Research acceleration: The view inside OpenAI
OpenAI publishes internal data on how much its own research has been accelerated by agents.
Marked important, but published more than 30 days ago, so it moved down to this band.
On this page11 sections
The full write-up and the editors' notes are in Chinese; the summary above is from the original announcement.
Record
The signal
#公布的数字
截至 2026 年 8 月中旬，按 8 小时工作日折算，OpenAI 每个研究员每工作一天，身边约有 3.1 个智能体工作日在并行运转。按 API 价格计算，中位数研究员每天消耗的智能体推理资源超过 600 美元。
这些智能体在做的事列得很具体：写研究代码、写基础设施代码、搭训练环境、跑评估实验、排查工具与环境故障、分析实验结果、盯训练任务，以及整理和沟通研究结论。
一个可观察的连带变化：以前实验环境挂了，研究员要去内部频道喊人；现在这类事越来越多由智能体处理，人工答疑量下降，有的团队直接取消了固定的技术答疑时间。2026 年 8 月，人均实验数创下 2025 年 1 月有统计以来的新高。
据此 OpenAI 宣布已达成自动化 AI 研究实习生——一个能在人类指导下独立完成边界清晰的研究任务的研发节点，其中一些任务原本熟练研究员要做好几天。下一个目标是 2028 年 3 月前实现「自动化 AI 研究员」，区别在于能扛更开放的目标、自己推进更长周期的项目。
反过来的那个数字，同样是他们自己给的
原本需要 4 到 8 小时的任务，过去半年里超过一半的成功案例，人类至少插手过一次。 高层研究规划几乎不交给智能体。研究员依然负责决定研究什么、哪些结果值得继续，以及什么时候扩大训练、暂停实验或部署模型。
这两组数字必须并排读。前者说明产能变了，后者说明被替换掉的是执行而不是判断——这与本站已发布的 Rootly 与 Willison 两条是同一层：能力涨很多倍时，团队存在的理由从分摊打字变成分摊审阅。
真正的主张不是提速，是可见性
这篇文章的作者 Kevin Liu 把它放进了更大的背景：递归式自我改进很可能是未来几年推动能力跃迁的最重要因素之一，而按目前的趋势，这种能力默认只会出现在少数几家前沿实验室内部，外界很难看见它进展到了哪一步。
因此他的结论是透明披露比任何时候都更紧迫——模型在多快地变强、研发节奏要不要踩刹车，不该只由几家公司关起门来决定。他并且喊话其他 AI 公司也公开类似数据。
这是一家前沿实验室第一次公布这类内部研发提速数据，而公布它的人同时在论证公布本身是必要的。 那个论证能不能站住，取决于是否有第二家跟进——目前没有。
同一天的另一半：首席科学家在劝减速
首席科学家 Jakub Pachocki 同日发表长文《外星思维》，主张两点：
- AI 不是人类照着设计图一块芯片一条规则拼出来的，它更像在海量数据和算力里自己长出来的。你能拆开看明白其中一些零件，但整个系统为什么突然具备某种能力、换个环境又会怎么行动，没人说得清。
- AI 用不着全方位碾压人类才会出问题，只要在足够多的关键能力上比人强，它就既能帮大忙也能捅大娄子。
把这两篇放在一起读才完整：一篇说我们把研发速度提上去了，另一篇说我们并不理解被提速的这个东西。
一个口径说明
openai.com 对本站的直接抓取返回 403，所以以上事实来自量子位对这两篇文章的二手报道，而不是公告原文。英伟达方面的说法（Astra 用约 10 万套 Grace Blackwell NVLink72 训练、后续还有 40 万套 GPU 上线）同样来自该报道，未经一手核对。
Why now
Why it matters
#这是一家前沿实验室第一次公布自己研发被智能体提速了多少，而且两个方向的数字都给了：3.1 个并行智能体工作日、每天 600 美元，对上「超过一半的成功案例仍需人至少插手一次」。更重要的是作者自己给出的理由——递归式自我改进默认只发生在几家公司内部，外界看不见进度，所以披露比任何时候都紧迫。这条主张能不能站住，取决于有没有第二家跟进。
Background
Technical context
#智能体承担的是边界清晰的执行类任务：研究代码、基础设施代码、训练环境、评估实验、故障排查、结果分析、训练任务监控。被明确保留在人这一侧的是决定研究什么、判断哪些结果值得继续，以及何时扩大训练、暂停实验或部署模型。所谓「实习生」到「研究员」的差别，按 OpenAI 自己的定义是能不能扛开放目标和更长周期的项目。
Audience
Who should care
#Next
Learning path
#- 把 3.1 与「超过一半仍需插手」并排记住：产能变了，判断没有被替换
- 读《反馈闭环与团队学习》：人均实验数创新高，衡量的是团队学习速度而不是模型能力
- 算你自己的账：每天 600 美元是按 API 价格折算的，换成你的用量和单价再看一遍
- 读《人在回路的审查》：这条信号里保留在人手上的三件事，恰好都是不可逆或对外的决定
- 把它与本站的双盲评测、BenchMIRT 并读——三条都在处理同一个问题：外界能看见什么
Network
Where it sits in the network
#How this signal connects to neighbouring technologies, skills and background knowledge. Follow any link to keep exploring.
Further thought
Follow-up questions
#- 会有第二家实验室公布同类数据吗？没有的话这条主张就只是一次单方面披露。
- 每天 600 美元是中位数，分布的尾巴在哪里？
- 那「超过一半需要插手」的比例，半年里是在下降还是稳定？
Publication record
Featured in
#The briefings that carried this signal, newest first; the last row is the weekly review of its week. The tag is the section it ran in.
技术简报 - 2026-09-08
Immediate attentionWeekly review · Aug 31 – Sep 6
Worth tracking
Sources