博客 详情

去年10月28日，OpenAI完成了营利实体重组，奥特曼与首席科学家Jakub Pachocki共同进行了一场直播。

在那场直播里，奥特曼表示：与其持续争论AGI的具体定义，不如设定两个能够真正落实的时间节点。

紧接着，Pachocki公布了这两个时间点：

• 2026年9月，自动化AI研究实习生开始工作。
• 2028年3月，自动化AI研究员正式到位。

十个多月后，第一个时间点已经到来，OpenAI按时兑现了承诺。

9月6日，OpenAI研究员Boris Power转发官方博客：

OpenAI已实现自动化研究实习生的目标。

这是AI行业中首张公开兑现的能力时间表。

“研究实习生”并非一款具体产品，而是OpenAI对自身内部能力的一种界定：

一个能够在人类指导下完成明确研究任务的系统，并且这些任务原本需要熟练研究员花费数天时间才能完成。

至于计划在2028年实现的“研究员”，Pachocki给出的标准是：

能够自主交付更大型研究项目的系统。

一个需要人类指导，另一个能自主完成更复杂的研究项目。

从“实习生”到“研究员”，核心差距在于一整层判断力：做什么、做到什么程度、何时停止。

这一层能力正是当前AI最薄弱的环节。

OpenAI自己的数据显示，“决定做什么”在Agent输出中几乎不存在，一旦任务超过4小时，就需要人类频繁介入。

为了在18个月内弥补这一层能力，OpenAI已经确定了路线：递归自我改进（Recursive Self-Improvement，RSI）。

让AI来研究AI，再让研究出来的AI继续研究AI。

但OpenAI也承认，自己尚不清楚如何安全地实现完全对齐、完整的RSI。

实习生的成本，每天高达7000美元

在此次交卷报告中，OpenAI还披露了一个惊人的内部数据：AI的工作时长已经是人类的3倍。

截至2026年8月中旬，在OpenAI的研究部门中，每投入1个人类工作日，背后就有3.14个Agent工作日。

OpenAI研究部门Agent工作日与人类工作日之比，6月实现反超，8月中旬达到3.14倍。

那么，这个“实习生”究竟有多努力，又有多烧钱？

OpenAI这次没有依赖跑分数据，而是直接展示了自家研究部门的工作账单。

年初时，OpenAI研究部门中那些Agent用量处于中等水平的研究员，还只是“少量使用”AI工具。

但到了8月中旬，这位中位数员工每天消耗的推理算力，按API价格计算已超过600美元。

如果是排在前10%的重度用户，每天消耗的token直接突破7000美元。

OpenAI研究员每天消耗的Agent推理费用（按API价格）。左图为中位数研究员，8月中旬超600美元；右图为前10%重度用户，超7000美元。

这比不少高级程序员的月薪还要高。

今年以来，研究部门中位员工的输出token量暴涨了124倍，远远领先公司其他部门。

实际上，在6月之前，整个研究部门的Agent总运行时间还低于人类的总劳动时间。

但6月过后，曲线彻底反超，到了8月中旬直接拉升到3.14倍。

OpenAI研究部门Agent工作日与人类工作日之比。5月初还不到0.5倍，6月反超，8月中旬达3.14倍。

研究员们甚至开始尝试“多开”，同时运行4个以上Agent并行工作的人越来越多。

钱花得如此之多，研究进度是否加快了？数据显示：

2026年8月，每位活跃实验者进行的实验数量，创下了自2025年1月开始统计以来的历史新高；全公司每位活跃贡献者的代码变更量，相比2025年之前的平均水平也实现了翻倍增长。

