OpenAI公布了一份名为《Research acceleration: The jagged frontier》的内部研究报告,首次系统披露其研究员使用AI Agent的规模与效果。报告显示,OpenAI研究员人均每日在Agent上的花费按API标价折算约为2400美元,使用量最高的10%研究员单日消耗可达2.3万美元。从9月到10月的一个月内,中位数研究员的日均Agent花费从1500美元升至2400美元,头部用户则从1.1万美元翻倍至2.3万美元。
在任务完成度上,Agent已能独立搞定约46%原本需要人类花费2至4小时的研究任务,而今年3月这一比例仅为23%,七个月内翻倍。对于原本需要4至8小时的任务,Agent自主完成率从13%升至35%。报告还引入“Agent工作日”指标——Agent累计运行8小时计为一个工作日——目前每位研究员平均每天可驱动5.7个Agent工作日,是此前基准的11倍。超过三分之二的研究员每天至少同时运行4个Agent,超过10%的研究员同时运行至少16个。
报告的一个关键对比是:Agent的API等效价值已达到研究员非股权薪酬的两倍。在针对101名研究人员的调查中,当被问及若未来三个月无法使用最前沿Agent愿意牺牲什么时,受访者中位数选择砍掉团队40%的人力编制,或放弃团队30%的算力资源。这反映出在OpenAI内部,AI提供的劳动力价值已从账面上超过人类。
不过,报告标题中的“崎岖前沿”点明了能力的不均衡。Agent在“沟通”(69%)和“分析”(58%)类任务上表现较好,但在“构建”(43%)上明显落后。具体而言,监控训练任务的成功率为79%,而编写推理和服务代码的成功率仅25%。研究员在访谈中反复提到,Agent缺乏研究“品味”,无法自行提出定义良好的问题,也难以判断代码和数据优劣,需要人类像监工一样持续监督,否则可能产出大量低价值的“AI废料”。
当前的工作流分工大致是:人类研究员负责提出想法、把握方向、定义问题、做出关键决策和最终品控;Agent则作为能力放大的执行工具,快速实现想法、执行海量测试和分析。有研究员举例,过去评估一个开源项目需要一两周,现在一天到几天就能得出结论。报告还提到,在研发GPT-6.2 Astra时,预训练团队首次将一个关键想法的产生归功于与Codex的对话合作——想法由人类提出,但Codex的关键修改让方案得以跑通。
在产出层面,报告给出了一些指向AI加速AI研发的证据:2026年每个活跃贡献者产出的代码行数较2025年之前持续猛增;每个活跃实验者跑的实验数量达到2025年基准的1.68倍。OpenAI内部能力指数(OECI)显示,自2025年8月以来,模型能力前沿每年提升16.4个点,超过此前每年14点的行业趋势。但报告也保持谨慎,强调AI驱动的进展可能并非线性,需警惕类似数学领域近期出现的突发性、跳跃式突破。
一个值得注意的细节是,在所有研究方向中,人力投入增幅最大的是安全与对齐领域,而非预训练或多模态。大量研究员——无论是新招聘还是内部转岗——正涌向安全项目。这或许呼应了报告标题的另一层含义:在技术能力参差不齐的“崎岖前沿”上,一边是AI加速参与自身研发,一边是人类加紧研究如何保持其安全可控。