OpenAI در 6 سپتامبر 2026 گفت که به هدفی که پاییز گذشته اعلام کرده بود رسیده است: ایجاد یک "کارآموز تحقیقاتی خودکار" تا سپتامبر سال جاری. در یک پست وبلاگ جدید با عنوان «شتاب تحقیق: نمای داخل OpenAI»، این شرکت همچنین برای اولین بار فاش کرد که عوامل هوش مصنوعی تا چه حد در سازمان تحقیقاتی خود بافته شده اند - تا اواسط ماه اوت، این سازمان از 3.1 روز کاری عامل برای هر روز کاری انسان استفاده می کرد.

این نقطه عطف که برای اولین بار توسط Engadget و Unite.AI گزارش شد، واضح‌ترین تصویر کمی است که نشان می‌دهد OpenAI هنگام صحبت از هوش مصنوعی در تحقیقات هوش مصنوعی به چه معناست. برای خوانندگانی که داستان گسترده‌تر را دنبال می‌کنند، این با ادامه [پوشش تحقیقاتی هوش مصنوعی] (https://aibuzzwire.news) در مورد نحوه بازسازی ساختار آزمایشگاه‌های مرزی پیرامون عوامل مطابقت دارد.

«کارآموز پژوهشی خودکار» در واقع به چه معناست

پست وبلاگ دقیقاً هدف را تعریف می کند: سیستمی که می تواند وظایف تحقیقاتی کاملاً تعریف شده را تحت هدایت انسان انجام دهد، از جمله کارهایی که تکمیل آنها برای یک محقق ماهر چند روز طول می کشد. با توجه به اندازه گیری های خود OpenAI، این نوار در حال حاضر برآورده شده است، تقریباً بر اساس برنامه زمانی که شرکت هنگام اعلام هدف در پاییز گذشته تعیین کرده بود.

هدف بعدی به طور قابل توجهی جاه طلبانه تر است. OpenAI می گوید تا مارس 2028 به سمت یک محقق هوش مصنوعی خودکار "پیشرفت قوی" می کند - سیستمی که تحت نظارت انسان کار می کند تا یادگیری عمیق و تحقیقات همسویی را به پیش ببرد و خود بهبودی مکرر را امکان پذیر کند. این شرکت مراقب است که توجه داشته باشد که انسان ها هنوز اولویت های تحقیقاتی را تعیین می کنند، قضاوت می کنند که کدام ایده ها و نتایج ارزش دنبال کردن را دارند و تصمیم می گیرند که آیا هر سیستمی را مقیاس بندی کنند، متوقف کنند یا به کار گیرند.

اعداد پشت ادعا

بارزترین ارقام در این پست توضیح می‌دهند که چگونه کار روزانه محققان OpenAI در طول سال 2026 تغییر کرده است:

  • 3.1 روز کاری نماینده در هر روز کاری انسان. قبل از ژوئن 2026، کل زمان اجرای کارگزار در سراسر سازمان تحقیقاتی هنوز کمتر از کل نیروی انسانی بود. تا اواسط آگوست، ماموران بیش از سه برابر تلاش انسان‌هایی که آنها را هدایت می‌کردند، در مقایسه با یک روز استاندارد هشت ساعته، مشارکت داشتند.
  • بیش از 600 دلار در روز برای محقق میانه. در آغاز سال، محقق میانه رتبه بندی شده بر اساس استفاده از عامل فقط با عوامل کدگذاری آزمایش می کرد. در اواسط آگوست، محقق متوسط ​​روزانه نمایندگان را اداره می کرد و بیش از 600 دلار در روز استنتاج با قیمت های API مصرف می کرد.
  • بیش از 7000 دلار در روز در صدک 90. سنگین ترین کاربران در سازمان تحقیقاتی اکنون بیش از 7000 دلار توکن در روز می سوزانند و گردش های کاری بسیار همزمان را با چهار یا چند عامل به طور همزمان اجرا می کنند.
  • ثبت حجم آزمایش. تعداد آزمایش ها به ازای هر آزمایشگر فعال در آگوست 2026 به بالاترین حد خود رسید، از زمانی که ردیابی در ژانویه 2025 آغاز شد.

