一句话:OpenAI 的研究员已经把近一半的活交给了自家智能体,而这一步花掉的钱,同期涨了六成以上。两个数字摆在一起看,才是这份内部报告真正的信息量。
OpenAI 11 月 18 日发布报告《Research acceleration: The jagged frontier》,把「AI 帮我们做研究」从体感变成了统计:2 到 4 小时的研究任务,无人干预完成率从 3 月的 23% 升到 10 月的 46%;4 到 8 小时的任务,从 13% 升到 35%。


一句话:AI 已经接手一半的活
先说口径。这里的「完成」指智能体不需要人插手就把任务做完,「2 到 4 小时」是按人类研究员干这活要多久估出来的。报告统计的是 3 月到 10 月,样本来自 OpenAI 研究组织自己记录的智能体运行日志,不是外部基准测试。
长任务掉得更明显:10 月两个档位差了 11 个百分点。这个落差在报告里只是一行数字,但它说明了智能体能力的边界形状——任务一长,人在回路里的比重立刻反弹。
说白了,AI 现在能接的是一段活,不是一个项目。一段活有明确的开始和结束,有可验证的结果;一个项目要先判断该做什么、什么时候停。前半句是工程问题,后半句是品味问题。
所以读这份报告的正确姿势是看结构,不看总量。46% 这个数字好看,但它把 79% 和 25% 平均掉了,而平均值在能力分布这么不均的时候,几乎解释不了任何事情。

划重点:哪些活能干,哪些不行
按任务拆开看,8 月 1 日到 10 月 18 日这段窗口,无人干预成功率最高的是盯训练运行找问题,79%;其次是回答技术问题,72%。这两类活有共同点:判定标准清楚,做错了立刻看得见。
垫底的是写推理和服务栈代码,25%;搭建评测与强化学习环境,29%;启动训练运行,35%。这三项恰恰是把模型从实验推到线上的必经环节,也是耗时最不可控的地方。报告的原话是,这些低分任务可能成为整体提速的瓶颈。
按大类归拢,沟通 69%、分析 58%、构建 43%,梯度很明显。OpenAI 自己在报告里承认,分数低的类别会变成瓶颈:单点再快,卡在装配环节也快不起来。
这是我的第一个判断:这组数字描述的更像「AI 会做研究的后勤」,而不是「AI 会做研究」。后勤吃掉大量工时,让研究员腾出手,但它不定义方向,也不决定哪个想法值得试。

账单:一天两千四百美元是怎么算的
按 API 标价折算,10 月研究员人均智能体日耗约 2400 美元,比 9 月的 1500 美元涨 62%;前 10% 的人从 11000 美元涨到 23000 美元,涨幅 105%。中位数和尾部之间的差距,比中位数本身更值得看。
人均智能体工作日从 0.5 涨到 5.7,十一倍。预训练和后训练团队平均每个自然日跑出约 8 个智能体工作日;超过三分之二的研究员同时开 4 个以上,一成的人同时开 16 个以上。
这笔钱的性质要说清楚:标价,不是实付。内部用量不会按对外价格结算,这个数字回答的是另一个问题——同样的用量拿到市场上买,账单会长什么样。
报告里还有一句更硬的:2026 年 9 月,研究部门智能体用量的 API 等值约等于其非股权薪酬的两倍。而内部自部署只占研究算力的 2%,主力还是按对外那套价格体系在跑。

但这里有个前提:锯齿形的前沿
报告自己列了限制。方法中途改过;智能体变强后,研究员会把更难的活交给它。所以 3 月的 23% 和 10 月的 46% 不是严格同口径对比。上一版报告还留了一句:过去半年里成功的 4 到 8 小时任务,超过一半仍需人介入一次以上。
真实工作流的毛病也写进了原文:启动实验效率低、在无关步骤上打转、写出「AI 泔水」式的 PR、产出不能用的数据文件、做出错的分析假设。这些不是能力不足,是判断力不足。
另一组数字更值得看:101 名研究员的中位数,愿意放弃 40% 的团队人头,或 30% 的团队算力,换三个月前沿编码智能体;28 人中有 27 人认为最新内部模型强过「中级工程师加老模型」。
我的第二个判断:真正的风险不在 46%,在剩下那 54% 恰好卡在关键路径上。安全与对齐工时九个月涨了 77%,是各研究方向里绝对增幅最大的一块。愿意拿同事的位置去换工具,这个信号比完成率更刺眼。