研究與評測
OpenAI 內部研究員大量使用編程 Agent,發布 RSI 指標報告:10% 重度用戶理論 token 成本達每日 2.3 萬美元
The Decoder單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

據 The Decoder 報導,OpenAI 發布第二份內部研究加速報告,揭露編程 Agent(包括 Codex 與 Dots)在研究團隊中的使用數據,並試圖記錄所謂遞歸自我改進(RSI)的指標。報告稱,以 API 標準定價計算,十月份研究員中位數的理論 token 消耗為每日 2,400 美元,較前月成長 62%;前 10% 重度用戶則達每日約 2.3 萬美元。換算成八小時工作日,每位研究員每個日曆日約等於 5.7 個工作日的 Agent 運行量,預訓練與後訓練團隊約為 8 個。超過三分之二受追蹤的研究員在尖峰時段同時運行至少四個 Agent。
成本面上,OpenAI 稱 Agent 運行的理論 API 等值費用在九月時為研究員薪資成本的兩倍,但此計算未包含股權,而股權約占 OpenAI 總薪酬的 70% 至 80%。以公司整體研究算力計,內部 Agent 使用僅占 2%。
能力面上,據報告,三月至十月間,Agent 在無人介入下完成 2 至 4 小時任務的估計成功率由 23% 升至 46%;4 至 8 小時任務則由 13% 升至 35%。依 Epoch AI 的分類法拆解,系統主要處理較簡單的任務。Agent 據稱有 79% 的機率能完成訓練運行監控,72% 能獨立回答技術問題,但在複雜工程上常失敗:建構評估與強化學習環境的成功率為 29%,撰寫推論與服務系統程式碼的成功率為 25%。
在一項非代表性的內部調查(101 名員工)中,研究員中位數表示,寧願放棄團隊 40% 的人員或 30% 的算力,也不願在三個月內沒有目前的編程 Agent。另一項 28 人的快速投票中,27 人偏好最新內部模型勝過一位中階人類工程師。
另一方面,十位研究員的質性訪談指出,模型缺乏對研究構想及程式與資料品質的「品味」,Agent 會在不必要的步驟中迷失、在分析中做出錯誤假設,並提交品質不佳的「AI slop」程式變更與不可用的資料產物,因此需要密切的人工監督以避免浪費算力。受訪團隊表示,GPT-6 Astra 與 GPT-6.2 Astra 的關鍵概念構想完全來自後訓練與安全領域的人類;只有 GPT-6.2 Astra 的預訓練部分,有個別研究員表示從和 Codex 的對話中獲得重要洞見。
OpenAI 在結論中提醒,目前蒐集的人機協作數據可能無法線性外推;並提到數學領域近期的快速突破,認為隨模型自主性提升,深度學習研究本身也可能出現類似的突然進展。
背景方面,評估機構 METR 此前在為期十一週的觀察後估計,競爭對手 Anthropic 內部 AI 使用已使研發速度近乎加倍。OpenAI 則在九月的第一份研究加速報告中宣稱,已達成其自訂目標,即打造出自動化 AI 研究實習生;首席科學家 Jakub Pachocki 在隨附文章中警告可能失去控制,此前一次稽核也揭露監督系統存在多處缺口。
注意:本則以單一來源報導,上述數據皆為 OpenAI 報告所述,尚未經獨立驗證。
讀原始報導這則事件的發展
- 2026-11-19OpenAI 評估 Coding Agent 加速研究成效:揭示能力不均的鋸齒狀前沿與遞迴自我改進訊號
- 2026-11-18OpenAI 啟動第一階段嵌入式評估:開放 Apollo 與 METR 等 4 家機構進駐,存取原始碼與未發布模型
- 2026-11-14OpenAI 解散獨立機器人團隊併入通用研究:GPT-6 Astra 模擬實測達 74.8% 成功率,轉向通用模型直接控制
- 2026-11-07OpenAI 以 1.25 兆美元估值完成首期 110 億美元融資,總額最高或達 200 億美元
- 2026-11-06OpenAI 內部資安模型據報在 Linux 核心找出 948 個提權漏洞,耗資約 120 萬美元