OpenAI جهش بهره وری را در درجه اول به پذیرش Codex، عامل برنامه نویسی آن نسبت می دهد، در حالی که اذعان دارد که محاسبات موجود نیز از سال 2025 به طور قابل توجهی رشد کرده است – بنابراین دستاوردها ترکیبی از عوامل بیشتر، عوامل بهتر و سخت افزار بیشتر برای اجرای آنهاست.

آنچه که نمایندگان در واقع انجام می دهند

برای طبقه بندی فعالیت عامل، OpenAI از یک طبقه بندی تحقیقاتی-کار منتشر شده توسط Epoch AI، با الهام از سیستم طبقه بندی شغلی O*NET استفاده کرد. این تحقیق و توسعه هوش مصنوعی را به شش مرحله تقسیم می کند: تصمیم گیری، طراحی، ساخت، اجرا، تجزیه و تحلیل و ارتباط.

هر شش دسته فعالیت عامل بین ژانویه و آگوست 2026 افزایش یافته است. در ژانویه، استفاده غالب پژوهش و کد زیرساخت بود. این دسته با رشد قابل توجهی در کمک های فنی و نظارت بر اجرای آزمایش ها همچنان در حال گسترش است. در مقابل، برنامه‌ریزی سطح بالا، بخش کوچکی از توکن‌های خروجی عامل باقی می‌ماند - تصمیمات استراتژیک هنوز با انسان‌ها همراه است.

به طور حکایتی، این پست گزارش می دهد، محققان OpenAI دریافته اند که عوامل برنامه نویسی در عیب یابی زیرساخت های تحقیقاتی داخلی عالی هستند و تیم های متعددی که قبلاً ساعات اداری را برای مسائل زیرساخت برگزار می کردند، دیگر نیازی به این کار ندارند.

چرا نقطه عطف فراتر از OpenAI مهم است

این اطلاعیه در لحظه ای حساس منتشر می شود. قانون‌گذاران، محققان ایمنی و رقبا همگی به دنبال شواهدی هستند که نشان دهد سیستم‌های هوش مصنوعی می‌توانند به طور معناداری به تحقیقات هوش مصنوعی سرعت بخشند - مکانیزمی که به احتمال زیاد جدول‌های زمانی را به سمت سیستم‌های توانمندتر فشرده می‌کند. دانشمند ارشد خود OpenAI در همان روز مقاله ای همراه را منتشر کرد و هشدار داد که هیچ آزمایشگاهی هنوز هم ترازی را به خوبی حل نکرده است تا مقیاس بندی را با سرعت کامل حفظ کند، که در کنار اعداد بهره وری است.

پیامدهای اقتصادی نیز به همان اندازه قابل توجه است. اگر یک سازمان تحقیقاتی روزانه هزاران دلار برای هر محقق در استنباط مصرف کند - و آن را به عنوان یک معامله تلقی کند - این نشان می دهد که هزینه های هوش مصنوعی سازمانی به کجا می رود. روزهای کاری نماینده در حال تبدیل شدن به یک ورودی قابل خرید است، مانند خود محاسبه.

بدبینان به این نکته اشاره خواهند کرد که OpenAI تکالیف خود را درجه بندی کرده است: استاندارد "کارآموز پژوهشی خودکار" به صورت داخلی تعریف و اندازه گیری می شود، و نسبت 3.1:1 هم عوامل راه اندازی شده مستقیم و هم عوامل فرعی پایین دست را در نظر می گیرد. ارقام این شرکت همچنین کار کدگذاری، نظارت و تجزیه و تحلیل با سطوح دشواری بسیار متفاوت را ترکیب می کند.

با این حال، جهت روشن است. هشت ماه پیش، زمان کارگزار در یکی از بهترین آزمایشگاه‌های هوش مصنوعی دنیا با زمان انسانی تاخیر داشت. امروز سه به یک از آن بیشتر است - و رهبری آزمایشگاه در حال حاضر در حال تعیین نقطه عطف بعدی، محقق خودکار هوش مصنوعی تا مارس 2028، به عنوان یک موضوع "چه موقع" است، نه "اگر".

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →