智东西 AI 前瞻（公众号：zhidxcomAI）

作者 | 江宇

编辑 | 漠影

智东西 AI 前瞻 7 月 18 日报道，今日凌晨，OpenAI 正式推出了 ChatGPT Agent，一个整合了网页交互、深度检索和代码能力的全新 "AI 助手形态 "。

从产品逻辑上看，网络交互工具 Operator 和深度信息检索工具 DeepResearch 不再分家，ChatGPT 内部出现了一个能够 " 查找 - 思考 - 执行 " 一体化的 Agent，用户能直接让 AI 跨网页、代码、个人数据源完成完整任务。

相较于 OpenAI 接连被挖角引发的舆论热度，ChatGPT Agent 的发布似没达到 " 革命性 Agent" 的期许，略显反应平淡。社区用户体验后褒贬不一，有人认为 " 初见 AGI 的雏形 "，但也有人指出 PPT 排版简陋、复杂逻辑易中断和幻觉等问题。

ChatGPT Agent 发布后，竞品 Manus 第一时间接招，放出 10 个实测案例，试图通过财务建模、生活规划、行程安排、消费购物、航班筛选等不同场景任务，证明 ChatGPT Agent 在任务闭环和可视化交付上并不占优。

（图源：Manus X 平台）

回过头来看，ChatGPT Agent 在网页浏览、执行任务等多个测评中实现了 SOTA，在 " 人类的最后考试 "（Humanity ’ s Last Exam）测试中取得了 41.6 的高分。这一成绩证明了其能力，也同时需要进一步在真实场景中验证。

ChatGPT Agent 将首先向 Pro、Plus 和 Team 用户推出，Pro 用户每月可获得 400 次查询，其他付费用户每月 40 次。面向企业和教育用户的版本，预计将在本月底前上线。

目前，ChatGPT Pro 版的订阅价格为每月 200 美元，包含 Agent 和终端功能。相比之下，xAI 的 Grok 4 最新的 Agent 产品定价高达每月 300 美元，两者价格相差 1.5 倍。

一、一次 " 功能拼图 " 的交付，ChatGPT Agent 有哪些升级？

ChatGPT Agent 的定位可以简单理解为 " 把 Operator 和 DeepResearch 合并 "，并补上了一个 " 终端 " 和 " 图像生成 API" 的工具栈。

1、文本浏览器（DeepResearch 功能）负责批量搜索网页、阅读长文本；

2、可视化浏览器（Operator 功能）负责网页点击、拖拽和表单填写；

3、终端可以跑 Python 脚本、生成和分析文件（Excel 表格、PPT 幻灯片）和调用 API，甚至接入 Google Drive、GitHub 等外部数据；

4、图像生成 API 补足基础的可视化内容生成，可以为报告或幻灯片创建视觉素材。

这套 " 工具箱 " 搭载在一个虚拟机环境下，由经过强化学习训练的模型调度，能实现从自动检索、分析、生成文档，到最终下单、预约的完整闭环。

在发布演示中，OpenAI 选择了一个贴近生活的案例：用 Agent 帮用户策划一场婚礼行程。

婚礼策划实测（图源：OpenAI）

ChatGPT 团队提供婚礼网站链接，提出 " 帮忙推荐服装、选酒店、挑礼物 " 三个需求。Agent 先自动抓取婚礼时间、地点和着装要求，再查询天气并推荐适合的服装，随后跳转到 Booking.com 查找酒店选项，最后搜索礼物推荐。最终，Agent 生成一份 " 婚礼准备报告 "，按服装、酒店、礼物分类整理，附带来源链接和截图，完整交付给用户。

ChatGPT Agent 所生成的婚礼策划（图源：OpenAI）

二、Manus 隔空叫板：十大对比，功能对齐，体验分化

ChatGPT Agent 发布后，作为竞品的 Manus 第一时间在 X 平台发布多轮实测对比，主动 " 迎战 "。

从展示效果来看，Manus 通过可视化呈现、跨平台操作和交付形式展示了自身优势，试图证明其在任务闭环和最终输出上的完整度优于 ChatGPT Agent；相比之下，ChatGPT Agent 更多聚焦于基础信息检索和文本型交付，功能覆盖相近，但在交互体验上呈现出不同方向。

