Các tác nhân mã hóa của OpenAI hiện có thể hoàn thành 46% nhiệm vụ nghiên cứu mà một người có thể mất từ hai đến bốn giờ mà không cần sự can thiệp của con người. Con số này, tăng từ 23% trong tháng 3, đến từ "Tăng tốc nghiên cứu: Biên giới lởm chởm", báo cáo thứ hai của công ty về cách AI đang chuyển đổi đường ống nghiên cứu của riêng mình và nó đi kèm với một mức giá ấn tượng không kém: nhà nghiên cứu OpenAI trung bình hiện đang sử dụng điện toán tác nhân trị giá khoảng 2.400 đô la một ngày theo giá niêm yết API.
Báo cáo được công bố hôm thứ Tư là báo cáo công khai chi tiết nhất mà bất kỳ phòng thí nghiệm AI nào đưa ra về cách trí thông minh máy đang định hình lại sự phát triển trí thông minh máy - hiện tượng mà các nhà nghiên cứu gọi là tự cải thiện đệ quy (RSI).
Những con số: Đại lý ngày càng nhanh hơn và tự chủ hơn
Lợi ích tự chủ hàng đầu là đáng kể. Đối với các nhiệm vụ ước tính cần từ 2 đến 4 giờ làm việc của con người, tỷ lệ thành công không cần can thiệp đã tăng từ 23% trong tháng 3 lên 46% hiện nay. Với những nỗ lực lâu hơn từ 4 đến 8 giờ, tỷ lệ thành công tăng từ 13% lên 35%.
OpenAI nhấn mạnh một lưu ý quan trọng: khi các tác nhân trở nên có năng lực hơn, các nhà nghiên cứu sẽ giao các nhiệm vụ khó hơn trong mỗi khoảng thời gian, do đó, sự cải thiện phản ánh cả mức tăng năng lực thực sự và sự thay đổi lựa chọn của con người về những gì cần giao.
Phần lởm chởm: Hiệu suất thay đổi tùy theo nhiệm vụ
Tiêu đề của báo cáo không phải là ngẫu nhiên. Các đại lý xuất sắc trong một số công việc nghiên cứu và vấp ngã trong một số công việc khác. Trên các danh mục nhiệm vụ được đo từ ngày 1 tháng 8 đến ngày 18 tháng 10 năm 2026, tỷ lệ thành công ước tính là cao nhất đối với nhiệm vụ Giao tiếp (69%) và nhiệm vụ Phân tích (58%), nhưng giảm xuống 43% đối với nhiệm vụ Xây dựng.
Ở cấp độ nhiệm vụ cá nhân, mức chênh lệch thậm chí còn cao hơn. Các đại lý đạt thành tích cao trong quá trình đào tạo giám sát thực hiện các vấn đề (79% thành công) và trả lời các câu hỏi kỹ thuật (72%), nhưng chỉ đạt được 25% thành công trong việc viết mã cho các ngăn xếp suy luận và phục vụ, và 29% trong việc đánh giá xây dựng, học tập tăng cường và môi trường đại lý.
OpenAI cảnh báo rằng tính không đồng nhất này rất quan trọng: miễn là hiệu suất của mô hình trong các nhiệm vụ R&D AI không đồng đều, thì các danh mục yếu có thể trở thành nút thắt cản trở khả năng tăng tốc tổng thể. Báo cáo của bên thứ ba, bao gồm cả The Next Web, đã nêu bật chính xác khoảng cách giữa số lượng quyền tự chủ tiêu đề và công việc kỹ thuật phần mềm cốt lõi.
Điều các nhà nghiên cứu nói: Ba tháng làm việc trong một
Báo cáo chủ yếu dựa vào các cuộc khảo sát của chính nhân viên OpenAI. Trong một cuộc khảo sát với 101 nhân viên nghiên cứu được thực hiện vào cuối tháng 8 và đầu tháng 9, nhà nghiên cứu trung bình cho biết nhóm của họ sẽ cần khoảng ba tháng để hoàn thành công việc tương đương với sản lượng của tháng cuối cùng nếu họ mất quyền truy cập vào các tác nhân mã hóa biên giới và chỉ còn lại GitHub Copilot và ChatGPT.
