近期，“Operator”一词在AI领域至少指代三种不同概念：一是AI代理系统（如OpenAI Operator、微软Fara1.5）；二是AI代理管理平台（如LobeHub的Chief Agent Operator）；三是数学与机器学习中的算子学习框架（如Chain of Operators、凸最优传输算子等）。
- 主要进展
- 浏览器AI智能体竞争白热化。微软发布Fara1.5系列模型（4B/9B/27B），在Online Mind2Web基准上以72%任务成功率超越OpenAI Operator和Gemini 2.5 Computer Use（微软Fara1.5浏览器AI智能体模型发布）。OpenAI则更新Operator系统卡，详细说明多层安全防护机制，并将基座模型从GPT-4o切换为o3（OpenAI Operator系统卡）。
- AI代理运营平台兴起。LobeHub推出Chief Agent Operator，可从27.3万技能中雇佣AI代理24/7运行，并已展示并行解决25个GitHub Issue的能力（LobeHub推出首席代理操作员）。
- 算子学习领域提出新框架。Chain of Operators提升ICON泛化能力（Chain of Operators 框架）；CDOT作为首个凸最优传输框架，实现对异构域分布的对齐并保持几何结构（CDOT框架）；神经算子方法加速贝叶斯逆设计，将CFD气动几何推断速度提升超千倍（神经算子加速贝叶斯逆设计）。
当前焦点/未来观察点
当前焦点集中于AI智能体的实际性能和安全性：微软与OpenAI在浏览器智能体任务上的正面较量，以及LobeHub为代表的专业化AI代理平台能否解决复杂长期任务。此外，算子学习中的理论进展虽非大众热点，但可能在科学计算领域产生深远影响。未来需关注AI智能体之间的互操作性与标准化，以及算子学习方法在工业仿真中的落地效率。