Die Codierungsagenten von OpenAI können jetzt 46 Prozent der Forschungsaufgaben erledigen, für die eine Person zwei bis vier Stunden benötigen würde – ohne jegliches menschliches Eingreifen. Die von 23 Prozent im März gestiegene Zahl stammt aus „Research Acceleration: The Jagged Frontier“, dem zweiten Bericht des Unternehmens darüber, wie KI seine eigene Forschungspipeline transformiert, und ist mit einem ebenso auffälligen Preis verbunden: Der durchschnittliche OpenAI-Forscher verbraucht derzeit Agenten-Rechenleistung im Wert von rund 2.400 US-Dollar pro Tag zu API-Listenpreisen.
Der am Mittwoch veröffentlichte Bericht ist die detaillierteste öffentliche Darstellung, die jemals ein KI-Labor darüber vorgelegt hat, wie maschinelle Intelligenz die Entwicklung maschineller Intelligenz verändert – das Phänomen, das Forscher als rekursive Selbstverbesserung (RSI) bezeichnen.
Die Zahlen: Agenten werden schneller und autonomer
Die Gesamtautonomiegewinne sind erheblich. Bei Aufgaben, die schätzungsweise zwei bis vier Stunden menschliche Arbeit erfordern, stieg der Null-Eingriffs-Erfolg von 23 Prozent im März auf 46 Prozent heute. Bei längeren Bemühungen von vier bis acht Stunden stieg der Erfolg von 13 Prozent auf 35 Prozent.
OpenAI weist auf einen wichtigen Vorbehalt hin: Je leistungsfähiger die Agenten werden, desto schwierigere Aufgaben delegieren die Forscher innerhalb jedes Zeitraums, sodass die Verbesserung sowohl echte Leistungssteigerungen als auch veränderte menschliche Entscheidungen darüber widerspiegelt, was sie abgeben möchten.
Der gezackte Teil: Die Leistung variiert stark je nach Aufgabe
Der Titel des Berichts kommt nicht von ungefähr. Agenten sind bei manchen Recherchearbeiten hervorragend und geraten bei anderen ins Stolpern. In allen Aufgabenkategorien, die vom 1. August bis 18. Oktober 2026 gemessen wurden, waren die geschätzten Erfolgsraten bei Kommunikationsaufgaben (69 Prozent) und Analyseaufgaben (58 Prozent) am höchsten, sanken jedoch bei Build-Aufgaben auf 43 Prozent.
Auf der Ebene der einzelnen Aufgaben ist die Streuung sogar noch größer. Die Agenten meisterten die Überwachung von Schulungsläufen auf Probleme (79 Prozent Erfolg) und die Beantwortung technischer Fragen (72 Prozent), schafften jedoch nur 25 Prozent Erfolg beim Schreiben von Code für Inferenz und Bereitstellung von Stacks und 29 Prozent beim Aufbau von Evaluierung, Reinforcement-Learning und Agentenumgebungen.
OpenAI warnt davor, dass diese Heterogenität wichtig ist: Solange die Modellleistung bei KI-Forschungs- und Entwicklungsaufgaben ungleichmäßig ist, könnten die schwachen Kategorien zu Engpässen werden, die die Gesamtbeschleunigung bremsen. Die Berichterstattung Dritter über den Bericht, darunter The Next Web, verdeutlichte genau diese Lücke zwischen den wichtigsten Autonomiezahlen und der Kernarbeit im Software-Engineering.
Was Forscher sagen: Drei Monate Arbeit in einem
Der Bericht stützt sich stark auf Umfragen unter den eigenen Mitarbeitern von OpenAI. In einer Umfrage unter 101 Forschungsmitarbeitern, die Ende August und Anfang September durchgeführt wurde, sagte der Durchschnittsforscher, dass sein Team etwa drei Monate benötigen würde, um die Arbeit abzuschließen, die dem letzten Ausgabemonat entspricht, wenn sie den Zugriff auf Frontier-Coding-Agenten verlieren würden und nur noch GitHub Copilot und ChatGPT übrig blieben.
