前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.19 · 16:48/3 MIN/0 阅读

OpenAI:AI 智能体独立完成近半研究任务

OpenAI 称编程智能体已能在无人干预下完成近半数中等长度研究任务,2 至 4 小时任务的成功率从 3 月的 23% 升至 10 月的 46%。但不同任务类型差距明显,研究人员仍需深度把关。

11 月 18 日,OpenAI 表示其编程智能体已能在无人协助的情况下完成近半数中等长度研究任务。公司同时强调,进展并不均衡,人类「仍是 AI 研究闭环的核心一环」。

在题为《研究加速:锯齿状的前沿》的报告中,OpenAI 估算,对于需要人类工作 2 至 4 小时的任务,智能体的零干预成功率从 3 月的 23% 升至 10 月的 46%;在需要 4 至 8 小时的任务上,成功率从 13% 升至 35%。

OpenAI 还再次呼吁,要求 AI 实验室跟踪并公开报告「递归自我改进」指标,即 AI 加速未来 AI 开发的能力。公司称,其自身的披露「不应被解读为有意追求完全的递归自我改进」。

OpenAI 内部研究助手用 AI 构建更好的 AI

参差的前沿

不同工作类型的结果差异很大。8 月 1 日至 10 月 18 日期间,智能体在监控训练运行时无需干预即可成功的比例为 79%,启动训练时为 35%,编写推理与服务栈代码时为 25%。

OpenAI 提醒,研究人员可能在不同时长区间内调整了交给智能体的任务类型,因此成功率上升并不只反映模型本身变强。任务时长描述的是估算的人类工作量,而非智能体实际耗时。

智能体的使用量增长迅速。按 API 标价计算,10 月中位数研究人员每日消耗约 2400 美元的智能体工作量,较 9 月增长 62%;第 90 百分位约为 2.3 万美元,增长 105%。人均智能体工作日数从 0.5 升至 5.7,增长十一倍,每 8 小时智能体使用计为一个工作日。

在对 101 名研究人员的调查中,受访者中位数表示,愿意放弃团队 30% 的算力或 40% 的人力,以换取前沿编程智能体的三个月使用权。

受访研究人员称,智能体在研究品味上仍表现不佳,会产出需要密切监督的「AI 垃圾」拉取请求。一位研究人员如此描述工作流:「先让它做一个,我来审阅和修改,然后再让它做剩下的。」

安全工作与披露

有记录的安全与对齐工作时长从 1 月到 9 月增长 77%,是所有研究领域中绝对增幅最大的。OpenAI 将这一加速与 7 月 Hugging Face 事件的后续影响联系起来。OpenAI 研究员 David Holtz 在 X 上写道,研究人员正「把越来越多时间投入安全与对齐」。

此次披露呼吁延续了 OpenAI 6 月的治理蓝图。该方案提议由联邦规则要求提交递归自我改进跟踪的透明度报告,并请美国 AI 标准与创新中心开发衡量方法。报告本身也指出,更多代码和更多实验「并不必然意味着研究进展更快」。

标签:OpenAIAI 智能体编程智能体

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

Meta 发布 Muse Spark:迈向个人超级智能
TOP1

Meta 发布 Muse Spark:迈向个人超级智能

谷歌发布Gemini 4 Neon,每百万输入3美元
TOP2

谷歌发布Gemini 4 Neon,每百万输入3美元

3

美多起技术故障疑与AI补丁潮相关

5小时前
美多起技术故障疑与AI补丁潮相关
4

国内首款Gen6 SSD量产,AI存储重算经济账

5小时前
国内首款Gen6 SSD量产,AI存储重算经济账
5

银行推出Token贷:烧掉的算力账单变成贷款额度

6小时前
银行推出Token贷:烧掉的算力账单变成贷款额度
6

英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响

21小时前
英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响
7

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

21小时前
DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%
8

Gemini 临时聊天与关闭历史后的留存期,从 72 小时延长到约两个月

21小时前
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断