OpenAI lanza el agente ChatGPT: piensa y actúa de forma autónoma eligiendo herramientas de una biblioteca de habilidades 75

Openai ha lanzado el agente ChatGPT, que puede pensar y actuar de forma autónoma, eligiendo herramientas de su biblioteca de habilidades y utilizando la web para completar tareas. Combina la capacidad de Operator para interactuar con sitios web, las ventajas de Deep Research para integrar información de la web y la capacidad conversacional de ChatGPT, formando un sistema unificado que puede convertir las ideas y preguntas del usuario en acciones reales, como realizar investigaciones financieras, completar formularios en línea o crear presentaciones de diapositivas.

Funciones y características principales

✅Autonomía y colaboración: puede realizar tareas complejas de forma independiente, como navegar por sitios web, seleccionar fechas, filtrar resultados, solicitar al usuario un inicio de sesión seguro o ejecutar código. El usuario mantiene el control en todo momento y puede interrumpir, tomar el control del navegador o detener la tarea antes de que se ejecuten acciones importantes.

✅Fusión de múltiples herramientas: integra las ventajas de Operator y Deep Research, con acceso a un navegador visual, un navegador de texto y acceso directo a la API, capaz de elegir la ruta óptima para completar las tareas.

✅Aprendizaje dinámico y optimización: aprende dinámicamente durante la ejecución de tareas, ajustando su forma de trabajo para optimizar la velocidad, la precisión y la eficiencia.

✅Flujo de trabajo iterativo y colaborativo: el usuario puede interrumpir el diálogo en cualquier momento para aclarar instrucciones, ajustar la dirección de la tarea o guiar los resultados. El agente hará preguntas proactivamente para obtener más detalles cuando sea necesario, asegurando que la tarea se alinee con los objetivos del usuario.

✅Seguridad y protección de la privacidad: antes de realizar operaciones sensibles o importantes, obtendrá autorización explícita del usuario; está entrenado para resistir manipulaciones mediante instrucciones maliciosas; el usuario tiene control total sobre el procesamiento de datos, los datos introducidos se procesan de forma segura y no se almacenan en el servidor.

Rendimiento y evaluación

✅Obtuvo 43.1 puntos en "Humanity's Last Exam", un nuevo récord.

✅En la prueba DSBench, superó al modelo más avanzado hasta la fecha, con un rendimiento en análisis de datos superior al de los humanos.

✅En la plataforma SpreadsheetBench, estableció un nuevo referente en el sector, con un rendimiento más del doble superior al de GPT-4o.

✅En pruebas internas, su capacidad para gestionar tareas de analista de banca de inversión fue significativamente superior a la de Deep Research y al modelo o3.

✅En el benchmark WebArena, su rendimiento fue mejor que el de CUA impulsado por o3.

✅En BrowseComp, estableció un nuevo récord SOTA con 68.9 puntos, xx puntos porcentuales por encima de Deep Research.

Escenarios de aplicación práctica

✅Escenarios laborales: automatiza tareas repetitivas, como convertir capturas de pantalla en presentaciones editables, reprogramar reuniones, planificar y reservar actividades fuera de la oficina, o actualizar hojas de cálculo con nuevos datos financieros (manteniendo el formato original).

✅Escenarios de vida personal: planificar y reservar viajes, diseñar y reservar cenas, buscar profesionales y concertar citas.

Modo de uso

A través del menú desplegable de la herramienta del editor, seleccione "modo agente" en cualquier momento del diálogo para activarlo. Describa la tarea que desea completar; durante la ejecución, la narración por voz de la pantalla mostrará el flujo de operaciones en tiempo real, y el usuario puede interrumpir y tomar el control del navegador en cualquier momento. También puede configurar la repetición automática de tareas ya completadas, como generar automáticamente un informe de métricas semanales cada lunes por la mañana.

Permisos de uso

• Disponible a partir de hoy para usuarios de las versiones Pro, Plus y Team; los usuarios de las versiones Enterprise y Education podrán acceder a partir de julio.

• Los usuarios de la versión Pro pueden ejecutar prácticamente un número ilimitado de tareas al mes; otros usuarios de pago disponen de 50 tareas al mes, y el uso adicional puede obtenerse mediante créditos.

• Puede acceder a los conectores del usuario; tras la autenticación, los conectores de solo lectura permiten ver información y ejecutar acciones; para operar en sitios web es necesario iniciar sesión tomando el control del navegador.

Preguntas clave

✅¿Cuáles son las capacidades y ventajas principales del agente ChatGPT?

Su capacidad principal es poder pensar y actuar de forma autónoma, eligiendo herramientas de la biblioteca de habilidades y utilizando la web y su propio ordenador virtual para procesar tareas, alternando con fluidez entre el razonamiento y la ejecución, completando tareas complejas de forma independiente. Su ventaja es que integra las fortalezas de Operator, Deep Research y ChatGPT, formando un sistema unificado capaz de convertir ideas en acciones, manteniendo al usuario en control en todo momento, solicitando su autorización antes de operaciones importantes y permitiendo interrumpir, tomar el control o detener las tareas en cualquier momento.

¿Cuál es el rendimiento del agente ChatGPT en las diferentes evaluaciones?

Obtuvo 43.1 puntos en "Humanity's Last Exam", un nuevo récord; en DSBench superó al modelo más avanzado, con un análisis de datos superior al humano; en SpreadsheetBench marcó un nuevo referente en el sector, alcanzando un límite suave general del 45,5% con soporte para formato .xlsx; en pruebas internas, el manejo de tareas de analista de banca de inversión fue superior al de Deep Research y al modelo o3; en WebArena su rendimiento fue superior al de CUA impulsado por o3; y en BrowseComp estableció un nuevo récord SOTA con 68.9 puntos.

¿Cómo pueden los usuarios utilizar el agente ChatGPT y qué disposiciones tiene en cuanto a disponibilidad y seguridad?

En cuanto al uso, se activa seleccionando "modo agente" en el menú desplegable de la herramienta del editor, basta con describir la tarea; también se puede configurar la repetición automática de tareas, e interrumpir y tomar el control durante la ejecución. En cuanto a disponibilidad, los usuarios de Pro, Plus y Team pueden acceder desde hoy, y los de Enterprise y Education a partir de julio; la versión Pro ofrece prácticamente tareas ilimitadas al mes, otros usuarios de pago disponen de 50 tareas mensuales, y el uso adicional puede obtenerse mediante créditos. En cuanto a seguridad, las operaciones sensibles requieren confirmación del usuario, las tareas clave requieren supervisión del usuario, se rechazan tareas de alto riesgo, es capaz de resistir ataques adversariales y usos indebidos, protege la privacidad de los datos del usuario y este tiene control total sobre el procesamiento de sus datos.

El agente ChatGPT lanzado por OpenAI se encuentra todavía en una fase inicial; puede manejar múltiples tareas complejas, pero puede cometer errores. La función de generación de presentaciones de diapositivas está en fase de pruebas, el formato y el manejo de detalles pueden ser toscos, y la función de carga de hojas de cálculo no está disponible por ahora para diapositivas. En el futuro, su eficiencia, profundidad y versatilidad seguirán mejorando, con una interacción más fluida, ajustando al mismo tiempo el grado de supervisión requerido por el usuario, equilibrando seguridad y utilidad.

Enlace relacionado：https://openai.com/zh-Hans-CN/index/introducing-chatgpt-agent/