Operator против MultiOn: кто лучше кликает за вас

23 января 2025 года OpenAI показала Operator — агента, который управляет браузером за пользователя: открывает сайты, кликает по кнопкам, заполняет формы и оформляет заказы. На старте он был доступен только в тарифе ChatGPT Pro за 200 долларов в месяц и только для пользователей в США. За два года до этого ту же идею — «агент, который сам ходит по сайтам» — продвигал стартап MultiOn. Теперь у него появился конкурент с почти неограниченным бюджетом. Разберём, чем эти два подхода отличаются и что из этого работает уже сейчас, а что остаётся демо.

Что вообще такое «браузерный агент»

Обычный чат-бот выдаёт текст. Браузерный агент делает действия: получает задачу на естественном языке («забронируй столик на двоих на пятницу»), сам открывает нужный сайт, находит поля и нажимает кнопки. Технически это связка из модели, которая «видит» страницу, и слоя, который переводит её решения в клики и ввод текста.

Есть два принципиальных подхода к тому, как агент «видит» страницу.

• Через скриншоты (vision). Модель получает картинку страницы, распознаёт элементы визуально и указывает координаты для клика. Так работает Operator на базе модели, которую OpenAI назвала CUA (Computer-Using Agent).
• Через структуру страницы (DOM¹). Агент разбирает HTML-разметку и находит элементы по коду, а не по картинке. Этот путь исторически выбирал MultiOn.

Разница не косметическая. Скриншотный подход работает почти на любом интерфейсе, даже нарисованном на canvas, но медленнее и дороже по токенам. DOM-подход быстрее и дешевле, но ломается там, где сайт активно защищается от ботов или строит интерфейс нестандартно.

OpenAI Operator: тяжёлая артиллерия

Operator запускается в изолированном облачном браузере: вы видите, как агент двигает курсором и печатает, и можете вмешаться в любой момент. OpenAI сразу заложила несколько ограничений: агент останавливается и просит подтверждение перед вводом платёжных данных, перед отправкой писем и на страницах входа, где нужно ввести пароль или пройти капчу.

Это осознанный компромисс. Полностью автономный агент, который сам вводит данные карты, — это риск, который OpenAI на старте не захотела на себя брать. Поэтому Operator скорее «ведёт вас за руку», чем работает в фоне без присмотра.

Главный вопрос к любому браузерному агенту не «умеет ли он кликать», а «сколько раз из десяти он доведёт задачу до конца без вашего вмешательства». Пока честный ответ у всех — не десять из десяти.

Позже OpenAI объединила логику Operator с ChatGPT в более общий «агентный режим», а отдельное превью Operator было свёрнуто. То есть сама технология никуда не делась — она переехала внутрь основного продукта. Актуальный набор тарифов и то, в каких из них доступен агентный режим, стоит сверять на странице подписок OpenAI: цены и состав планов меняются.

MultiOn: ставка на скорость и разработчиков

MultiOn появился раньше и делал упор на две вещи: скорость выполнения и API для встраивания агента в чужие продукты. Идея была в том, чтобы разработчик мог одной командой поручить агенту сценарий — от заказа еды до заполнения CRM — и получить результат программно, без человека у экрана.

Слабое место такого подхода — надёжность на реальных сайтах. DOM-агент отлично проходит демо на заранее выбранных площадках и спотыкается на том, что не было в тесте: всплывающее окно согласия на cookie, неожиданный редирект, A/B-версия интерфейса. Для стартапа без ресурсов OpenAI держать высокую надёжность на всём вебе — задача почти невыполнимая.

Сравнение по существу

Свести оба продукта к одной таблице честно можно только по подходу и позиционированию — конкретные цифры «успешности» зависят от того, на каких сайтах и задачах мерить, а единого признанного бенчмарка тут нет.

Кому что подходит

Выбор зависит не от того, «кто круче», а от того, что именно вы делаете.

1. Разовые бытовые задачи под присмотром. Забронировать, сравнить цены, заполнить длинную форму — здесь ближе логика Operator: вы видите процесс и вмешиваетесь, когда агент застрял.
2. Массовая автоматизация в своём продукте. Если нужно встроить агента в сервис и гонять сценарии программно, ближе модель с API. Но закладывайте ресурс на обработку сбоев: агент будет падать чаще, чем хочется.
3. Задачи с деньгами и доступами. Ни одному агенту пока не стоит без присмотра доверять карту и пароли. Барьеры Operator тут не баг, а разумная страховка.

Что важно понять про весь класс продуктов

Браузерные агенты в начале 2025 года — это не «поставил задачу утром, получил результат вечером». Это ассистент, который берёт на себя рутину кликов, но регулярно требует человека для решений и разблокировки. Разница между Operator и MultiOn — во многом разница между компанией, которая может позволить себе годами доводить надёжность на всём вебе, и стартапом, который такой возможности не имеет.

Практический вывод простой: если хотите попробовать сегодня, начинайте с задач, где ошибка агента ничего не стоит. Сравнение цен и заполнение анкеты — да. Автоматический выкуп билетов с вашей карты без присмотра — пока нет.

¹ DOM (Document Object Model) — древовидное представление структуры веб-страницы, в котором каждый элемент (кнопка, поле, ссылка) — это узел, к которому можно программно обратиться.