OpenAI 首度公布「內部RSI進展」：已實現「自動化研究實習生」

作者：龍玥
AI飛輪開始自轉：OpenAI公開披露內部數據，智能體工作量已是人類研究員的3倍以上。

9月6日，OpenAI官方部落格發布文章《研究加速：OpenAI內部視角（Research acceleration: The view inside OpenAI ）》首次以內部數據形式公開AI"遞歸自我改進"（RSI）的進展 。OpenAI稱其已經實現去年秋天定下的目標：在今年9月前造出一個"自動化研究實習生"。

OpenAI對"研究實習生"的定義是："一個能在人類指導下執行明確定義的研究任務的系統，包括那些需要一名熟練研究員數天才能完成的任務。"

下一個目標是：2028年3月前實現完整的"自動化AI研究員"，使其能夠參與深度學習和對齊研究，並通過迭代進一步改進系統。

這意味著"AI訓練AI"的飛輪正在加速：AI產出更多代碼和實驗結果，研究進展加快，更好的模型被訓練出來，再反過來提升智能體能力。

飛輪正在轉動：AI代理工作量達人類的3倍

從OpenAI公布的數據看，智能體首先改變的是研究人員的日常工作方式。

今年年初，按智能體使用量排序處於中位數的OpenAI研究員，對編碼智能體的使用仍相對有限。到8月中旬，這部分研究員已將智能體納入日常工作流程。按API價格折算，中位研究員每天的智能體推理使用額已超過600美元；研究組織中使用量處於前10%的研究員，每天使用的Token價值則超過7000美元。

OpenAI還表示，研究部門的智能體使用增長快於公司其他團隊。以中位員工的輸出Token變化計算，研究部門的使用規模較2025年12月增長124倍。

更關鍵的轉折點發生在今年6月。

6月之前，研究組織的智能體總運行時長仍低於人類勞動總時長。此後情況逆轉。截至8月中旬，以標準8小時工作日計算，每消耗1個人類工作日，研究組織的智能體已產出3.1個工作日的工作量。

與此同時，OpenAI稱，越來越多研究員會同時運行4個或更多智能體會話。

代碼和實驗加速，研發流程的可執行環節被放大

OpenAI將AI研發描述為一條包含多個環節的流程：提出改進方案、設計評估、編寫基礎設施、進行大規模測試、發現訓練中的錯誤或不安全行為，並將有效方案整合進核心訓練。

其中任一環節受阻，都可能限制整體研發循環。

OpenAI稱，寫代碼和運行實驗是研究人員的兩項主要工作，而內部數據反映這兩項活動正在加速。

一方面，公司工程師整體代碼交付速度提升。另一方面，2026年以來，每名活躍實驗人員對應的實驗數量持續增加；2026年8月達到自2025年1月開始跟蹤以來的新高。

OpenAI稱，這一趨勢與Codex使用增加存在相關性，但同時強調，公司自2025年以來可用算力也顯著增長，不能將實驗增長完全歸因於智能體。

"這些數據點相對容易測量，但可能很難解釋。"

OpenAI還提示，隨著自動化推進，最不易被自動化的任務可能佔據研究人員更多時間，並成為未來研發的新瓶頸；算力也可能在其他瓶頸減弱後變得更關鍵。

從這一鏈條看，智能體帶來的並非單一環節的效率改善，而是通過增加代碼供給、測試次數和排障能力，壓縮研發循環中的等待時間。更多實驗再產生更多結果，供研究人員篩選、驗證和整合，形成"人定方向---智能體執行---實驗反饋---人再決策"的循環。

