Genspark 推出基于 GPT‑4.1 和 OpenAI 实时 API 的无代码个人助手

Genspark⁠（在新窗口中打开）是 Super Agent 背后的公司，这是一款无代码、可定制的 AI 代理，帮助用户自动化完成现实世界中的任务，如拨打电话、生成演示文稿或将食谱转化为短视频。

Super Agent 利用 OpenAI 的多模态模型和实时 API，支持文本、图片和语音等多模态任务，使用户能够通过简单的提示将复杂的工作流程实现自动化，无需编码。该系统迅速发展：仅用 45 天，Super Agent 就达到了 3,600 万美元年度经常性收入，这得益于强劲的用户需求。 

Genspark 最初作为 AI 搜索引擎推出，旨在帮助消费者和专业人士整合信息，并实现信息结构化。到 2024 年底，用户行为开始发生转变。用户不再仅仅寻求答案。而是希望获得具体成果。他们不再问“总结这个市场”，而是要求生成演示文稿、视频脚本和跟进邮件。与此同时，模型能力迅速扩展。更长的背景信息窗口、更强大的推理能力以及新的多模态 API，使整个工作流程实现自动化而非仅仅检索信息变得越来越可行。

用户需求转变与模型成熟度的结合促使团队做出大胆决策：2025 年 4 月，Genspark 放弃搜索业务，全面转向智能代理 AI。

2025 年 4 月，Genspark 推出Super Agent：一款完全自主、无代码的助手，可拨打电话、设计幻灯片、生成视频等。该平台内部协调九个专用大型语言模型和超过 80 个集成工具，动态将每个任务分配给最适合的组件。

OpenAI 模型是该系统的核心。GPT‑4.1 负责处理研究和结构化输出，其改进的指令遵循能力及 100 万令牌的背景信息窗口，使代理能够完整处理长文档而无需截断。严格的 JSON 输出设计确保下游工具获得可靠的结构化回复，而自动提示缓存则降低了延迟和 API 成本，这在多步骤工作流程中尤为重要。在图像生成方面，该平台通过 OpenAI API 使用 GPT‑image‑1 模型。

由于系统完全无需编码，用户无需考虑这些技术细节。他们只需描述需求，如“联系我的牙医”、“总结这份报告”、“制作幻灯片演示文稿”，Super Agent 将自动完成后续操作。

Super Agent 最受关注的功能之一是 Call For Me，这是一个能够为您拨打真实电话并进行对话的人工智能系统。无需脚本。无需繁琐的转接。无论是预订预约还是重新安排送货，该系统都会利用 OpenAI 实时 API 和语音转语音技术，以自然流畅的方式实时处理对话。

该交互系统采用双层架构：实时 API 管理实时对话，而影子模型通过消息队列监控并引导交互。即使通话中包含等待音乐或模糊的人工回复，也能实现快速、连贯的双向交流。在日本，一个应用案例引发热议：用户让代理代为处理向雇主提交的辞职电话。这种深度人性化的交互正是大多数人未曾预期 AI 代理能处理的场景。 

除了电话通话，用户还使用 Super Agent 创建个性化内容。请求一个蒸汽波风格的演示文稿，代理会起草幻灯片，使用 GPT‑image‑1 生成风格化的封面图片，并编译最终文稿。对于视频，它可以编写分场景脚本，生成图片，并制作一个适合 Instagram 的短视频。

这些用例得益于 OpenAI 的多模态能力、Genspark 的执行速度，以及与 OpenAI 初创团队的紧密合作。Genspark 定期与 OpenAI 解决方案架构师交流最佳实践、优化工作流程并提升模型性能。他们是首批使用实时 API 推出语音体验的团队，并持续提供反馈以推动模型改进。

“我们选择 OpenAI 不仅因为其跨模态的模型性能，还因为开发者体验，”Zhu 表示。“OpenAI 的 API 设计帮助我们快速推进，实现发布、调试和扩展而不会遇到瓶颈。”

在 Super Agent 上线仅一个月后，Genspark 已实现：

• 45 天内达到 3,600 万美元年度经常性收入
• 70 天内发布八项核心代理功能

这一切仅凭 20 人团队且未投放任何付费广告。该增长完全源于产品病毒式传播和口碑效应。Super Agent 的吸引力很大程度上源于其易用性。用户无需构建工作流程或配置设置。他们只需说明需求，代理便会自动处理后续事宜。

接下来，Genspark 将拓展至新领域，利用自主代理创造更多价值，例如能够处理浏览内容的 AI 浏览器和生成格式丰富文档的 AI 文档工具。OpenAI API 仍是团队快速开发并高效交付的核心技术。

“我们打造 Genspark 不仅是为了成为一个聊天界面，而是一个全能型 AI 工作空间，”Zhu 表示。“借助 OpenAI API，我们得以在创纪录的时间内实现这一愿景。”