ओपनएआयचे कोडिंग एजंट आता 46 टक्के संशोधन कार्ये पूर्ण करू शकतात ज्यात व्यक्तीला दोन ते चार तास लागतील - कोणत्याही मानवी हस्तक्षेपाशिवाय. मार्चमधील 23 टक्क्यांवरून हा आकडा "संशोधन प्रवेग: द जॅग्ड फ्रंटियर" या कंपनीच्या दुसऱ्या अहवालातून आला आहे, जो AI स्वतःच्या संशोधन पाइपलाइनमध्ये कसा बदल करत आहे आणि तो तितक्याच उल्लेखनीय किंमतीसह आला आहे: मध्यम OpenAI संशोधक आता API सूचीच्या किंमतींवर एजंटची गणना करण्यासाठी अंदाजे $2,400 खर्च करतो.

बुधवारी प्रकाशित झालेला हा अहवाल, कोणत्याही AI लॅबने मशीन इंटेलिजेंस मशीनच्या बुद्धिमत्तेच्या विकासाचा आकार कसा बदलत आहे याविषयी दिलेला सर्वात तपशीलवार सार्वजनिक लेखा आहे - या घटनेला संशोधक रिकर्सिव्ह सेल्फ-इम्प्रूव्हमेंट (RSI) म्हणतात.

संख्या: एजंट अधिक जलद आणि अधिक स्वायत्त होत आहेत

हेडलाइन स्वायत्तता नफा लक्षणीय आहेत. दोन ते चार तास मानवी परिश्रमाची आवश्यकता असलेल्या कार्यांसाठी, शून्य-हस्तक्षेप यश मार्चमधील 23 टक्क्यांवरून आज 46 टक्क्यांपर्यंत वाढले आहे. चार ते आठ तासांच्या प्रदीर्घ प्रयत्नांसाठी यश 13 टक्क्यांवरून 35 टक्क्यांवर पोहोचले.

OpenAI एका महत्त्वाच्या चेतावणीवर जोर देते: एजंट अधिक सक्षम झाल्यामुळे, संशोधक प्रत्येक कालावधीच्या बकेटमध्ये कठीण कार्ये सोपवतात, त्यामुळे सुधारणा वास्तविक क्षमता वाढ आणि काय सोपवायचे याबद्दल मानवी निवडी बदलणे या दोन्ही गोष्टी प्रतिबिंबित करते.

द जॅग्ड पार्ट: कार्यप्रदर्शन हे कामानुसार बदलते

अहवालाचे शीर्षक अपघाती नाही. एजंट काही संशोधन कार्यात उत्कृष्ट कामगिरी करतात आणि इतरांवर वाईटरित्या अडखळतात. 1 ऑगस्ट ते 18 ऑक्टोबर 2026 पर्यंत मोजलेल्या कार्य श्रेणींमध्ये, कम्युनिकेट टास्क (69 टक्के) आणि विश्लेषण टास्क (58 टक्के) साठी अंदाजे यश दर सर्वाधिक होते, परंतु बिल्ड टास्कसाठी 43 टक्क्यांवर घसरले.

वैयक्तिक कार्य स्तरावर प्रसार आणखी तीक्ष्ण आहे. एजंट्सचे देखरेख प्रशिक्षण समस्यांसाठी चालते (79 टक्के यश) आणि तांत्रिक प्रश्नांची उत्तरे (72 टक्के), परंतु अनुमान आणि सर्व्हिंग स्टॅकसाठी कोड लिहिण्यात केवळ 25 टक्के आणि इमारत मूल्यांकन, मजबुतीकरण-शिक्षण आणि एजंट वातावरणात 29 टक्के यश मिळवले.

OpenAI चेतावणी देते की ही विषमता महत्त्वाची आहे: जोपर्यंत AI R&D टास्कमध्ये मॉडेलची कामगिरी असमान आहे, कमकुवत श्रेणी एकंदर प्रवेग कमी करणाऱ्या अडथळे बनू शकतात. अहवालाच्या तृतीय-पक्ष कव्हरेजने, द नेक्स्ट वेबसह, हेडलाइन स्वायत्तता क्रमांक आणि मुख्य सॉफ्टवेअर अभियांत्रिकी कार्य यांच्यातील अंतर तंतोतंत हायलाइट केले.

संशोधक काय म्हणतात: एकामध्ये तीन महिने काम

ओपनएआयच्या स्वतःच्या कर्मचाऱ्यांच्या सर्वेक्षणांवर हा अहवाल मोठ्या प्रमाणावर अवलंबून आहे. ऑगस्टच्या उत्तरार्धात आणि सप्टेंबरच्या सुरुवातीस केलेल्या 101 संशोधन कर्मचाऱ्यांच्या सर्वेक्षणात, मध्यवर्ती संशोधकाने सांगितले की त्यांच्या कार्यसंघाला त्यांच्या शेवटच्या महिन्याच्या आउटपुटच्या बरोबरीचे काम पूर्ण करण्यासाठी सुमारे तीन महिने लागतील जर त्यांनी फ्रंटियर कोडिंग एजंट्समध्ये प्रवेश गमावला आणि त्यांच्याकडे फक्त GitHub Copilot आणि ChatGPT शिल्लक राहिले.

