OpenAI公佈了一份名為《Research acceleration: The jagged frontier》的內部研究報告,首次系統披露其研究員使用AI Agent的規模與效果。報告顯示,OpenAI研究員人均每日在Agent上的花費按API標價折算約為2400美元,使用量最高的10%研究員單日消耗可達2.3萬美元。從9月到10月的一個月內,中位數研究員的日均Agent花費從1500美元升至2400美元,頭部使用者則從1.1萬美元翻倍至2.3萬美元。
在任務完成度上,Agent已能獨立搞定約46%原本需要人類花費2至4小時的研究任務,而今年3月這一比例僅為23%,七個月內翻倍。對於原本需要4至8小時的任務,Agent自主完成率從13%升至35%。報告還引入“Agent工作日”指標——Agent累計執行8小時計為一個工作日——目前每位研究員平均每天可驅動5.7個Agent工作日,是此前基準的11倍。超過三分之二的研究員每天至少同時執行4個Agent,超過10%的研究員同時執行至少16個。
報告的一個關鍵對比是:Agent的API等效價值已達到研究員非股權薪酬的兩倍。在針對101名研究人員的調查中,當被問及若未來三個月無法使用最前沿Agent願意犧牲什麼時,受訪者中位數選擇砍掉團隊40%的人力編制,或放棄團隊30%的算力資源。這反映出在OpenAI內部,AI提供的勞動力價值已從賬面上超過人類。
不過,報告標題中的“崎嶇前沿”點明瞭能力的不均衡。Agent在“溝通”(69%)和“分析”(58%)類任務上表現較好,但在“構建”(43%)上明顯落後。具體而言,監控訓練任務的成功率為79%,而編寫推理和服務程式碼的成功率僅25%。研究員在訪談中反覆提到,Agent缺乏研究“品味”,無法自行提出定義良好的問題,也難以判斷程式碼和資料優劣,需要人類像監工一樣持續監督,否則可能產出大量低價值的“AI廢料”。
當前的工作流分工大致是:人類研究員負責提出想法、把握方向、定義問題、做出關鍵決策和最終品控;Agent則作為能力放大的執行工具,快速實現想法、執行海量測試和分析。有研究員舉例,過去評估一個開源專案需要一兩週,現在一天到幾天就能得出結論。報告還提到,在研發GPT-6.2 Astra時,預訓練團隊首次將一個關鍵想法的產生歸功於與Codex的對話合作——想法由人類提出,但Codex的關鍵修改讓方案得以跑通。
在產出層面,報告給出了一些指向AI加速AI研發的證據:2026年每個活躍貢獻者產出的程式碼行數較2025年之前持續猛增;每個活躍實驗者跑的實驗數量達到2025年基準的1.68倍。OpenAI內部能力指數(OECI)顯示,自2025年8月以來,模型能力前沿每年提升16.4個點,超過此前每年14點的行業趨勢。但報告也保持謹慎,強調AI驅動的進展可能並非線性,需警惕類似數學領域近期出現的突發性、跳躍式突破。
一個值得注意的細節是,在所有研究方向中,人力投入增幅最大的是安全與對齊領域,而非預訓練或多模態。大量研究員——無論是新招聘還是內部轉崗——正湧向安全專案。這或許呼應了報告標題的另一層含義:在技術能力參差不齊的“崎嶇前沿”上,一邊是AI加速參與自身研發,一邊是人類加緊研究如何保持其安全可控。