智能体竞赛已从"能不能点鼠标"升级到"敢不敢放手" 过去十八个月,围绕"真浏览器代操作"这条赛道,OpenAI 与 Anthropic 的打法走向了完全不同的方向。OpenAI 在 2025 年 1 月推出独立的 Operator 产品,半年后把它整合进了 ChatGPT 的 Agent 模式;Anthropic 则在 2024 年 10 月以 Claude 3.5 Sonnet 的 Comput

智能体竞赛已从"能不能点鼠标"升级到"敢不敢放手"

过去十八个月,围绕"真浏览器代操作"这条赛道,OpenAI 与 Anthropic 的打法走向了完全不同的方向。OpenAI 在 2025 年 1 月推出独立的 Operator 产品,半年后把它整合进了 ChatGPT 的 Agent 模式;Anthropic 则在 2024 年 10 月以 Claude 3.5 Sonnet 的 Computer Use 公测起手,把"用屏幕、动鼠标、敲键盘"作为通用能力塞进了模型本身。两者背后是不同的产品哲学——前者把浏览器当作一个独立的 agent 容器,后者把浏览器操作当作模型的内生技能。理解这条分叉,是判断"谁先把真浏览器代操作做到生产可用"的前提。

判断"生产可用"的标准,不是发布会上的演示视频,而是真实工作流里跑得稳不稳。本文对照近期两份一手研究材料——Anthropic 关于智能体自主性的实证报告,以及 OpenAI 内部 Codex 经济学数据——把这场交锋拉回到真实部署的数据层面来谈。

一、Anthropic 的路径:Computer Use 是模型内生能力,自主性靠度量约束

Anthropic 在 2026 年 2 月发布的研究《Measuring AI agent autonomy in practice》,用隐私保护分析工具 Clio 扫描了数百万次 Claude Code 与公开 API 上的人机交互,把"agent 在实际工作里被允许的自主程度"做了第一份大规模实证。研究得到的几个关键数据点,直接定义了 Claude Computer Use 的现实位置。

第一,Claude Code 单次自主运行时间在三个月内从不到 25 分钟拉长到 45 分钟以上。这意味着,模型在不需要人类介入的前提下,可以独立完成的任务长度已经接近一个工作日里一个完整会议或一个调试回合。研究团队特别强调,这种延长是平滑发生的,跨模型版本都存在,说明"现有模型本就具备更长自主性的能力,但被用户使用习惯压在了更短区间"。换句话说,Computer Use 的能力上限是模型本身决定的,但生产可用性的瓶颈在用户愿不愿意放手。

第二,熟练用户对自动批准的依赖显著上升。新用户里只有约 20% 的会话会开启"全 auto-approve",但随着使用经验积累,这一比例上升到 40% 以上。这背后是用户从"逐动作审查"切换到"按需干预"的协作模式——绝大多数时候让 Claude 跑,只在关键节点打断。这种行为模式意味着,Computer Use 的真正落地形态不是"全自动无人值守",而是"高频自动 + 关键复核"。

第三,Claude Code 在长任务里比人更频繁地主动请求澄清。研究数据显示,模型在长会话中请求人类输入的频率,显著高于人在相同节点会提出的澄清次数。这透露出 Computer Use 的一种倾向:面对歧义,模型倾向"问而不是猜"。在生产环境里,这反而是好事——比起假装看懂然后乱点,主动暂停请求输入更可控。但代价是它对 prompt 的设计提出了更高门槛:清晰的任务指令、可监督的边界、可回滚的状态,缺一不可。

第四,工具调用集中在软件工程场景,占比接近一半。这是 Anthropic 给出的最反直觉的一组数据。在所有被分析的 agent 交互里,软件开发相关任务占到了工具调用量的近一半。这并不是因为 Claude Code 只用于写代码,而是因为软件工程任务的"工具语义最清晰、可验证信号最强",更容易被自动批准覆盖;而涉及资金、合规、客户沟通等高风险操作的工具调用,即使技术上可做,用户在授权时依然会非常谨慎。

把这四点合在一起,Anthropic 的策略逐渐清晰:不追求"全自动浏览器代理"这个目标,而是把 Computer Use 作为模型的一项可观察、可度量、可约束的内生能力,放在更广的 agent 框架里使用。生产可用性的关键,不在于浏览器操作本身做得多流畅,而在于自主性的边界被设计得是否清晰。

二、OpenAI 的路径:Operator 退场,Agent 模式接管浏览器代操作

OpenAI 的故事走向几乎相反。2025 年 1 月,OpenAI 推出 Operator 作为独立产品,基于一个叫 CUA(Computer-Using Agent)的新模型——把 GPT-4o 的视觉能力与强化学习推理结合,让 Operator 能"看见"屏幕、用鼠标键盘操作浏览器。Operator 一开始跑在 operator.chatgpt.com 这个独立域名上,美国 Pro 用户优先试用。

