OpenAI智能体全方位评测：发布后掌声不多的深度探究与根本原因

等到今天，OpenAI终于把通用型Agent给端上桌了。

Sam Altman亲自带队，今天凌晨正式发布了ChatGPT的Agent模式。

说实话，这次发布带来的震撼远不及当年ChatGPT横空出世那会儿。毕竟今年年初，我们就见过类似的产品形态——Manus当时“一号难求”，Minimax、Kimi也陆续拿出了相似方案。“起大早，赶晚集”，技术再强的OpenAI，也有卷不过同行的时候。

OpenAI 的 Agent，您终于来了

到了这个节点发布AI产品，“惊喜”和“强大”往往是两码事——毕竟对手是OpenAI。

但在产品直播演示里，这款Agent展现的能力确实值得期待：它能自己访问网页、调用终端、自动下单，从旅行规划到PPT制作，再到图像生成和在线购物，一整条流程都能跑通。

根据官方信息，ChatGPT Agent即日起向Pro、Plus、Team版用户开放，Enterprise和Education版用户要等到7月。Pro用户每月可调用400次，Plus和Team用户每月40次。

从“Chat”到“Agent”的跃升，靠的是OpenAI两套核心成果的融合：Operator（视觉层交互袋里）负责“手脚”，Deep Research（多步骤网页推理）充当“大脑”，两者一起形成任务拆解、思考、行动的闭环。

这套机制需要三大模块支撑：文本浏览器（Text-based Browser）处理密集型网页阅读，提取信息；可视化浏览器（Text-based Browser）在图形界面里操作鼠标点击、输入、截图；终端工具（Terminal）运行代码、生成文件、调用API、与其他系统集成。

有意思的是，这款Agent不仅能执行任务，还能评估执行效果，在每一步动态选择最优路径。用户随时可以插话调整指令，或者临时接管进程。

拆解任务并优化路径，一直是Agent的难点。不妨把Agent想象成一个小团队：有产品、品牌、数据三个角色。老板（用户）下达指令：“给我设计一款年轻人喜欢的手机壳。”然后大家分头行动，市场做调研，品牌做推广，数据盯反馈。过程中难免有冲突和越界——市场调研可以发问卷，数据部也能看大数据报告，到底谁做最高效？好的Agent总能自我优化，追求最快、最好的路径。

Agent 这么火？它和 Chatbot 有啥区别？

ChatGPT Agent和ChatGPT到底有什么本质区别？

最简洁的解释是：Agent能完成任务，Chatbot能完成对话。“任务”和“对话”究竟差在哪里？

举个最日常的例子：决定今天中午吃什么，需要考虑类型、距离、口味，最后定一家外卖下单——这就是Agent式的任务。而Chat式的任务则是：当我决定吃日料后，问“最短距离哪家日料评分最高”。

说白了，Agent能完成的任务更复杂、更高维、需要更多工具。

在OpenAI的演示里，操作员让Agent挑选一套适合参加婚礼的礼服和礼物。Agent先用文本浏览器打开用户给的网页，确认婚礼日期、天气、位置；然后用可视化浏览器展示可选礼服效果；接着继续搜索礼物……

另一个任务：给团队吉祥物——一只叫Bernie的狗狗——做一批笔记本贴纸，并订购500份邮寄到指定地址。Agent先用终端工具Imagen生成动漫版图片，设计贴纸，然后访问Sticker Mule网站，上传设计图，填写数量、尺寸，选择订购500份，任务最终停在请求信用卡信息这一步。

做PPT也是典型的Agent式任务。团队演示了让Agent从Google云中提取分析评估数据，制作成PPT并用图表展示结果。Agent链接Google云API进行搜索，读取相关内容，然后使用图像生成功能。第一次生成PPT后，Agent还主动优化了一次，生成了一张视觉更流畅的PPT。

咋就迟到了？

奥特曼想做Agent不是一天两天了。OpenAI早就公布过“五级路线图”：一级Chatbots（聊天机器人）、二级Reasoners（推理者）、三级Agents（袋里）、四级Innovators（创新者）、五级Organizations（组织者）。Agent作为第三级，是整个AI进化路径中从工具属性跃升到创新属性的必经一环。

只不过，奥特曼不是第一个发出Agent产品的。

今年3月，Manus推出通用Agent产品，一夜之间所有人都在“万能的朋友圈”求测试账号，一个账号甚至被炒到一百万。Manus能借Agent东风快速出产品，很大原因是他们没有自研大模型，而是用Claude等底层基础模型来实现功能，再封装组合——业内当时也称之为“套壳”产品。

除了Manus，MiniMax、Kimi、Perplexity AI也都更早发布了通用Agent形态的产品。OpenAI这波推出Agent，明显缺乏先发优势。从ChatGPT到Agent，OpenAI在行业中的位置已经从“抢先跑”变成了“赶班车”。

除了时间压力，OpenAI还面临两方面的竞争压力：生态竞争和成本竞争。一直坚持闭源的OpenAI今年接连受到竞品冲击。DeepSeek训练成本只有OpenAI的二十分之一，性能却相差无几。本来靠闭源API商业化做到全球第一的OpenAI，眼看着英伟达、英特尔、亚马逊、微软、AMD等科技大厂全部接入DeepSeek，连奥特曼都公开反思“闭源策略可能是个失误”。

成本优势必然带来生态优势，这个商业规律在AI市场不会失效。即使OpenAI在产品上保持优势，那些“差不多但便宜很多”的竞争对手集体围剿，也会让它体会到“被瓜分”的痛——这一点，奥特曼可以和一直阴阳他的马斯克谈谈心。

关于 Agent 的想象力，才刚刚开头

人类对Agent的开发还不足1%。Agent的出现和成熟，将彻底碘伏一代人——就像互联网对90后的影响，AI将重塑整个阿尔法世代。

从商业化角度看，目前讨论最多的痛点是场景化难度。Agent达到“行动”级别，必然涉及跨应用调用——比如贴纸订购演示里，网购平台的调用权限必不可少。但这就像当年我们无法想象淘宝怎么说服店家上线一样，AI时代应用的互通只是时间问题。

在这种大势之下，作为用户更应该思考的是Agent对我们以及后代生活方式的改变——

设想一下：七八岁的孩子下午四点放学，父母还在上班，门口接他们的不是爷爷奶奶，而是接入Agent的机器人——Agent是妈妈们训练出来的。到家后，Agent早已打开空调，房间温度正好。快到七点，Agent指挥炒菜机器人做饭，等着下班回来的爸爸妈妈。

再设想：一个对星座塔罗感兴趣的上班族想搞占星副业，Agent直接搜集各种语言的占星资料，翻译成中文，提取摘要做成报告，顺便制定一份学习计划。然后搜集文案引流灵感，做成海报发布在社交账号帮忙揽客。

回头看OpenAI的“五级路线图”，Agent不仅是AI从思考到行动的拐点，更是AI从被动到主动的拐点。当AI从工具化逐渐走向拟人化，人类的命运也将彻底改写。