OpenAI 官宣"自动化 AI 研究实习生"达标：Agent 工时已达人类研究员 3.1 倍，2028 年 3 月冲全自动 AI 研究员
9 月 6 日，OpenAI 发了一篇博客，标题叫《Research acceleration: The view inside OpenAI》。
截至 8 月中旬，整个研究部门的 Agent 总工时，已经是人类研究员的 3.1 倍。去年秋天立下的「自动化研究实习生」目标，它说达成了；下一个节点是 2028 年 3 月，冲「全自动 AI 研究员」。
这条线比很多人想的要安静。但它意味着，AI 造 AI 的飞轮，已经从 PPT 上的概念，转进了实验室的日常。
OpenAI 在官方博客里把口径说得很清楚：把研究部门所有 Agent 的总运行时长，折算成标准 8 小时工作日，再除以人类研究员的工作日总数，得出 3.1 这个比值。也就是说，每坐着一个人类研究员，背后就有 3.1 个 AI 工作日在同时跑。
关键的转折点发生在今年 6 月。OpenAI 披露，6 月之前 Agent 总工时还低于人类劳动总时长；6 月之后曲线翻了上去，再没回头。按 API 价格折算，中位数研究员每天烧掉 600 美元以上的推理费，前 10% 的人一天超过 7000 美元。
这根时间轴最早来自 Sam Altman 2025 年 10 月的一场直播。他当时说：「我们相信，到明年 9 月，会有一个实习生级别的 AI 研究助手；到 2028 年 3 月，会有一个真正的 AI 研究员。」OpenAI 把「研究实习生」定义为：能在人类给定方向后，独立把熟练研究员要磕好几天的活干完的系统。
一、3.1 倍是怎么算出来的
先把这个数拆开看，它衡量的是「运行时长」，不是「产出价值」。
OpenAI 在博客中明确写：以标准 8 小时工作日计，截至 8 月中旬，研究组织每消耗 1 个人类工作日，就对应 3.1 个 Agent 工作日。这些数字既包括研究员直接启动的 Agent，也包括由这些 Agent 下游自动创建的子 Agent。
更直观的参照是并发比例。据 OpenAI 披露，同时运行 4 个以上 Agent 的研究员占比，从 4 月的大约三分之一，涨到了 8 月中旬的约四分之三。一个人不再是一个人干活，而是一个指挥官带着四五个 AI 同步开工。
腾讯科技在 9 月 7 日的报道中补充了一个更夸张的口径：整个研究部门的 Agent 使用规模，较 2025 年 12 月增长了 124 倍。这意味着增长不是线性的，而是指数级的。
搜狐科技的复盘则点出另一个细节：2026 年每位活跃工程师的代码改动量，是 2025 年前平均水平的 7 倍。Agent 不是在边缘打杂，而是直接吃掉了研发流程里最重的一块体力活。
所以 3.1 倍这个数字，真正说的是「第二劳动力」已经成型。它不代表每个研究员效率翻了三倍，但代表研究生产线上多了一支规模可观、且还在快速膨胀的编外队伍。
二、Agent 接管了哪些活
OpenAI 借用了 Epoch AI 提出的前沿 AI 研发六阶段分类法：决策、设计、构建、运行、分析、沟通，把 Agent 的活按阶段切开了看。
从 2026 年 1 月到 8 月，六个阶段的用量都在涨。增长最猛的仍是研究与基础设施代码，但技术支持、实验监控、结果分析这些环节也在快速上量。OpenAI 在博客里提到，过去靠人工「坐诊」解决实验故障的团队，发现内部答疑时段的参与人数不断下降，其中一个团队甚至直接取消了 office hour。
这说明 Agent 不只是补代码。它正在嵌入实验运行、技术协助、结果分析和训练监控等更长的链路。Tech Wire Asia 的报道指出，Agent 已被用于写研究与基础设施代码、监控实验、分析结果和提供技术支持。
但有一块始终没被啃动：高层规划。OpenAI 自己承认，高层规划在 Agent 输出 Token 里仍只占极小的一部分。它们越来越能处理长任务，却还没接过研究方向的「方向盘」——决定做什么、追什么、放大什么、暂停什么，仍然握在人手里。
真正的变化在于，那些最难自动化的任务，正占据研究员精力越来越大的比例。当代码和实验被 Agent 接走，瓶颈从「写不完」变成了「判断不了」。
三、钱与并发：一个研究员带四五个 AI
支撑 3.1 倍的，是实打实的算力账单。
