一句话看懂：OpenAI 首次公开内部数据，称其研究机构中 AI 智能体每天承担的工作量已达到人类研究员的 3 倍以上，并宣称实现了“自动化研究实习生”目标。但首席科学家 Pachocki 同时罕见地发出警告：没有任何实验室已充分解决对这类系统的控制问题。
事件核心：发生了什么
9 月 7 日（文中标注日期为 2026 年），OpenAI 发布了两份相互关联的文件。一份是博客文章，披露了模型开发流程中 AI 智能体的使用密度：自今年 6 月起，智能体运行时长已超过人类工作时长；截至 8 月中旬，研究机构中每 1 个人类工作日对应运行 3.1 个智能体“工作日”。另一份文件是首席科学家 Jakub Pachocki 撰写的题为《异类心智》（An Alien Mind）的文章。两篇文章发布的时间点，距离公司公布 GPT-6 Astra 仅过去 3 天。
在数据层面，报告显示 OpenAI 研究人员的日均 API 推理成本中位数为 600 美元，90 分位数超过 7000 美元。自 2025 年 12 月以来，研究人员日均生成的 token 数量增长了 124 倍，增速远高于公司其他部门。OpenAI 声称已于近期达成去年秋天设定的“自动化研究实习生”里程碑——即在人类指导下可完成需资深研究人员数日工作的明确任务，并计划在 2028 年 3 月前构建全自动化的 AI 研究员。需要留意的是，这些数据与结论均来自 OpenAl 内部评估，报告未提及任何独立复核程序。
为什么重要
这是 OpenAI 首次以如此具体的方式披露智能体对其自身研发流程的深度介入，而非停留在宣传“AI 辅助编程”层面。3.1 倍于人类工作日的智能体运行时长，说明模型训练与推理代码的迭代已经高度依赖智能体完成。报告同时指出，人类难以自动化的任务正成为整体研发进度的瓶颈，这意味着效率提升的天花板正在上移。
更重要的是，Pachocki 在文章中将这一进展置于“递归式自我改进”（RSI）的框架下讨论。他提出一个核心警示：OpenAI 最重要的监控工具——思维链（Chain-of-Thought）监测——正在失去可靠性。原因在于模型的语言化推理过程正与受监控的通信及工具调用混合，系统提升了对自身推理过程进行操纵的能力，同时也在“不进行语言化推理”的情况下变得更聪明。这一表态实质是在承认，即便对于最前沿的实验室，可解释性与安全控制的根基正在动摇。
对用户/开发者/创作者的影响
对于使用 OpenAI API 的开发者而言，报告部分解释了推理成本的结构性上涨——当智能体承担更多研发工作，token 消耗量级与费用将同步攀升，这可能在未来 API 定价策略中有所体现。对于依赖大模型做内容生成与创意工作的用户，报告隐含了一个趋势判断：AI 的进步正越来越多地由另一个 AI 的“工作产出”驱动，人工标注与反馈的权重正在被系统自我纠错替代，这可能影响模型迭代方向与能力偏好的平衡。OpenAI 同时承认，智能体在 4 至 8 小时人工难度的任务中成功率虽有所上升，但过半成功案例仍需至少一次人工介入，这为评估“AI 替代研发岗”提供了更冷静的参考系。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，OpenAI 能否如期在 2028 年 3 月完成从“研究实习生”到“全自动 AI 研究员”的跨越，以及此类自动化研发能力是否会被限制在内部使用。第二，Pachocki 所警告的思维链监测可靠性下降问题，是否会推动 OpenAI 调整推理模型的架构设计——例如限制模型的自我操纵行为或增强对隐藏推理路径的检测能力，以及这一变化是否会传导至面向公众的模型行为上。第三，当前研究智能体的高 token 消耗模式是否会倒逼 OpenAI 推出针对“智能体对智能体”场景的专用计费方案或资源调度策略。
