OpenAI内部Agent账单:研究员日均花费2400美元
OpenAI的研究员,现在用AI已经用到什么程度了?
OpenAI的研究员目前把AI用到了什么程度?
按API标价折算,人均每天调用的Agent价值竟达2400美元。
用量最猛的那10%研究员,单日消耗甚至能到2.3万美元(约16万人民币)。
这帮研究员烧起Token来,确实一点不手软。
OpenAI公开了最新内部Agent研究报告《Research acceleration: The jagged frontier》,把自家研究员使用AI的情况翻了个透。

先一句话概括:
OpenAI内部Agent如今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月这个数字才23%,7个月就翻了一倍。
原本需人类投入4至8小时的研究工作,Agent自主完成率则由13%升到35%。
研究员们自己,已经离不开AI了。
OpenAI向101名研究人员提了个问题:
假如未来3个月不给你们用最前沿的Agent,你们愿意拿什么换回使用权限?
受访者普遍愿意用团队40%的人力编制,或30%的计算资源来交换。

AI一天能干完人的5.7个工作日
先看几组数据,体会一下研究员用得有多狠。
9月到10月,仅一个月:
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1.1万美元直接蹿到2.3万美元。

报告还算了一个叫「Agent工作日」的指标。
算法不复杂:
Agent累计运行8小时,计为一个工作日。
折算成工作量,眼下每名研究员平均每天能驱动5.7个Agent工作日。
相当于每人身后都跟着近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。

更关键的是,这种“群殴式”作业已经成了常态。超过三分之二的研究员每天至少同时跑 4 个 Agent;还有超过 10% 的人更夸张,同时跑至少 16 个。

报告里还有一组对比,冲击力更强:眼下 Agent 的 API 等效价值,已经达到研究员非股权薪酬的两倍。
这笔薪酬里没算上股权那块大头,可即便如此也够惊人了。换句话说,在 OpenAI 内部,AI 提供的劳动力价值从账面上已经超过了人。

研究员自己对此也认账。内部做过一项调查,问的是一个相当扎心的问题:假如让你三个月用不了最顶尖的编程 Agent,你愿意拿什么来换?
中位数研究员给出的答案是:砍掉团队 40% 的人,或者放弃团队 30% 的算力。一边是能 7x24 小时干活的 AI Agent,另一边是团队里 40% 的活人同事。
同事和算力,你们自由了(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?
这是最要紧的问题,答案却是:The jagged frontier,参差不齐。
Agent 在“沟通”(69%)和“分析”(58%)这类任务上干得不错,可到了最关键的“构建”(43%)就明显差一截。
说直白点,查资料、跑数据、写邮件、盯实验,它很拿手;换成从零搭一个复杂系统,它就容易抓瞎。
数据也能对上:监控训练任务的成功率是 79%,写推理和服务的代码却只有 25%。

这背后藏着一个关键问题,也是研究员在访谈中反复吐槽的:AI Agent 缺少研究的“品味”(research taste)。模型往往没办法一次性提出一个定义良好、又是它自己解决不了的问题。
我自己就踩过坑:让它「就像那个任务一样做这个任务」,结果反复出错,最后还得我动手改。
研究员们的说法相当统一。
在他们眼里,Agent写代码、调bug是把好手,可它提不出像样的问题,判断不了代码成色,也分不清数据好坏。
不盯紧不行。稍有松懈,它立刻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?
想法从哪来、方向往哪走、问题怎么定义、关键决策拍不拍板、最后的质量谁把关——这些归人类研究员。
AI Agent扮演的角色,更像一副被放大了无数倍的「手」和「眼」:想法一落地就飞快实现,海量枯燥的测试和分析也由它扛。
有位研究员举了个例子:过去评估一个开源项目好不好用,没一两个礼拜根本下不来。
现在一天就能跑起来,最多几天,结论就出来了。
所以说,AI眼下坐的是顶级「执行副驾」的位置,离「首席科学家」还差得远。
不过这条界线正在变得模糊。
报告里记了一个细节:研发GPT-6.2 Astra时,预训练团队头一回把一个关键想法的诞生,算作与Codex对话协作的成果。
想法本身是他的,可Codex提出了一个关键修改,方案才真正跑通。
AI真的在加速AI的诞生吗?
工作流改了,效率上去了,产出这边又是什么光景?
大家最关心的,正是所谓的RSI递归自我完善。
说白了就是:AI加速AI自身发展这件事,到底发生了没有?
看结果,答案是肯定的。
代码产出方面,2026年每个活跃贡献者写出的代码行数,相比2025年之前一直在猛涨。
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)。
2025年8月以来,OpenAI模型能力的前沿每年提升16.4个点,高过此前每年14点的行业趋势。

话虽如此,OpenAI在报告末尾还是留了份冷静。
他们强调,这种由AI驱动的进展未必是线性的,数学领域最近那种突发、跳跃式的突破,值得警惕。
报告里还有一组数据挺有意思。
人力投入涨得最猛的方向是哪个?答案不是预训练,也不是多模态,而是安全与对齐(Safety and Alignment)。
这个领域的工作量增幅在所有方向里排第一。大批研究员正涌向安全项目,新招的、内部转岗的都有。

一头是AI更深地卷入自身研发,另一头是人手加紧研究怎么让它安全可控。
「崎岖的前沿」,说的既是技术能力的高低不齐,或许也照出了这个时代的真实处境:一只脚踩油门,另一只脚在找刹车。
原报告:https://openai.com/index/research-acceleration-jagged-frontier/