OpenAI把ChatGPT搬进浏览器：能读会填表，正面迎战谷歌Gemini

2026年10月16日，OpenAI 宣布 ChatGPT 不再只停留在独立窗口里——它现在能直接"看"到你正在浏览的 Chrome 标签页，并且在额外配置后，还能替你在网页里动手操作。

这不是一次普通的界面更新，而是 OpenAI 把主战场从"对话 App"推进到"浏览器"这一最日常的上网入口。此前谷歌的 Gemini 早已在 Chrome 里上线了网页摘要、跨标签页对比和 Auto Browse 等功能，OpenAI 这一步，等于直接杀进了谷歌的腹地。

两种模式：先读懂，再动手

新功能分为 Chat 和 Work 两种模式。

在 Chat 模式下，ChatGPT 可以回答关于你当前打开的标签页的问题，并能跨多个网页汇总信息。比如你同时开着三篇论文、两个比价页面，它可以直接帮你提炼要点、做横向对照，而不用你来回切换复制。

在 Work 模式下，它更进一步：可以帮你填写表单、发送消息、下载文件，甚至把一堆杂乱的标签页自动归类分组。换句话说，它从"回答问题的人"变成了"帮你干活的人"。

怎么用：桌面端 App 加浏览器插件

要实现浏览器控制，需要两个条件：安装 ChatGPT 桌面端 App，并装上配套的浏览器扩展插件。在设置里把浏览器选为"Computer Use"（计算机使用）目标，并显式授权相应权限后，才能开启。

插件支持 Chrome、Edge、Brave、Opera 和 Vivaldi 五款浏览器，侧边对话面板除了 Opera 之外在其余几款里都能用。需要特别注意的是，默认情况下 ChatGPT 在接触一个陌生网站前都会先询问用户是否允许它操作；权限以"按站点授权"的方式管理，可用性还会随浏览器、地区和团队（workspace）设置而有所不同。

侧边面板会把对话贴在你正在看的页面旁边，而在那里开启的对话，也会同步回主 App，不会丢。

关键设计：把"读"和"做"分开

OpenAI 在这套产品里做了一个重要的区分：读一个页面，和在页面上执行动作，是两回事。填一张表单、发一条消息，都是有后果的；因此它的权限模型采用"默认询问加按站点授权"，承认了动作类操作的风险。

对开发者来说，竞争框架已经很清晰：浏览器，是下一个助手平台争夺"默认位置"的战场，而 OpenAI 刚刚踩上了谷歌的主场。这也是为什么行业普遍把这次更新视为 ChatGPT 与 Gemini 在浏览器场景下的正面对决——一个从对话入口向外延伸，一个从浏览器内核向外生长，最终在用户的标签页上撞在一起。

为什么这件事重要

过去两年，AI 助手的形态之争主要在"聊天框 vs 操作系统级集成"之间摇摆。OpenAI 这次把 ChatGPT 直接嵌入浏览流程，意味着它想成为你上网时"永远开着的那个面板"。

但它也留下了一些未决问题：Work 模式在复杂网页表单上的成功率能不能让人放心？权限粒度够不够细？当 ChatGPT 能替你发消息、填表单，用户对"它到底做了什么"的知情权如何保障？以及，浏览器扩展的安全性会不会成为新的攻击面？

无论如何，浏览器的控制权之争已经打响。接下来要看的是，谷歌会如何反击，以及用户是否真的愿意把一个能"动手"的 AI 长期挂在自己的每一个标签页旁边。