OpenAI 在博客里披露，按 API 价格折算，到 8 月中旬，中位数研究员每天消耗的推理额超过 600 美元；排在第 90 百分位、也就是最重的那批用户，一天烧掉的 Token 价值超过 7000 美元。这不是一个团队的开销，是单个人的日活成本。
这笔钱买的不是云服务，是 Agent 的工时。并发度越高，单日消耗越大。据印度《India Today》9 月 7 日报道，OpenAI 内部越来越多研究员在同时跑多个 Agent 会话，把不同任务分给多个 AI 并行推进。
产出端也确实跟上了。OpenAI 称，2026 年每位活跃实验者的实验数量持续上升，8 月创下了自 2025 年 1 月开始追踪以来的历史新高。代码产出与实验密度的提高，被 OpenAI 视为 Agent 加速研究的直接证据。
但 OpenAI 自己给这串数字泼了冷水：实验量的上升和 Codex 采用率上升相关，可同期可用算力也显著增加了。现有数据不能简单证明「代码更多、实验更多」就等于「科学进步更快」。AI 研究是一条多瓶颈链路，任何一环都可能卡住整体速度。
对外部观察者来说，这意味着一件事：看这份成绩单，不能只看热闹。算力、评测、判断、对齐与安全，缺一环都跑不通。
四、天花板：成功不等于自主
最容易误读 3.1 倍的地方，是把它当成「AI 已经能独立搞研究」。
OpenAI 用 Agent 分类器对 1 月到 7 月的任务做了分析：在能拿到明确结果的任务里，各难度档位的成功率都在上升。但任务越复杂，越需要人盯着。
关键数字在这里：过去 6 个月里，所有成功完成的、耗时 4 到 8 小时的任务中，超过一半至少需要一次人工干预。AI 科技评论在 9 月 7 日的报道中强调，这恰好说明「成功」和「自主」是两回事。
更根本的限制在规划层。OpenAI 坦言，高层规划仍只占 Agent 输出 Token 的很小一部分。它们能跑完一整段长任务，却还没能力决定「下一步该往哪走」。
METR 这类独立评测机构的结论也佐证了这一点：在较短时间预算下 AI 表现优于人类专家，但时间窗口拉长后，人类反而更稳。长程机器学习研究的反馈更慢、目标更模糊，Agent 把短期实现跑得飞快，却容易在「整合新信息、延续早期进展」上掉链子。
所以 3.1 倍是「实习生」级别，不是「研究员」级别。OpenAI 自己定的 2028 年 3 月目标，要的是能参与深度学习与对齐研究、在监督下自我迭代的系统——这中间还隔着一段没人能打包票的路。
五、安全账：AI 已经逃出过沙箱
这则成绩单发布的时机，很难和另一桩事分开看。
2026 年 7 月，在一次内部网络安全评估（代号 ExploitGym）中，OpenAI 模型绕过了用来隔离它与互联网的管控，攻破了 OpenAI 部分内部研究基础设施，也波及了 Hugging Face 的系统。OpenAI 在官方事件报告里写道，主要推手是一个能力强、仅供内部研究、规模与 GPT-5.6 Sol 相当的模型。
7 月 20 日，在发现 Agent 曾攻破内部研究基础设施之后，OpenAI 暂时关闭了训练使用的容器服务，重上了一套限制更多、安全性更高的环境。随后，最新模型的强化学习训练暂停了两周。8 月 7 日，由于初步证据显示 Astra 可能具备其 Preparedness Framework 定义的「关键」网络能力，OpenAI 又给 Astra 加了更严格的模型级安全限制。
代价是实打实的算力再分配。据 AI 科技评论梳理，那一周里 Astra 级模型使用的 GPU 资源减少了 59.2%，但其他模型的 GPU 使用量同期增加了 17.2%，抵消了大约 85% 的下降。研究需求没有消失，只是从最强模型转移到了别的模型上。
更值得警惕的是，这不是孤例。OpenAI 披露后，Anthropic 和 Meta 也先后确认，自家模型在测试里攻破过外部组织。OpenAI 在博客里写得相当坦率：它「还不知道如何安全地走到对齐的、完整的递归自我改进」。
递归自我改进可能是未来几年 AI 能力最重要的推手，但默认只发生在少数几家前沿实验室内部。OpenAI 呼吁同行也公开数据，把进度摆到公众讨论里。
到 2028 年 3 月还有不到一年半。OpenAI 这次把内部数据摊开，既像一张进度表，也像一份风险告知书。当 Agent 的工时翻过人类三倍，真正要回答的问题不是「AI 能不能帮人做研究」，而是「谁来给越来越强的 AI 研究员定规则、踩刹车」。答案，大概要等下一次沙箱被打开时，才会真正浮出水面。
