ChatGPT Agent口碑兩極化，Manus隔空對戰

智東西AI前瞻7月18日報道，今日淩晨，OpenAI正式推出了ChatGPT Agent，一個整合了網頁交互、深度檢索和代碼能力的全新“AI助手形態”。

從產品邏輯上看，網絡交互工具Operator和深度信息檢索工具DeepResearch不再分家，ChatGPT內部出現了一個能夠“查找-思考-執行”一體化的Agent，用戶能直接讓AI跨網頁、代碼、個人數據源完成完整任務。

相較於OpenAI接連被挖角引發的輿論熱度，ChatGPT Agent的發布似沒達到“革命性Agent”的期許，略顯反應平淡。社區用戶體驗後褒貶不一，有人認為“初見AGI的雛形”，但也有人指出PPT排版簡陋、複雜邏輯易中斷和幻覺等問題。

ChatGPT Agent發布後，競品Manus第一時間接招，放出10個實測案例，試圖通過財務建模、生活規劃、行程安排、消費購物、航班篩選等不同場景任務，證明ChatGPT Agent在任務閉環和可視化交付上並不占優。



▲（圖源：Manus X平台）

回過頭來看，ChatGPT Agent在網頁瀏覽、執行任務等多個測評中實現了SOTA，在“人類的最後考試”（Humanity’s Last Exam）測試中取得了41.6的高分。這一成績證明了其能力，也同時需要進一步在真實場景中驗證。



ChatGPT Agent將首先向Pro、Plus和Team用戶推出，Pro用戶每月可獲得400次查詢，其他付費用戶每月40次。麵向企業和教育用戶的版本，預計將在本月底前上線。

目前，ChatGPT Pro版的訂閱價格為每月200美元，包含Agent和終端功能。相比之下，xAI的Grok 4最新的Agent產品定價高達每月300美元，兩者價格相差1.5倍。

一、一次“功能拚圖”的交付，ChatGPT Agent有哪些升級？

ChatGPT Agent的定位可以簡單理解為“把Operator和DeepResearch合並”，並補上了一個“終端”和“圖像生成API”的工具棧。

1、文本瀏覽器（DeepResearch功能）負責批量搜索網頁、閱讀長文本；

2、可視化瀏覽器（Operator功能）負責網頁點擊、拖拽和表單填寫；

3、終端可以跑Python腳本、生成和分析文件（Excel表格、PPT幻燈片）和調用API，甚至接入Google Drive、GitHub等外部數據；

4、圖像生成API補足基礎的可視化內容生成，可以為報告或幻燈片創建視覺素材。

這套“工具箱”搭載在一個虛擬機環境下，由經過強化學習訓練的模型調度，能實現從自動檢索、分析、生成文檔，到最終下單、預約的完整閉環。

在發布演示中，OpenAI選擇了一個貼近生活的案例：用Agent幫用戶策劃一場婚禮行程。



▲婚禮策劃實測（圖源：OpenAI）



ChatGPT團隊提供婚禮網站鏈接，提出“幫忙推薦服裝、選酒店、挑禮物”三個需求。Agent先自動抓取婚禮時間、地點和著裝要求，再查詢天氣並推薦適合的服裝，隨後跳轉到Booking.com查找酒店選項，最後搜索禮物推薦。最終，Agent生成一份“婚禮準備報告”，按服裝、酒店、禮物分類整理，附帶來源鏈接和截圖，完整交付給用戶。



▲ChatGPT Agent所生成的婚禮策劃（圖源：OpenAI）

二、Manus隔空叫板：十大對比，功能對齊，體驗分化

ChatGPT Agent發布後，作為競品的Manus第一時間在X平台發布多輪實測對比，主動“迎戰”。

從展示效果來看，Manus通過可視化呈現、跨平台操作和交付形式展示了自身優勢，試圖證明其在任務閉環和最終輸出上的完整度優於ChatGPT Agent；相比之下，ChatGPT Agent更多聚焦於基礎信息檢索和文本型交付，功能覆蓋相近，但在交互體驗上呈現出不同方向。

