OpenAI 内部报告:研究员日均消耗 2400 美元 Token

作者:Maximilian Schreiner原标题:OpenAI's own researchers now say they value their AI tools more than nearly half their colleagues
78AI 研判分

OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等编码智能体已深度嵌入模型研发流程,中位研究员按 API 标价日均消耗约 2400 美元 Token,环比增长 62%,理论成本已超过其基本薪资。报告同时指出,这些工具在常规任务之外仍产出大量低质内容,并首次尝试量化“递归自我改进”迹象;首席科学家 Jakub Pachocki 则警告失控风险。

报道正文

本文目录3 个章节

OpenAI 自家研究人员如今表示,他们对自家 AI 工具的重视程度超过近半数同事

文本
  [Maximilian Schreiner](https://the-decoder.com/author/maximilian-schreiner/) [查看 Maximilian Schreiner 的 LinkedIn 个人资料](https://www.linkedin.com/in/maximilian-schreiner-b6a5171aa/)   2026年11月19日             

OpenAI 内部对编程智能体的使用正在快速增长,按理论计算的 token 成本如今已超过研究人员的 base salary(基本工资)。尽管各团队不愿在没有这些工具的情况下工作,但模型在常规任务之外仍会产生大量“AI 垃圾”(AI slop)。

在第二份关于内部研究加速的报告中,OpenAI 公布了自家数据,展示 AI 智能体在新模型开发中的嵌入程度之深。该公司表示,其目标是记录所谓递归自我改进(RSI)的指标,即 AI 系统加速未来几代系统开发的现象。

据该报告称,近期内部工具(如 Codex 和 Dots)的使用量激增。按常规 API 标价计算,10 月份中位数研究人员每天消耗的 token 价值达 2,400 美元,较上月增长 62%。而在使用量排名前 10% 的用户中,这一理论价值翻倍至每天 23,000 美元。

折算成八小时工作日,据报道这些智能体为每位研究人员每个日历日运行了相当于 5.7 个工作日的工作量,而在预训练和后训练团队中约为 8 个工作日。在受追踪的研究人员中,超过三分之二的人在峰值使用时至少并行运行四个智能体。

据 OpenAI 称,9 月份这些智能体运行时间的理论 API 等价成本是研究人员常规薪资成本的两倍。不过,这一计算未包含股权激励,而股权激励占 OpenAI 总薪酬的 70% 至 80%。相对于公司的总研究算力,内部智能体使用仅占 2%。

很大一部分 AI 使用量用于沟通和编程。 | 图片来源:OpenAI

常规任务成功率高,代码脚手架方面存在短板

根据 OpenAI 的数据,在 3 月至 10 月期间,自主智能体在无人干预情况下完成两到四小时任务的估计成功率从 23% 上升至 46%。对于四到八小时的任务,这一比率从 13% 攀升至 35%。然而,使用 Epoch AI 分类法进行的细分分析显示,这些系统主要处理的是简单任务。

据报道,智能体完成训练运行监控的比例为 79%,独立回答技术问题的比例为 72%,但在更复杂的工程工作上却经常失败。构建评估和强化学习环境的成功率为 29%,为推理和 serving 系统编写代码的成功率为 25%。

在一项针对 101 名员工的内部非代表性调查中,研究人员表示,按中位数计算,他们宁愿放弃团队 40% 的人员或 30% 的算力,也不愿三个月不使用当前的编码智能体。在另一项针对 28 名员工的快速调查中,27 人更倾向于最新的内部模型,而非一名职业中期的人类工程师。

缺乏研究品味需要人类监督

对十名研究人员的定性访谈揭示了重度使用的弊端。据受访者称,这些模型对好的研究想法以及代码和数据质量缺乏任何“品味”。智能体会迷失在不必要的步骤中,在分析中做出错误假设,并提交质量低劣的“AI 垃圾”代码变更以及不可用的数据产物。密切的人类监督对于避免浪费算力周期至关重要。

据受访团队称,GPT-6 Astra 和 GPT-6.2 Astra 的关键概念性想法完全来自后训练和安全领域的人类。只有在 GPT-6.2 Astra 的预训练中,个别研究人员表示他们通过与 Codex 对话获得了重要见解。

OpenAI 在结论中警告称,迄今为止从人机协作中收集的数据可能无法线性外推。该公司指出最近数学领域的 AI 突破进展迅速,并认为随着模型获得更多自主性,深度学习研究本身也可能出现类似的突然进展。

评估机构 METR 最近在对竞争对手 Anthropic 进行为期十一周的内部考察后估计,那里使用 AI 已将开发速度提升了近一倍。在此之前,OpenAI 曾在九月初的首份研究加速报告中宣称,其已实现自己设定的自动化 AI 研究实习生目标。首席科学家 Jakub Pachocki 在随附的一篇文章中警告存在失控风险,此前一次审计揭示了监督系统中存在诸多漏洞。