具体案例呈现：

1、案例 1：新加坡公司选址与政府资助

Manus 输出完整调研资料和资助方案 PPT，含生态概览、政策详情与图片；ChatGPT Agent 只生成基础幻灯片，缺少要点总结与可视化呈现。

（图源：Manus）

案例 2：高收入 FIRE 模型

Manus 完成包含城市生活成本、税务规划的完整 PPT，含关键图表和视觉元素；ChatGPT Agent 只列出基础生活成本清单，税务信息方面并不完善，且无投资策略或可视化分析。

（图源：Manus）

案例 3：三日网球行程制定

Manus 生成含每日日程、预算及订票链接的可视化行程卡片；ChatGPT Agent 输出纯文字行程，排版单调无整合。

（图源：Manus）

案例 4：旧金山 ACFR 财务表格

Manus 整理 2020-2024 年财务数据并生成可视化预算趋势 PPT；ChatGPT Agent 只生成无视觉呈现的财务表格。

（图源：Manus）

案例 5：电动车行业研究

Manus 制作 5 页完整 PPT，包含行业增速图表、旗帜等定制视觉元素；ChatGPT Agent 停留在信息收集，未完成 PPT 交付。

（图源：Manus）

案例 6：筛选 500 美元以下风衣

Manus 整理符合条件的商品清单并生成对比文档；ChatGPT Agent 只停留在电商页面截图，无完整输出。

（图源：Manus）

案例 7：英伟达估值建模（DCF 模型）

Manus 完成全流程，包括历史财务数据抓取、WACC 估算、现金流预测、敏感性分析和完整图表输出；ChatGPT Agent 仅停留在搜索公开年报信息，未完成建模和分析。

（图源：Manus）

案例 8：季度财报拆分更新

Manus 完成季度表格更新和 PPT 生成，ChatGPT Agent 只完成基础表格更新，无季度拆分和 PPT。

（图源：Manus）

案例 9：预订高评分寿司餐厅

Manus 全流程完成订座并返回确认页面，ChatGPT Agent 只完成基础餐厅信息检索，无预订动作。

餐厅预定成功界面（上）和 Manus 实操界面（下）（图源：Manus）

案例 10：查询机票并筛选优选航班

Manus 完成可视化航班票价对比卡片，ChatGPT Agent 仅展示网页搜索信息，无可视化总结和筛选逻辑。

（图源：Manus）

作为 " 参赛选手 "，Manus 的展示更侧重自身产品优势，ChatGPT Agent 实际效果如何，还需持续观察更多用户的真实体验反馈。

三、体验有惊喜也有槽点：效率在线，复杂检索还需人类兜底

社区实测也迅速给出了 " 褒贬对半开 " 的反馈。

X 平台用户用 Agent 在 20 分钟内完成了 FIRE 计划，称相同服务在人类顾问处花费可能高达 5000 美元。

ChatGPT Agent 首先查找了本地税收政策（温哥华），分析了用户的月均开支，测算出在 30 岁退休所需的储蓄金额，接着生成了投资组合建议，并梳理出用户此前未接触过的税务优化策略，最后构建了多个退休方案的对比情景，生成了一份完整的可下载 PPT 文件。

（图源：X 平台）

他还补充道，Agent 在生成电子表格和 PPT 上的能力最让人印象深刻，但整体结果与他用 Manus、Genspark 等其他 Agent 工具的体验 " 差异不大 "。在他看来，对没用过这些工具的大多数人而言，ChatGPT Agent 的能力 " 依然足够震撼 "。

（图源：X 平台）

不过，ChatGPT Agent 在社区的用户反馈中也暴露出不少实际体验上的短板。不少用户吐槽，在网页交互过程中经常出现卡顿或 404 错误，生成的 PPT 排版简陋、审美效果较差，遇到稍微复杂的逻辑需求时，任务流程也往往需要频繁中断和人工修正。

