OpenAI 智慧代理獨立完成 46% 中長期研究任務

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

OpenAI 於 11 月 18 日發布第二份「研究加速」報告,副標題為「參差不齊的前沿」(The jagged frontier),以內部資料衡量程式碼代理對 AI 研發的影響。核心數字是:人類大約要花 2 到 4 小時的研究任務,代理在 10 月能獨立完成 46%,3 月時這個比例是 23%;4 到 8 小時的任務,同期從 13% 升到 35%。

這些都是 OpenAI 自己的估計。「獨立完成」如何判定,媒體轉述中並未交代,目前無法從公開資料查證。

同樣是研究工作,落差很大

副標題指的是任務之間的落差。在 8 月 1 日到 10 月 18 日的統計期間,監控模型訓練過程這類任務,代理成功率為 79%;啟動訓練任務是 35%;撰寫推論與服務堆疊程式碼只有 25%。

OpenAI 在結論中寫得相當克制:

"The agents are not taking over AI research. They are taking over specific slices."
(代理並沒有接管 AI 研究,它們接管的是其中特定的幾塊。)

一個人同時開十幾個

並行使用正在加深。報告指出,超過三分之二的研究員每日尖峰時同時開著至少 4 個代理,超過 10% 的人尖峰在 16 個以上。依研究領域來看,安全與對齊方向有紀錄的研究員工作週數,1 月到 9 月成長 77%,是各領域中增幅最大的。

報告中還有一項問卷:101 名研究人員被問到,為了在三個月內持續使用比 GPT-5.2 更強的代理,願意讓出多少資源。中位數答案是團隊 30% 的運算資源,或 40% 的人力。這是假設性的偏好調查,目前看不出 OpenAI 據此調整招募的跡象。

每人每天 2,400 美元

報告把代理用量依 API 標價換算成金額。10 月研究員每日用量的中位數約 2,400 美元,9 月是 1,500 美元;第 90 百分位從 1.1 萬美元漲到 2.3 萬美元。

粗略估算,以一年約 250 個工作天計,中位數研究員一年的代理用量約合 60 萬美元,第 90 百分位約合 575 萬美元。這是對外標價的口徑,OpenAI 內部實際的運算成本遠低於此,但具體多少並未揭露,因此這筆帳只能說明用量的量級,推不出真實開銷。

與上一份報告對照

9 月那份報告的說法是,研究代理在 8 月中旬做到每個人類工作日對應 3.1 個工作日的產出,本站當時曾報導過。兩個月後,OpenAI 換了衡量角度,從總產出轉為依任務時長與任務類型拆分成功率,結論也隨之收斂:長任務的獨立完成率上升很快,推論服務這類工程工作仍有約四分之三無法獨立完成。

這份報告的侷限也很明顯:資料來自內部,任務難度由 OpenAI 自行估計,缺少外部可重現的基準。下一份報告若公開判定方法,46% 這個數字的分量才好評估。

參考來源:OpenAI 研究加速報告、AI Weekly、CocoLoop、Crypto Briefing;已核對各時長任務的獨立完成率、分領域成功率與每日用量中位數(依 API 標價換算)。