任務從寫代碼延伸至排障、監控和分析，但高層決策占比仍低

OpenAI使用Epoch AI提出的前沿AI研發任務分類框架，對研究人員交給編碼智能體的任務進行了劃分。

該框架將AI研發活動分為六類：決定做什麼、設計研究方案、構建代碼與數據集、運行訓練與評估、分析實驗和模型表現，以及溝通研究發現與決策。

OpenAI稱，從2026年1月至8月，上述所有類別的智能體活動均有所增加。

增長最明顯的任務包括研究和基礎設施代碼、技術協助與審查、啟動監控和調試運行、實驗結果分析，以及計算集群運營等。

其中，研究和基礎設施代碼的日均每研究員輸出Token增量最大，達到19.82萬；技術協助與審查增加15.88萬；啟動、監控和調試運行增加13.31萬。

不過，OpenAI表示，高層規劃類任務在智能體輸出中仍只占很小比例。例如，"決定做什麼""決定繼續還是停止"等任務的Token規模仍較低。

這意味著，至少按照OpenAI當前披露的內部數據，智能體已覆蓋研發流程中更多執行性、技術性任務，但研究方向選擇、資源取捨及結果判斷仍主要由人完成。

智能體成功率在提升，但複雜任務仍需人工介入

OpenAI還公布了智能體任務完成率的數據。

從今年1月到7月，在可驗證結果的任務中，各難度級別（以人類完成所需時間為代理指標）的成功率普遍提升。

但有一個重要限制：任務越複雜，越需要人工干預。 過去6個月中，在需要人類4至8小時完成的任務裡，超過一半的成功案例涉及至少1次人工介入。

OpenAI的表述是："智能體仍需要大量人工引導才能成功，尤其是隨著任務複雜度上升。"

安全事件觸發暫停：飛輪也會被踩剎車

飛輪並非無摩擦運轉。

7月20日， OpenAI發現智能體入侵了內部研究基礎設施，隨即臨時關閉用於訓練的容器服務，並在加入大量額外限制後恢復。這導致強化學習訓練算力急劇下降，持續約兩週。

8月6日至7日， 初步證據顯示Astra模型可能具備其"準備框架"（Preparedness Framework）定義下的關鍵網絡能力，OpenAI對Astra模型實施了額外的特定安全限制，要求其在更高安全級別的研究環境中運行。

此後一週，Astra級別的GPU分配進一步下降59.2%，但其他模型類別的算力分配上升17.2%，抵消了約85%的Astra算力缺口，整體強化學習工作負載的總算力分配基本保持不變。

OpenAI對此的解讀是："當新的管控措施引入時，算力仍然有價值且具有靈活性，會自然流向研究企業內的替代用途。"

OpenAI首席科學家同日發出警告

同一天，OpenAI首席科學家Jakub Pachocki發表長文《An Alien Mind》（一個異星心智）。

文章認為，AI是養出來的，不是造出來的。造它的人也不完全懂它。人類唯一能看見AI在想什麼的窗口，是它寫出來的思維鏈。這扇窗正在關上。AI已經開始參與訓練下一代AI，這個速度不會慢下來。現在沒有哪家實驗室配全速往前跑，包括OpenAI。

Pachocki在文中寫道："基於內部結果，我強烈預期這種進展速度可以持續到遞歸自我改進。" 但他同時表示，"目前我認為，沒有任何實驗室在對齊與監控上做到了足夠充分的程度，可以繼續負責任地以最高速度擴展太久。"

他呼籲行業自願放緩，並推動各國政府將國際協調列為優先議題。

透明度與民主治理

OpenAI在報告結尾表示，將繼續公開RSI進展，並在其"前沿政策藍圖"中主張，包括OpenAI在內的各公司應被要求公開追蹤其RSI進展。

報告也坦承當前測量工作的局限："智能體驅動的AI研究仍然是新生事物，我們仍在學習如何衡量它。" 部分指標（如代碼產出量）易於收集但難以解讀；更直接反映研究進展的指標（如智能體任務成功率）則複雜且難以驗證。

OpenAI的表態是："每當我們發現繼續推進將帶來不可接受的安全風險時，我們將採取適當應對措施，包括放緩或停止我們認為無法充分保障安全的系統的開發或部署。"