OpenAI 公开用编码智能体加速研究的内部数据

OpenAI 于 9 月 6 日发布《Research acceleration: The view inside OpenAI》，用内部数据说明编码智能体如何改变前沿实验室的日常研究。公司称已达成去年秋天提出的目标：到 2026 年 9 月拥有「自动化研究实习生」——能在人类指导下完成明确研究任务、相当于熟练研究员数天工作量的系统；同时表示正向 2028 年 3 月的「自动化 AI 研究员」推进。

用量变化最为直观。年初按智能体用量排名的中位数研究员还只是轻度使用；到 8 月中旬，中位数研究员已将智能体融入日常，按 API 价格计日均推理超过 600 美元，研究组织第 90 百分位用户日均 token 消耗超过 7000 美元。以标准 8 小时工作日计，8 月中旬研究组织整体已使用相当于每 1 个人类工日对应 3.1 个智能体工日的算力；6 月之前，智能体总运行时长仍低于人类劳动总量。

任务结构也在变。按 Epoch AI 的 AI 研发生命周期分类，2026 年 1 月至 8 月各类研究活动上的智能体 token 都在增加：基础设施与研究代码仍是主力，技术协助与运行监控显著上升，高层规划仍只占很小比例。内部技术支持频道的求助帖同步下降，有的团队甚至取消了排障答疑时段。成功率在多个难度档位上整体上升，但复杂任务仍需大量人工介入——过去半年里，超过一半成功的 4–8 小时任务至少经历过一次人工干预。

文章强调：人仍设定研究方向、判断该追哪些想法、决定是否扩训、暂停或部署；自动化研究有助于对齐与防御，但不等于应追求快速递归自我改进（RSI）。Hugging Face 事件后，OpenAI 曾暂停拟部署模型的 RL 训练并加固环境；Astra 被评估可能达关键网络安全能力后又加了更严限制。作者呼吁实验室公开追踪 RSI 进度，也承认测量仍初步、整体研究节奏未必跟得上这些局部指标。

阅读完整文章：https://openai.com/index/research-acceleration-view-inside-openai