这应该是上线以来案例最少的 Agent 了，
OpenAI GPT Agent
奥特曼你不给我用，就别怪我用 Manus 跟你硬碰硬了。
先上结论，GPT Agent已经开始向Pro、Plus和Team用户推送，Pro每月400条消息，其他付费用户每月40条。原有的Operator（浏览器操作智能体）几周后会停止服务，原来的深度研究（Deep Research）会被收到下拉菜单里，Agent成功上位。
通过对话框里的工具（Tools）下拉菜单选择 “Agent mode” 就能调用 GPT Agent。
GPT Agent 目前能调用的工具用有图形浏览器（类似Chrome、Edge、Safari）、文本浏览器（类似Lynx，只显示纯文本内容的浏览器）、终端（也会叫命令行）和各种APIs。
这个Agent理论上会自己选择最佳路径，包括运行代码，生成幻灯片和电子表格，同时在各个步骤中保持完整的上下文，是支持随时打断并接管浏览器的。随时打断也是OpenAI Operator、Manus的常规功能了，没啥新鲜的。
比较有意思的一个点是在执行的过程中，GPT Agent 还会把自己的内心旁白写到操作界面上，我可以第一时间理解它在做什么。
说了那么多，直接上案例！
评分这类纸面实力我们留到后面。
我要先吐槽吐槽发布会上跑的案例非常细碎，发布会也就25分钟，我看最长的那个案例都花了23分钟，一会展示A、一会展示B、再过会C来了。。。
怪不得这次拉了五个人上来，可能是因为Agent运行的时间太长，按照之前的四人配置唠不了那么久。但一次拉那么多人上直播真的没问题吗？别下周又被Meta挖走了。
还是先来看看GPT Agent PPT做的怎么样吧，也是被吐槽最多的点。
做的PPT太素了，
从云端硬盘获取ChatGPT智能体评估数据并制作PPT，无需引言或结语部分，直接用图表展示结果即可。
这样看其实还好吧。
但同样是做ppt，提前拿到内测资格的人跑出来的是这样：
这几张图都被盘包浆了，不夸张地说每一家能做PPT的Agent都可以秒杀这个。同样的提示语在Manus上表现怎么样？
因为不确定原来的文件长啥样，所以我第一次是让Manus自行搜索，
没想到变相增加了难度，做出来的图表还没 GPT Agent 好。
第二次我把刚刚那个素到不行的PPT的同款提示语丢给Manus了。
OpenAI 这波确实没得洗，
硬要说的话 GPT Agent 的长处是画图和数据处理，反而不是文字排版。
再看看第二个主case，也是发布会第一个case
"我们的朋友今年晚些时候要结婚了！这是婚礼网站：
www.zola.Com/wedding/minniaandsarah
请协助完成：
a.匹配所有活动的着装要求（男装）
b.提供约5套方案：符合场地风格和天气的中高端单品
c.查找酒店（婚礼前后预留缓冲日）
d.通过Booking. com操作，需核实实时价格与空房
e.准备500美元以内的礼物（优先查登记处，无则选精品）
f.制作一份完整报告"
输出形式是报告，按理来说就是 GPT Agent 的舒适区，毕竟内置了Deep Research，感觉要不是提示语里面指定了网址和操作的话，原版 Deep Research 的结果会比找这更详细。。。
我来讲解一下，报告首先概述了婚礼和早午餐的时间、地点及当地天气情况（第1部分）；接着，根据“黑领结可选”的着装要求和当地气候，推荐了多款中高档西装/礼服（第2部分）和配套的9.5码正装皮鞋（第3部分）；然后，报告为9月19-24日的五晚住宿提供了四个酒店选项，并列出了价格和亮点（第4部分）；最后，由于新人的礼物清单未公开，报告建议了一款价格低于500美元的 Sonos 智能音响作为礼物（第5部分）。
同样的提示语下，Manus中间执行操作基本也是网页浏览（点击、滑动）、联网搜索等，
在逐字对比两个的报告后，我和裁判 Gemini-2.5-pro 给出的答案是GPT Agent出来的报告更好：
GPT的报告缺点是错误地判断了礼物清单的公开性，但它为用户提供了高度具体、可直接执行的建议，例如推荐了特定品牌的西装和皮鞋，并且其酒店推荐都集中在与婚礼地点（Wailea）一致的区域。
Manus的报告它只提供了着装的风格方向而非具体商品，而且推荐的酒店大多位于距离较远的 Kaanapali 地区 ，降低了对参会者的便利性。
第三个，也是最难的case是旅行数据分析，
第一遍看的时候我也没看出来，因为这个case没有输入的镜头，是因为跑好了直接切换出来的。
构建并预定在漂亮国境内参观所有30个职棒大联盟（MLB）球场的最佳行程（从旧金山出发）