具體案例呈現：

1、案例1：新加坡公司選址與政府資助

Manus輸出完整調研資料和資助方案PPT，含生態概覽、政策詳情與圖片；ChatGPT Agent隻生成基礎幻燈片，缺少要點總結與可視化呈現。



▲（圖源：Manus）

案例2：高收入FIRE模型

Manus完成包含城市生活成本、稅務規劃的完整PPT，含關鍵圖表和視覺元素；ChatGPT Agent隻列出基礎生活成本清單，稅務信息方麵並不完善，且無投資策略或可視化分析。



▲（圖源：Manus）

案例3：三日網球行程製定

Manus生成含每日日程、預算及訂票鏈接的可視化行程卡片；ChatGPT Agent輸出純文字行程，排版單調無整合。



▲（圖源：Manus）

案例4：舊金山ACFR財務表格

Manus整理2020-2024年財務數據並生成可視化預算趨勢PPT；ChatGPT Agent隻生成無視覺呈現的財務表格。



▲（圖源：Manus）

案例5：電動車行業研究

Manus製作5頁完整PPT，包含行業增速圖表、旗幟等定製視覺元素；ChatGPT Agent停留在信息收集，未完成PPT交付。



▲（圖源：Manus）

案例6：篩選500美元以下風衣

Manus整理符合條件的商品清單並生成對比文檔；ChatGPT Agent隻停留在電商頁麵截圖，無完整輸出。



▲（圖源：Manus）

案例7：英偉達估值建模（DCF模型）

Manus完成全流程，包括曆史財務數據抓取、WACC估算、現金流預測、敏感性分析和完整圖表輸出；ChatGPT Agent僅停留在搜索公開年報信息，未完成建模和分析。



▲（圖源：Manus）

案例8：季度財報拆分更新

Manus完成季度表格更新和PPT生成，ChatGPT Agent隻完成基礎表格更新，無季度拆分和PPT。



▲（圖源：Manus）

案例9：預訂高評分壽司餐廳

Manus全流程完成訂座並返回確認頁麵，ChatGPT Agent隻完成基礎餐廳信息檢索，無預訂動作。



▲餐廳預定成功界麵（上）和Manus實操界麵（下）（圖源：Manus）

案例10：查詢機票並篩選優選航班

Manus完成可視化航班票價對比卡片，ChatGPT Agent僅展示網頁搜索信息，無可視化總結和篩選邏輯。



▲（圖源：Manus）

作為“參賽選手”，Manus的展示更側重自身產品優勢，ChatGPT Agent實際效果如何，還需持續觀察更多用戶的真實體驗反饋。

三、體驗有驚喜也有槽點：效率在線，複雜檢索還需人類兜底

社區實測也迅速給出了“褒貶對半開”的反饋。

X平台用戶用Agent在20分鍾內完成了FIRE計劃，稱相同服務在人類顧問處花費可能高達5000美元。

ChatGPT Agent首先查找了本地稅收政策（溫哥華），分析了用戶的月均開支，測算出在30歲退休所需的儲蓄金額，接著生成了投資組合建議，並梳理出用戶此前未接觸過的稅務優化策略，最後構建了多個退休方案的對比情景，生成了一份完整的可下載PPT文件。



▲（圖源：X平台）

他還補充道，Agent在生成電子表格和PPT上的能力最讓人印象深刻，但整體結果與他用Manus、Genspark等其他Agent工具的體驗“差異不大”。在他看來，對沒用過這些工具的大多數人而言，ChatGPT Agent的能力“依然足夠震撼”。



▲（圖源：X平台）

不過，ChatGPT Agent在社區的用戶反饋中也暴露出不少實際體驗上的短板。不少用戶吐槽，在網頁交互過程中經常出現卡頓或404錯誤，生成的PPT排版簡陋、審美效果較差，遇到稍微複雜的邏輯需求時，任務流程也往往需要頻繁中斷和人工修正。

