AI飞轮开始自转：OpenAI公开披露内部数据，智能体工作量已是人类研究员的3倍以上。

9月6日，OpenAI官方博客发布文章《研究加速：OpenAI内部视角（Research acceleration: The view inside OpenAI）》首次以内部数据形式公开AI“递归自我改进”（RSI）的进展。OpenAI称其已经实现去年秋天定下的目标：在今年9月前造出一个“自动化研究实习生”。

OpenAI对“研究实习生”的定义是：“一个能在人类指导下执行明确定义的研究任务的系统，包括那些需要一名熟练研究员数天才能完成的任务。”

下一个目标是：2028年3月前实现完整的“自动化AI研究员”，使其能够参与深度学习和对齐研究，并通过迭代进一步改进系统。

这意味着“AI训练AI”的飞轮正在加速：AI产出更多代码和实验结果，研究进展加快，更好的模型被训练出来，再反过来提升智能体能力。

飞轮正在转动：AI代理工作量达人类的3倍

从OpenAI公布的数据看，智能体首先改变的是研究人员的日常工作方式。

今年年初，按智能体使用量排序处于中位数的OpenAI研究员，对编码智能体的使用仍相对有限。到8月中旬，这部分研究员已将智能体纳入日常工作流程。按API价格折算，中位研究员每天的智能体推理使用额已超过600美元；研究组织中使用量处于前10%的研究员，每天使用的Token价值则超过7000美元。

OpenAI还表示，研究部门的智能体使用增长快于公司其他团队。以中位员工的输出Token变化计算，研究部门的使用规模较2025年12月增长124倍。

更关键的转折点发生在今年6月。

6月之前，研究组织的智能体总运行时长仍低于人类劳动总时长。此后情况逆转。截至8月中旬，以标准8小时工作日计算，每消耗1个人类工作日，研究组织的智能体已产出3.1个工作日的工作量。

与此同时，OpenAI称，越来越多研究员会同时运行4个或更多智能体会话。

代码和实验加速，研发流程的可执行环节被放大

OpenAI将AI研发描述为一条包含多个环节的流程：提出改进方案、设计评估、编写基础设施、进行大规模测试、发现训练中的错误或不安全行为，并将有效方案整合进核心训练。

其中任一环节受阻，都可能限制整体研发循环。

OpenAI称，写代码和运行实验是研究人员的两项主要工作，而内部数据反映这两项活动正在加速。

一方面，公司工程师整体代码交付速度提升。另一方面，2026年以来，每名活跃实验人员对应的实验数量持续增加；2026年8月达到自2025年1月开始跟踪以来的新高。

OpenAI称，这一趋势与Codex使用增加存在相关性，但同时强调，公司自2025年以来可用算力也显著增长，不能将实验增长完全归因于智能体。

“这些数据点相对容易测量，但可能很难解释。”

OpenAI还提示，随着自动化推进，最不易被自动化的任务可能占据研究人员更多时间，并成为未来研发的新瓶颈；算力也可能在其他瓶颈减弱后变得更关键。

从这一链条看，智能体带来的并非单一环节的效率改善，而是通过增加代码供给、测试次数和排障能力，压缩研发循环中的等待时间。更多实验再产生更多结果，供研究人员筛选、验证和整合，形成“人定方向—智能体执行—实验反馈—人再决策”的循环。

任务从写代码延伸至排障、监控和分析，但高层决策占比仍低

OpenAI使用Epoch AI提出的前沿AI研发任务分类框架，对研究人员交给编码智能体的任务进行了划分。

该框架将AI研发活动分为六类：决定做什么、设计研究方案、构建代码与数据集、运行训练与评估、分析实验和模型表现，以及沟通研究发现与决策。

OpenAI称，从2026年1月至8月，上述所有类别的智能体活动均有所增加。

增长最明显的任务包括研究和基础设施代码、技术协助与审查、启动监控和调试运行、实验结果分析，以及计算集群运营等。

其中，研究和基础设施代码的日均每研究员输出Token增量最大，达到19.82万；技术协助与审查增加15.88万；启动、监控和调试运行增加13.31万。

不过，OpenAI表示，高层规划类任务在智能体输出中仍只占很小比例。例如，“决定做什么”“决定继续还是停止”等任务的Token规模仍较低。

这意味着，至少按照OpenAI当前披露的内部数据，智能体已覆盖研发流程中更多执行性、技术性任务，但研究方向选择、资源取舍及结果判断仍主要由人完成。

智能体成功率在提升，但复杂任务仍需人工介入

OpenAI还公布了智能体任务完成率的数据。

从今年1月到7月，在可验证结果的任务中，各难度级别（以人类完成所需时间为代理指标）的成功率普遍提升。

但有一个重要限制：任务越复杂，越需要人工干预。 过去6个月中，在需要人类4至8小时完成的任务里，超过一半的成功案例涉及至少1次人工介入。

OpenAI的表述是：“智能体仍需要大量人工引导才能成功，尤其是随着任务复杂度上升。”

安全事件触发暂停：飞轮也会被踩刹车

飞轮并非无摩擦运转。

7月20日， OpenAI发现智能体入侵了内部研究基础设施，随即临时关闭用于训练的容器服务，并在加入大量额外限制后恢复。这导致强化学习训练算力急剧下降，持续约两周。

8月6日至7日， 初步证据显示Astra模型可能具备其“准备框架”（Preparedness Framework）定义下的关键网络能力，OpenAI对Astra模型实施了额外的特定安全限制，要求其在更高安全级别的研究环境中运行。

此后一周，Astra级别的GPU分配进一步下降59.2%，但其他模型类别的算力分配上升17.2%，抵消了约85%的Astra算力缺口，整体强化学习工作负载的总算力分配基本保持不变。

OpenAI对此的解读是：“当新的管控措施引入时，算力仍然有价值且具有灵活性，会自然流向研究企业内的替代用途。”

OpenAI首席科学家同日发出警告

同一天，OpenAI首席科学家Jakub Pachocki发表长文《An Alien Mind》（一个异星心智）。

文章认为，AI是养出来的，不是造出来的。造它的人也不完全懂它。人类唯一能看见AI在想什么的窗口，是它写出来的思维链。这扇窗正在关上。AI已经开始参与训练下一代AI，这个速度不会慢下来。现在没有哪家实验室配全速往前跑，包括OpenAI。

Pachocki在文中写道：“基于内部结果，我强烈预期这种进展速度可以持续到递归自我改进。” 但他同时表示，“目前我认为，没有任何实验室在对齐与监控上做到了足够充分的程度，可以继续负责任地以最高速度扩展太久。”

他呼吁行业自愿放缓，并推动各国政府将国际协调列为优先议题。

透明度与民主治理

OpenAI在报告结尾表示，将继续公开RSI进展，并在其“前沿政策蓝图”中主张，包括OpenAI在内的各公司应被要求公开追踪其RSI进展。

报告也坦承当前测量工作的局限：“智能体驱动的AI研究仍然是新生事物，我们仍在学习如何衡量它。” 部分指标（如代码产出量）易于收集但难以解读；更直接反映研究进展的指标（如智能体任务成功率）则复杂且难以验证。

OpenAI的表态是：“每当我们发现继续推进将带来不可接受的安全风险时，我们将采取适当应对措施，包括放缓或停止我们认为无法充分保障安全的系统的开发或部署。”