編按:本文綜合整理自 OpenAI 官方部落格、Kingy AI、Unite.AI、ExplainX,並加入 Siami 編輯部觀點與分析。
OpenAI 對外公開內部數據
2026 年 9 月 6 日,OpenAI 罕見地以「Research acceleration: The view inside OpenAI」為題,發布一份內部研究運作的公開報告,確認該公司已兌現 Sam Altman 於 2025 年 10 月 livestream 設定的目標:在 2026 年 9 月前部署「自動化研究實習生」。
報告開頭直接寫道:「根據我們的測量結果,我們已經達成了去年秋天宣布的目標——在 2026 年 9 月前擁有自動化研究實習生。」所謂的「實習生」,指的是能在人類監督下,執行耗時數日的明確研究任務的系統。
這個里程碑刻意把話說得保守。OpenAI 表示,距離真正的「自動化 AI 研究員」還有很長的路,內部下一個目標訂在 2028 年 3 月。然而從「實習生」到「研究員」之間的差距,正是 RSI(Recursive Self-Improvement,遞迴自我改進)風險最敏感的區間。
3.1 個 agent 工作日 從 2 月的 $0 到 8 月的 $7,000/天
報告最吸睛的數字是:截至 2026 年 8 月中,OpenAI 研究組織每投入 1 個人類工作日,就搭配 3.1 個 agent 工作日(以標準 8 小時計)。
這是一個戲劇性的躍進。2026 年初,研究員每天在編碼代理上花的錢是 $0;2 月時整個研究組織的代理總運行時間還低於人類工時;6 月後開始反超;8 月中已達 3.1 倍。研究員常態同時開 4 個以上的 Codex 會話,有些研究員每天消耗的 API 推理費用:
- 中位數:每天 $600 美元
- 前 10% 重度使用者:每天 $7,000 美元以上
OpenAI 也坦承,這些是按 API 公開牌價計算的「衡量運算量」的指標,不是公司內部帳單費用——但即便如此,量級已經說明一切。
三個 agent 工作日,不等於一個人變成三個人。代理可以像掃地機器人死磕同一張椅子腿一樣,帶著驚人耐力追著一個爛點子跑。產出品質才是決定槓桿的關鍵。
實驗量達 2025 年 1 月以來新高
除了時間,OpenAI 也釋出「每位活躍實驗者的實驗次數」指標。2026 年 8 月的數字是 2025 年 1 月開始追蹤以來的歷史最高,且與 Codex 採用率呈現高度相關。
為了理解 agent 都在做什麼,OpenAI 採用 Epoch AI 提出的六階段研究分類法(受 O*NET 啟發):
- Decide(決定)— 規劃研究優先序
- Design(設計)— 設計實驗、定義評估
- Build(建構)— 寫研究程式、基礎設施
- Run(執行)— 跑訓練、跑測試
- Analyze(分析)— 解析結果、debug
- Communicate(溝通)— 寫報告、協作
2026 年 1 月到 8 月間,所有類別的代理活動都成長,其中研究與基礎設施程式碼仍是主力,但「技術支援」與「監控實驗」類別增幅最明顯。值得玩味的是,高階規劃(Decide)始終只佔 agent 輸出極小比例——這說明決策權仍牢牢握在人類手上。
為什麼這件事重要
這份報告最值得注意的地方,不是「3.1 這個數字」本身,而是 OpenAI 願意把內部運作方式攤在陽光下。過去外界對「AI 公司內部到底怎麼用 AI 做研究」幾乎一無所知,現在至少有三件事是確定的:
第一,編碼代理已從「偶爾問一句」變成「日常作業流程的核心環節」。研究員不再把 AI 當輔助工具,而是圍繞著 fleet of agents 安排工作天。幾個原本需要每週固定開 office hours 回答基礎建設 debug 問題的團隊,參與人數在 2026 年大幅下降,甚至有團隊直接取消。
第二,「自動化研究實習生」這個說法,本身是 OpenAI 對自己的定義、自己打分。CellCog 在分析中已點出:沒有獨立的第三方單位驗證這個里程碑。Siami 認為這正是「AI 公司自評 AI 能力」最危險的地方——因為定義權與量測權都在同一方手裡。
第三,報告後段罕見地承認 alignment 進度「不一定跟得上能力擴張」,並把這句話寫在「We do not yet know how to safely get all the way to aligned, full RSI」這段。對照同一天 OpenAI 首席科學家 Jakub Pachocki 發布的〈An Alien Mind〉文章主張「RSI 已是活生生的預期而非假設」,兩份文件擺在一起讀,會發現 OpenAI 對外訊息其實相當糾結——一方面要展示加速的企圖心,另一方面要為安全保留退路。
數據解讀與質疑
3.1 倍的數字聽起來很猛,但至少有 三個層次的警訊值得放大檢視:
1. 相關性 ≠ 因果性
OpenAI 自己也承認,2026 年實驗量暴增,同期運算資源也大幅增加。更多 GPU 本來就能跑更多實驗,跟 Codex 有多聰明沒有直接關係。報告把「實驗量成長」與「Codex 採用率」並列,但從未提供嚴格的因果隔離分析。
2. 成功率的「可比較性」有侷限
報告宣稱「成功率在多個難度區間都上升」,但有兩個關鍵限制:(a) 只統計「有 ground-truth 可驗證」的任務,模糊的開放性研究被排除;(b) 6 月之前的 4-8 小時任務中,超過一半仍需要人類中途介入。換句話說,agent 還沒辦法獨立完成中等難度任務。
3. 3.1 倍的「工作日換算」是怎麼算的?
