AI开始研究AI！OpenAI「研究实习生」上岗，奥特曼画的饼已兑现一半

新智元报道 去年10月28日，OpenAI刚完成营利实体重组，奥特曼和首席科学家 Jakub Pachocki 开了一场直播。 奥特曼在直播里撂下一句话：与其天天吵AGI到底怎么定义，倒不如定两个能真正兑现的日子。 紧接着，Pachocki就把日子报了出来： 2026年9月，自动化AI研究实习生上岗。 2028年3月，自动化AI研究员就位。 十个多月过去，第一个日子到了，OpenAI按期交卷。 9月6日，OpenAI研究员Boris Power转发官方博客： OpenAI达成了自动化研究实习生的目标。 这是AI行业第一张被公开兑现的能力时间表。 「研究实习生」不是一款产品，它是OpenAI对自己内部能力的一个定义： 一个能在人类指导下完成明确研究任务的系统，而且干的都是熟练研究员原本要花几天才能搞定的活。 至于那个计划在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，一个能自主交付更复杂的研究项目。 从「实习生」到「研究员」，差的 主要 是一整层判断力：做什么、做到哪、什么时候停。 这一层恰恰是今天AI最薄弱的地方。 OpenAI自己的数据显示，「决定做什么」在Agent输出里几乎不存在，任务一超过4小时，就得人频繁插手。 18个月补上这一层，OpenAI把路线也定好了：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，自己还不知道该怎样安全地走到完全对齐、完整的RSI那一步。 实习生的账单 一天烧掉7000美元 在这次交卷报告里，OpenAI还披露了一个惊人的内部数据，AI的打工时长已经是人类的3倍： 截至2026年8月中旬，在OpenAI的研究部门里，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月反超，8月中旬达3.14倍。 先来看看，这个「实习生」到底有多努力，又有多烧钱。 OpenAI这次没拿跑分说事，直接亮出了自家研究部门的工作账单。 年初的时候，OpenAI研究部门里那些Agent用量排名中等的研究员，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光是消耗的推理算力，按API价格算就超过了600美元。 如果是排在前10%的重度用户，每天烧掉的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，把公司其他部门远远甩在了后面。 其实在6月之前，整个研究部门的Agent总运行时间还比不过人类的总劳动时间。 但6月一过，曲线彻底反超，到了8月中旬直接拉升到了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。 研究员们甚至开始玩起了「多开」，同时开4个以上Agent并行干活的人越来越多。 钱花得这么狠，研究进度变快了吗？数据显示： 2026年8月，每位活跃实验者跑的实验数量，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，对比2025年之前的平均水平也实现了翻倍跨越。 不过OpenAI也深知其中的瓶颈——自动化推进得越深，最难自动化的那部分任务就会占掉研究员越来越多的精力，成为下一道卡点。 算力这道门槛，也会越来越重要。 换句话说：写代码早就不是限制起飞的瓶颈了。 实习生到底在干什么活 每个人类研究员背后都有3.14个Agent工作日，是不是说一个AI已经顶三个研究员了？ 先别急着下结论。 OpenAI这次把Agent的工作明细拆开了，它用Epoch AI的一套分类法，把AI研发拆成六个阶段： 决策、设计、构建、运行、分析、沟通。 然后把Agent吐出的所有token逐条归类，看AI到底在忙什么。 结果显示，1月到8月，每位研究员每天的token增量，前三名清一色是「执行层」的苦活： 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。 「决策层」呢？ 涨得少得可怜：「决定做什么」只增加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token增量差了近千倍！ 用OpenAI的话说：高层规划在Agent输出里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，差了近千倍。 这里还有一个细节： OpenAI内部原本有好几个团队每周开门诊，帮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没人来，干脆停办答疑会，把人手全挪去改系统了。 找故障、修环境这种让人头秃的活，已经被Agent全面接管。 那成功率呢？ OpenAI统计发现，人类15分钟内能干完的简单任务，Agent零干预一次成功的比例高达86%。 任务拉长到4到8小时，零干预成功率就只剩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插手一次。 拉到8到16小时，零干预成功率只剩四成。 所以说，「实习生」这个词用得极其精准： 你给它派个活，它能不知疲倦地干上几天的量；但大方向对不对、什么时候该停，还是得靠人类导师在背后盯着。 7月 OpenAI连踩两脚刹车 OpenAI贴出了一张强化学习算力曲线图，图上的两条虚线，就是两脚刹车的时间点。 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。 第一脚刹车，7月20日。 那天OpenAI发现，Agent居然攻破了自家的研究基础设施。训练用的容器服务当天紧急关停，重新上线时加上了大量额外限制，面向最新部署模型的强化学习训练直接暂停两周。 第二脚刹车，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」。 公司立刻给它追加专属限制，要求Astra只能在更高安全等级的研究环境里跑。接下来一周，Astra类的GPU分配再降59.2%。 然后，诡异的一幕出现了。 其他模型的GPU分配同期上涨17.2%，刚好把Astra腾出来的缺口补回约85%。整个强化学习工作负载的总算力，几乎没受影响。 算力不会闲着。管控一来，它自己找路流走，研究员转头就把腾出来的卡挪去训别的模型了。 所以，刹车踩下去了，但车却没停，而是换了条道。 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。 它还公开提了一个要求： 所有前沿实验室，都应该被要求