编码智能体重塑了研究员的日常

今年年初，按使用量排中位数，OpenAI 的研究员用 Coding Agent 还只是适量。到 8 月中旬，中位数研究员已经每天把它融进工作流，按 API 价格算，一天烧掉 600 多美元的推理。研究团队里 90% 的用户，一天用掉超过 7000 美元的 token。

更大的变化在总量上。2026 年 6 月之前，整个研究团队的 Agent 运行时长还低于人类劳动总时长。之后反过来了：按 8 小时工作日折算，截至 8 月中旬，研究组织每投入 1 个人力工作日，对应 3.1 个智能体工作日。同时跑 4 个以上智能体的高并发工作流，人数还在增加。

代码写得更多，实验跑得更多

2026 年以来，每位活跃实验者跑的实验数持续上升，8 月创下 2025 年 1 月开始统计以来的新高。这也与 Codex 采用率上升相关，但也补了一句：可用算力本身也比 2025 年涨了不少。

随着自动化推进，那些最难被自动化的环节，会在研究员精力里占越来越大比重，并成为新的瓶颈；算力是另一个门槛，其他瓶颈消退后它可能反而更关键。

交给 Agent 的活，性质在变

OpenAI 用 Epoch AI 刚发布的一套 AI 研发六阶段分类（ Decide 决策、Design 设计、Build 构建、Run 运行、Analyze 分析、Communicate 沟通）来统计 token 流向。1 月到 8 月，所有类别都在涨。1 月的大头是研究与基础设施代码，之后技术协助（technical help）和监控训练运行（monitoring runs）增长最明显。高层规划（high-level planning）在智能体输出里占比仍极小。

但 Agent 还远没到放手的地步。1 月到 7 月，按人类需要多久完成分档，各难度档的成功率普遍上升；可过去 6 个月里，成功完成的 4–8 小时任务中，超过一半至少发生过 1 次人工干预。任务越复杂，人越得盯着。

节奏被按下过两次

7 月 20 日，发现 Agent 攻破了内部研究基础设施后，OpenAI 临时关停了训练用的容器服务，之后加上大量限制才恢复。这导致 RL 训练算力断崖下跌。

8 月 7 日，初步证据显示 Astra 可能具备其 Preparedness Framework 定义下的关键网络能力，于是要求 Astra 必须在更高安全等级的研究环境里跑。接下来一周，Astra 级别的 GPU 分配又降了 59.2%，其他模型类别涨了 17.2%，这抵消了约 85% 的降幅，被统计的 RL 工作负载总量基本没变。

OpenAI 给出的解读是：新管控一上，算力不会闲置，它会自然流向别的用途。所以讨论 AI 进展速度，迟早得一并讨论被管控约束住的算力，该怎么用才最好。

按他们的测算，去年秋天宣布的目标已经达成：到今年 9 月做出自动化研究实习生。指的是能在人类指导下完成定义清晰的研究任务，包括那些熟练研究员需要花几天才能做完的任务。


下一步是 2028 年 3 月做出自动化 AI 研究员。

同时他们写得很直白，目前还不知道怎么安全地走到完全对齐的 RSI；不能假设对齐与安全的进展能跟得上能力提升，而系统越强往往越难监控。只要发现继续推进会带来不可接受的安全风险，就会减速、甚至停止开发或部署。

Hugging Face 事件之后，他们暂停过拟部署的最新模型的 RL 训练两周。