ChatGPT اکنون می‌تواند تب‌های باز کروم را بخواند و از آن‌ها در پاسخ‌ها استفاده کند
OpenAI قابلیت‌های ChatGPT در گوگل کروم را گسترش داده است. اکنون در گفت‌وگوی عادی، دستیار می‌تواند از تب‌های باز به‌عنوان زمینه برای پاسخ‌ها استفاده کند و در حالت Work نیز با وب‌سایت‌ها تعامل داشته باشد.
این شرکت این قابلیت‌ها را اعلام کرده است.
ChatGPT همچنین می‌تواند در نوار کناری کروم باز شود. گفت‌وگوهای قبلی نیز در این بخش در دسترس هستند و کاربر می‌تواند هم‌زمان روی یک وب‌سایت کار کند و گفت‌وگوی خود را ادامه دهد.
ChatGPT اکنون در کروم چه کارهایی می‌تواند انجام دهد
در حالت Chat، کاربر می‌تواند از ChatGPT بخواهد اطلاعات موجود در چند صفحه باز را با یکدیگر مقایسه کند؛ برای مثال محصولات، قیمت‌ها یا مقالات، بدون اینکه لازم باشد داده‌ها را به‌صورت دستی در چت کپی کند.
نوار کناری کروم نیز امکان باز کردن گفت‌وگوی جدید و دسترسی به چت‌های قبلی را فراهم می‌کند.
در حالت Work، قابلیت‌ها گسترده‌تر هستند. ChatGPT می‌تواند مرورگر را کنترل کند، روی دکمه‌ها کلیک کند، اطلاعات را در فرم‌ها وارد کند و از طرف کاربر در وب‌سایت‌ها اقداماتی انجام دهد. این افزونه مجوز مدیریت دانلودها و گروه‌های تب را نیز دارد و OpenAI به‌طور مشخص هشدار می‌دهد که دسترسی به وب‌سایت‌ها و سابقه مرورگر تابع مجوزهایی است که کاربر اعطا کرده است.
OpenAI پیش‌تر یک مرورگر مستقل با نام Atlas توسعه داده بود، اما در سال ۲۰۲۶ تصمیم گرفت آن را کنار بگذارد و قابلیت‌های عامل مرورگر را مستقیماً به ChatGPT و Codex منتقل کند.
Gemini و Claude پیش‌تر در کروم چه قابلیت‌هایی داشتند
گوگل و آنتروپیک پیش‌تر قابلیت‌های مشابهی را برای دستیارهای هوش مصنوعی خود در مرورگر ارائه کرده‌اند.
Gemini در کروم در نوار کناری مرورگر کار می‌کند و می‌تواند از زمینه صفحه فعلی و حداکثر ۱۰ تب باز استفاده کند.
حالت جداگانه Auto browse هنوز برای همه کاربران در دسترس نیست. طبق اعلام گوگل، این قابلیت به‌تدریج برای کاربران بزرگسال در ایالات متحده که اشتراک Google AI Pro یا Ultra دارند و از رابط کاربری انگلیسی استفاده می‌کنند، عرضه می‌شود.
Auto browse به Gemini اجازه می‌دهد بین وب‌سایت‌ها جابه‌جا شود، روی دکمه‌ها کلیک کند، فرم‌ها را پر کند و سایر اقدامات چندمرحله‌ای را در مرورگر انجام دهد؛ از جمله جابه‌جایی میان سایت‌ها، کلیک روی دکمه‌ها، تکمیل فرم‌ها، جست‌وجوی محصولات و رزرو محل اقامت یا میز رستوران. Gemini پیش از شروع، برنامه اقدامات خود را به کاربر نشان می‌دهد و در مراحل حساس ممکن است از کاربر بخواهد مداخله کند یا انجام آن اقدام را تأیید کند.
Claude در کروم نیز می‌تواند صفحات را بخواند، با چند تب کار کند، میان وب‌سایت‌ها جابه‌جا شود، روی دکمه‌ها کلیک کند، متن وارد کند، فرم‌ها را پر کند و فایل بارگذاری کند.
Claude می‌تواند هم‌زمان با چند تب کار کند. کاربر این تب‌ها را در یک گروه جداگانه قرار می‌دهد و پس از آن دستیار می‌تواند همه صفحات موجود در آن گروه را ببیند و از اطلاعات آن‌ها استفاده کند. این افزونه از بارگذاری فایل و انجام وظایف زمان‌بندی‌شده نیز پشتیبانی می‌کند.
در سطح پایه، هر سه سرویس در یک مسیر حرکت می‌کنند: تحلیل هم‌زمان چند صفحه و انجام اقدامات مختلف در مرورگر از طرف کاربر. تفاوت اصلی بیشتر به نحوه سازمان‌دهی این قابلیت‌ها مربوط می‌شود. Gemini در خود کروم ادغام شده و حالت جداگانه Auto browse دارد، Claude از طریق یک افزونه کار می‌کند و ChatGPT سناریوها را میان Chat برای کار با زمینه صفحات و Work برای انجام اقدامات فعال در مرورگر تفکیک کرده است.
همچنین OpenAI عرضه جهانی GPT-6 را همراه با رابط کاربری جدید Intelligent UI آغاز کرده است. این مدل به‌جای استفاده از یک رابط متنی یکسان برای همه پرسش‌ها، می‌تواند تشخیص دهد که چه زمانی نمایش متن معمولی مناسب‌تر است و چه زمانی بهتر است از نمودار تعاملی، نقشه، فرم، ماشین‌حساب یا ابزار دیگری استفاده شود.