但 2025 年 7 月 17 日,OpenAI 在 Operator 介绍页加了一条更新:"Operator 现已作为 ChatGPT 智能体完全集成到 ChatGPT 中。要访问这些更新的功能,只需从编辑器中的下拉菜单中选择'智能体模式',然后直接在 ChatGPT 中输入您的查询。"独立的 Operator 网站在几周内下线。这意味着 OpenAI 选择了把浏览器代操作能力,从"独立产品"收回到"ChatGPT 内的一个模式"。这条路线的潜台词是:浏览器代操作不是终点,而是 ChatGPT 整体产品扩展能力的一部分。

2026 年 9 月,OpenAI 发布《智能体如何重塑工作方式》研究报告,这是迄今关于 Codex(也是 OpenAI 端的核心 agent 产品)经济学潜力最完整的一手披露。报告基于 OpenAI 内部及外部企业用户的真实使用数据,给出了四个关键趋势,每个都直接关联到"真浏览器代操作"在生产环境里的真实位置。

趋势一:用户开始把更长周期的任务交给 agent。2026 年 5 月,在被抽样的个人用户中,80.6% 至少发起过一次人工耗时 30 分钟以上的 Codex 请求,70.2% 发起过超 1 小时的任务,25.6% 发起过超 8 小时的任务。这意味着,智能体的工作单元已经从"短对话"迁移到"长委托"——OpenAI 用"agentic labor"(智能体劳动力)这个词来命名这一现象。

趋势二:Codex 已经替代 ChatGPT 成为 OpenAI 内部首选 AI 工具。从 2025 年 8 月 Codex 推出到 2026 年中,OpenAI 普通员工生成的输出 Token 中,超过 85% 来自 Codex,在每周输出 Token 总量的占比甚至达到 99.8%。这个数字的意义不在于"Codex 比 ChatGPT 强",而在于"agent 类产品的工作负载模式与传统聊天机器人完全不同"——后者是问一个问题得一个答案,前者是连续多个并行任务并发执行。

趋势三:非开发者用户的增速超过开发者。2025 年 8 月到 2026 年 6 月,OpenAI 内部非开发者用户增长 12 倍,企业非开发者用户增长 189 倍,个人非开发者用户增长 137 倍。这背后是 agent 能力从"代码"扩展到"任何可以分解为步骤的工作"——表单填写、数据搬运、内容整理、客户跟进这类工作,本质上都是"读 → 判断 → 操作 → 复核"的循环。

趋势四:非工程师员工开始用 agent 跨岗位完成工作。在商业职能部门员工使用 Codex 完成的工作里,超过四分之一属于工程或编程范畴。这意味着 agent 正在降低跨职能任务的成本——以前需要专门技术支持才能完成的相邻领域工作,现在业务人员自己就能驱动。

这四个趋势合在一起,OpenAI 的策略轮廓就清楚了:不强调"Computer Use"是独立模型能力,而是把所有 agent 类能力(包括浏览器操作、代码执行、文件读写、API 调用)统一收纳到 Codex / ChatGPT Agent 模式这个入口下,让用户在一个产品里就能调用所有这些能力。

三、正面交锋的实质:产品哲学与生产路径的分叉

把两边放在一起对比,可以看到三条关键分叉。

第一,能力定位不同。Anthropic 把 Computer Use 当作模型的内生通用能力——Claude 本身就能看见屏幕、操作鼠标、敲键盘,不需要特殊部署;OpenAI 则把它收敛到 ChatGPT 的 Agent 模式里,作为一项产品功能对外暴露。前者强调"模型即 agent",后者强调"产品即 agent 容器"。这两条路没有绝对对错,但对应不同的工程取舍:走模型路线的,能力升级跟着模型版本走,自然扩展性强,但每次升级都要重新评估 Computer Use 的安全性边界;走产品路线的,能力边界由产品团队定义,可控性更强,但每加一类场景都要单独开发。

第二,自主性管理方式不同。Anthropic 选择通过度量(measuring)来管理自主性——用 Clio 这类隐私保护工具持续观测真实交互,识别风险模式,反过来指导产品设计;OpenAI 选择通过产品分层来管理——Operator 退场、ChatGPT Agent 模式接管,本质上是把"用户对浏览器代操作的信任"转移到对 ChatGPT 整体产品的信任上。前者更依赖数据驱动的安全研究,后者更依赖产品迭代速度。

