ChatGPT Agent AI asistent nove generacije ruši rekorde u testovima

Tijekom prijenosa uživo, izvršni direktor OpenAI-a Sam Altman zajedno s četvero istraživača službeno je predstavio ChatGPT Agent – univerzalnog AI asistenta sposobnog za samostalno izvršavanje složenih zadataka kao što su pregledavanje interneta, analiza podataka i izrada PowerPoint prezentacija.

Tri modula u jednom: Operator, Deep Research i ChatGPT

Novi agent kombinira prednosti tri glavna modula: Operator, Deep Research i ChatGPT. Zahvaljujući integraciji ovih sposobnosti, ChatGPT Agent može brzo pretraživati web, analizirati kompleksne podatke te izrađivati profesionalne dokumente bez potrebe za ljudskom intervencijom.

Rekordni rezultati u HLE i FrontierMath testovima

U HLE testu (High-Level Execution), Agent je postigao impresivnih 41,6%, a ta je brojka povećana na 44,4% korištenjem paralelnog osmosmjernog zaključivanja i izbora najpouzdanijeg odgovora. Ovi rezultati postavili su novi standard u AI industriji.

Na prestižnom FrontierMath benchmarku za rješavanje naprednih matematičkih problema, Agent je postigao novu SOTA (state-of-the-art) vrijednost točnosti 27,4%.

Superiornost i u Excelu i web pregledavanju

U testu SpreadsheetBench, koji mjeri AI sposobnosti uređivanja Excel dokumenata, ChatGPT Agent je ostvario 45,5% kada je imao dopuštenje za izravno uređivanje. Time je daleko nadmašio Excel Copilota koji je postigao samo 20,0%.

U segmentu web pregledavanja, Agent je također dominirao u testovima BrowseComp i WebArena, gdje je demonstrirao sposobnost preciznog pretraživanja i selekcije informacija u realnom vremenu.

Dostupnost korisnicima

ChatGPT Agent trenutno je dostupan Pro korisnicima, dok će Plus i Team korisnici imati pristup u narednim danima. Za Enterprise i Education verzije planira se implementacija u nadolazećim tjednima.

Zaključak

ChatGPT Agent predstavlja značajan iskorak u području umjetne inteligencije. Sposobnost povezivanja i izvršavanja zadataka uz napredno zaključivanje i real-time pretragu čini ga moćnim alatom kako za profesionalce, tako i za poslovne korisnike. U vremenu kada je brzina pristupa i obrada informacija ključna, Agent postaje nezaobilazan dio svakodnevice.