סוכני הקידוד של OpenAI יכולים כעת להשלים 46 אחוז ממשימות המחקר שייקחו לאדם שעתיים עד ארבע שעות - ללא התערבות אנושית כלל. הנתון, עלייה מ-23% במרץ, מגיע מ"האצת מחקר: הגבול המשונן", הדו"ח השני של החברה על האופן שבו AI משנה את צינור המחקר שלה, והוא מגיע עם תג מחיר בולט לא פחות: חוקר ה-OpenAI החציוני עובר כעת חישוב סוכנים בשווי של 2,400 דולר ביום במחירי מחירון API.

הדו"ח, שפורסם ביום רביעי, הוא החשבון הציבורי המפורט ביותר שכל מעבדת בינה מלאכותית נתנה לגבי האופן שבו אינטליגנציה מכונות מעצבת מחדש את התפתחות אינטליגנציה של מכונות - התופעה שחוקרים מכנים שיפור עצמי רקורסיבי (RSI).

המספרים: הסוכנים נעשים מהירים יותר ואוטונומיים יותר

הרווחים הכותרתיים באוטונומיה הם משמעותיים. עבור משימות שהוערכו דורשות שעתיים עד ארבע שעות של עבודה אנושית, הצלחת אפס התערבות עלתה מ-23% במרץ ל-46% היום. עבור מאמצים ארוכים יותר של ארבע עד שמונה שעות, ההצלחה טיפסה מ-13% ל-35%.

OpenAI מדגישה אזהרה חשובה: ככל שהסוכנים הופכים ליכולים יותר, החוקרים מאצילים משימות קשות יותר בתוך כל דלי משך זמן, כך שהשיפור משקף הן רווחי יכולת אמיתיים והן בחירות אנושיות משתנות לגבי מה למסור.

החלק המשונן: ביצועים משתנים בפראות לפי משימה

כותרת הדו"ח אינה מקרית. סוכנים מצטיינים בעבודות מחקר מסוימות ומעדים קשות באחרים. על פני קטגוריות המשימות שנמדדו מ-1 באוגוסט עד 18 באוקטובר 2026, אחוזי ההצלחה המשוערים היו הגבוהים ביותר עבור משימות תקשורת (69 אחוז) ומשימות ניתוח (58 אחוז), אך ירדו ל-43 אחוז עבור משימות Build.

ברמת המשימה הפרטנית ההתפשטות חדה אף יותר. סוכנים הצליחו לנטר ריצות הכשרה לבעיות (79 אחוזי הצלחה) ולענות על שאלות טכניות (72 אחוז), אך הצליחו רק ב-25 אחוזי הצלחה בכתיבת קוד להסקת מסקנות והגשה, ו-29 אחוז בבניית הערכה, לימוד חיזוק וסביבות סוכנים.

OpenAI מזהיר שההטרוגניות הזו חשובה: כל עוד ביצועי המודל על פני משימות מו"פ של בינה מלאכותית אינם אחידים, הקטגוריות החלשות עלולות להפוך לצווארי בקבוק המכסים את ההאצה הכוללת. הסיקור של הצד השלישי של הדו"ח, כולל The Next Web, הדגיש בדיוק את הפער הזה בין מספרי האוטונומיה של הכותרות לבין עבודת הנדסת תוכנה הליבה.

מה אומרים החוקרים: שלושה חודשי עבודה באחד

הדו"ח נשען מאוד על סקרים של הצוות של OpenAI עצמו. בסקר של 101 צוותי מחקר שנערך בסוף אוגוסט ותחילת ספטמבר, החוקר החציוני אמר שהצוות שלהם יצטרכו כשלושה חודשים כדי להשלים עבודה השווה לחודש התפוקה האחרון שלהם אם הם יאבדו גישה לסוכני קידוד גבולות ויישארו עם GitHub Copilot ו-ChatGPT בלבד.

סקר נפרד בסוף אוקטובר הציג השוואה בולטת: 27 מתוך 28 נשאלים אמרו שהם מצפים להיות פרודוקטיביים יותר עם המודל הפנימי האחרון של OpenAI מאשר בעזרת מהנדס מחקר אנושי באמצע הקריירה יחד עם מודל של עידן 2024 כמו o1-preview. האחיזה הבודדת דחתה את המסגרת הבינארית - ואמרה שבכל מקרה יבחרו ב-GPT-6 Astra על פני האופציה בסיוע אדם.

בני אדם עדיין מחזיקים ברעיונות - לעת עתה

למרות הרווחים באוטונומיה, הניתוח של OpenAI של המחקר האחרון החשוב ביותר שלה מצא שהטעם האנושי עדיין מניע פריצות דרך. הן עבור מהדורות GPT-6 Astra והן עבור GPT-6.2 Astra, חוקרי פוסט-אימון וניטור בטיחות אמרו שכל רעיון מפתח שהם כינו בא מאנשים, עם מודלים שעוזרים ליישם אותם.

אבל הגבול מתחיל להיטשטש בקצוות. עבור GPT-6.2 Astra, חוקרי אימון מקדים תיארו פיתוח רעיונות בשיחה עם Codex - כאשר אחד מייחס את המודל לזיהוי תובנות מפתח בזמן שהם עבדו יחד על בעיה, ואחר אמר שהרעיון העיקרי שלהם התחיל לעבוד היטב רק לאחר ש-Codex הציע שינוי.

מדוע OpenAI מפרסמת את זה בכלל

החברה ממסגרת את דחיית השקיפות כטיעון מדיניות. OpenAI קראה למעבדות בינה מלאכותית להידרש לעקוב ולדווח בפומבי על אינדיקטורים של שיפור עצמי רקורסיבי, כך שוויוני ממשל נשענים על מדידות ולא על ספקולציות. הדו"ח מפורש כי פרסומו "לא צריך להיקרא ככוונה להמשיך ב-RSI מלא", ומציין שכמה ארגונים אחרים תרמו לאחרונה לנורמות מדידה משותפות להאצת מו"פ בינה מלאכותית.

זוהי עמדה בולטת עבור מעבדה תחרותית: פרסום נתוני פרודוקטיביות פנימיים מזמין גם בדיקה וגם חיקוי. אבל ההימור של OpenAI הוא שנורמות דיווח בתעשייה - דומות ברוחן למסגרות דיווח מחשוב ובטיחות - הן בעלות ערך רב יותר מחלופת הסודיות, במיוחד כאשר סוכנים מתחילים לתרום למערכות עצם שיבנו את יורשיהם.

התמונה הגדולה יותר

הדו"ח נוחת על רקע ויכוחים קדחתניים אם בינה מלאכותית כבר מאיץ את פיתוח בינה מלאכותית ומה זה אומר לבטיחות ולעבודה. הנתונים של OpenAI מוסיפים מספרים קשים לשני הצדדים: סוכנים מחליפים באמת עבודה אנושית משמעותית באחוזי הצלחה משמעותיים, אך עם זאת המשימות היצירתיות והקריטיות ביותר לתשתית נותרות בשליטה אנושית בעקשנות.

הגבול המשונן, במילים אחרות, הוא אמיתי - והמעבדות הדוהרות לאורכו מודדות כעת את מיקומן בפומבי. עבור חוקרים הצופים מבחוץ, המספר החשוב ביותר אולי אינו 46 אחוז, אלא המסלול: כל מסלולי OpenAI מדדים הוכפלו בערך מאז מרץ.

הישאר לפני AI

עקוב אחר ההתפתחויות האחרונות של AI במחקר ובטיחות בינה מלאכותית עם AI Buzz Wire.

קרא עוד חדשות AI →