要求概述：
a.目标： 规划在2025年例行赛期间，从旧金山出发（起始日期：明天，即7月16日），参观所有30个MLB球场。
b.灵活性： 本人正在休年假中，时间安排灵活。
c.行程核心：
- 返程（Backtracking）： 不必要的绕行或回头路。
- 空闲日（Idle Days）： 在没有比赛可看的城市停留过多时间。
- 通勤时间（Transit Time）： 城际交通所花费的时间。
- 使用 MLB官方赛程 确定每个球队何时进行主场赛事。
- 优化路线： 设计一条旅行路线，最大限度地减少：
d.赛事偏好（优先级）：
- 优先选择日场比赛（Day Games）。
- 优先选择标志性的对决（Iconic Matchups）。优先安排任何可用的主题推广之夜（Promotional/Theme Nights）——特别是凯蒂猫主题之夜（Hello Kitty Nights）。
e.每一站信息： 对于每个目的地（球场），需要包含：
- 球场名称
- 球队名称
- 对手球队
- 比赛日期和具体时间
- 从前一个城市的交通方式（例如飞机、火车、自驾）
- 建议的酒店区域
f.最终输出：
- 一份详细的电子表格（Spreadsheet），包含以上所有信息。
- 一张美观的可视化地图（例如标注清晰的漂亮国地图？）。
- 包含行程的总预计时长，以及可选休息日的安排。
g.额外要求（Bonus）：
- 在行程中特别标注（Flag） 那些以最棒美食或球迷体验闻名的球场，以便优先考虑或在时间充裕时重点体验。
可以看到GPT列出的数据是很详细的，并且顺利完成了顺路规划，这个顺路图一打眼看上去还有点小震撼，在这么大的数据处理量下依然成功完成任务。
同样的提示语下，Manus就拉跨了，我跑了三次，最短一次20分钟，最长一次60分钟左右，烧了快8000积分，实在是烧不动了。。。
搜索时间表、文件下载、文件格式转换都没啥问题，就卡在规划最佳路线上了。
目前看来GPT Agengt最大的败点还是拿ppt当卖点。明明数据处理能力是相当不错的，在后面的数据表也能体现出来。
最后一个case是唯一一个图像相关的，
为我们的 GPT Agent 发布制作团队宣传品——根据附件中的团队吉祥物照片设计可爱搞怪的动漫风格图案，将其制成 1x1 英寸的笔记本电脑贴纸，并订购 500 份寄至旧金山佛罗里达街 575 号。
GPT，我问你我那么大只狗呢？贴纸在哪里啊？光看到最后的订购了。
再看看 Manus 表现怎么样，
Manus做的还是挺可爱的，和我提供的原图狗狗形象一致，看完我都想给我家猫猫也做一套贴纸玩玩了。
完成贴纸设计之后，两个Agent都选择了让用户最后的时候输入自己的信息完成下单。这一趴的话没有拉出差距。
我还是那句话，
奥特曼你就不应该把PPT作为宣传主力啊。
最后来看看指标吧，
在人类的最后考试 Humanity’s Last Exam (HLE) 中，GPT Agent 的得分达到了 41.6，如果允许它运行八次，选一次可信度最高的话，提分还可以提升到44.4，跟隔壁Grok 4 Heavy（工具增强版）持平。
在FrontierMath（已知最难的数学测试）里，
GPT Agent的准确率达到了 27.4%，比o3高了17.1%
在 BrowseComp（评估 Agent 信息检索能力数据集） 上，GPT Agent的得分是 68.9% ，比 Deep Research 高出 17.4。
在真实电子表格编辑任务 SpreadsheetBench 数据集中，ChatGPT Agent 准确率达到 45.5%。
在 DSBench 数据科学基准测试中，GPT Agent 在数据分析和数据建模两打任务上超越了人类专家。
一句话总结，
GPT Agent是一个擅长解决各类学科问题、能完成网页浏览和信息检索，在电子表格上编辑有优秀性能的Agent。
是不是应该叫学科Agent啊，
仔细想想OpenAI好像也没说自己是通用Agent。
写在最后
昨天风评两极分化都给我整迷糊了，
我自己第一次看的时候就觉得没啥特色，第二次看内测用户放出来的ppt案例觉得是垃圾。
但是为什么他们发布会上做的两页ppt会比放出来的效果好那么多呢？
所以，我才写决定写下这篇文章，
去测测看到底是不是真的拉。
但是还是有反转啊，
Manus优势没那么大，
GPT Agent也没想象那么拉跨。
我还是那句话，
奥特曼给我点钱吧，
我给你当PR，
明明就有更好的，
你到底藏啥呢？！
文章来自于微信公众号“卡尔的AI沃茨”，作者是“AI沃茨”。