Một cuộc khảo sát riêng biệt vào cuối tháng 10 đã đưa ra một so sánh nổi bật: 27 trong số 28 người được hỏi cho biết họ kỳ vọng sẽ làm việc hiệu quả hơn với mô hình nội bộ mới nhất của OpenAI so với sự trợ giúp từ một kỹ sư nghiên cứu con người tầm trung kết hợp với mô hình thời kỳ 2024 như o1-preview. Người nắm giữ duy nhất đã từ chối việc đóng khung nhị phân - và cho biết họ sẽ chọn GPT-6 Astra thay vì tùy chọn có sự hỗ trợ của con người.
Con người vẫn sở hữu các ý tưởng — Hiện tại
Bất chấp những lợi ích về quyền tự chủ, phân tích của OpenAI về nghiên cứu quan trọng nhất gần đây cho thấy khẩu vị của con người vẫn thúc đẩy những bước đột phá. Đối với cả hai bản phát hành GPT-6 Astra và GPT-6.2 Astra, các nhà nghiên cứu giám sát an toàn và đào tạo sau cho biết mọi ý tưởng chính mà họ nêu tên đều đến từ mọi người, với các mô hình giúp thực hiện chúng.
Nhưng ranh giới đang bắt đầu mờ đi ở các cạnh. Đối với GPT-6.2 Astra, các nhà nghiên cứu đào tạo trước đã mô tả việc phát triển ý tưởng trong cuộc trò chuyện với Codex - trong đó một người ghi nhận mô hình đã xác định những hiểu biết quan trọng khi họ cùng nhau giải quyết một vấn đề và một người khác cho biết ý tưởng chính của họ chỉ bắt đầu hoạt động tốt sau khi Codex đề xuất thay đổi.
Tại sao OpenAI lại xuất bản cái này
Công ty coi việc thúc đẩy tính minh bạch là một lý lẽ chính sách. OpenAI đã kêu gọi các phòng thí nghiệm AI phải theo dõi và báo cáo công khai các chỉ số về khả năng tự cải thiện đệ quy, để các cuộc tranh luận về quản trị dựa trên các phép đo thay vì suy đoán. Báo cáo nêu rõ rằng ấn phẩm của nó "không nên được hiểu là có ý định theo đuổi chỉ số RSI đầy đủ" và lưu ý rằng một số tổ chức khác gần đây đã đóng góp vào các tiêu chuẩn đo lường chung để tăng tốc R&D AI.
Đó là một lập trường đáng chú ý đối với một phòng thí nghiệm cạnh tranh: việc xuất bản dữ liệu năng suất nội bộ mời gọi cả sự giám sát và bắt chước. Nhưng OpenAI đặt cược rằng các tiêu chuẩn báo cáo trong toàn ngành - tương tự như khuôn khổ báo cáo an toàn và điện toán - có giá trị hơn giải pháp thay thế bí mật, đặc biệt khi các đại lý bắt đầu đóng góp cho chính các hệ thống sẽ xây dựng những hệ thống kế nhiệm của họ.
Bức tranh lớn hơn
Báo cáo được đưa ra trong bối cảnh tranh luận sôi nổi về việc liệu AI có đang đẩy nhanh quá trình phát triển AI hay không và điều đó có ý nghĩa gì đối với sự an toàn và việc làm. Dữ liệu của OpenAI bổ sung những con số khó khăn cho cả hai bên: các tác nhân thực sự thay thế công việc quan trọng của con người với tỷ lệ thành công đáng kể, tuy nhiên các nhiệm vụ sáng tạo và quan trọng nhất về cơ sở hạ tầng vẫn do con người thống trị một cách ngoan cố.
Nói cách khác, ranh giới lởm chởm là có thật - và các phòng thí nghiệm chạy đua dọc theo nó hiện đang đo lường vị trí của chính họ trước công chúng. Đối với các nhà nghiên cứu quan sát từ bên ngoài, con số quan trọng nhất có thể không phải là 46% mà là quỹ đạo: mọi số liệu theo dõi OpenAI đã tăng gần gấp đôi kể từ tháng 3.
Đi trước AITheo dõi những phát triển AI mới nhất trong nghiên cứu và an toàn AI với AI Buzz Wire.
Đọc thêm tin tức về AI →