OpenAI-Agenten erledigen 46 % längerer Forschungsaufgaben allein

AI agents illustration: a cursor moving along a chain of task cards

OpenAI hat am 18. November seinen zweiten Bericht zur „Forschungsbeschleunigung“ veröffentlicht, Untertitel „The jagged frontier“ (die zerklüftete Grenze). Anhand interner Daten misst das Unternehmen, wie stark Coding-Agenten die KI-Forschung und -Entwicklung beeinflussen. Die Kernzahl: Bei Forschungsaufgaben, für die ein Mensch etwa 2 bis 4 Stunden braucht, konnten Agenten im Oktober 46 % selbstständig erledigen, im März waren es 23 %. Bei Aufgaben von 4 bis 8 Stunden stieg der Anteil im selben Zeitraum von 13 % auf 35 %.

Alle Angaben sind OpenAIs eigene Schätzungen. Wie „selbstständig erledigt“ festgestellt wurde, geht aus den Medienberichten nicht hervor und lässt sich anhand öffentlicher Unterlagen derzeit nicht prüfen.

Gleiche Forschungsarbeit, große Unterschiede

Der Untertitel beschreibt das Gefälle zwischen den Aufgabentypen. Im Erhebungszeitraum vom 1. August bis 18. Oktober lag die Erfolgsquote der Agenten bei Aufgaben wie dem Überwachen von Modelltrainings bei 79 %, beim Starten von Trainingsjobs bei 35 % und beim Schreiben von Code für den Inferenz- und Serving-Stack nur bei 25 %.

OpenAI formuliert sein Fazit zurückhaltend:

„The agents are not taking over AI research. They are taking over specific slices.“
(Die Agenten übernehmen nicht die KI-Forschung. Sie übernehmen bestimmte Teilbereiche.)

Ein Mensch, mehr als ein Dutzend Agenten

Die parallele Nutzung nimmt zu. Dem Bericht zufolge haben mehr als zwei Drittel der Forschenden zu Spitzenzeiten am Tag mindestens 4 Agenten gleichzeitig laufen, über 10 % kommen auf 16 oder mehr. Nach Forschungsfeldern aufgeschlüsselt wuchs die Zahl der erfassten Arbeitswochen von Forschenden in Sicherheit und Alignment von Januar bis September um 77 % – der größte Zuwachs aller Bereiche.

Der Bericht enthält außerdem eine Umfrage: 101 Forschende wurden gefragt, wie viele Ressourcen sie abgeben würden, um drei Monate lang weiter mit Agenten arbeiten zu können, die stärker sind als GPT-5.2. Die Medianantwort lautete: 30 % der Rechenleistung des Teams oder 40 % des Personals. Das ist eine hypothetische Präferenzabfrage; Anzeichen, dass OpenAI daraufhin seine Personalplanung ändert, sind derzeit nicht erkennbar.

2.400 US-Dollar pro Person und Tag

Der Bericht rechnet die Agentennutzung zu API-Listenpreisen in Geld um. Im Oktober lag die mediane Tagesnutzung pro Forschendem bei rund 2.400 US-Dollar, im September bei 1.500 US-Dollar; das 90. Perzentil stieg von 11.000 auf 23.000 US-Dollar.

Überschlägig, bei etwa 250 Arbeitstagen im Jahr: Die Agentennutzung eines Forschenden mit medianer Nutzung entspricht rund 600.000 US-Dollar im Jahr, im 90. Perzentil rund 5,75 Millionen US-Dollar. Das ist die Rechnung nach externen Listenpreisen; OpenAIs tatsächliche interne Rechenkosten liegen deutlich darunter, wie weit, wird nicht offengelegt. Die Zahlen zeigen daher nur die Größenordnung der Nutzung und erlauben keinen Rückschluss auf die realen Kosten.

Im Vergleich zum vorigen Bericht

Der Bericht vom September ging davon aus, dass Forschungsagenten Mitte August je Arbeitstag eines Menschen den Output von 3,1 Arbeitstagen erreichten; darüber haben wir seinerzeit berichtet. Zwei Monate später wechselt OpenAI die Messperspektive: weg vom Gesamtoutput, hin zu Erfolgsquoten nach Aufgabendauer und Aufgabentyp. Entsprechend fällt auch das Fazit vorsichtiger aus: Die Quote eigenständig erledigter langer Aufgaben steigt rasch, doch bei Ingenieursarbeit wie Inferenz und Serving bleiben rund drei Viertel weiterhin nicht eigenständig lösbar.

Die Grenzen des Berichts liegen auf der Hand: Die Daten stammen aus dem Haus, der Schwierigkeitsgrad der Aufgaben wird von OpenAI selbst geschätzt, und ein extern reproduzierbarer Benchmark fehlt. Erst wenn ein künftiger Bericht das Beurteilungsverfahren offenlegt, lässt sich das Gewicht der 46 % besser einordnen.

Quellen: OpenAI-Bericht zur Forschungsbeschleunigung, AI Weekly, CocoLoop, Crypto Briefing; abgeglichen wurden die Quoten eigenständig erledigter Aufgaben nach Dauer, die Erfolgsquoten nach Aufgabenbereich und die mediane Tagesnutzung (umgerechnet zu API-Listenpreisen).