Agen pengkodean OpenAI kini dapat menyelesaikan 46 persen tugas penelitian yang membutuhkan waktu dua hingga empat jam bagi seseorang — tanpa campur tangan manusia sama sekali. Angka tersebut, naik dari 23 persen pada bulan Maret, berasal dari “Research acceleration: The jagged frontier,” laporan kedua perusahaan tentang bagaimana AI mentransformasi jalur penelitiannya, dan hal ini juga disertai dengan harga yang sama mengejutkannya: median peneliti OpenAI kini menghasilkan komputasi agen senilai sekitar $2.400 per hari dengan harga yang tercantum dalam daftar API.
Laporan tersebut, yang diterbitkan pada hari Rabu, adalah akuntansi publik paling rinci yang pernah diberikan oleh laboratorium AI tentang bagaimana kecerdasan mesin membentuk kembali pengembangan kecerdasan mesin – sebuah fenomena yang oleh para peneliti disebut sebagai perbaikan diri secara rekursif (RSI).
Angka: Agen Menjadi Lebih Cepat dan Otonom
Perolehan otonomi yang diperoleh sangatlah besar. Untuk tugas-tugas yang diperkirakan memerlukan dua hingga empat jam kerja manusia, keberhasilan tanpa intervensi meningkat dari 23 persen pada bulan Maret menjadi 46 persen saat ini. Untuk upaya yang lebih lama, yaitu empat hingga delapan jam, keberhasilan meningkat dari 13 persen menjadi 35 persen.
OpenAI menekankan sebuah peringatan penting: ketika agen menjadi lebih mampu, para peneliti mendelegasikan tugas-tugas yang lebih sulit dalam setiap rentang durasi, sehingga peningkatan tersebut mencerminkan peningkatan kemampuan yang sebenarnya dan perubahan pilihan manusia mengenai apa yang harus diserahkan.
Bagian Bergerigi: Kinerja Sangat Bervariasi berdasarkan Tugas
Judul laporan ini bukanlah suatu kebetulan. Agen unggul dalam beberapa pekerjaan penelitian dan sangat tersandung pada pekerjaan lainnya. Di seluruh kategori tugas yang diukur dari 1 Agustus hingga 18 Oktober 2026, perkiraan tingkat keberhasilan tertinggi untuk tugas Komunikasi (69 persen) dan Analisis (58 persen), namun turun menjadi 43 persen untuk tugas Membangun.
Pada tingkat tugas individu, penyebarannya bahkan lebih tajam. Agen yang unggul dalam pelatihan pemantauan menjalankan masalah (79 persen keberhasilan) dan menjawab pertanyaan teknis (72 persen), namun hanya berhasil 25 persen keberhasilan dalam menulis kode untuk inferensi dan melayani tumpukan, dan 29 persen dalam membangun evaluasi, pembelajaran penguatan, dan lingkungan agen.
OpenAI memperingatkan bahwa heterogenitas ini penting: selama kinerja model di seluruh tugas Penelitian dan Pengembangan AI tidak merata, kategori yang lemah dapat menjadi hambatan yang membatasi akselerasi secara keseluruhan. Liputan laporan pihak ketiga, termasuk The Next Web, justru menyoroti kesenjangan antara angka otonomi utama dan pekerjaan rekayasa perangkat lunak inti.
Apa Kata Peneliti: Tiga Bulan Bekerja dalam Satu
Laporan ini sangat bergantung pada survei terhadap staf OpenAI sendiri. Dalam survei terhadap 101 staf peneliti yang dilakukan pada akhir Agustus dan awal September, peneliti median mengatakan bahwa tim mereka akan memerlukan waktu sekitar tiga bulan untuk menyelesaikan pekerjaan yang setara dengan hasil bulan terakhir mereka jika mereka kehilangan akses ke agen pengkodean frontier dan hanya memiliki GitHub Copilot dan ChatGPT.
Survei terpisah pada akhir bulan Oktober memberikan perbandingan yang mencolok: 27 dari 28 responden mengatakan mereka berharap menjadi lebih produktif dengan model internal terbaru OpenAI dibandingkan dengan bantuan dari insinyur penelitian manusia yang sedang berkarir dan dipasangkan dengan model era 2024 seperti o1-preview. Pihak yang tidak setuju menolak kerangka biner – dan mengatakan mereka akan memilih GPT-6 Astra daripada opsi bantuan manusia.
Manusia Masih Memiliki Ide — Untuk Saat Ini
Meskipun otonomi telah diperoleh, analisis OpenAI terhadap penelitian terbarunya yang paling penting menemukan bahwa selera manusia masih mendorong terobosan. Untuk peluncuran GPT-6 Astra dan GPT-6.2 Astra, para peneliti pasca pelatihan dan pemantauan keselamatan mengatakan bahwa setiap ide utama yang mereka sebutkan berasal dari manusia, dan model membantu menerapkannya.
Namun batasannya mulai kabur di bagian tepinya. Untuk GPT-6.2 Astra, peneliti pra-pelatihan mendeskripsikan pengembangan ide melalui percakapan dengan Codex — salah satu peneliti memuji model yang mengidentifikasi wawasan penting saat mereka mengatasi masalah bersama-sama, dan peneliti lainnya mengatakan bahwa ide utama mereka baru mulai berfungsi dengan baik setelah Codex menyarankan perubahan.
Mengapa OpenAI Memublikasikan Ini
Perusahaan membingkai dorongan transparansi sebagai argumen kebijakan. OpenAI telah menyerukan agar laboratorium AI diwajibkan untuk melacak dan melaporkan secara publik indikator perbaikan diri secara rekursif, sehingga perdebatan tentang tata kelola bertumpu pada pengukuran, bukan spekulasi. Laporan tersebut secara eksplisit menyatakan bahwa publikasinya “tidak boleh dibaca sebagai niat untuk mencapai RSI sepenuhnya,” dan mencatat bahwa beberapa organisasi lain baru-baru ini berkontribusi pada norma pengukuran bersama untuk percepatan penelitian dan pengembangan AI.
Ini merupakan sikap penting bagi laboratorium yang kompetitif: mempublikasikan data produktivitas internal mengundang pengawasan dan peniruan. Namun OpenAI yakin bahwa norma-norma pelaporan di seluruh industri – serupa dengan kerangka pelaporan komputasi dan keselamatan – lebih berharga dibandingkan alternatif kerahasiaan, terutama ketika agen mulai berkontribusi pada sistem yang akan membangun penerus mereka.
Gambaran Yang Lebih Besar
Laporan ini muncul di tengah perdebatan sengit mengenai apakah AI telah mempercepat pengembangan AI dan apa dampaknya bagi keselamatan dan lapangan kerja. Data OpenAI menambah angka-angka sulit bagi kedua belah pihak: agen benar-benar menggantikan pekerjaan manusia yang substansial dengan tingkat keberhasilan yang berarti, namun tugas-tugas yang paling kreatif dan penting bagi infrastruktur masih tetap didominasi oleh manusia.
Dengan kata lain, garis batas yang bergerigi itu nyata – dan laboratorium-laboratorium yang berlomba di sepanjang garis tersebut kini mengukur posisinya sendiri di depan umum. Bagi para peneliti yang mengamati dari luar, angka yang paling penting mungkin bukan 46 persen, namun lintasannya: setiap metrik yang dilacak OpenAI meningkat sekitar dua kali lipat sejak bulan Maret.
Tetap Terdepan dalam AIIkuti perkembangan AI terkini dalam penelitian dan keamanan AI dengan AI Buzz Wire.
Baca berita AI selengkapnya →