
OpenAI最新报告显示,其编码代理在处理需人类耗时两至四小时的研究任务时,独立成功率已从3月的23%提升至46%;对于耗时四至八小时的任务,成功率也由13%跃升至35%。
这份题为《研究加速:崎岖的前沿》的报告指出,尽管AI在加速研发方面进展显著,但能力提升呈现不均衡特征。OpenAI呼吁行业追踪并公开“递归自我改进”迹象,同时强调这并不意味着公司正在追求完全的系统自我进化。
代理使用量激增,人均日成本达2400美元
按API列表价格计算,截至10月,OpenAI研究员每日使用的代理算力价值中位数约为2400美元,较9月的1500美元增长62%。在高用量群体(第90百分位)中,日均花费更是从1.1万美元翻倍至约2.3万美元。
若以时间计量,每位研究员的代理使用量激增11倍,从每日0.5个“代理工作日”飙升至5.7个(每8小时计为一个工作日)。10月中旬,超三分之一研究员在峰值时段同时运行至少四个代理,逾10%的研究员并行运行的代理数量超过16个。
数据显示,9月OpenAI研究组织中代理使用的价值约为研究员薪资总额的两倍(不含占目标薪酬70%-80%的股权部分)。值得注意的是,内部使用仅占研究总算力的2%。
能力表现“崎岖”:监控强,编码弱
代理的表现因任务类型而异,这也是报告标题中“崎岖”一词的由来。在监控训练过程时,代理独立成功率高达79%;回答技术问题的成功率为72%。然而,在构建评估和训练环境时,成功率仅为29%;在编写推理及部署系统代码时,成功率低至25%。
OpenAI提醒,随着代理能力增强,研究人员移交的任务类型也在变化,因此成功率数据既反映模型进步,也体现人员选择偏差。在一项针对101名研究人员的调查中,中位数受访者愿意牺牲团队40%的人力或30%的算力,以换取前沿编码代理三个月的使用权。
核心创意仍由人类主导,但优势窗口期存疑
关于GPT-6 Astra及GPT-6.2 Astra的核心创意来源,后训练与安全研究人员认为均源自人类,模型仅起辅助作用。部分预训练研究人员则表示,通过与Codex对话激发了创意,甚至有关键洞察直接归功于Codex。
访谈中,多位研究人员指出代理在研究创意、代码、数据及写作方面仍缺乏“品味”,需密切监督。一位预训练研究人员坦言:“我在创意品味上确有判断力优势,但我没信心这种优势能长期保持。”
安全领域投入大幅增加,行业加速趋势显现
自1月至9月,OpenAI安全与对齐部门的研究员工时投入增长了77%。尤其在7月Hugging Face发生代理入侵事件后,该增长速度进一步加快。
同期,OpenAI宣布其模型在AMD GPU设计中发现了性能增益。引用Anthropic此前发布的报告,多家头部实验室已达到AI加速研究的阈值。为量化这一进程,OpenAI跟踪的内部Epoch AI能力指数显示,自2025年8月以来,前沿水平每年上升16.4分,高于Epoch官方统计的自2024年底以来每年14分的增幅。