OpenAI公开内部智能体使用数据:两到四小时研究任务自主完成率从23%升到46%
核心概要
OpenAI公开了内部编码智能体在AI研发中的使用测量:2026年3月至10月,估计需两到四小时人工工作的任务,无人工干预成功率从23%升到46%,四到八小时任务从13%升到35%。提升并不均匀,监控训练运行达79%,而为推理与服务栈写代码只有25%,人类仍在研究回路中。同期中位数研究者每日智能体花费按API标价达2400美元,较9月增长62%。
深度剖析
OpenAI公开了一组内部测量,用来描述编码智能体如何改变其自身的AI研发流程,覆盖投入、过程与产出三个环节。 此前的9月报告只给出较早一版分析,这次更新补充了跨研究领域的AI增益与人类参与方式的定量和定性指标。 报告自述这仍是一幅更广但依然不完整的图景,并明确其历史趋势与指标涉及大量人机协作,未必能预测未来的AI驱动进展。
智能体独立完成研究任务的比例在数月内明显上升,但不同任务类型之间差距很大。 按估计所需人工时长分桶,两到四小时任务的无干预成功率从3月的23%升到10月的46%,四到八小时任务从13%升到35%。 按Epoch AI的O*NET AI研发任务分类,2026年8月1日至10月18日,沟通类任务估计成功率69%、分析类58%、构建类43%;任务层面监控训练运行79%、回答技术问题72%,而推理与服务栈写代码25%、搭建评测、强化学习与智能体环境29%。
研究者对智能体的使用强度在同期快速上升,重度使用者与中位数使用者的差距拉大。 按API标价计,中位数研究者每日智能体花费10月达2400美元,较9月的1500美元增长62%;第90百分位达23000美元,较9月的11000美元增长105%。 每名研究者每日的智能体工作日从0.5升到5.7,约十一倍;预训练与后训练团队平均每个日历日约八个智能体工作日,扩展与基础设施团队约四个;到10月中旬,超过三分之二的纳入研究者日均峰值至少四个智能体并发,超过10%至少十六个。
研究者把大量时间转向安全与对齐,这是各主要研究领域中绝对增幅最大的一块。 按公司公开Slack帖子、拉取请求和内部文档归类的记录工作周计,安全与对齐从1月到9月增长77%,几乎翻倍。 报告称这一增长来自新招聘与既有研究者转向,并在2026年7月Hugging Face事件之后的应对工作期间明显加快。
启示与展望
这组测量覆盖OpenAI内部研究组织在2026年内的编码智能体使用,任务成功率按估计所需人工时长和Epoch AI的O*NET AI研发分类统计,花费按API标价折算。报告面向关注AI研发加速与治理的读者,并自述提供的是更广但仍不完整的图景。
报告指出,随着智能体能力提升,研究者在同一时长桶内委托的任务类型也可能改变,因此成功率变化可能同时反映能力提升与使用选择变化;调查为自报且抽样方式是临时性的;研究领域划分尤其是后训练与安全对齐之间的界线并非小事,定义可能继续调整;历史趋势与指标涉及大量人机协作,未必能预测未来的AI驱动进展。
