- A+
请记住，
智东西AI前瞻（公众号：zhidxcomAI）
需要注意的是，
作者 | 江宇
然而，
编辑 | 漠影
请记住，
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，网络交互软件Operator和深度信息检索软件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，终端能直接让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。社区终端体验后褒贬不一，有人认为“初见AGI的雏形”，但也有人指出PPT排版简陋、多变逻辑易中断和幻觉等状况。
说出来你可能不信，
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）
通常情况下，
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。
站在用户角度来说，
ChatGPT Agent将首先向Pro、Plus和Team终端推出，Pro终端每月可获得400次查询，其他付费终端每月40次。面向企业和教育终端的版本，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和终端作用。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。
XM外汇认为：
一、一次“作用拼图”的交付，ChatGPT Agent有哪些升级？
大家常常忽略的是，
ChatGPT Agent的定位能够不多变理解为“把Operator和DeepResearch合并”，并补上了一个“终端”和“图像生成API”的软件栈。
XM外汇行业评论：
1、文本浏览器（DeepResearch作用）负责批量搜索网页、阅读长文本；
令人惊讶的是，
2、可视化浏览器（Operator作用）负责网页点击、拖拽和表单填写；
XM外汇用户评价：
3、终端能够跑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；
XM外汇快讯：
4、图像生成API补足基础的可视化材料生成，能够为报告或幻灯片创建视觉素材。
其实，
这套“软件箱”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。
大家常常忽略的是，
在发布演示中，OpenAI选取了一个贴近生活的案例：用Agent帮终端策划一场婚礼行程。
据报道，
▲婚礼策划实测（图源：OpenAI）
需要注意的是，
ChatGPT团队供给婚礼网站链接，提出“帮忙引荐服装、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，再查询天气并引荐适合的服装，随后跳转到Booking.com查找酒店选项，最后搜索礼物引荐。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，完整交付给终端。
▲ChatGPT Agent所生成的婚礼策划（图源：OpenAI）
二、Manus隔空叫板：十大对比，作用对齐，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”。
XM外汇用户评价：
从展示效果来看，Manus通过可视化呈现、跨平台执行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，作用覆盖相近，但在交互体验上呈现出不同方向。
具体案例呈现：
尽管如此，
1、案例1：新加坡公司选址与政府资助
说到底，
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）
XM外汇消息：
案例2：高收入FIRE模型
总的来说，
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。
说出来你可能不信，
▲（图源：Manus）
有分析指出，
案例3：三日网球行程制定
大家常常忽略的是，
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。
更重要的是，
▲（图源：Manus）
XM外汇消息：
案例4：旧金山ACFR财务表格
据业内人士透露，
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）
反过来看，
案例5：电动车行业研究
据相关资料显示，
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。
不可忽视的是，
▲（图源：Manus）
XM外汇报导：
案例6：筛选500美元以下风衣
XM外汇财经新闻：
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。
事实上，
▲（图源：Manus）
值得注意的是，
案例7：英伟达估值建模（DCF模型）
说出来你可能不信，
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；Ch XM外汇官网 atGPT Agent仅停留在搜索公开年报信息，未完成建模和分析。
从某种意义上讲，
▲（图源：Manus）
XM外汇专家观点：
案例8：季度财报拆分更新
但实际上，
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。
这你可能没想到，
▲（图源：Manus）
XM外汇快讯：
案例9：预订高评分寿司餐厅
据报道，
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。
XM外汇财经新闻：
▲餐厅预定成功页面（上）和Manus实操页面（下）（图源：Manus）
与其相反的是，
案例10：查询机票并筛选优选航班
据业内人士透露，
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。
尤其值得一提的是，
▲（图源：Manus）
但实际上，
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，还需持续观察更多终端的真实体验反馈。
XM外汇报导：
三、体验有惊喜也有槽点：效率在线，多变检索还需人类兜底
不妨想一想，
社区实测也迅速给出了“褒贬对半开”的反馈。
X平台终端用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。
说出来你可能不信，
ChatGPT Agent首先查找了本地税收政策（温哥华），分析了终端的月均开支，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，并梳理出终端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。
换个角度来看，
▲（图源：X平台）
可能你也遇到过，
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软件的体验“差异不大”。在他看来，对没用过这些软件的大多数人而言，ChatGPT Agent的能力“依然足够震撼”。
据报道，
▲（图源：X平台）
不过，ChatGPT Agent在社区的终端反馈中也暴露出不少实际体验上的短板。不少终端吐槽，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，遇到稍微多变的逻辑需求时，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。只有在他供给反馈后，Agent才成功识别出状况并修正结果。
与其相反的是，
▲（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。
令人惊讶的是，
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，显著节省人工执行。
但实际上，
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。
事实上，
四、跑分成绩亮眼：擅长流程跑通，难在开放推理
XM外汇资讯：
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。
综上所述，
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无软件模式（20.3%）实现翻倍提升，在跨学科专家级状况上展现了推理与软件调用能力。
站在用户角度来说，
▲Humanity’s Last Exam（来源：OpenAI）
XM外汇专家观点：
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。
值得注意的是，
▲DSBench数据分析任务与DSBench数据建模任务（来源：OpenAI）
XM外汇资讯：
SpreadsheetBench测试Agent对电子表格的编辑执行，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。
说到底，
▲电子表格任务（来源：OpenAI）
根据公开数据显示，
在投行分析师任务中，Agent完成多变财务建模的准确率达到71.3%，大幅领先o3（48.6%）和DeepResearch（55.9%）。
XM外汇消息：
▲内部投资银行分析师任务评估（来源：OpenAI）
WebArena测试Agent在网页交互任务的执行能力，ChatGPT Agent准确率达到65.4%，超越o3和CUA模型，接近人类水平（78.2%）。
XM外汇用户评价：
▲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。
XM外汇资讯：
▲多变网页信息检索任务BrowseComp（来源：OpenAI）
说到底，
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。
据业内人士透露，
结语：Agent潮起，OpenAI稳步迈进
有分析指出，
ChatGPT Agent的发布再次证明Agent赛道正在加速进化。整合多软件、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。
XM外汇认为：
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。
对终端来说，ChatGPT Agent值得体验，它确实让一部分琐碎事务能够交给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。返回搜狐，查看更多
