OpenAI:AI代理独立完成46%长周期研究任务

OpenAI代理人独立完成长周期研究任务比例升至46%。数据显示,2至4小时任务自主成功率翻倍,但技术构建仍存短板。随着编码代理依赖度激增,日均支出超两倍,人类监督与安全投入同步加强。

OpenAI 最新内部评估数据显示,其人工智能代理人在处理长周期研究任务方面的自主能力显著提升。2026年3月至10月期间,无需人类干预即可完成的、预计耗时2至4小时的研究任务比例从23%上升至46%。

AI代理自主完成率升至46%
  • AI代理人目前能独立完成46%的2至4小时研究任务
  • 自2026年3月起,长期研究任务的成功率翻倍增长
  • 代理人在沟通类任务中表现最佳,而在技术构建方面仍面临挑战

自动化程度随任务时长与类型呈现差异

除了短周期任务,OpenAI 指出在需要4至8小时完成的研究工作中,自主成功率也从13%提高到了35%。然而,这种性能提升并非在所有研究领域均匀分布,特定技术职责对自主系统而言依然困难重重。

具体数据显示,在监控训练运行这一环节,代理人取得了79%的高成功率;但在启动这些运行时,效果则相对较弱。编写推理和服务系统的软件更具挑战性,其自主完成率仅为25%。相比之下,涉及沟通和分析的任务表现优于软件开发类工作:2026年8月至10月间,代理人在沟通任务中的成功率为69%,分析任务为58%,而构建研究基础设施的成功率为43%。

随着编码代理能力的增强,研究人员对其依赖度显著上升。OpenAI 估算,10月份日均用于编码代理的支出达到2400美元,较9月份的1500美元增长了62%。整体每日支出更是从9月的11000美元激增至23000美元,增幅超过一倍。

人类监督仍是核心,安全投入大幅增加

尽管自动化水平提高,OpenAI 强调人类研究人员在指导、监督和判断方面依然不可或缺。研究发现,AI系统在做出研究判断、保证软件质量、规划实验以及产生可靠结果方面仍存在短板。许多看似完成的任务实际上包含错误,需要大量人工纠正,因此密切监督必不可少。

与此同时,研究人员正将更多精力投入到与强大AI工具相关的安全问题上。2026年1月至9月期间,关于安全与调整的文献贡献增加了77%,成为所有研究类别中绝对增长最大的领域。OpenAI 将此归因于新员工的招聘以及现有员工工作重心的转移。

虽然编码代理帮助研究人员将原本需数天的实验工具测试缩短至一天,并推动了可测量的研究活动增加,但这并不直接等同于科学进步速度的加快。OpenAI 使用结合多个基准测试的能力指数来衡量模型进展,该指数显示自2025年8月以来每年增加16.4点,高于 Epoch AI 自2024年底以来记录的每年14点的增长。不过,由于两者采用的基准组合不同,这些数据更多反映的是趋势而非直接的横向对比。

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读