OpenAI 11 月 18 日发布报告《Research acceleration: The jagged frontier》,基于内部数据披露编码 Agent 如何改变 AI 研发:3 月到 10 月,Agent 独立完成 2–4 小时研究任务的估计成功率从 23% 升到 46%,4–8 小时任务从 13% 升到 35%,但不同任务差异很大(监控训练 79%、启动训练 35%、写推理服务代码 25%)。按 API 标价,研究员日均 Agent 用量中位数达 2,400 美元,比 9 月涨 62%。安全与对齐的投入工作周 1–9 月增长 77%。OpenAI 呼吁 AI 实验室都应追踪并公开「递归自我改进」(RSI)指标。

核心要点速览

  • ✓任务成功率:2–4 小时任务从 23% 升到 46%,4–8 小时任务从 13% 升到 35%(3 月至 10 月);监控训练 79%、启动训练 35%、推理服务代码 25%
  • ✓用量:研究员日均 Agent 花费中位数约 2,400 美元(较 9 月 +62%),P90 约 23,000 美元(+105%);人均 Agent 工作日从 0.5 升到 5.7
  • ✓并发:10 月中旬三分之二以上研究员日峰值至少 4 个 Agent 同时工作,超 10% 至少 16 个
  • ✓成本结构:9 月研究部门 Agent 用量的 API 等价价值约为非股权薪酬的两倍,但内部部署只占研究算力的 2%
  • ✓安全:安全与对齐的投入工作周 1–9 月增长 77%,为各研究方向中绝对增幅最大;OpenAI 主张实验室应强制公开 RSI 指标
OpenAI 发布第二份「研究加速」报告:Agent 已能独立完成 46% 的 2–4 小时研究任务,研究员日均 Agent 用量 2,400 美元,安全与对齐投入增长 77%
🖼️要闻配图
点击全屏高清查看
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟

🔬

深度技术解析与实战评估

核心背景与行业痛点

AI 能否加速 AI 自身的研发(递归自我改进,RSI)是治理和安全讨论的核心问题,但外界很少看到实验室内部数据。OpenAI 9 月发布过第一份研究加速报告,11 月 18 日发布第二份《Research acceleration: The jagged frontier》,补充了更多量化与定性指标。

架构亮点与底层机制

报告按「投入—研究过程—产出」三段组织:投入看编码 Agent 用量;过程看 Agent 能独立完成多少研究任务、人类如何参与;产出看模型能力趋势。OpenAI 用「Agent 工作日」(每 8 小时 Agent 运行算 1 天)和 API 标价折算的花费来衡量用量。

权威 Benchmark 与实测跑分对比

据官方报告:3 月到 10 月,2–4 小时任务成功率从 23% 升到 46%,4–8 小时从 13% 升到 35%;但分任务看差距明显,监控训练 79%,写推理服务代码仅 25%,即「参差不齐的前沿」。研究员日均 Agent 花费中位数约 2,400 美元,人均 Agent 工作日从 0.5 涨到 5.7;安全与对齐投入工作周增长 77%。

开发者实战落地与开箱指南

对开发团队而言,报告给出了可参考的基线:Agent 已适合监控、巡检这类长时间任务,而复杂系统代码仍需人类主导。报告也显示重度用户同时运行多个 Agent 越来越普遍,值得在自己的工作流里试试并发和子 Agent。

实战指南准备好将技术转化为生产力?

即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

接着读X 热议:AI 博主 Chubby 称两个月来主力换成 Claude Code + Opus 5.5、「GPT 不错但差得远」,同时承认电脑操作仍是 GPT 的强项;150 多条回复聚焦「按任务分工」和当天的 Claude 登录故障
立即阅读→