每个研究员配 3.1 个智能体，而一半仍要人插手

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：

1. 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。
2. 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。