並彙整成最終投影片，來草擬 Pitch Deck。同樣地，它能產生逐場景的腳本與圖像，組合成適用於 Instagram 等平台的短影片。

商業影響與成長指標

自 2025 年 4 月推出 Super Agent 以來，Genspark 在未使用付費行銷的情況下，經歷了快速的自然成長：

• 營收： 在 45 天內達到 3600 萬美元的年度經常性收入（ARR）。
• 開發速度： 以 20 人團隊在 70 天內推出八項主要代理功能。

未來路線圖

Genspark 計畫將自主代理的能力擴展至新領域，包括能即時操作網頁內容的 AI 瀏覽器，以及用於生成格式豐富文件的 AI 文件。