Ejen pengekodan OpenAI kini boleh menyelesaikan 46 peratus tugas penyelidikan yang akan mengambil masa dua hingga empat jam seseorang — tanpa campur tangan manusia sama sekali. Angka itu, meningkat daripada 23 peratus pada bulan Mac, datang daripada "Pecutan penyelidikan: Sempadan bergerigi," laporan kedua syarikat tentang bagaimana AI mengubah saluran penyelidikannya sendiri, dan ia tiba dengan tanda harga yang sama menariknya: median penyelidik OpenAI kini menjalankan kira-kira $2,400 sehari pengiraan ejen pada harga senarai API.

Laporan itu, yang diterbitkan pada hari Rabu, adalah perakaunan awam paling terperinci yang mana-mana makmal AI telah memberikan tentang bagaimana kecerdasan mesin membentuk semula pembangunan kecerdasan mesin - fenomena penyelidik memanggil pembaikan diri rekursif (RSI).

Nombor: Ejen Semakin Pantas dan Lebih Berautonomi

Keuntungan autonomi tajuk adalah besar. Untuk tugas yang dianggarkan memerlukan dua hingga empat jam kerja manusia, kejayaan campur tangan sifar meningkat daripada 23 peratus pada Mac kepada 46 peratus hari ini. Untuk usaha lebih lama empat hingga lapan jam, kejayaan meningkat daripada 13 peratus kepada 35 peratus.

OpenAI menekankan kaveat penting: apabila ejen menjadi lebih berkebolehan, penyelidik mengagihkan tugas yang lebih sukar dalam setiap baldi tempoh, jadi penambahbaikan mencerminkan kedua-dua keuntungan keupayaan tulen dan mengubah pilihan manusia tentang perkara yang perlu diserahkan.

Bahagian Bergerigi: Prestasi Sangat Berbeza mengikut Tugasan

Tajuk laporan itu bukan kebetulan. Ejen cemerlang dalam beberapa kerja penyelidikan dan tersandung teruk pada yang lain. Merentasi kategori tugasan yang diukur dari 1 Ogos hingga 18 Oktober 2026, anggaran kadar kejayaan adalah tertinggi untuk tugasan Berkomunikasi (69 peratus) dan Tugasan Analisis (58 peratus), tetapi turun kepada 43 peratus untuk tugasan Bina.

Pada peringkat tugas individu, penyebaran lebih tajam. Latihan pemantauan ejen dijalankan untuk isu (79 peratus kejayaan) dan menjawab soalan teknikal (72 peratus), tetapi berjaya hanya 25 peratus kejayaan dalam menulis kod untuk inferens dan timbunan sajian, dan 29 peratus dalam penilaian bangunan, pembelajaran pengukuhan dan persekitaran ejen.

OpenAI memberi amaran bahawa kepelbagaian ini penting: selagi prestasi model merentas tugas R&D AI tidak sekata, kategori yang lemah boleh menjadi halangan yang menghadkan pecutan keseluruhan. Liputan pihak ketiga bagi laporan itu, termasuk The Next Web, menyerlahkan dengan tepat jurang ini antara nombor autonomi tajuk dan kerja kejuruteraan perisian teras.

Apa Kata Penyelidik: Tiga Bulan Bekerja dalam Satu

Laporan itu banyak bersandar pada tinjauan kakitangan OpenAI sendiri. Dalam tinjauan ke atas 101 kakitangan penyelidik yang dijalankan pada akhir Ogos dan awal September, penyelidik median berkata pasukan mereka memerlukan kira-kira tiga bulan untuk menyiapkan kerja yang sama dengan bulan terakhir keluaran mereka jika mereka kehilangan akses kepada ejen pengekodan sempadan dan hanya mempunyai GitHub Copilot dan ChatGPT.

Tinjauan berasingan lewat Oktober menunjukkan perbandingan yang menarik: 27 daripada 28 responden berkata mereka menjangkakan untuk menjadi lebih produktif dengan model dalaman terbaharu OpenAI berbanding dengan bantuan daripada jurutera penyelidikan manusia pertengahan kerjaya yang dipasangkan dengan model era 2024 seperti pratonton o1. Penahanan tunggal menolak pembingkaian binari — dan berkata mereka akan memilih GPT-6 Astra berbanding pilihan yang dibantu manusia.

Manusia Masih Memiliki Idea — Buat Sekarang

Walaupun memperoleh autonomi, analisis OpenAI terhadap penyelidikan terbarunya yang paling penting mendapati bahawa cita rasa manusia masih mendorong kejayaan. Bagi kedua-dua keluaran GPT-6 Astra dan GPT-6.2 Astra, penyelidik selepas latihan dan pemantauan keselamatan berkata setiap idea utama yang mereka namakan datang daripada orang ramai, dengan model membantu melaksanakannya.

Tetapi sempadan mula kabur di tepi. Untuk GPT-6.2 Astra, penyelidik pralatihan menerangkan pembangunan idea dalam perbualan dengan Codex — dengan seorang mengkreditkan model untuk mengenal pasti cerapan utama semasa mereka menyelesaikan masalah bersama-sama, dan seorang lagi mengatakan idea utama mereka hanya mula berfungsi dengan baik selepas Codex mencadangkan perubahan.

Mengapa OpenAI Menerbitkan Ini Sama sekali

Syarikat membingkai dorongan ketelusan sebagai hujah dasar. OpenAI telah meminta makmal AI dikehendaki menjejak dan melaporkan secara terbuka penunjuk peningkatan diri secara rekursif, supaya perbahasan tadbir urus bergantung pada pengukuran dan bukannya spekulasi. Laporan itu jelas bahawa penerbitannya "tidak boleh dibaca sebagai niat untuk mengejar RSI penuh," dan menyatakan bahawa beberapa organisasi lain baru-baru ini menyumbang kepada norma pengukuran bersama untuk pecutan R&D AI.

Ini adalah pendirian yang ketara untuk makmal yang kompetitif: menerbitkan data produktiviti dalaman mengundang kedua-dua penelitian dan peniruan. Tetapi pertaruhan OpenAI ialah norma pelaporan seluruh industri — serupa dengan semangat pengiraan dan rangka kerja pelaporan keselamatan — lebih berharga daripada alternatif kerahsiaan, terutamanya apabila ejen mula menyumbang kepada sistem yang akan membina pengganti mereka.

Gambaran Lebih Besar

Laporan itu tiba di tengah-tengah perdebatan hangat tentang sama ada AI sudah mempercepatkan pembangunan AI dan maksudnya untuk keselamatan dan pekerjaan. Data OpenAI menambah bilangan yang sukar kepada kedua-dua pihak: ejen benar-benar menggantikan kerja manusia yang besar pada kadar kejayaan yang bermakna, namun tugas yang paling kreatif dan kritikal infrastruktur tetap dikuasai manusia secara degil.

Sempadan bergerigi, dengan kata lain, adalah nyata — dan makmal berlumba di sepanjangnya kini mengukur kedudukan mereka sendiri di khalayak ramai. Bagi penyelidik yang menonton dari luar, bilangan yang paling penting mungkin bukan 46 peratus, tetapi trajektori: setiap trek OpenAI metrik telah meningkat dua kali ganda sejak Mac.

Kekal Mendahului AI

Ikuti perkembangan AI terkini dalam penyelidikan dan keselamatan AI dengan AI Buzz Wire.

Baca lebih banyak berita AI →