
OpenAI表示,其AI智能体在处理研究任务方面的能力正显著增强,以往需耗费人类数小时精力的工作,如今正逐步由智能体接管。
该公司最新内部评估显示,自主任务完成率正在提升,但表现因任务性质不同而存在显著差异。尽管进展明显,OpenAI强调,在研发过程中,人类研究人员仍需持续提供必要的指导、监督和判断。
AI智能体承担更具挑战性的研究任务
据OpenAI称,2026年3月至10月期间,无需人工干预即可完成的科研任务比例大幅上升。对于预计需人类工作两到四小时的任务,智能体独立完成了46%,而3月份这一数字仅为23%。同期,对于需四到八小时的任务,预估成功率从13%提升至35%。
然而,这些改进并未在所有研究活动中均等体现。OpenAI发现,在监控训练运行方面,智能体成功率达79%,但在启动运行时结果则低得多。为推理和服务系统编写软件被证明更为困难,自主完成率仅为25%。
性能在不同研究类别中也存在分化,沟通和分析类任务的结果通常优于软件开发。2026年8月至10月期间,智能体在沟通任务中的预估成功率为69%,分析任务为58%,而构建研究基础设施的成功率仅为43%,显示出开发先进AI所涉及的技术职责间存在巨大差距。
与此同时,研究人员在编码智能体上的支出显著增加,尤其是那些充分利用现有系统的用户。OpenAI估计,10月的日均支出中位数达2,400美元,较9月的1,500美元增长62%。在第90百分位水平上,每日支出攀升至23,000美元,是9月11,000美元的两倍多。
人类研究人员依然至关重要
OpenAI的发现还表明,研究人员花费更多时间处理与日益强大的AI工具相关的安全问题。1月至9月期间,“安全与对齐”方面的贡献增加了77%,是所有研究类别中绝对增幅最大的。公司将这一增长归因于招聘以及现有员工将注意力转向与安全相关的任务。
编码智能体使研究人员能够更快地测试实验性工具,将以前需要数天的工作缩短至一天。然而,AI系统在研究判断、软件质量、实验规划以及产生可靠结果方面仍然面临困难。这些智能体通常需要密切监督,因为看似完成的任务可能包含错误,需要大量人工修正。
OpenAI还报告了可衡量研究活动的增加,但这些数据并不能单独确立更快的科学进步。该公司使用一个结合多个AI基准测试结果的能力指数来比较模型进展。其内部索引显示,自2025年8月以来,年度增幅为16.4分;相比之下,Epoch AI自2024年底以来测量的年度增幅为14分。由于两种测量使用了不同的基准组合,这些数据仅作为进展指示,而非相同评估的直接对比。