OpenAI内部Agent开销曝光:人均每天2400美元
OpenAI研究员人均每天调用的Agent,按API标价折算,居然能值2400美元;用得最猛的那10%研究员,单日使用量甚至能达到2.3万美元(约16万人民币)。
OpenAI的研究员如今把AI用到了什么地步?
按API标价折算,人均每天调用的Agent价值居然能达到2400美元。
用得更猛的那10%研究员,单日用量甚至冲到2.3万美元(约16万人民币)。
这帮研究员烧起Token来,是真不手软。
OpenAI公开了最新的内部Agent研究报告《Research acceleration: The jagged frontier》,把自家研究员使用AI的情况翻了个遍。

先一句话概括:
OpenAI内部的Agent,眼下已能独立完成约一半(46%)原本要人类花2-4小时的研究任务。
今年3月这个比例才23%,7个月就翻了一倍。
原本需要人类投入4至8小时的研究工作,Agent自主完成率则从13%升至35%。
研究员们自己,早就离不开AI了。
OpenAI向101名研究人员提了一个问题:
假如未来3个月拿不到最前沿的Agent,你们愿意用什么换回使用权?
受访者给出的普遍答案是:团队40%的人力编制,或者30%的计算资源。
AI一天能干人的5.7个工作日
先看几组数字,感受一下研究员们用得有多狠。
9月到10月这一个月里:
中位数研究员每天花在Agent上的钱,从1500美元涨到2400美元。
头部10%的用户更夸张,从1.1万美元直接飙到2.3万美元。

报告还专门算了一个指标,叫「Agent工作日」。
算法不复杂:
Agent累计跑满8小时,计为一个工作日。
换算成工作量,现在每位研究员平均每天能带动5.7个Agent工作日。
也就是说,每个研究员背后都站着将近6个7x24小时待命、不知疲倦的AI小弟。
这个数字是此前基准的整整11倍。

更何况,大家早就习惯了让一堆Agent一起上。
有超过三分之二的研究员,每天至少同时开着4个Agent跑任务;还有超过10%的人更夸张,同时跑的数量至少有16个。

这还不算完,报告里摆出了一组对比,冲击力相当强:
眼下,Agent的API等效价值已经是研究员非股权薪酬的两倍。
(这笔薪酬虽然没把股权那部分大头算进去,可数字也够让人吃惊了……)
换句话说,在OpenAI内部,AI贡献的劳动力价值从账面上已经压过了人类。

研究员自己对此也认账。
内部做过一项调查,问的是个挺扎心的问题:
要是让你三个月碰不到最顶尖的编程Agent,你肯拿什么来换?
研究员给出的中位数答案是:
裁掉团队里40%的人。
又或者,让出团队30%的算力。
一头是能7x24小时替你干活的AI Agent,另一头是团队里40%的大活人同事——
同事和算力,你们就自由了(doge)。
AI在干啥活?
花了这么多钱、投了这么多资源,AI究竟在干什么?它真能独立做研究了吗?
这是最核心的疑问,可答案却是:The jagged frontier,参差不齐。
在“沟通”(69%)和“分析”(58%)这类任务上,Agent干得不错;可到了最关键的“构建”(43%),表现就掉了一截。
说直白点,让它查资料、跑数据、写邮件、盯实验,它挺拿手。
可要它从零搭起一个复杂系统,它就容易犯迷糊。
数据摆在那儿:监控训练任务的成功率是79%;写推理和服务代码,成功率只剩25%。

这暴露出一个关键问题,研究员在访谈中也反复提到:
AI Agent缺少研究的“品味”(research taste)。
模型往往没法一次就提出那种定义清晰、自己又解决不了的问题。
有人试过跟它讲“照那个任务的做法来做这个”,结果栽了不少跟头——它干得总是不对,最后还得自己上手返工。
研究员的反馈很集中:Agent写代码、调bug是把好手,可它提不出好问题,判断不了代码好坏,也看不出数据优劣。
你得全程像监工一样盯着,稍一放手,它转眼就能给你堆出一堆没用的“AI废料”(AI slop)。
那眼下人和AI是怎么分工的?想法、方向、问题的定义、关键决策,加上最后的品控,都归人类研究员。
AI Agent更像被超级放大的“手”和“眼”,想法一出来它就去快速实现,海量枯燥的测试和分析也由它来跑。
有研究员举了个例子:过去评估一个开源项目好不好用,没一两个礼拜下不来;现在一天,最多几天,就能跑起来出结论。
说到底,AI现在坐的是顶级“执行副驾”的位置,离“首席科学家”还差得远。
不过这条界线也在变得模糊。
报告里就写到一个细节:研发GPT-6.2 Astra时,预训练团队第一次把一个关键想法的产生,算作了和Codex对话合作的成果。
想法本身是他的,但方案能跑通,靠的是Codex提出的一个关键修改。
AI真的在加速AI的诞生吗?
工作流重塑了,效率也上去了,那最终产出如何?大家最关心的就是这个——所谓RSI递归自我完善,也就是AI加速AI自身发展,究竟发生了没有?
从结果看,答案是肯定的:代码产出方面,2026年每个活跃贡献者产出的代码行数,相比2025年之前一直在猛增。
实验效率方面,每个活跃实验者跑的实验数量,达到2025年基准的1.68倍。
更直接的证据来自OpenAI内部的一个能力指数(OECI):自2025年8月以来,OpenAI模型能力的前沿每年提升16.4个点,高于此前每年14点的行业趋势。

但报告收尾时还是留了冷静:他们强调,这种AI驱动的进展未必是线性的,要警惕像最近数学领域出现的那种突发、跳跃式的突破。
报告里还有一组数据挺有意思。
各研究方向中,人力投入涨得最猛的是哪个领域?答案既不是预训练,也不是多模态,而是安全与对齐(Safety and Alignment)。这一方向的工作量增幅,在所有方向中排在首位。
新招进来的研究员、内部转岗的研究员,大批人手都在往安全项目上集中。

一边是AI越来越深地参与到自身研发当中,另一边是人类加紧研究怎么让它保持安全可控。
所谓「崎岖的前沿」,说的是技术能力参差不齐;放到这个时代看,或许也正是边踩油门边找刹车的真实写照。