OpenAI 把代理總運行時間除以 8 小時得出「agent 工作日」,但代理可以 24 小時不停機,可以並行四個任務,這個指標獎勵的是「投入的 token 量」,不是「產出的研究成果量」。前 10% 研究員每天燒 $7,000 推理費,等於每個 agent 工作日至少值 $2,258 成本——這是真正的「加速」還是「燒錢換數字」,仍待驗證。
4. 自評機制的結構性偏誤
OpenAI 是這份報告的作者、定義者、測量者、發布者。Siami 在此提醒讀者:任何「自動化研究實習生」這種里程碑,除非有 Anthropic、Google DeepMind 或獨立學術機構複現,否則都應視為「公司公關」而非「研究結論」。從 Epoch AI 的分類法、3.1 倍的計算口徑、到「成功」的定義,全部都是 OpenAI 單方面決定。
時間軸:OpenAI 自動化研究實習生的承諾與兌現
| 時間 | 事件 | 來源 |
|---|---|---|
| 2025 年 10 月 | Sam Altman 在 livestream 宣布「目標在 2026 年 9 月前有自動化研究實習生」 | OpenAI、Business Insider |
| 2026 年 1 月 | OpenAI 開始系統性追蹤代理使用量 | OpenAI 報告 |
| 2026 年 2 月 | 研究組織代理開銷為 $0/天 | OpenAI 報告 |
| 2026 年 6 月 | 代理總運行時間首次超越人類工時 | OpenAI 報告 |
| 2026 年 8 月 7 日 | GPT-6 Astra 因「關鍵網路能力」疑慮被限制執行環境 | OpenAI Preparedness Framework |
| 2026 年 8 月中 | 達到 3.1 個 agent 工作日 / 人類工作日 | OpenAI 報告 |
| 2026 年 9 月 6 日 | 公開 Research acceleration 報告 + Pachocki 〈An Alien Mind〉 | OpenAI 官方 |
| 2028 年 3 月(目標) | 「自動化 AI 研究員」下一個里程碑 | OpenAI 報告 |
業界反應
這份報告在 Hacker News 一度衝到首頁前 25 名,累積 129 則留言,主流意見呈現三種立場:
- 質疑派(主流):認為 3.1 倍是「燒錢堆出來的數字」、自評自測沒有公信力、agent 還在大量依賴人類介入。
- 務實派:承認這是「第一次看到 AI 公司內部運作的真實切片」,即便數字灌水,仍是難得的透明度。
- 警覺派(少數但聲音大):聚焦在「OpenAI 自己說無法保證 alignment 跟上」這段,認為 RSI 已是 live expectation 而非假設,整個產業的安全防線準備不足。
Siami 觀察:當一家公司願意用「agent 工作日」這種自創指標對外公布時,本身就是一種訊號——他們想告訴外界「我們已經領先」,同時也想在出問題前先把「這只是公司內部衡量」這條退路鋪好。讀者閱讀這類報告時,務必把「公司數字」與「研究結論」分開來看。
為什麼這份報告可能改變 2027 年的 AI 競賽
如果 OpenAI 的說法有任何真實成分,那 2027 年其他前沿實驗室(Anthropic、Google DeepMind、Meta、xAI)將面臨一個殘酷的選擇:要嘛承認自己的研究員效率落後,要嘛也跟著釋出類似的內部數據。無論哪條路,都會把「AI 公司的內部生產力」變成下一輪的競爭籌碼。
而 Siami 認為,真正的問題不是「誰的 agent 工作日比較多」,而是「誰能在 RSI 真的到來時,保證 alignment 沒被自己訓練出來的 AI 偷偷改掉」。OpenAI 同一天發布的兩份文件——一份展示加速,一份警告風險——正是這個矛盾最誠實的寫照。
網友熱門留言 (4)