沃顿商学院教授、AI 研究者 Ethan Mollick 也分享了类似感受。他在 X 平台称，自己用 ChatGPT Agent 分析了 Kaggle 上的数据集，虽然 Agent 能够顺利完成分析流程并生成 PPT 和 Excel 文件，但初步结果中存在明显的数据异常。只有在他提供反馈后，Agent 才成功识别出问题并修正结果。

（图源：X 平台）

Agent 在执行流程上已经具备高效率，但在数据判断和逻辑把控上仍然离不开人类监督。

从跑分和社区反馈来看，ChatGPT Agent 擅长处理指令明确、路径清晰的任务，比如生成婚礼准备清单或根据财务数据制作 PPT，在这类标准化流程中，Agent 能够高效执行，显著节省人工操作。

但遇到模糊指令或需要开放式判断的任务，比如整理行业隐性趋势或挖掘未被报道的新闻线索时，Agent 往往难以给出有效结果，容易陷入 " 找不到 " 或 " 请明确需求 " 的反复循环。

四、跑分成绩亮眼：擅长流程跑通，难在开放推理

在数据测评上，Agent 模式在人文学科推理、金融分析、网页交互和电子表格四大维度上对 o3 有不同程度领先，最高实现翻倍提升。

ChatGPT Agent 在 " 人类的最后考试 "（Humanity ’ s Last Exam）评估中取得 41.6% 的最高分，相比 o3 无工具模式（20.3%）实现翻倍提升，在跨学科专家级问题上展现了推理与工具调用能力。

Humanity ’ s Last Exam（来源：OpenAI）

DSBench 聚焦数据分析类实际任务，Agent 在数据分析子任务中准确率达到 87.9%，显著高于 o3（64.1%），首次超越人类参考水平。在 DSBench 的数据建模子任务中，Agent 准确率达到 85.5%，优于 o3（77.1%）和 GPT-4o（45.5%），接近人类表现。

DSBench 数据分析任务与 DSBench 数据建模任务（来源：OpenAI）

SpreadsheetBench 测试 Agent 对电子表格的编辑操作，ChatGPT Agent 在直接访问 .xlsx 文件时，准确率提升至 45.5%，显著优于 Copilot in Excel（20.0%），但与人类水平（71.3%）存在较大差距。

电子表格任务（来源：OpenAI）

在投行分析师任务中，Agent 完成复杂财务建模的准确率达到 71.3%，大幅领先 o3（48.6%）和 DeepResearch（55.9%）。

内部投资银行分析师任务评估（来源：OpenAI）

WebArena 测试 Agent 在网页交互任务的操作能力，ChatGPT Agent 准确率达到 65.4%，超越 o3 和 CUA 模型，接近人类水平（78.2%）。

WebArena 网页交互基准（58.1%）（来源：OpenAI）

BrowseComp 用于评估 Agent 对长尾信息检索任务的处理能力，ChatGPT Agent 准确率达到 68.9%，比 DeepResearch 高出 17.4 个百分点。

复杂网页信息检索任务 BrowseComp（来源：OpenAI）

ChatGPT Agent 在 DSBench、SpreadsheetBench、BrowseComp 等流程化任务中表现亮眼，数据分析、表格编辑和网页检索准确率大幅提升，部分任务超越人类水平。各类型任务相较于 o3 模型，Agent 都实现了从 10% 到 30% 不同程度的提升。

结语：Agent 潮起，OpenAI 稳步迈进

ChatGPT Agent 的发布再次证明 Agent 赛道正在加速进化。整合多工具、接入个人数据、具备基础执行力，正逐渐成为 Agent 产品进化的主流方向，但距离真正行业普及仍有不小距离。

这次，OpenAI 并没有交付一个 " 划时代 " 版本，仅在个人助理和办公场景迈出了一步稳健但平淡的更新。

对用户来说，ChatGPT Agent 值得体验，它确实让一部分琐碎事务可以交给 AI 代劳。但要说 AI" 重塑工作流 "，显然还为时尚早。OpenAI 还在路上，Agent 也还在半成品阶段。它是一场值得肯定的进步，但并不是一场值得兴奋的飞跃。