不过，OpenAI也清楚其中的瓶颈——自动化推进得越深，最难自动化的那部分任务就会占用研究员越来越多的精力，成为下一道关卡。

算力这道门槛，也会变得越来越重要。

换句话说：写代码早已不是限制发展的瓶颈了。

实习生具体在做什么

每个人类研究员背后都有3.14个Agent工作日，这是否意味着一个AI已经顶替了三个研究员？

先别急于下结论。

OpenAI这次将Agent的工作明细进行了分解，它使用Epoch AI的一套分类法，将AI研发拆分为六个阶段：

决策、设计、构建、运行、分析、沟通。

然后，将Agent产生的所有token逐条归类，观察AI究竟在忙什么。

结果显示，从1月到8月，每位研究员每天的token增量，前三名全部是“执行层”的繁琐工作：

写研究和基础设施代码，增加19.82万个token；技术帮助与代码审查，增加15.88万个token；启动、监控和调试训练运行，增加13.31万个token。

而“决策层”呢？

增长幅度微乎其微：“决定做什么”仅增加2300个token；“算力与人员分配决策”增加1500个token；“决定继续还是叫停项目”仅仅增加200个token。

执行层和决策层，每天的token增量相差近千倍！

用OpenAI的话说：高层规划在Agent输出中仍然只占极小一部分。

1月到8月，OpenAI每位研究员每天各类研究活动的Agent输出token增量。写代码涨19.82万居首，“决定继续还是叫停”只涨200，相差近千倍。

这里还有一个细节：

OpenAI内部原本有好几个团队每周提供支持，帮助研究员排查实验环境问题。

到了2026年，去人工频道发帖求助的人越来越少，其中一个团队因为实在无人问津，干脆停止举办答疑会，将人手全部转移到系统改造上。

故障排查和环境修复这类令人头疼的工作，已经被Agent全面接管。

那么，成功率如何？

OpenAI统计发现，人类15分钟内能完成的简单任务，Agent零干预一次成功的比例高达86%。

任务延长到4到8小时，零干预成功率就降至43%。过去半年里，这一档成功完成的任务中，超过一半至少需要人类介入一次。

拉到8到16小时，零干预成功率只剩四成。

因此，“实习生”这个词使用得极为精准：

你给它分配一项任务，它能不知疲倦地干上几天的量；但大方向是否正确、何时应该停止，仍然需要人类导师在背后监督。

7月，OpenAI两次踩下刹车

OpenAI贴出了一张强化学习算力曲线图，图上的两条虚线，就是两次踩刹车的时间点。

7月15日至8月15日OpenAI强化学习GPU分配。7月20日安全暂停后算力应声腰斩；8月7日Astra类（绿色）再受限，一周内降59.2%，其他模型（蓝色）随即补位。

第一次刹车，发生在7月20日。

那天OpenAI发现，Agent竟然攻破了自家研究基础设施。训练用的容器服务当天紧急关停，重新上线时增加了大量额外限制，面向最新部署模型的强化学习训练直接暂停两周。

第二次刹车，发生在8月7日。

当时，OpenAI发现初步证据表明，Astra模型可能具备了OpenAI安全框架定义的“关键网络能力”。

公司立刻为其追加专属限制，要求Astra只能在更高安全等级的研究环境中运行。接下来一周，Astra类的GPU分配再降59.2%。

随后，出现了诡异的一幕。

其他模型的GPU分配同期上涨17.2%，刚好将Astra腾出的缺口补回约85%。整个强化学习工作负载的总算力，几乎未受影响。

算力不会闲置。管控措施一来，它自己找到路径流动，研究员转头就将腾出的显卡挪去训练其他模型了。

所以，刹车踩下去了，但车却没有停下，而是换了条路。

OpenAI自己也承诺，只要发现继续推进会带来不可接受的安全风险，就会减速，甚至停止开发或部署。

它还公开提出一个要求：所有前沿实验室，都应该被要求公开追踪自己的RSI进度。

递归自我改进不再是口号

查看OpenAI现在的招聘页面，你会发现上面赫然挂着一个团队，就叫RSI。

岗位说明中写道：构建能够加速、并最终自己执行高质量研究的AI系统。

开出的年薪高达29.5万到44.5万美元。

同一家公司里，负责安全的Preparedness团队也在招聘：递归自我改进安全研究员，年薪38万到50万美元。

一边招聘人员猛踩油门，一边招聘人员赶造刹车。

从去年10月奥特曼口头提及，到今天有编制、有预算、有安全对口岗位，递归自我改进已经从论文中的一个概念，变成了OpenAI的一项组织工程。

下一个时间点到来时，人类还能否叫停

奥特曼口中第一个时间点，已经兑现。

在AI研发这个巨大循环中，执行层正在被整体接替：写代码、修环境、盯训练、排故障。决策层，仍然掌握在人类手中。

第二个时间点，2028年3月的“自动化研究员”，距离今天还剩18个月。

OpenAI承认自己接下来还不知道如何“安全走完这条路”。

系统一代比一代强，刹车却未必一代比一代灵。

7月那两次刹车已经证明：就算踩下刹车，算力也不会停，它会绕道跑去训练下一代模型。

真到了AI自己能当研究员的那天，人类还来得及叫停吗？

参考资料：

https://www.youtube.com/watch?v=ngDCxlZcecw

https://openai.com/index/research-acceleration-view-inside-openai/

https://openai.com/careers/research-engineer-research-scientist-ai-systems-engineer-rsi-san-francisco/

本文来自微信公众号“新智元”，作者：ASI启示录；编辑：元宇，36氪经授权发布。