第三,生态开放程度不同。Computer Use 的本质是"用 GUI 而非 API",这天然适合做跨应用操作——只要有屏幕,理论上什么系统都能接。Anthropic 通过 Claude Code 提供了较深的本地集成(直接调用 shell、读写文件),但 Computer Use 本身在 API 上是公开的;OpenAI 的 Codex 早期走 CLI,后扩展到 IDE 集成,目前与 Apple Xcode、Microsoft 365、Salesforce、Deloitte、Cognizant 等做了深度集成。两边的生态策略走向了不同方向:Anthropic 更倾向于让模型成为"通用层",OpenAI 更倾向于让 Codex / ChatGPT 成为"集成枢纽"。

四、生产可用的三个真实门槛

无论走哪条路,把浏览器代操作做到"生产可用"需要跨越三个共同门槛。这是两份一手材料共同指向的判断。

门槛一:操作的可观察性。不管是 Computer Use 还是 Agent 模式,用户在把任务交给 agent 之前,必须能事先看清"它打算做什么"。Anthropic 的数据显示,熟练用户的自动批准率会上升到 40% 以上,但前提是用户对当前任务有充分预期;如果任务边界模糊,自动批准率会迅速下降。这意味着生产环境里的 agent 部署,不能依赖"看不见的自主性",必须提供任务预览、动作回放、关键节点复核三种可见性能力。

门槛二:失败的可回滚性。两份材料都没回避这一点:agent 在长任务里会出错,出错后能恢复到什么程度,决定了它能不能进生产。OpenAI 的数据显示,Codex 在 OpenAI 内部已经成为主力工具,但这一过程花了一年半,且非工程部门的过渡明显晚于工程部门——这正是因为后者更容易在版本控制里回滚改动。Computer Use 类 agent 在浏览器里填错表单、点错按钮、提交错数据,如果没有"撤销 + 重做"通道,部署到生产就是事故。

门槛三:责任的可归属边界。这是两份材料都没有正面讨论、但都在数据里隐含的话题。Anthropic 的数据显示,工具调用集中在软件工程领域——不是因为只有这块能做,而是因为其他高风险领域(支付、合规、客户沟通)的责任归属还不够清晰。OpenAI 的数据同样显示,非开发者用户的快速增长主要发生在企业环境里,而企业内部对"谁批准 agent 行为、谁为 agent 行为负责"必须有明确规定,否则 agent 任务会被限制在低风险区间,生产能力就释放不出来。

五、对企业部署的现实启示

把两条路径和三个门槛放在一起,企业要判断的不是"选 OpenAI 还是选 Anthropic",而是"自己的业务流,适合哪一类生产形态"。下面三个判断框架供参考。

如果业务流高度依赖跨应用数据搬运(从网页 A 抓数据填到网页 B、从邮件提取附件更新到 CRM),走 OpenAI 路线的产品集成更省力。ChatGPT Agent 模式已经预置了大量 connector,加上 Operator 演化过来的浏览器代操作能力,适合业务人员自己驱动的"轻自主性 + 高频操作"场景。

如果业务流需要深度编程介入(读源代码、改文件、跑测试、提交 PR),走 Anthropic 路线更直接。Claude Code 把 Computer Use 作为通用能力的扩展,加上 shell 工具、文件读写工具、Plan 工具的组合,可以让软件工程任务在本地完整闭环。

如果业务流是高合规要求的金融、医疗、法律领域,两边都不能直接用。两份材料都没有给出合规场景下的成熟方案——Anthropic 的数据明确显示这类任务的工具调用占比极低,OpenAI 的数据显示企业非开发者用户高速增长的同时,内部 agent 应用被严格限定在内部知识工作。这意味着高合规场景需要的是"自部署 + 可审计 + 人工复核"的混合方案,直接套用现成产品是不够的。

结语:正面交锋的下一站

OpenAI 和 Anthropic 的浏览器代操作之争,目前仍处在"路径分化但目标重叠"的阶段。Anthropic 在《Measuring AI agent autonomy in practice》里给出的不是"Computer Use 多强"的演示,而是"自主性如何被真实度量并被约束"的工程报告。OpenAI 在《智能体如何重塑工作方式》里给出的不是"Operator 多厉害"的演示,而是"agent 类产品如何改变工作单元"的经济学证据。两份材料放在一起读,真实的故事不是"谁先做出更强的浏览器代理",而是"谁先把浏览器代操作整合进可被企业接受的自主性框架里"。

判断"谁先把真浏览器代操作做到生产可用",看的不是下一次发布会,而是未来六到十二个月里,两家在金融、医疗、法律等高合规场景下的真实部署案例。那些场景里跑得稳的方案,才有资格被称为"生产可用"。