OpenAI的CUA_ComputerUseAgent

2025 年 1 月 24 日，OpenAI 发布了其首款 AI 智能体 Operator。这是一款能够在浏览器上执行简单在线任务的网络应用，例如预订音乐会门票和在线购买杂货。

Operator 由新模型 Computer-Using Agent（CUA）驱动，该模型基于 GPT-4o 构建。目前，该应用仅面向订阅每月 200 美元 ChatGPT Pro 服务的美国用户开放，未来将逐步向其他用户推广。

官方介绍: https://openai.com/index/computer-using-agent/

原理：
- 将 GPT-4 的推理能力结合视觉功能，用于操作电脑桌面（类似于操作浏览器）。
- 基于桌面解析和文字识别技术，可以控制键盘和鼠标，并在沙箱环境中进行操作。
问题：
- 安全问题：适合操作商场中机器人，对于个人数据/公司数据可能涉及安全问题。
- 目标用户是谁：像 Dify，扣子也有此问题。
应用场景：
- 浏览器使用：语法检查、退款总计、更新许可证、客户查询。
- 电脑使用：下载讲座、合并 PDF、压缩图像、计算价格、导出图像。
其它：
- 要 200 刀的 pro 才能用，而且必须美国节点。
- 字节跳动和智谱也有类似工具，能够本地化并保护数据。

相关资源