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」。

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。」
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」。
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
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