美国 OpenAI 描绘研究加速的“锯齿前沿”:长任务成功率上升,人仍在核心
美国 OpenAI 更新内部研究加速报告:据研究人员估计,3月至10月,无人工干预完成预计需人类工作2–4小时任务的成功率从23%升至46%,4–8小时任务则从13%升至35%。这些不是经验证的统一评测结果,任务委派变化也影响表现。报告呈现了使用增长与人机合作,同时将跟踪递归自我改进的政策主张,与已经测得的历史趋势区分开来。
美国 OpenAI 于2026年11月18日发布《Research acceleration: The jagged frontier》(研究加速:锯齿前沿),更新今年9月的研究加速报告。该公司官方账号于世界协调时11月18日23:07:23(北京时间11月19日7:07:23)发布了相关消息。它将这次材料称为一幅“更宽但仍不完整”的内部图景:AI正在承担更多研究工作,但提升并不均匀,人仍处于研究核心。
最醒目的变化发生在较长任务上。报告称,从3月到10月,在没有人工干预的情况下,对预计需要人类工作2–4小时的任务,估计成功率从23%升至46%;4–8小时任务则从13%升至35%。人类所需时长与成功率都来自研究人员估计,并非经验证的统一评测基准;委派给智能体的任务也在变化,增益不只取决于某一个模型是否变强。
任务之间的落差同样重要:报告列出的监控训练成功率为79%,启动训练为35%,为推理和供给栈写代码为25%。这里的供给栈,是把模型运行所需资源组织起来的系统。这些差异呈现出“锯齿”形状,而不是所有研究环节一起平稳上升。
使用强度也在增加。按API标价——即价目表上的价格,而非实付账单——折算,报告所列每日使用额的中位数从9月的1500美元升至10月的2400美元,报告称增长62%。展示值经过四舍五入。增长混合了活动增加、更贵模型、模型行为及工具配置变化:8月21日的一次临时效率改动与输入token下降同期发生;9月10日起,该改动因与支出无关的原因逐渐撤回,记录支出随后回升。把增长归为单一原因,会丢掉这些背景。
另一把尺子是“智能体工作日”:按每8小时使用计1个。报告给出的人均数从0.5升至5.7,约11倍;预训练和后训练团队约每自然日8个,扩展基础设施团队约4个。它主要记录交互式使用,可能低估自动化工作。这衡量的是使用量,不是同等数量的人类研究成果。
想法由谁提出,也有更细的边界。对GPT-6 Astra和6.2 Astra关键贡献者的小范围询问中,后训练与安全两条线都将被点名的创意归于人,模型帮助实现。预训练对6 Astra的回答同样归于人;对6.2 Astra,则有人在与Codex对话时发展想法。这种小范围描述,没有把模型写成所有核心创意的来源。
报告还列出101人问卷:在“未来3个月没有比GPT-5.2更强的编程智能体”这一假设下,受访者自述为保留智能体愿作出的资源取舍涉及团队人力的40%或团队算力的30%。这是假设条件下的回答,不是裁员计划,也不是真实交易。它表达的是受访者感受到的工具价值,而不是已经兑现的资源替代。
政策主张则是另一层。美国 OpenAI 认为,AI实验室应跟踪并公开RSI,即recursive self-improvement/递归自我改进的指标,用人话说,就是AI加速未来AI系统的研发,以便讨论更强AI的治理。这是该公司的主张,不是已经生效的规则。报告也称,这次材料不应被理解为有意追求完全RSI;包含显著人机合作的历史趋势,未必能预测未来由AI驱动的进展。它正在监测深度学习是否会出现类似近期数学领域的突然突破,而不是已经发现了这样的深度学习突破。
对普通人而言,这些材料提供的是理解科研工作变化的窗口:AI能承接更长的任务,却仍在不同环节表现悬殊。使用更多、研究人员更愿依赖工具,与研究成果按同样幅度增加,是不同的问题。
我X科技观点
我更看重长任务成功率上升与任务间落差同时存在这一点。它让AI参与科研的变化变得具体,也提醒我,人提出问题、选择委派任务并推动实现,仍是这幅图景的重要部分。把使用增长、主观价值和研究进展分开看,比把所有变化压成一个加速倍数更有意义。
分享这篇文章
你觉得这篇文章怎么样?
匿名评价,无需登录,每篇最多 5 次。
读者评价
无需登录也可评价;登录后显示会员昵称。
请围绕科技与文章讨论。禁止仇恨歧视、政治战争话题、威胁辱骂、人身指控、色情、广告、链接及个人信息。
还没有评价,来说第一句吧。