Eine separate Umfrage Ende Oktober ergab einen bemerkenswerten Vergleich: 27 von 28 Befragten gaben an, dass sie erwarteten, mit dem neuesten internen Modell von OpenAI produktiver zu sein als mit der Hilfe eines menschlichen Forschungsingenieurs in der Mitte seiner Karriere, gepaart mit einem Modell aus dem Jahr 2024 wie o1-preview. Der einzige Verweigerer lehnte den binären Rahmen ab – und sagte, er würde ohnehin GPT-6 Astra der menschengestützten Option vorziehen.
Menschen besitzen immer noch die Ideen – vorerst
Trotz der gewonnenen Autonomie ergab die Analyse der wichtigsten aktuellen Forschungsergebnisse von OpenAI, dass der menschliche Geschmack immer noch der Auslöser für Durchbrüche ist. Sowohl für die Veröffentlichungen GPT-6 Astra als auch GPT-6.2 Astra sagten Forscher nach dem Training und der Sicherheitsüberwachung, dass jede Schlüsselidee, die sie nannten, von Menschen stammte und dass Modelle dabei halfen, sie umzusetzen.
Doch an den Rändern beginnt die Grenze zu verschwimmen. Für GPT-6.2 Astra beschrieben Vorschulungsforscher die Entwicklung von Ideen im Gespräch mit Codex – wobei einer das Modell für die Identifizierung wichtiger Erkenntnisse bei der gemeinsamen Bearbeitung eines Problems lobte und ein anderer sagte, dass seine Hauptidee erst gut funktionierte, nachdem Codex eine Änderung vorgeschlagen hatte.
Warum OpenAI das überhaupt veröffentlicht
Das Unternehmen stellt den Transparenzvorstoß als politisches Argument dar. OpenAI hat gefordert, dass KI-Labore verpflichtet werden, Indikatoren für rekursive Selbstverbesserung zu verfolgen und öffentlich zu melden, damit Governance-Debatten auf Messungen und nicht auf Spekulationen beruhen. In dem Bericht heißt es ausdrücklich, dass seine Veröffentlichung „nicht als Absicht verstanden werden sollte, eine vollständige RSI anzustreben“, und stellt fest, dass mehrere andere Organisationen kürzlich zu gemeinsamen Messnormen für die Beschleunigung von KI-Forschung und -Entwicklung beigetragen haben.
Für ein Wettbewerbslabor ist dies eine bemerkenswerte Haltung: Die Veröffentlichung interner Produktivitätsdaten lädt sowohl zur Prüfung als auch zur Nachahmung ein. Aber OpenAI geht davon aus, dass branchenweite Berichtsnormen – die im Geiste den Rechen- und Sicherheitsberichtsrahmen ähneln – wertvoller sind als die Geheimhaltungsalternative, insbesondere da Agenten beginnen, zu genau den Systemen beizutragen, die ihre Nachfolger aufbauen werden.
Das größere Bild
Der Bericht landet inmitten einer hitzigen Debatte darüber, ob KI die KI-Entwicklung bereits beschleunigt und was das für Sicherheit und Arbeitsplätze bedeutet. Die Daten von OpenAI bringen für beide Seiten klare Zahlen: Agenten ersetzen tatsächlich umfangreiche menschliche Arbeit mit bedeutenden Erfolgsraten, doch die kreativsten und infrastrukturkritischsten Aufgaben bleiben hartnäckig von Menschen dominiert.
Mit anderen Worten, die gezackte Grenze ist real – und die daran entlangrasenden Labore messen jetzt öffentlich ihre eigene Position. Für Forscher, die von außen beobachten, ist die wichtigste Zahl vielleicht nicht 46 Prozent, aber die Entwicklung: Jede Metrik, die OpenAI verfolgt, hat sich seit März ungefähr verdoppelt.
Bleiben Sie der KI immer einen Schritt vorausVerfolgen Sie die neuesten KI-Entwicklungen in der KI-Forschung und -Sicherheit mit AI Buzz Wire.
Weitere KI-Neuigkeiten lesen →