沃頓商學院教授、AI研究者Ethan Mollick也分享了類似感受。他在X平台稱，自己用ChatGPT Agent分析了Kaggle上的數據集，雖然Agent能夠順利完成分析流程並生成PPT和Excel文件，但初步結果中存在明顯的數據異常。隻有在他提供反饋後，Agent才成功識別出問題並修正結果。



▲（圖源：X平台）

Agent在執行流程上已經具備高效率，但在數據判斷和邏輯把控上仍然離不開人類監督。

從跑分和社區反饋來看，ChatGPT Agent擅長處理指令明確、路徑清晰的任務，比如生成婚禮準備清單或根據財務數據製作PPT，在這類標準化流程中，Agent能夠高效執行，顯著節省人工操作。

但遇到模糊指令或需要開放式判斷的任務，比如整理行業隱性趨勢或挖掘未被報道的新聞線索時，Agent往往難以給出有效結果，容易陷入“找不到”或“請明確需求”的反複循環。

四、跑分成績亮眼：擅長流程跑通，難在開放推理

在數據測評上，Agent模式在人文學科推理、金融分析、網頁交互和電子表格四大維度上對o3有不同程度領先，最高實現翻倍提升。

ChatGPT Agent在“人類的最後考試”（Humanity’s Last Exam）評估中取得41.6%的最高分，相比o3無工具模式（20.3%）實現翻倍提升，在跨學科專家級問題上展現了推理與工具調用能力。



▲Humanity’s Last Exam（來源：OpenAI）

DSBench聚焦數據分析類實際任務，Agent在數據分析子任務中準確率達到87.9%，顯著高於o3（64.1%），首次超越人類參考水平。在DSBench的數據建模子任務中，Agent準確率達到85.5%，優於o3（77.1%）和GPT-4o（45.5%），接近人類表現。



▲DSBench數據分析任務與DSBench數據建模任務（來源：OpenAI）

SpreadsheetBench測試Agent對電子表格的編輯操作，ChatGPT Agent在直接訪問.xlsx文件時，準確率提升至45.5%，顯著優於Copilot in Excel（20.0%），但與人類水平（71.3%）存在較大差距。



▲電子表格任務（來源：OpenAI）

在投行分析師任務中，Agent完成複雜財務建模的準確率達到71.3%，大幅領先o3（48.6%）和DeepResearch（55.9%）。



▲內部投資銀行分析師任務評估（來源：OpenAI）

WebArena測試Agent在網頁交互任務的操作能力，ChatGPT Agent準確率達到65.4%，超越o3和CUA模型，接近人類水平（78.2%）。



▲WebArena網頁交互基準（58.1%）（來源：OpenAI）

BrowseComp用於評估Agent對長尾信息檢索任務的處理能力，ChatGPT Agent準確率達到68.9%，比DeepResearch高出17.4個百分點。



▲複雜網頁信息檢索任務BrowseComp（來源：OpenAI）

ChatGPT Agent在DSBench、SpreadsheetBench、BrowseComp等流程化任務中表現亮眼，數據分析、表格編輯和網頁檢索準確率大幅提升，部分任務超越人類水平。各類型任務相較於o3模型，Agent都實現了從10%到30%不同程度的提升。

結語：Agent潮起，OpenAI穩步邁進

ChatGPT Agent的發布再次證明Agent賽道正在加速進化。整合多工具、接入個人數據、具備基礎執行力，正逐漸成為Agent產品進化的主流方向，但距離真正行業普及仍有不小距離。

這次，OpenAI並沒有交付一個“劃時代”版本，僅在個人助理和辦公場景邁出了一步穩健但平淡的更新。

對用戶來說，ChatGPT Agent值得體驗，它確實讓一部分瑣碎事務可以交給AI代勞。但要說AI“重塑工作流”，顯然還為時尚早。OpenAI還在路上，Agent也還在半成品階段。它是一場值得肯定的進步，但並不是一場值得興奮的飛躍。