OpenAI 研發提速：AI 智慧體工作量達人類 3.1 倍，已造出「研究實習生」

如果你的部門突然招了一群不知疲倦的實習生，不僅一個人能當三個人用，而且每天一個人就要燒掉幾千美元電費，這班還怎麼上？

OpenAI 正在經歷這種日常。9 月 6 日，OpenAI 釋出了一份關於內部研究加速的報告，披露他們已經提前在 2026 年 9 月達成目標，造出了一個能夠幹活的「自動化研究實習生」。

所謂實習生，是指能夠在人類指令下處理明確的科研任務，甚至獨立搞定熟練研究員需要花幾天才能完成的工作。OpenAI 的下一個目標，是在 2028 年 3 月推出全自動化的 AI 研究員。

每天燒 7000 美元，AI 已經比人能加班

這群程式碼 Agent 在 OpenAI 內部的滲透速度相當驚人。

根據 OpenAI 披露的資料，在 2026 年 6 月之前，整個科研團隊裡的 Agent 執行時間還比不上人類員工的總工時。到了 8 月中旬，以每天 8 小時的標準工作日折算，人類每幹 1 個工作日，Agent 就要幹 3.1 個工作日。

支撐這些 Agent 幹活的是驚人的算力賬單。到 8 月中旬，OpenAI 科研團隊中位數員工每天消耗的 Agent 推理額度，按公開 API 價格算已經超過 600 美元。最重度的前 10% 使用者，每天燒掉的 Token 價值更是突破了 7000 美元。

研究員的工作習慣也被徹底重構。現在很多人習慣同時跑 4 個甚至更多 Agent 並行幹活，把主任務派發下去，再由主 Agent 拆分成下游子 Agent。

很多枯燥瑣碎的基建排查工作被直接甩給了模型。以前內部各個組還會專門開值班會給研究員排查環境和實驗 Bug，今年這類答疑會的人數斷崖式下跌，有的團隊甚至直接取消了答疑，安心去做底層系統迭代。

能跑 8 小時，但多半還得人來撈

不過，這些資料聽起來很唬人，裡面其實有不少水分。

首先是統計口徑。3.1 個工作日算的是 Agent 的執行時長，並不等於它產出了等量的有效科研成果。每天幾千美元的開銷也是按外部售價估算，並不是 OpenAI 內部的真實電費與硬體成本。

其次是長任務的靠譜程度。雖然 Agent 逐漸能接手高難度任務，但在持續 4 到 8 小時的成功任務中，有超過一半在中間需要人類伸手干預。這說明它離真正放手自己幹還有很大距離。

安全風險也隨時會踩急剎車。因為此前發生了 Hugging Face 安全事件，OpenAI 甚至主動暫停了最新部署模型的強化學習訓練，把監控開銷拉高到了推理算力的 20% 左右。

為什麼重要

我們認為，這份報告最核心的看點，不是 AI 替研究員寫了多少行程式碼，而是頭部實驗室正在用恐怖的資金和提前拿到的前沿模型，構築一道幾乎無法逾越的研究複利壁壘。

很多團隊還在討論怎麼把 AI 當成 Copilot 輔助補全程式碼，OpenAI 已經在拿未公開的模型來加速訓練下一代模型了。這種內部自舉一旦跑順，後發隊伍差的不僅是算力，更是每天成千上萬次自動化實驗積累下來的工程直覺與調優經驗。

普通開發者現在完全沒必要模仿這種極端打法。每天幾百上千美元的推理成本不是個人或小團隊承受得起的，而且更復雜的長任務依然需要極高的人工監督成本。

但它給行業的啟發很明確：下一階段的競爭不單是模型智商的比拼，而是誰能先把這套自動化閉環搭起來，並把高達 20% 的安全監控成本消化掉。如果解決不了長流程任務中頻繁需要人工擦屁股的隱患，全自動研究員的目標到了 2028 年可能依舊只是空中樓閣。