ओपनएआई के कोडिंग एजेंट अब 46 प्रतिशत अनुसंधान कार्यों को पूरा कर सकते हैं जिनमें एक व्यक्ति को दो से चार घंटे लगेंगे - बिना किसी मानवीय हस्तक्षेप के। यह आंकड़ा, मार्च में 23 प्रतिशत से बढ़कर, "रिसर्च एक्सेलेरेशन: द जैग्ड फ्रंटियर" से आया है, जो कंपनी की दूसरी रिपोर्ट है कि एआई अपनी खुद की रिसर्च पाइपलाइन को कैसे बदल रहा है, और यह एक समान रूप से हड़ताली मूल्य टैग के साथ आता है: औसत ओपनएआई शोधकर्ता अब एपीआई सूची की कीमतों पर लगभग $2,400 प्रति दिन एजेंट गणना के माध्यम से चलता है।
बुधवार को प्रकाशित रिपोर्ट, किसी भी एआई लैब द्वारा दी गई सबसे विस्तृत सार्वजनिक लेखा-जोखा है कि कैसे मशीन इंटेलिजेंस मशीन इंटेलिजेंस विकास को नया आकार दे रही है - इस घटना को शोधकर्ता पुनरावर्ती आत्म-सुधार (आरएसआई) कहते हैं।
संख्याएँ: एजेंट तेज़ और अधिक स्वायत्त होते जा रहे हैं
हेडलाइन स्वायत्तता लाभ पर्याप्त हैं। जिन कार्यों में दो से चार घंटे के मानव कार्य की आवश्यकता होती है, उनमें शून्य-हस्तक्षेप की सफलता मार्च में 23 प्रतिशत से बढ़कर आज 46 प्रतिशत हो गई है। चार से आठ घंटे के लंबे प्रयासों से सफलता 13 प्रतिशत से बढ़कर 35 प्रतिशत हो गई।
ओपनएआई एक महत्वपूर्ण चेतावनी पर जोर देता है: जैसे-जैसे एजेंट अधिक सक्षम हो जाते हैं, शोधकर्ता प्रत्येक अवधि के भीतर कठिन कार्य सौंपते हैं, इसलिए सुधार वास्तविक क्षमता लाभ और क्या सौंपना है इसके बारे में मानवीय विकल्पों में बदलाव दोनों को दर्शाता है।
दांतेदार भाग: कार्य के अनुसार प्रदर्शन में बेतहाशा भिन्नता होती है
रिपोर्ट का शीर्षक कोई दुर्घटना नहीं है। एजेंट कुछ शोध कार्यों में उत्कृष्टता प्राप्त करते हैं और दूसरों पर बुरी तरह असफल हो जाते हैं। 1 अगस्त से 18 अक्टूबर, 2026 तक मापी गई कार्य श्रेणियों में, अनुमानित सफलता दर संचार कार्यों (69 प्रतिशत) और कार्यों का विश्लेषण (58 प्रतिशत) के लिए सबसे अधिक थी, लेकिन निर्माण कार्यों के लिए गिरकर 43 प्रतिशत हो गई।
व्यक्तिगत कार्य स्तर पर प्रसार और भी अधिक तीव्र है। एजेंटों ने मुद्दों के लिए निगरानी प्रशिक्षण रन (79 प्रतिशत सफलता) और तकनीकी सवालों के जवाब (72 प्रतिशत) में महारत हासिल की, लेकिन अनुमान के लिए कोड लिखने और स्टैक परोसने में केवल 25 प्रतिशत सफलता हासिल की, और मूल्यांकन, सुदृढीकरण-सीखने और एजेंट वातावरण के निर्माण में 29 प्रतिशत सफलता हासिल की।
ओपनएआई ने चेतावनी दी है कि यह विविधता मायने रखती है: जब तक एआई आरएंडडी कार्यों में मॉडल का प्रदर्शन असमान है, कमजोर श्रेणियां बाधाएं बन सकती हैं जो समग्र त्वरण को सीमित कर सकती हैं। द नेक्स्ट वेब सहित रिपोर्ट के तीसरे पक्ष के कवरेज ने हेडलाइन स्वायत्तता संख्या और मुख्य सॉफ्टवेयर इंजीनियरिंग कार्य के बीच इस अंतर को उजागर किया।
शोधकर्ता क्या कहते हैं: एक साथ तीन महीने का काम
यह रिपोर्ट OpenAI के अपने कर्मचारियों के सर्वेक्षणों पर बहुत अधिक निर्भर करती है। अगस्त के अंत और सितंबर की शुरुआत में किए गए 101 अनुसंधान कर्मचारियों के एक सर्वेक्षण में, मध्य शोधकर्ता ने कहा कि उनकी टीम को अपने आउटपुट के आखिरी महीने के बराबर काम पूरा करने के लिए लगभग तीन महीने की आवश्यकता होगी यदि वे फ्रंटियर कोडिंग एजेंटों तक पहुंच खो देते हैं और केवल GitHub Copilot और ChatGPT के साथ रह जाते हैं।
