OpenAI编码代理自主完成任务比例显著上升,研究效率指标全面刷新
OpenAI发布的最新数据显示,其编码代理在无需人工干预的情况下独立完成研究人员通常需要2至4小时才能完成的研究任务的比例,已从3月的23%大幅攀升至10月的46%。与此同时,针对需要4至8小时才能完成的复杂任务,无干预成功率也同期从13%提升至35%。
报告发布与任务分类统计
OpenAI于18日发布的《研究加速:锯齿状前沿》(Research acceleration: The jagged frontier)报告中公布了上述内部测量结果。报告中指出,“无干预成功”是指在整个任务执行过程中,研究人员未进行任何介入或修正的情况。
各项任务的统计数据收集期为8月1日至10月18日。在此期间,不同类别任务的无干预成功率分别为:
- 训练进度监控:79%
- 启动训练:35%
- 评估、强化学习及代理环境构建:29%
- 推理与代码服务编写:25%
整体成功率是基于OpenAI的内部使用记录估算得出的。公司解释称,由于研究人员委托给代理的任务类型可能发生了变化,因此成功率的提升并不完全等同于模型本身性能的单一改进。
代理使用成本与资源消耗激增
数据显示,截至10月,每位研究人员每日使用代理的中位数价值达到2,400美元(约合人民币320万元),而处于第90百分位的研究人员这一数值高达2.3万美元(约合人民币3,064万元)。与9月相比,这两个数字分别增长了62%和105%。
需要注意的是,这些金额并非实际支出,而是基于公开API价格计算的使用价值。OpenAI表示,使用活动的扩大、高价位模型的使用增加,以及模型操作和代理执行体系的变化,共同促成了这一增长。
OpenAI还解释了8月下旬引入临时“Harness”效率优化措施后的影响:输入token使用量急剧下降,导致记录的内部token使用额大幅降低。然而,自9月10日起逐步回滚该变更后,记录的使用量迅速回升。
研究人员的工作模式转变
如果将代理运行8小时计为一个“代理工作日”,那么每位研究人员平均每天使用的代理工作日已从0.5天激增至5.7天。不过,该指标主要捕捉的是研究人员直接使用的交互式代理情况,对自动化工作的反映可能不足。
在10月中旬的调查对象中,超过三分之二的研究人员日均最大并发使用量超过4个,另有超过10%的研究人员日均最大并发使用量达到16个以上。
此前报道曾指出,8月中旬OpenAI研究人员的日均代理使用价值约为601美元。当时的数据同样基于公开API价格换算,而本次报告进一步补充了10月的使用量、分任务成功率以及研究活动指标。
替代方案意愿与安全研究增长
OpenAI向101名内部研究人员提问:如果获得比GPT-5.2更强大的编码代理的权限被中断三个月,他们将提供什么资源来换取恢复访问?回答的中位数是团队人力资源的40%和当前团队计算资源的30%。公司承认,由于这些数据来自自我报告且抽样具有随机性,存在一定的局限性。
通过对内部帖子、拉取请求(代码变更审查请求)和文档进行分类估算,OpenAI发现其在安全与对齐领域的记录每周研究工作量在1月至9月期间增长了77%。公司将此归因于新员工的招聘以及现有研究人员的工作调动。需注意的是,这并非对实际工作时间的全面测量。
在截至10月18日的四周时间内,每位活跃实验者的记录实验数量达到了2025年基准值的1.68倍。但OpenAI强调,不能仅凭实验数量的增加就断定研究进展速度加快。
未来展望与局限
OpenAI警告称,过去的代理使用情况和研究活动指标可能无法准确预测未来的研究进展。公司表示,期待通过不断完善测量方法,并扩大关于安全研究与模型能力提升速度差异、研究加速先行指标等方面的报告,以更全面地理解技术发展的动态。

交易所
交易所排行榜
24小时成交排行榜
人气排行榜
交易所比特币余额
交易所资产透明度证明
去中心化交易所
资金费率
资金费率热力图
爆仓数据
清算最大痛点
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
ETF追踪
索拉纳ETF
瑞波币ETF
香港ETF
比特币持币公司
加密资产反转
以太坊储备
HyperLiquid钱包分析
Hyperliquid鲸鱼监控
大额转账
链上异动
比特币回报率
稳定币市值
期权分析
新闻
文章
财经日历
专题
钱包
合约计算器
账号安全
资讯收藏
自选币种
我的关注