OpenAI 介紹 ChatGPT 代理

OpenAI 介紹 ChatGPT 代理

OpenAI 已推出 ChatGPT 代理，一個能透過操作自己的虛擬電腦執行複雜、端到端任務的系統。透過結合 Operator 的網頁互動功能、Deep Research 的綜合能力，以及 ChatGPT 的對話流暢度，該代理能瀏覽網站、執行程式碼，並產出可編輯的專業成果，如投影片與試算表。

統一的代理架構

ChatGPT 代理建立於一個統一系統之上，將先前分別的三項能力合併為單一模型。此整合讓代理能在推理與行動之間流暢切換，克服了過去 Operator 缺乏深度分析、Deep Research 無法與網站互動或處理驗證內容的限制。

工具套件與技術執行

為了執行任務，代理使用配備特定工具套件的虛擬電腦：

  • Visual Browser: 透過圖形使用者介面 (GUI) 與以人為本的網站互動。
  • Text-based Browser: 為提升效率，處理較簡單、以推理為主的網路查詢。
  • Terminal: 執行指令與程式碼。
  • Direct API Access: 連接服務以取得結構化資料。
  • ChatGPT Connectors: 整合 GitHub、Gmail 等應用程式，存取使用者專屬資訊。

此架構允許模型為任務選擇最有效的路徑。例如，它可以透過 API 取得行事曆資料，使用文字瀏覽器進行文字推理，最後以 GUI 完成最終執行。

效能基準

ChatGPT 代理在多項專家級與實務基準上展現了最先進 (SOTA) 的表現：

  • Humanity’s Last Exam (HLE): 取得 pass@1 SOTA 分數 41.6，使用平行 rollout 策略（八次嘗試）時提升至 44.4。
  • FrontierMath: 透過終端機存取執行程式碼，達到 27.4% 正確率，顯著優於先前模型。
  • BrowseComp: 創下 68.9% 的新 SOTA，較 Deep Research 提升 17.4 個百分點。
  • SpreadsheetBench: 在可直接編輯試算表的情況下得分 45.5%，相較於 Excel 中 Copilot 的 20.0% 有明顯優勢。
  • WebArena: 相較於以 o3 為核心的 CUA（支援 Operator 的模型）顯示出改進。
  • Investment Banking Tasks: 在內部基準上，對於第一至第三年分析師的建模任務（如杠桿收購模型），明顯優於 Deep Research 與 o3。
  • Knowledge Work: 在經濟價值較高的知識工作任務內部基準中，代理的產出在約半數情況下可與人類相當或更佳。

使用者控制與協作工作流程

ChatGPT 代理設計為迭代式協作，而非自主孤立。使用者透過以下機制保持控制：

  • Interruption and Takeover: 使用者可在任何時點中斷代理，以釐清指示或手動接管瀏覽器，處理登入或導向結果。
  • Permission-based Actions: 代理在執行具實際影響的動作（如購買）前，會請求明確授權。
  • Watch Mode: 重要任務（如發送電子郵件）需要使用者主動監督。
  • Notifications: 行動應用使用者在任務完成時會收到通知。
  • Scheduling: 使用者可排程已完成的任務自動重複（例如每週報告）。

安全與風險緩解

OpenAI 已實施完整的安全堆疊，以因應能直接在網路上採取行動的代理所帶來的擴大風險概況。

敵對操縱與提示注入

由於代理會接觸即時的網頁內容，容易受到提示注入攻擊——惡意指令隱藏於網頁中，誘使代理洩漏私人資料或執行有害行動。緩解措施包括：

  • 專門訓練模型辨識與抵抗提示注入。
  • 持續監控以偵測攻擊。
  • 需要使用者明確確認才能執行具後果的動作。

模型錯誤與資料隱私

為防止自主錯誤，代理會主動拒絕高風險任務（如銀行轉帳）。隱私透過「接管模式」管理，輸入（例如密碼）保持私密，模型不會收集或儲存。使用者亦可一鍵刪除所有瀏覽資料並登出所有會話。

生物與化學風險

根據「備災框架」，ChatGPT 代理被歸類為具「高度生物與化學能力」。因此啟用完整安全堆疊，包括雙重用途拒絕訓練、推理監控與常駐分類器。

可用性與限制

ChatGPT 代理目前正向 Pro、Plus 與 Team 使用者以工具下拉選單中的「代理模式」推出。企業與教育使用者將於未來幾週取得存取。Pro 使用者每月限 400 訊息，其餘付費使用者每月限 40 訊息。

目前限制：

  • Slideshow Creation: 仍處於測試階段。格式與潤飾可能較為粗糙，且目前不支援上傳現有投影片作為範本（與試算表不同）。
  • Regional Availability: 仍在為瑞士與歐洲經濟區啟用存取權限。

Sources