21世纪经济报道记者孔海丽、实习生郑子涵

AI Agent竞赛进入白热化阶段，但能力与实用性的鸿沟仍待弥合。

继年初发布专注于浏览器交互的Operator和精于深度研究的DeepResearch之后，OpenAI终于打出了组合拳。7月18日凌晨，集二者之长的ChatGPT Agent正式上线，试图打造一个能处理端到端复杂任务的“全能助理”。

然而，相较于xAI发布Grok 4时的万众瞩目，此次OpenAI的更新在社区却引发了褒贬不一的讨论。一方面，其在多项基准测试中再次“屠榜”，展现了强大的技术实力；另一方面，用户初期的失望情绪、对其实用性的质疑以及服务器的例行崩溃，都让这款被寄予厚望的Agent显得有些“平淡”。

OpenAI此次更像是一次“内部整合”的常规升级，而非颠覆性创新。AI巨头们的产品迭代，似乎正从追求“暴力美学”的技术突破，转向解决自身产品短板的精细化运营。

不过也要注意到，相比于当初引起巨大讨论的Manus，公众对于已经成长为AI巨头的OpenAI显然有更高期待和要求。

从官方演示和技术博客来看，ChatGPT Agent的能力覆盖了从办公到生活的诸多场景。

其核心逻辑是将Operator的视觉交互能力与DeepResearch的信息合成能力融为一体。简单来说，Operator不擅长阅读长文，而DeepResearch无法与动态网页互动，ChatGPT Agent则试图“取长补短”，在一个虚拟机内同时调度视觉浏览器、文本浏览器和代码终端。

理论上，它可以完成相当复杂的任务链。

比如，办公自动化，自动分析日历，结合最新新闻为即将到来的会议生成简报；进行竞品分析，并直接生成一份可编辑的PPT演示文稿。

生活助手，可以根据用户喜好规划一周菜单，并完成在线采购。

深度研究，可以创建研究报告、电子表格或其他详细文档。

性能数据也相当亮眼。在被誉为“人类最后的考试”（HLE）测试中，ChatGPT Agent的pass@1得分达到41.6%，刷新了纪录。在电子表格处理测试SpreadsheetBench中，其总体准确率达到45.54%，远超微软自家Copilot in Excel的20%。

不同AI模型在SpreadsheetBench评估中处理软限制的性能对比表格（来自OpenAI官网公告）

然而，漂亮的跑分并未完全转化为完美的用户体验。

“你永远可以对OpenAI的发布会，保持失望。”一位资深用户在体验后直言。这种情绪在交流社区中并不少见。

争议主要集中在以下几个方面：

准确性与效率的矛盾。尽管内部测试称其在约50%的知识工作任务中表现比肩甚至超越人类，但用户反馈的实际任务完成率也恰好在50%左右。有用户抱怨，一个手动操作仅需15秒的任务，Agent却花费了35分钟，并且最终结果中的数据还需要花费2-3倍的时间来核对，效率不升反降。

备受期待的PPT生成功能，其成品被吐槽“被各家其他的通用Agent秒杀”，美观度严重不足。

此外，Agent可以连接用户的Google Drive、Gmail等私密数据源，也引发了巨大的安全担忧。有用户评论，即使是99.99%的成功率，也意味着每周可能在美国产生7200次错误，如果涉及金融交易或敏感邮件，后果不堪设想。

高门槛与低配额。目前该功能仅向Pro、Plus和Team用户开放，且Plus与Team用户每月仅40次的使用配额，与其“全能助理”的定位似乎并不匹配。

伴随新功能发布的，还有ChatGPT雷打不动的服务器崩溃，这几乎成了OpenAI发布会的“保留节目”。

如果说马斯克的Grok 4上演的是一场算力碾压的“暴力美学”，那么OpenAI的这次更新更像是一次“精耕细作”的产品迭代。它没有试图发明新科学，而是回头修补了现有产品的短板。

AI竞赛正进入下半场。上半场，巨头们用不断刷新的跑分和令人惊叹的演示争夺眼球；下半场，焦点则回归到最朴素的问题，如何让用户真正用起来，并愿意为之付费？

ChatGPT Agent的发布，伴随着对付费用户严格的次数限制，更像是一场大规模的公开测试，而非成熟商业产品的全面铺开。OpenAI似乎也在摸索，在强大的能力与高昂的运行成本之间，如何找到一个可持续的商业模式。

与此同时，能力越大，风险越大。OpenAI在报告中坦承，该模型在生物和化学武器等领域被评估为具有“高能力”，这触发了内部最高级别的安全预警。为此，公司采取了包括实时监控、禁用记忆功能在内的一系列预防措施。在执行发送邮件等关键操作前，Agent也会主动请求用户许可。

只有服务器不再崩溃、生成的内容无需反复核查、用户能放心地将邮箱和日程表交给它时，AI Agent的时代才算真正到来。在此之前，无论是OpenAI还是其他玩家，都还有很长的路要走。

不过那个时候，人类是否真的会被AI夺走工作，也将变成更加严峻的现实问题。