OpenAI公开了最新内部Agent研究报告《Research acceleration: The jagged frontier》,把自家研究员使用AI的情况扒了个底朝天。
OpenAI内部的Agent,现在已经能独立搞定差不多一半(46%)原先需要人类花2-4小时的研究任务了。
对于原本需要人类花4至8小时的研究工作,Agent自主完成率从13%升到了35%。
如果未来3个月不给你们用最前沿的Agent,你们愿意拿什么来换回使用权限?
AI一天能干人的5.7个工作日
超过三分之二的研究员,每天至少同时跑4个Agent;超过10%的更是重量级,同时跑至少16个。
一边是能帮你7x24小时干活的AI Agent,一边是你团队里40%的活人同事——
AI在干啥活?
Agent在“沟通”(69%)和“分析”(58%)这类任务上表现很好,但在最关键的“构建”(43%)上就差一截。
数据显示,监控训练任务,成功率79%;但写推理和服务的代码,成功率就只有25%。
模型通常无法一次性提出它自己解决不了的、定义良好的问题。 我试过让它‘就像那个任务一样做这个任务’,结果被坑了很多次,因为它做得总是不对,我得自己去改。
Agent是实现代码和调试的绝佳工具,但它自己提不出好问题,分不清代码的好坏,也看不出数据的优劣。
你必须像个监工一样死死盯着它,不然它分分钟给你产出一堆毫无价值的“AI废料”(AI slop)。
AI Agent则像一个能力被超级放大的“手”和“眼”,负责把想法快速实现、执行海量枯燥的测试和分析。
报告里就提到一个点,在研发GPT-6.2 Astra时,预训练团队首次将一个关键想法的产生,归功于和Codex的对话合作。
AI真的在加速AI的诞生吗?
代码产出:2026年,每个活跃贡献者产出的代码行数,比2025年之前,一直在猛增。
自2025年8月以来,OpenAI模型能力的前沿每年提升16.4个点,超过了此前每年14点的行业趋势。
他们强调,这种AI驱动的进展,可能不是线性的,需要警惕像最近在数学领域发生的那种突发性、跳跃式的突破。
「崎岖的前沿」,不仅是技术能力的参差不齐,或许,也是我们这个时代,一边踩油门、一边找刹车真实写照。
从投研、短剧到知识检索,拆完这几个Agent,我才知道AI落地卡在哪 华尔街见闻 11/13 07:42
单Token降价撞上Agent高消耗,Kimi K3.1 Pro上线48小时即致歉,补偿25%用量 李丹 10/27 06:33
Agent、机器人与制药,谁先被GPT-6 Astra改写? 硅谷101 10/23 23:38
Personal Agent战火正在烧向硬件 吕哲彤 10/23 10:00
个人Agent,或将掀起新的存款保卫战 郑嘉意 10/22 01:45