2026年11月18日,OpenAI在官方博客公布了内部研究加速的最新数据:今年3月到10月,编码智能体独立完成2到4小时研究任务的成功率从23%升至46%,4到8小时任务从13%升至35%。提升是真实的,但并不均匀——OpenAI自己用的词是“参差不齐的前沿”。
智能体越用越重,短板也很明显
任务分工决定成败。监控训练任务的成功率高达79%,回答技术问题72%,而写推理与服务栈代码只有25%,搭建评测和强化学习环境29%。研究员人均每天的智能体开销也在飙升:按API标价算,10月中位数达到2400美元,比9月涨62%;前10%的研究员每天用到2.3万美元。被问到愿意拿什么换三个月的顶级编码智能体使用权时,受访研究员的中位数答案是30%的团队算力,或40%的团队人手。
安全投入涨得最快,人还在回路中央
有意思的是,2026年投入增长最快的不是预训练或后训练,而是安全与对齐:相关研究工时从1月到9月增长了77%,7月Hugging Face事件之后增速进一步加快。报告还追踪了GPT-6 Astra与GPT-6.2 Astra发布背后的关键想法来源。OpenAI的结论很克制:智能体确实在改写研究流程,但人仍然是核心——想法从哪来、什么任务值得交给智能体、出了问题谁负责,这些判断目前还离不开研究员自己。报告的潜台词也值得注意:实验室应当公开追踪并报告这类“递归自我改进”指标,否则外界无从判断AI加速研究的速度到底有多快。