उशीरा-ऑक्टोबरच्या एका वेगळ्या सर्वेक्षणाने एक धक्कादायक तुलना केली: 28 पैकी 27 प्रतिसादकर्त्यांनी सांगितले की त्यांना ओ1-पूर्वावलोकन सारख्या 2024-युग मॉडेलसह जोडलेल्या मध्य-करिअर मानवी संशोधन अभियंत्याच्या मदतीने OpenAI च्या नवीनतम अंतर्गत मॉडेलसह अधिक उत्पादक होण्याची अपेक्षा आहे. एकाकी होल्डआउटने बायनरी फ्रेमिंग नाकारले - आणि तरीही ते मानवी-सहाय्य पर्यायावर GPT-6 Astra निवडतील असे सांगितले.

लोक अजूनही कल्पनांचे मालक आहेत — सध्यासाठी

स्वायत्तता मिळवूनही, ओपनएआयच्या सर्वात महत्त्वाच्या अलीकडील संशोधनाच्या विश्लेषणात असे आढळून आले की मानवी चव अजूनही यश मिळवते. GPT-6 Astra आणि GPT-6.2 Astra या दोन्ही रिलीझसाठी, पोस्टट्रेनिंग आणि सेफ्टी मॉनिटरिंग संशोधकांनी सांगितले की, त्यांनी नाव दिलेली प्रत्येक महत्त्वाची कल्पना लोकांकडून आली आहे, मॉडेल्स त्यांना लागू करण्यात मदत करतात.

पण काठावरची सीमा धुसर होऊ लागली आहे. GPT-6.2 Astra साठी, पूर्वप्रशिक्षित संशोधकांनी Codex सह संभाषणात विकसनशील कल्पनांचे वर्णन केले - एकाने मॉडेलला मुख्य अंतर्दृष्टी ओळखण्याचे श्रेय दिले कारण त्यांनी एका समस्येवर एकत्रितपणे काम केले आणि दुसरे म्हणते की त्यांची मुख्य कल्पना कोडेक्सने बदल सुचविल्यानंतरच चांगले कार्य करू लागली.

ओपनएआय हे का प्रकाशित करत आहे

कंपनी पॉलिसी युक्तिवाद म्हणून पारदर्शकता पुश तयार करते. ओपनएआयने AI प्रयोगशाळांना आवश्यक स्व-सुधारणेच्या सूचकांचा मागोवा घेणे आणि सार्वजनिकरित्या अहवाल देणे आवश्यक आहे, जेणेकरून प्रशासन वादविवाद अनुमानांऐवजी मोजमापांवर अवलंबून असेल. अहवाल स्पष्ट आहे की त्याचे प्रकाशन "संपूर्ण आरएसआयचा पाठपुरावा करण्याचा हेतू म्हणून वाचले जाऊ नये," आणि लक्षात ठेवा की इतर अनेक संस्थांनी अलीकडे AI R&D प्रवेगासाठी सामायिक मापन मानदंडांमध्ये योगदान दिले आहे.

स्पर्धात्मक प्रयोगशाळेसाठी ही एक उल्लेखनीय भूमिका आहे: अंतर्गत उत्पादकता डेटा प्रकाशित करणे छाननी आणि अनुकरण दोन्हींना आमंत्रित करते. परंतु OpenAI ची पैज अशी आहे की उद्योग-व्यापी रिपोर्टिंग मानदंड — गणन आणि सुरक्षा अहवाल फ्रेमवर्कच्या आत्म्याप्रमाणे — गुप्ततेच्या पर्यायापेक्षा अधिक मौल्यवान आहेत, विशेषत: एजंट त्यांच्या उत्तराधिकारी तयार करणाऱ्या सिस्टममध्ये योगदान देऊ लागतात.

मोठे चित्र

एआय आधीच AI विकासाला गती देत आहे आणि सुरक्षितता आणि नोकऱ्यांसाठी याचा अर्थ काय याविषयी तापलेल्या वादविवादात हा अहवाल आला आहे. OpenAI चा डेटा दोन्ही बाजूंना कठोर संख्या जोडतो: एजंट अर्थपूर्ण यश दराने भरीव मानवी कार्यासाठी खऱ्या अर्थाने पर्याय करतात, तरीही सर्वात सर्जनशील आणि पायाभूत सुविधा-गंभीर कार्ये जिद्दीने मानवी वर्चस्वात राहतात.

दातेरी सीमा, दुसऱ्या शब्दात, वास्तविक आहे — आणि त्याच्या बाजूने धावणाऱ्या प्रयोगशाळा आता सार्वजनिक ठिकाणी त्यांची स्वतःची स्थिती मोजत आहेत. बाहेरून पाहणाऱ्या संशोधकांसाठी, सर्वात महत्त्वाची संख्या 46 टक्के असू शकत नाही, परंतु मार्ग: प्रत्येक मेट्रिक ओपनएआय ट्रॅक मार्चपासून अंदाजे दुप्पट झाला आहे.

एआयच्या पुढे राहा AI Buzz Wire सह AI संशोधन आणि सुरक्षिततेमधील नवीनतम AI घडामोडींचे अनुसरण करा. अधिक AI बातम्या वाचा →