AI比人贵了…OpenAI:内部Agent开销已达研究员薪酬两倍

量子位热度: 5424

OpenAI内部报告显示,其研究员广泛使用AI Agent执行研究任务,Agent日均开销达2400美元,最高达2.3万美元,已覆盖46%的2-4小时研究工作;Agent工作量相当于每人每天驱动5.7个AI工作日,成本达研究员非股权薪酬两倍;AI在沟通、分析任务上表现优异,但在系统构建和研究品味上仍依赖人类主导,安全与对齐成为人力投入增长最快的领域。

摘要由 Mars AI 生成
本摘要由 Mars AI 模型生成,其生成内容的准确性、完整性还处于迭代更新阶段。

OpenAI的研究员,现在用AI已经用到什么程度了?

人均每天调用的Agent,按API标价折算,居然能值2400美元?!

用得最猛的那10%研究员,单日使用量甚至能达到2.3万美元(约16万人民币)。

嘶……这帮研究员用起AI来,是真一点都不心疼Token啊。

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。

安全与对齐

先给朋友们来个一句话总结:

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。

今年3月,这个比例还只有23%;短短7个月,直接翻倍。

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%。

研究员们自己,已经离不开AI了。

OpenAI问了101名研究人员:

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?

受访者普遍愿意拿出团队40%的人力编制,或者30%的计算资源来换。

安全与对齐

AI一天能干人的5.7个工作日

先看几个数据,感受一下这帮研究员用得有多狠。

从9月到10月,一个月时间:

中位数研究员每天在Agent上的花费,从1500美元涨到了2400美元。

头部10%的用户,更是从1.1万美元直接飙到2.3万美元。

安全与对齐

报告还专门计算了一个叫作「Agent工作日」的指标。

算法很简单:

Agent累计运行8小时,就算一个工作日。

如果换算成工作量,现在每个研究员,平均每天能驱动5.7个Agent工作日。

等于每个研究员身后,都站着将近6个7x24小时待命、不知疲倦的AI小弟。

这个数字,是之前基准的整整11倍。

安全与对齐

而且大家已经习惯了“群殴式”工作。

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。

安全与对齐

这还没完,报告里有个对比,杀伤力极强:

目前,Agent的API等效价值,已经达到了研究员非股权薪酬的两倍。

(虽然这薪酬没算股权大头,但也够吓人了……)

也就是说,在OpenAI内部,AI提供的劳动力价值,已经从账面上超过了人类。

安全与对齐

这一点,研究员自己也认。

因为内部做了个调查,问他们一个诛心的问题:

如果让你三个月不能用最顶尖的编程Agent,你愿意牺牲什么来换?

中位数研究员的选择是:

砍掉团队40%的人。

或者,放弃团队30%的算力。

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——

同事&算力,你们自由了(doge)。

AI在干啥活?

烧了这么多钱,动用了这么多资源,那AI到底在干嘛?它真的能独立搞研究了吗?

这是最核心的问题,但答案是:The jagged frontier,参差不齐。

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。

说白了,让它查资料、跑数据、写邮件、监控实验,它很在行。

但让它从零开始搭一个复杂的系统,它就容易抓瞎。

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%。

安全与对齐

这背后暴露了一个关键问题,也是研究员在访谈里反复吐槽的:

AI Agent缺乏研究“品味”(research taste)。

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。

研究员的反馈很一致:

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)。

所以,人和AI现在的工作流是什么样的——

人类研究员负责提出想法、把握方向、定义问题、做出关键决策,以及最终的品控。

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。

比如一个研究员说的,以前要评估一个开源项目好不好用,没一两个礼拜下不来。

现在呢?一天,最多几天,就能跑起来出结论。

AI现在就是这样一个角色,是顶级的“执行副驾”,但绝不是“首席科学家”。

当然了,这个边界也在模糊。

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。

虽然想法是他的,但Codex提出了一个关键修改,才让整个方案跑通了。

AI真的在加速AI的诞生吗?

工作流重塑了,效率提升了,那最终产出呢?

这就是大家最关心的,所谓的RSI递归自我完善——

AI加速AI自身的发展,到底有没有发生?

从结果来看,答案是肯定的:

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。

实验效率:每个活跃实验者跑的实验数量,达到了2025年基准的1.68倍。

更直接的证据来自OpenAI内部的一个能力指数(O EC I)。

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。

安全与对齐

但OpenAI的报告最后还是保持了冷静。

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。

最后,报告里还有一个数据,也很有意思。

在所有研究方向里,哪个领域的人力投入增幅最大?

不是预训练,不是多模态——

是安全与对齐(Safety and Alignment)。

这个领域的工作量增幅,是所有方向里最高的。

大量的研究员,无论是新招的还是内部转岗的,都在涌向安全项目。

安全与对齐

一边是AI加速参与自身研发,一边是人类加紧研究如何让它保持安全可控。

「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。

原报告:https://openai.com/index/research-acceleration-jagged-frontier/

本文来自微信公众号“量子位”,作者:闻乐

声明:本文为入驻“火星财经 专栏”作者作品,不代表火星财经官方立场。
转载请联系网页底部:内容合作栏目,邮件进行授权。授权后转载时请注明出处、作者和本文链接。未经许可擅自转载本站文章,将追究相关法律责任,侵权必究。
提示:投资有风险,入市须谨慎,本资讯不作为投资理财建议。
本内容旨在传递行业动态,不构成投资建议或承诺。