11 月 18 日,OpenAI 发布第二份研发加速报告《Research acceleration: The jagged frontier》,以内部测算量化编码智能体对其研发流程的渗透程度。报告称,对估计需要人类两到四小时完成的任务,智能体在无人干预下完成比例从 3 月的 23% 升至 10 月的 46%;对四到八小时的任务,这一比例从 13% 升至 35%。这是 OpenAI 继 9 月首份报告后的更新,数据截至 2026 年 10 月。

能力分布很不均衡。按任务类型拆分,智能体自主完成监控训练运行的比例为 79%,启动训练运行为 35%,编写推理与服务栈代码仅为 25%。官方称提升是参差不齐的,人仍是研发环节的核心;受访研究者反映,智能体在执行实现、调试与样本筛查上表现稳定,但在判断研究方向、鉴别输出质量上仍有欠缺,团队不得不在多次运行之间插入人工复核节点。

编码智能体自主完成率(OpenAI 内部测算,%) 按任务所需人类工时 两到四小时 3 月 23 10 月 46 四到八小时 3 月 13 10 月 35 按任务类型(10 月) 监控训练运行 79 启动训练运行 35 写推理服务代码 25
图 1|智能体自主完成率按任务类型差异明显,监控训练运行最高、编写推理代码最低;均为 OpenAI 内部测算,非独立评测。

用量增长同样显著。按公开 API 标价折算,10 月研究员使用智能体工具的每日中位数为 2400 美元,较 9 月增长 62%;九成分位研究员为 23000 美元,增长 105%。以八小时为一个智能体工作日计算,人均每日智能体工作时长从年初的 0.5 个升至 5.7 个。一项覆盖 101 名研究人员的调查显示,中位回答是愿以团队 30% 的算力或 40% 的人力换取继续使用前沿编码智能体三个月。

报告把安全投入单列出来。1 月至 9 月,记录在册的安全与对齐工作周增加 77%,为各研究领域中增幅最大,OpenAI 将这一拐点归因于 7 月 Hugging Face 事件后的人员补充与岗位调整。报告延续 9 月立场,主张 AI 实验室应被要求追踪并公开递归自我改进(RSI)指标,同时声明分享这些数据不应被解读为追求完整的 RSI。

这份报告衡量的是智能体承接研发任务的程度,不是模型能力的独立评测;任务工时估算、抽样方式与自评问卷均由 OpenAI 自行设计,报告也提示样本量小、委托任务构成会随时间变化,未给出独立复核结果。

信息来源