ChatGPT Agent登场：通用AI代理技术路径再审视

美国时间7月17日，万众瞩目的OpenAI通用型ChatGPT Agent正式发布。这款Agent整合了深度研究工具Deep Research与执行工具Operator，可一站式完成复杂任务，然而仍存在速度慢、个性化不足等短板。其发布重新引发市场热议，通用AI代理的技术路径选择再次成为焦点。

ChatGPT Agent的架构核心是“浏览器+沙盒虚拟机”，与Manus、Genspark形成鲜明对比。在底层架构层面，浏览器（Browser-based）代理虽然功能强大，但运行速度较慢；沙盒虚拟机（Sandbox）高效，但无法联网操作，工具库受限；工作流集成（Workflow API）速度快、结果精准，但业务范围有限。

不同架构模式下的主流Agent各有优劣势。针对B端客户和C端客户的Agent产品，在适用场景和技术逻辑上存在显著差异。Agent将重塑互联网入口，那么依靠广告营收的创作者们将如何维持商业模式？本期《硅谷101》，主播泓君与Pokee.ai创始人、前Meta AI应用强化学习团队负责人朱哲清深入对话，解析Agent的技术逻辑与未来趋势（此内容非常干货，我们将分为上下两集推送~）。

以下是这次对话内容的精选：

01 主流底层架构对比：浏览器、沙盒环境、工作流

泓君：与市面上的通用型AI Agent相比，ChatGPT Agent的主要区别是什么？这些通用型AI Agent的优劣势分别是什么？我相信它们在解决不同场景的问题上会有所区分。

朱哲清：目前的通用Agent包括Perplexity、OpenAI等。OpenAI在基于浏览器的产品中能力最强，特别是在深度研究和浏览器操作方面。例如，在最新推出的Browsing Camp基准测试中，OpenAI的得分超过了其他竞争对手。

图源：ChatGPT

朱哲清：Operator在浏览器执行层面表现较好，但其尝试涵盖过多功能导致速度较慢。Manus虽也使用浏览器，但主要依赖大模型和执行工具，受限于预设程序包。

02 四大底层架构解析：浏览器更万能，虚拟机更高效

泓君：基于浏览器（Browser-based）和沙盒（Sandbox）的搭建方式是目前AI Agent的主要底层架构。

朱哲清：现有Agent分为四类：基于浏览器的Agent、浏览器加沙盒的Agent、仅有沙盒的Agent以及可横跨多工具集成的Agent。浏览器Agent能集中呈现网页服务，但速度慢且Token消耗高。

朱哲清：沙盒环境适合离线脚本运行，但无法联网。大模型加沙盒的Agent如Genspark受限于特定环境，工作流式Agent通过第三方服务集成保证交付可靠。

03 用户体验差异化：速度与通用性的平衡

泓君：从用户体验来看，Pokee、Genspark、Manus和ChatGPT Agent有何明显区别？

朱哲清：这些Agent在体验上存在显著差异。Manus力求万能环境，但受限于浏览器能力和执行速度。ChatGPT Agent在Deep Research方面表现优秀，但速度同样较慢。

04 专业端VS非专业端：技术选择分野

泓君：这些Agent的商业模式是面向C端还是B端？

朱哲清：我们的产品面向专业人士，重复性工作流更适合B端用户。平台开放的SDK和API对Agent发展至关重要。

05 Agent重塑互联网入口：流量分发的深度变革

泓君：Agent将如何改变互联网入口和创作者商业模式？

朱哲清：Agent将取代部分Web流量，改变工作流和推荐系统。广告形式将变，创作者生态可能改善。