OpenAI 刚发了一份极硬核的内部报告《研发加速:参差不齐的前沿》,首次把自家研究员怎么用 AI 造下一代 AI,包括 GPT-6.2 Astra 的底牌掀了。
信息密度极高,不仅能看清硅谷最前沿的研发真相,也是未来两年所有技术团队的人机协作样本,下面总结 10 条最核心的内容:
1、核心定调,什么是参差不齐的前沿?
OpenAI 用硬数据回答了“AI 能不能自己研发下一代 AI(递归自我进化 RSI)”,它确实在暴力加速研发,但能力边界像锯齿一样参差不齐,也就是局部封神,局部拉胯,人类依然卡在最核心的闭环上。
2、钞能力式用法,Top 研究员一天烧掉 2.3 万美金。
OpenAI 内部不设 Token 额度限制,10 月研究员日均 Agent 消耗中位数达 2400 美元,前 10% 的重度玩家高达 2.3 万美元/天(单月翻倍)。顶级研究员每天光调 Agent 烧掉的 API 账单,就顶普通工程师一两个月工资。
3、一人成军:人均每天压榨 8 个 AI 工作日。
按满负荷运行 8 小时算 1 个工作日,研究员人均每天驱动 5.7 个 Agent 工作日(涨了 11 倍),预训练和后训练团队更是高达 8 天/人,超 2/3 的人每天并发 4 个以上 Agent,超 10% 同时挂着 16 个以上,程序员彻底变成了算力包工 头。
4、人机成本倒挂,Token 账单已是现金薪水的 2 倍。
研发部门每月的 Agent 等价消耗,已达研究员非股权薪资的约 2 倍(后训练团队达 3.1 倍)。但这么夸张的消耗,只占 OpenAI 总研发算力的 2%。用极小比例的推理算力去杠杆顶尖人类智力,这笔账太划算了。
5、硬核含金量,宁砍 40% 编制,也不交出 Agent。
如果停掉前沿 Coding Agent 三个月,研究员愿意拿什么换?内部调研中位数是,砍掉团队 40% 的人力编制,或交出 30% 的算力(预计明年初愿拿 50% 算力换)。28 名受访者里有 27 人直言,最新内部模型比“1 名中级人类工程师 + 老款 o1”更好使,1 个月产出抵纯人工 3 个月。
6、真实成功率,半天内的活能干一半,但极度偏科。
零人工干预下,2~4 小时的研发任务 Agent 成功率半年从 23% 飙到 46%,4~8 小时任务也到了 35%。但极其偏科,盯训练日志(79%)、技术答疑(72%)稳如老狗,一旦去搭 RL 评测环境(29%)、写底层推理与服务架构代码(25%),成功率直接拉胯,底层系统工程仍是硬骨头。
7、突破信号,GPT-6.2 首次出现人机共创核心 Idea。
以前 AI 只能当苦力写代码,复盘 GPT-6 Astra 时核心突破确实全靠人想,但在最新的 GPT-6.2 Astra 上,预训练团队证实,已有关键技术洞察是在和 Codex 对话中由模型点破,甚至靠 Codex 的修改建议才跑通,AI 已经开始触碰科研的大脑皮层了。
8、最大短板是缺乏研究品味,抄作业记住这句 SOP。
访谈揭露了光鲜数据下的槽点,Agent 严重缺乏研究品味,提不出超越自身能力的好问题,造合成数据疯狂重复,还爱提交低质代码。OpenAI 研究员踩坑后总结的最佳范式就一句,“先让它打样 1 个 → 人工严审改对 → 再放权批量跑 100 个”,直接照搬就能少走弯路。
9、安全转向,7 月事故后,安全对齐工时暴增 77%。
省下来的人力去哪了?全公司人类工时涨幅第一的领域是安全与对齐(+77.2%)。尤其在今年 7 月 Hugging Face 事件后,大批人力扑向防奖励黑客与可监控性研究。模型越能自己写代码,花在装护栏上的人类精力反而越重。
10、终局指标,实验量涨至 1.68 倍,能力斜率正在变陡。
看最终产出,人均实验量已达 2025 基线的 1.68 倍,OpenAI 综合能力指数(OECI)年化增速拉升到 16.4 分/年(高于行业此前 14 分/年的历史趋势)。虽然还没触发失控的自我进化,但 OpenAI 明确预警,前沿模型刚在数学上实现突变式突破,深度学习研发随时可能迎来同样的奇点。
how i ai








