OpenAI 研发提速：AI 智能体工作量达人类 3.1 倍，已造出「研究实习生」

如果你的部门突然招了一群不知疲倦的实习生，不仅一个人能当三个人用，而且每天一个人就要烧掉几千美元电费，这班还怎么上？

OpenAI 正在经历这种日常。9 月 6 日，OpenAI 发布了一份关于内部研究加速的报告，披露他们已经提前在 2026 年 9 月达成目标，造出了一个能够干活的「自动化研究实习生」。

所谓实习生，是指能够在人类指令下处理明确的科研任务，甚至独立搞定熟练研究员需要花几天才能完成的工作。OpenAI 的下一个目标，是在 2028 年 3 月推出全自动化的 AI 研究员。

每天烧 7000 美元，AI 已经比人能加班

这群代码 Agent 在 OpenAI 内部的渗透速度相当惊人。

根据 OpenAI 披露的数据，在 2026 年 6 月之前，整个科研团队里的 Agent 运行时间还比不上人类员工的总工时。到了 8 月中旬，以每天 8 小时的标准工作日折算，人类每干 1 个工作日，Agent 就要干 3.1 个工作日。

支撑这些 Agent 干活的是惊人的算力账单。到 8 月中旬，OpenAI 科研团队中位数员工每天消耗的 Agent 推理额度，按公开 API 价格算已经超过 600 美元。最重度的前 10% 用户，每天烧掉的 Token 价值更是突破了 7000 美元。

研究员的工作习惯也被彻底重构。现在很多人习惯同时跑 4 个甚至更多 Agent 并行干活，把主任务派发下去，再由主 Agent 拆分成下游子 Agent。

很多枯燥琐碎的基建排查工作被直接甩给了模型。以前内部各个组还会专门开值班会给研究员排查环境和实验 Bug，今年这类答疑会的人数断崖式下跌，有的团队甚至直接取消了答疑，安心去做底层系统迭代。

能跑 8 小时，但多半还得人来捞

不过，这些数据听起来很唬人，里面其实有不少水分。

首先是统计口径。3.1 个工作日算的是 Agent 的运行时长，并不等于它产出了等量的有效科研成果。每天几千美元的开销也是按外部售价估算，并不是 OpenAI 内部的真实电费与硬件成本。

其次是长任务的靠谱程度。虽然 Agent 逐渐能接手高难度任务，但在持续 4 到 8 小时的成功任务中，有超过一半在中间需要人类伸手干预。这说明它离真正放手自己干还有很大距离。

安全风险也随时会踩急刹车。因为此前发生了 Hugging Face 安全事件，OpenAI 甚至主动暂停了最新部署模型的强化学习训练，把监控开销拉高到了推理算力的 20% 左右。

为什么重要

我们认为，这份报告最核心的看点，不是 AI 替研究员写了多少行代码，而是头部实验室正在用恐怖的资金和提前拿到的前沿模型，构筑一道几乎无法逾越的研究复利壁垒。

很多团队还在讨论怎么把 AI 当成 Copilot 辅助补全代码，OpenAI 已经在拿未公开的模型来加速训练下一代模型了。这种内部自举一旦跑顺，后发队伍差的不仅是算力，更是每天成千上万次自动化实验积累下来的工程直觉与调优经验。

普通开发者现在完全没必要模仿这种极端打法。每天几百上千美元的推理成本不是个人或小团队承受得起的，而且更复杂的长任务依然需要极高的人工监督成本。

但它给行业的启发很明确：下一阶段的竞争不单是模型智商的比拼，而是谁能先把这套自动化闭环搭起来，并把高达 20% 的安全监控成本消化掉。如果解决不了长流程任务中频繁需要人工擦屁股的隐患，全自动研究员的目标到了 2028 年可能依旧只是空中楼阁。