अक्टूबर के अंत में एक अलग सर्वेक्षण में एक आश्चर्यजनक तुलना प्रस्तुत की गई: 28 में से 27 उत्तरदाताओं ने कहा कि उन्हें ओ1-पूर्वावलोकन जैसे 2024-युग मॉडल के साथ जोड़े गए मध्य-कैरियर मानव अनुसंधान इंजीनियर की मदद की तुलना में ओपनएआई के नवीनतम आंतरिक मॉडल के साथ अधिक उत्पादक होने की उम्मीद है। अकेले होल्डआउट ने बाइनरी फ़्रेमिंग को अस्वीकार कर दिया - और कहा कि वे वैसे भी मानव-सहायता वाले विकल्प के बजाय GPT-6 एस्ट्रा को चुनेंगे।
मनुष्य के पास अभी भी विचार हैं - अभी के लिए
स्वायत्तता हासिल होने के बावजूद, OpenAI के अपने सबसे महत्वपूर्ण हालिया शोध के विश्लेषण में पाया गया कि मानव स्वाद अभी भी सफलताओं को प्रेरित करता है। जीपीटी-6 एस्ट्रा और जीपीटी-6.2 एस्ट्रा रिलीज दोनों के लिए, प्रशिक्षण के बाद और सुरक्षा निगरानी शोधकर्ताओं ने कहा कि उनके द्वारा नामित प्रत्येक महत्वपूर्ण विचार लोगों से आया था, मॉडल उन्हें लागू करने में मदद कर रहे थे।
लेकिन सीमा किनारों पर धुंधली होने लगी है। जीपीटी-6.2 एस्ट्रा के लिए, प्रीट्रेनिंग शोधकर्ताओं ने कोडेक्स के साथ बातचीत में विचारों को विकसित करने का वर्णन किया - एक ने प्रमुख अंतर्दृष्टि की पहचान करने के लिए मॉडल को श्रेय दिया क्योंकि उन्होंने एक समस्या के माध्यम से एक साथ काम किया था, और दूसरे ने कहा कि कोडेक्स द्वारा बदलाव का सुझाव देने के बाद ही उनका मुख्य विचार अच्छी तरह से काम करना शुरू कर दिया था।
OpenAI इसे आख़िर क्यों प्रकाशित कर रहा है
कंपनी पारदर्शिता को एक नीतिगत तर्क के रूप में प्रस्तुत करती है। ओपनएआई ने एआई प्रयोगशालाओं को पुनरावर्ती आत्म-सुधार के संकेतकों को ट्रैक करने और सार्वजनिक रूप से रिपोर्ट करने के लिए कहा है, ताकि शासन की बहस अटकलों के बजाय माप पर टिकी रहे। रिपोर्ट स्पष्ट है कि इसके प्रकाशन को "पूर्ण आरएसआई को आगे बढ़ाने के इरादे के रूप में नहीं पढ़ा जाना चाहिए," और नोट किया गया है कि कई अन्य संगठनों ने हाल ही में एआई आर एंड डी त्वरण के लिए साझा माप मानदंडों में योगदान दिया है।
प्रतिस्पर्धी प्रयोगशाला के लिए यह एक उल्लेखनीय रुख है: आंतरिक उत्पादकता डेटा प्रकाशित करना जांच और नकल दोनों को आमंत्रित करता है। लेकिन ओपनएआई की शर्त यह है कि उद्योग-व्यापी रिपोर्टिंग मानदंड - गणना और सुरक्षा रिपोर्टिंग ढांचे की भावना के समान - गोपनीयता विकल्प की तुलना में अधिक मूल्यवान हैं, खासकर जब एजेंट उन्हीं प्रणालियों में योगदान देना शुरू करते हैं जो उनके उत्तराधिकारियों का निर्माण करेंगे।
बड़ी तस्वीर
यह रिपोर्ट इस बहस के बीच आई है कि क्या एआई पहले से ही एआई विकास को गति दे रहा है और सुरक्षा और नौकरियों के लिए इसका क्या मतलब है। ओपनएआई का डेटा दोनों पक्षों में कठिन संख्याएं जोड़ता है: एजेंट वास्तव में सार्थक सफलता दर पर पर्याप्त मानव कार्य का विकल्प चुनते हैं, फिर भी सबसे रचनात्मक और बुनियादी ढांचे-महत्वपूर्ण कार्य हठपूर्वक मानव-प्रधान बने रहते हैं।
दूसरे शब्दों में, टेढ़ी-मेढ़ी सीमा वास्तविक है - और इसके साथ दौड़ने वाली प्रयोगशालाएँ अब सार्वजनिक रूप से अपनी स्थिति माप रही हैं। बाहर से देखने वाले शोधकर्ताओं के लिए, सबसे महत्वपूर्ण संख्या 46 प्रतिशत नहीं हो सकती है, लेकिन प्रक्षेपवक्र: मार्च के बाद से प्रत्येक मीट्रिक ओपनएआई ट्रैक लगभग दोगुना हो गया है।
एआई से आगे रहें एआई बज़ वायर के साथ एआई अनुसंधान और सुरक्षा में नवीनतम एआई विकास का पालन करें। अधिक AI समाचार पढ़ें →