OpenAI智能体独立完成46%中长任务

AI 智能体题图:光标沿着任务卡片链点中红色那张

OpenAI 11 月 18 日发布第二份“研究加速”报告,副题叫“参差的前沿”(The jagged frontier),用内部数据衡量编码智能体对 AI 研发的影响。核心数字是:人类大约要花 2 到 4 小时的研究任务,智能体在 10 月能独立完成 46%,3 月时这个比例是 23%;4 到 8 小时的任务,同期从 13% 升到 35%。

这些都是 OpenAI 自己的估计。“独立完成”怎么判定,媒体转述里没有交代,目前无法从公开材料核实。

同样是研究活,差距很大

副题来自任务之间的落差。在 8 月 1 日到 10 月 18 日的统计窗口里,监控模型训练过程这类任务,智能体成功率 79%;启动训练任务是 35%;写推理和服务栈代码只有 25%。

OpenAI 在结论里写得很克制:

“The agents are not taking over AI research. They are taking over specific slices.” (智能体没有接管 AI 研究,它们接管的是其中特定的几块。)

一个人同时开十几个

并行使用在加深。报告称,超过三分之二的研究员日均峰值同时开着至少 4 个智能体,超过 10% 的人峰值在 16 个以上。按研究领域看,安全与对齐方向记录在案的研究员工作周数,1 月到 9 月增长 77%,在各领域里增幅最大。

报告里还有一项问卷:101 名研究人员被问到,为了在三个月里继续用上比 GPT-5.2 更强的智能体,愿意让出多少资源。中位数答案是团队 30% 的算力,或 40% 的人手。这是假设性的偏好调查,目前看不到 OpenAI 据此调整招聘的迹象。

每人每天 2400 美元

报告把智能体用量按 API 标价折成了钱。10 月,研究员每日用量的中位数约 2400 美元,9 月是 1500 美元;第 90 百分位从 1.1 万美元涨到 2.3 万美元。

粗算一下:按一年约 250 个工作日计,中位数研究员一年的智能体用量折合约 60 万美元,第 90 百分位折合约 575 万美元。这是对外标价口径,OpenAI 内部的实际算力成本远低于此,具体多少没有披露,所以这笔账只能说明用量的量级,推不出真实开销。

和上一份报告对着看

9 月那份报告的口径是,研究智能体在 8 月中旬做到每个人类工作日对应 3.1 个工作日的产出,本站当时做过报道。两个月后,OpenAI 换了度量角度,从总产出转到按任务时长和任务类型拆分成功率,结论也随之收紧:长任务的独立完成率升得很快,推理服务这类工程活仍有约四分之三没能独立完成。

这份报告的局限也明显:数据来自内部,任务难度由 OpenAI 自己估计,缺少外部可复现的基准。下一份报告如果公开判定方法,46% 这个数字的分量才好评估。

参考来源:OpenAI 研究加速报告、AI Weekly、CocoLoop、Crypto Briefing;核对各时长任务的独立完成率、分领域成功率与每日用量中位数(按 API 标价折算)。