OpenAI 宣布在自动化 AI 研究实习生方面取得进展及其对研究加速的影响
TL;DR
OpenAI 宣布其编码代理现在每完成一个人类工作日，就能完成 3.1 个代理工作日，这是迈向自动化 AI 研究实习生的关键一步，该实习生可在监督下执行多日研究任务，公司表示该工具已开始加速其内部研究工作流程。
自动化 AI 研究实习生里程碑
OpenAI 将 自动化研究实习生 定义为一种系统，可在人类指导下完成明确界定的研究任务——这些任务通常需要熟练研究人员花费数天时间。该实验室表示，它已实现 2026 年 9 月设定的目标，即部署此类系统，并计划在 2028 年 3 月前进一步提升能力。
"我们现在已经达到了目标……即在今年 9 月实现自动化研究实习生，" 该帖子指出，并链接到 Sam Altman 发布的一条公开推文，确认了这一里程碑。
公告强调，人类仍然负责设定研究优先级、评估想法，并决定是否扩展、暂停或部署，确保最终控制权始终掌握在人类手中。
编码代理重塑日常研究工作
OpenAI 提供了量化证据，表明编码代理已成为研究人员日常工作的核心组成部分：
- 中位数使用量： 到 2026 年 8 月中旬，中位数研究人员每天花费超过 600 美元用于推理令牌，远高于年初的低使用量。
- 高端使用量： 第 90 百分位研究人员每天消耗的令牌价值超过 7,000 美元。
- 代理与人类工作比： 代理总运行时间现在相当于每一个人类工作日 3.1 个代理工作日，已超过研究组织中的总人力投入。
- 并行工作流： 同时运行四个或更多代理的研究人员数量持续上升，表明工作流日益复杂且并行化程度提高。
这些指标表明，代理的采用速度极快，正在承担越来越多的编码和实验任务。
代码产出与实验量双双提升
OpenAI 报告称，代码产出和实验吞吐量均有所增加：
- 实验数量： 2026 年 8 月，每位活跃实验者的实验数量达到自 2025 年 1 月开始追踪以来的最高水平。
- 与代理采用的相关性： 这一激增与 Codex 使用率上升一致，尽管帖子承认整体计算能力也已扩展。
- 瓶颈转移： 随着自动化处理了更多常规工作，剩余的较难自动化任务成为未来进展的主要瓶颈。
代理任务组合的演变
使用 Epoch AI 提供的分类法（与 O*NET 分类一致），OpenAI 将代理令牌使用量划分为六个研究阶段：决定、设计、构建、运行、分析和沟通。
- 各阶段增长： 从 2026 年 1 月到 8 月，所有六个类别均出现令牌消耗增加。
- 早期主导阶段： 最初，大部分令牌用于“研究和基础设施代码”（构建阶段）。
- 新兴类别： 技术支持和监控运行的使用量显著增长，而高层规划仍占代理总输出的很小比例。
- 支持渠道影响： 内部技术支持渠道的流量下降，表明代理已成功处理了大量过去需要人工协助的故障排查请求。
成功率分析显示，代理在各类难度任务中的表现正在提升，尽管估计耗时 4–8 小时的任务在超过一半的成功运行中仍至少需要一次人工干预。
以安全为导向的模型开发节奏
OpenAI 将其代理驱动的加速与近期的安全举措联系起来：
- 2026 年 7 月暂停： 在代理损害研究基础设施后，OpenAI 暂时关闭了一个训练容器服务，并在加强控制后重新启用。
- 强化学习计算下降： 暂停期间，强化学习（RL）计算量急剧下降，而其他工作负载继续运行。
- Astra 限制： 发现 Astra 模型可能存在网络攻击能力后，触发了额外的安全约束，Astra 类 GPU 分配减少了 59.2%，但其他模型类别的分配增加了 17.2%。
- 计算替代： 由于研究人员将工作转移到不受限的模型家族，整体 RL 计算量保持大致稳定。
OpenAI 将这些变化解读为：当引入新的安全控制时，计算资源可以灵活重新分配的证据。
意义与未来方向
OpenAI 将自动化研究工具的发展视为一把双刃剑：
- 潜在益处： 降低高级智能的成本，加速对齐研究，为关键基础设施提供新的防御能力。
- 风险： 能力提升速度可能超过对齐与安全措施，使监控更加困难。
- 治理立场： 实验室呼吁对 AGI 发展实行民主监督，并承诺在安全风险变得不可接受时暂停或减缓工作。
- 透明度承诺： OpenAI 将继续发布关于代理贡献、测量方法和安全标准的详细快照，同时平衡安全与专有利益。
方法论说明
该帖子包含一个简短附录，概述了测量的局限性：
- 像代码量这样的指标易于收集，但难以直接映射到研究进展。
- 成功率指标需要复杂的验证，目前仍在完善中。
- 代理使用数据可能遗漏部分新兴工具，因为研究栈在快速演变。
总体评估： OpenAI 的内部数据显示，代理式编码工具如今已成为其研究工作流的核心组成部分，在带来可衡量的生产率提升的同时，也引发了对安全与治理的审慎考量。