OpenAI:s kodningsagenter kan nu slutföra 46 procent av forskningsuppgifterna som skulle ta en person två till fyra timmar – utan mänsklig inblandning alls. Siffran, upp från 23 procent i mars, kommer från "Forskningsacceleration: Den ojämna gränsen", företagets andra rapport om hur AI förvandlar sin egen forskningspipeline, och den kommer med en lika slående prislapp: median OpenAI-forskaren går nu igenom agentberäkningar till ett värde av cirka 2 400 USD per dag till API-listpriser.
Rapporten, som publicerades på onsdagen, är den mest detaljerade offentliga redogörelsen som något AI-labb har gett om hur maskinintelligens omformar utvecklingen av maskinintelligens - fenomenet som forskare kallar rekursiv självförbättring (RSI).
Siffrorna: Agenter blir snabbare och mer autonoma
De rubricerade autonomivinsterna är betydande. För uppgifter som beräknas kräva två till fyra timmars mänskligt arbete, steg noll-interventionsframgången från 23 procent i mars till 46 procent i dag. För längre ansträngningar på fyra till åtta timmar klättrade framgången från 13 procent till 35 procent.
OpenAI betonar en viktig varning: när agenter blir mer kapabla, delegerar forskare svårare uppgifter inom varje tidsperiod, så förbättringen återspeglar både verkliga kapacitetsvinster och skiftande mänskliga val om vad de ska lämna.
The Jagged Part: Performance Varies Wildly by Task
Rapportens titel är ingen tillfällighet. Agenter utmärker sig i vissa forskningsarbeten och snubblar illa på andra. Över uppgiftskategorier mätt från 1 augusti till 18 oktober 2026, var de uppskattade framgångsfrekvenserna högst för kommunicera uppgifter (69 procent) och analysera uppgifter (58 procent), men sjönk till 43 procent för bygg uppgifter.
På den individuella uppgiftsnivån är spridningen ännu skarpare. Agenter klarade av att övervaka utbildningskörningar för problem (79 procent framgång) och svara på tekniska frågor (72 procent), men lyckades bara med 25 procent framgång med att skriva kod för slutledningar och serveringsstackar, och 29 procent i att bygga utvärdering, förstärkningsinlärning och agentmiljöer.
OpenAI varnar för att denna heterogenitet spelar roll: så länge som modellprestanda över AI FoU-uppgifter är ojämn, kan de svaga kategorierna bli flaskhalsar som begränsar den totala accelerationen. Tredjepartsbevakningen av rapporten, inklusive The Next Web, belyste just denna klyfta mellan rubrikens autonominummer och kärnarbete inom mjukvaruutveckling.
Vad forskare säger: Tre månaders arbete på ett
Rapporten lutar sig mycket mot undersökningar av OpenAIs egen personal. I en undersökning av 101 forskarpersonal som genomfördes i slutet av augusti och början av september, sa medianforskaren att deras team skulle behöva cirka tre månader för att slutföra arbete lika med deras sista månads produktion om de förlorade tillgången till gränskodningsagenter och bara hade GitHub Copilot och ChatGPT.
En separat undersökning från slutet av oktober utgjorde en slående jämförelse: 27 av 28 svarande sa att de förväntade sig att vara mer produktiva med OpenAI:s senaste interna modell än med hjälp av en forskningsingenjör i mitten av karriären tillsammans med en 2024-eran modell som o1-preview. Den ensamma hållplatsen avböjde den binära inramningen – och sa att de ändå skulle välja GPT-6 Astra framför det mänskliga assisterade alternativet.
Människor äger fortfarande idéerna – för nu
Trots autonomivinsterna fann OpenAI:s analys av dess viktigaste nya forskning att mänsklig smak fortfarande driver genombrott. För både GPT-6 Astra- och GPT-6.2 Astra-utgåvorna sa forskare efter träning och säkerhetsövervakning att varje nyckelidé de nämnde kom från människor, med modeller som hjälper till att implementera dem.
Men gränsen börjar suddas ut i kanterna. För GPT-6.2 Astra beskrev förträningsforskare att utveckla idéer i samtal med Codex – där en krediterade modellen för att identifiera viktiga insikter när de arbetade igenom ett problem tillsammans, och en annan sa att deras huvudidé började fungera bra först efter att Codex föreslog en förändring.
Varför OpenAI publicerar detta överhuvudtaget
Företaget ramar in transparenspressen som ett policyargument. OpenAI har krävt att AI-labb måste spåra och offentligt rapportera indikatorer på rekursiv självförbättring, så att styrningsdebatter vilar på mätningar snarare än spekulationer. Rapporten är uttrycklig att dess publicering "inte bör läsas som en avsikt att eftersträva fullständig RSI," och noterar att flera andra organisationer nyligen har bidragit till delade mätnormer för AI FoU-acceleration.
Det är en anmärkningsvärd hållning för ett konkurrenskraftigt labb: publicering av interna produktivitetsdata uppmanar till både granskning och imitation. Men OpenAI:s insats är att branschövergripande rapporteringsnormer – liknande ramverk för beräknings- och säkerhetsrapportering – är mer värdefulla än sekretessalternativet, särskilt när agenter börjar bidra till just de system som kommer att bygga deras efterföljare.
Den större bilden
Rapporten landar mitt i en febrig debatt om huruvida AI redan påskyndar AI-utvecklingen och vad det betyder för säkerhet och jobb. OpenAI:s data lägger till hårda siffror för båda sidor: agenter ersätter verkligen betydande mänskligt arbete med meningsfulla framgångar, men de mest kreativa och infrastrukturkritiska uppgifterna förblir envist människodominerade.
Den taggiga gränsen är med andra ord verklig - och labben som tävlar längs den mäter nu sin egen position offentligt. För forskare som tittar utifrån är den viktigaste siffran kanske inte 46 procent, utan banan: varje metrisk OpenAI-spår har ungefär fördubblats sedan mars.
Lägg dig före AIFölj den senaste AI-utvecklingen inom AI-forskning och säkerhet med AI Buzz Wire.
Läs mer AI-nyheter →