OpenAI 的编码代理现在可以完成 46% 的研究任务,而这些任务需要一个人花两到四个小时才能完成,而无需人工干预。这个数字比 3 月份的 23% 有所上升,来自该公司关于人工智能如何改变自己的研究渠道的第二份报告《研究加速:锯齿状前沿》,它的价格标签同样引人注目:OpenAI 研究人员现在按 API 标价每天运行的代理计算费用约为 2,400 美元。
周三发布的这份报告是人工智能实验室对机器智能如何重塑机器智能发展(研究人员将这种现象称为递归自我改进(RSI))的最详细的公开说明。
数字:代理变得更快、更自主
总体自治收益是巨大的。对于估计需要两到四个小时人工工作的任务,零干预成功率从 3 月份的 23% 上升到今天的 46%。对于 4 到 8 小时的较长时间的努力,成功率从 13% 上升到 35%。
OpenAI 强调了一个重要的警告:随着智能体的能力变得更强,研究人员会在每个持续时间段内委派更艰巨的任务,因此这种改进既反映了真正的能力增益,也反映了人类对交接内容的选择的变化。
锯齿状部分:性能因任务而异
该报告的标题并非偶然。特工在某些研究工作上表现出色,但在另一些研究工作上却表现不佳。在 2026 年 8 月 1 日至 10 月 18 日测量的任务类别中,沟通任务 (69%) 和分析任务 (58%) 的估计成功率最高,但构建任务的成功率下降至 43%。
在个人任务层面,这种差距甚至更大。代理在监控问题训练(成功 79%)和回答技术问题(72%)方面表现出色,但在编写推理和服务堆栈代码方面仅取得 25% 的成功,在构建评估、强化学习和代理环境方面仅取得 29% 的成功。
OpenAI 警告说,这种异质性很重要:只要 AI 研发任务的模型性能参差不齐,薄弱类别就可能成为限制整体加速的瓶颈。包括 The Next Web 在内的第三方对该报告的报道准确地强调了标题自治数字与核心软件工程工作之间的差距。
研究人员评价:三个月的工作合而为一
该报告很大程度上依赖于对 OpenAI 内部员工的调查。在 8 月底和 9 月初对 101 名研究人员进行的一项调查中,研究人员中位数表示,如果他们无法访问前沿编码代理并且只剩下 GitHub Copilot 和 ChatGPT,他们的团队将需要大约三个月的时间才能完成相当于上个月产出的工作。
10 月底的另一项调查提出了惊人的比较:28 名受访者中有 27 人表示,他们预计 OpenAI 最新内部模型的效率会比职业中期人类研究工程师与 o1-preview 等 2024 时代模型的帮助更高。唯一的坚持者拒绝了二元框架,并表示无论如何他们都会选择 GPT-6 Astra,而不是人工辅助选项。
目前,人类仍然拥有这些想法
尽管自主性有所提高,OpenAI 对其最近最重要的研究的分析发现,人类的品味仍然推动着突破。对于 GPT-6 Astra 和 GPT-6.2 Astra 版本,培训后和安全监控研究人员表示,他们提到的每个关键想法都来自人们,并有模型帮助实现它们。
但边界开始变得模糊。对于 GPT-6.2 Astra,预训练研究人员描述了在与 Codex 对话中开发想法的过程,其中一位认为该模型在他们一起解决问题时识别了关键见解,而另一位则表示他们的主要想法在 Codex 建议更改后才开始发挥作用。
OpenAI 为何要发布此内容
该公司将推动透明度作为一项政策主张。 OpenAI 呼吁要求人工智能实验室跟踪并公开报告递归自我改进的指标,以便治理辩论基于测量而不是猜测。该报告明确表示,其发布“不应被解读为追求全面 RSI 的意图”,并指出其他几个组织最近为人工智能研发加速的共享衡量规范做出了贡献。
对于竞争性实验室来说,这是一个值得注意的立场:发布内部生产力数据会招致审查和模仿。但 OpenAI 的赌注是,全行业的报告规范(在精神上与计算和安全报告框架类似)比保密替代方案更有价值,特别是当代理开始为将构建其后继系统的系统做出贡献时。
大局观
该报告发布之际,人们正就人工智能是否已经在加速人工智能的发展以及这对安全和就业意味着什么展开了激烈的争论。 OpenAI 的数据为双方都增加了硬性数字:代理真正以有意义的成功率替代了大量的人类工作,但最具创造性和基础设施关键的任务仍然顽固地由人类主导。
换句话说,锯齿状的边界是真实的——沿着它奔跑的实验室现在正在衡量自己在公共场合的地位。对于从外部观察的研究人员来说,最重要的数字可能不是 46%,而是轨迹:自 3 月份以来,OpenAI 跟踪的每个指标都大约增加了一倍。
保持人工智能领先通过 AI Buzz Wire 关注人工智能研究和安全方面的最新人工智能发展。
阅读更多人工智能新闻 →