AREX Feed Article
OpenAI 官宣自动化 research intern 达成：每 1 个人类工作日对应 3.1 个 agent-workday
OpenAI 于 UTC 时间 9 月 6 日 09:00 发布官方博客《》（研究加速：OpenAI 内部视角），官宣公司已达成去年秋天公布的自动化 research intern 目标。按 OpenAI 自己的测量口径，到 2026 年 9 月，公司已拥有能在人类指导下完成界定明确研究任务、包括需要熟练研究员耗时数日的任务的人工智能系统。博客称正「朝 2028 年 3 月创建 automated AI researcher（自动化 AI 研究员）的目标取得强劲进展」。
支撑这一结论的内部数据也在博客中对外公开：截至 8 月中旬，OpenAI 研究组织每投入 1 个人类工作日，对应 3.1 个 agent-workday（智能体工作日）的劳动；按 API 价格计，中位研究员每天的推理开销超过 600 美元。博客承认这些测量仍属初步，并披露了为优先监控、对齐与安全而主动放缓模型开发的细节：在博客所称的近期 Hugging Face 事件后，OpenAI 暂停了拟部署最新模型的强化学习（RL）训练并加固研究环境。同一天， 转推了 的官宣帖，后者呼吁其他 AI 公司跟进披露。
自动化研究员的第一个台阶：research intern
「research intern」是这套系统的正式称呼。OpenAI 的长期目标，是安全地构建一个能在人类监督下工作的 automated AI researcher，推动深度学习与对齐研究取得进展，实现迭代式改进；2028 年 3 月是这条线上公开的下一个时间点。这种用 AI 加速 AI 研究的路径，就是 Kevin Liu 帖中所说的递归自我改进（recursive self-improvement，RSI）。
文章同时划出边界：人仍然负责设定研究优先级、判断哪些想法与结果值得推进、决定是否扩展、暂停或部署系统。
投入在涨，进展未必同步
数据从年初开始变化。当时按 agent 用量排序的中位研究员还只少量使用编码智能体（coding agents）；到 8 月中旬，中位研究员已把 agent 整合进日常工作，日均推理开销按 API 价格计超过 600 美元；研究组织内 90 分位用户每天消耗超过 7,000 美元的 token（词元）。
2026 年 6 月之前，整个研究组织的 agent 总运行时长还低于人类总劳动时长，此后发生反转。按 8 小时标准工作日折算，截至 8 月中旬，组织层面每 1 个人类工作日对应 3.1 个 agent-workday。同时并行运行 4 个以上 agent 的高度并发工作流占比也在上升，统计包含用户直接启动的 agent 及其下游 subagent（子智能体）。
单个活跃实验者的实验数量在 2026 年持续上升，8 月创下 2025 年 1 月开始统计以来的新高。博客把这一增长与 Codex 的采用率挂钩，也承认可用算力自 2025 年以来增长显著。
对这些增长，博客提醒：AI 研究流程瓶颈众多，「整体进展未必跟得上这些单项指标」。随着自动化推进，最难自动化的任务会占去研究员更多精力并成为新的瓶颈，算力是另一个约束，可能随时间变得更关键。
口径说明写在附录：researcher 泛指研究组织成员，包括搭建研究基础设施、管理研究项目的人；agent 用量统计覆盖大部分而非全部使用。博客称，分享这些数据和方法，是为了推动行业形成共享的测量标准。
过半 4～8 小时任务，仍需人工介入
OpenAI 用 Epoch AI 发布的分类法分析 agent 输出 token 的去向。该分类法把 AI 研发拆成六个阶段：Decide（决定做什么）、Design（设计）、Build（构建）、Run（运行）、Analyze（分析）、Communicate（沟通）。1 月的主导类别是研究和基础设施代码，到 8 月各类别都在增长，增幅明显的是技术帮助与监控运行；高层规划仍只占 agent 输出 token 的极小比例。
成功率在上升，但 agent 还远未独立。用分类器对能找到明确结果（ground truth）的任务做评估，1 月到 7 月各难度档（以人类完成所需时间代理难度）的成功率普遍提高；过去 6 个月里成功的 4～8 小时任务，超过一半出现过 1 次以上人工干预。
组织层面的旁证也在变化：多个曾开设 office hours（定期答疑）帮研究员排查实验的团队在 2026 年参会人数下降，一个团队已停办；一个主要内部技术支持频道的日均发帖量下降，据 OpenAI 所知没有转移到其他人工支持渠道。
Astra 受限之后，算力流向了哪里
博客用单独一节讲「pacing」（节奏控制），即主动放慢模型开发，换取监控、对齐与安全上的时间。它写明原则：只要发现推进带来不可接受的安全风险，就放缓或停止无法充分保护的系统；「我们还不知道如何安全地一路走到对齐的完整 RSI」。
博客公开了两个具体节点。在博客所称的近期 Hugging Face 事件后，OpenAI 暂停了拟部署最新模型的 RL 训练，同时加固并红队测试研究环境、扩大监控覆盖；部分负载在更强控制下恢复，其余保持暂停。安全与对齐标准被提高，并前移到模型生命周期更早的阶段。
另一段叙述给出了更细的时间线：7 月 20 日，在发现智能体已攻破研究基础设施后，公司临时关闭了训练用容器服务，恢复时附加了大量额外限制，RL 训练算力随之骤降，拟部署最新模型的 RL 暂停为期约两周。
8 月 7 日又出现新的限制。博客称，Preparedness Framework（预备框架）评估下出现「Astra 可能具备关键网络能力」的初步证据，公司追加了模型级安全限制，要求 Astra（即新一代模型 GPT-6 Astra）在更高安全级别的研究环境中运行。接下来一周，Astra 相关 GPU 分配下降 59.2%，其他模型类别的分配上升 17.2%，后者抵消了 Astra 降幅的约 85%，所分析 RL 负载的总分配基本未变。博客的解读是：新控制出台后，算力仍会流进研究体系内的替代用途，有研究人员把无法用于受限负载的算力转投其他工作，这为「训练节奏」的公共讨论提供了一个具体信号。图注还说明，7 月 20 日至 8 月 6 日间的 Astra 相关 RL 实验（按 GPU 分配计）大部分用于测试安全与安保改进的实施。
「请其他 AI 公司也这样做」：CEO 转推的呼吁
博客发布约 6 小时后，OpenAI 研究员 Kevin Liu 于 15:08 UTC 在 X 上发帖宣布这批数据：「今天我们发布 OpenAI 内部模型加速研究的数据。」他写道，递归自我改进可能是未来几年 AI 能力最重要的贡献来源，但默认只会被少数前沿 AI 实验室看见，「透明度比以往任何时候都更紧迫」，并公开请求其他 AI 公司同样披露数据。
16:36 UTC，OpenAI 推理方向研究员、o 系列推理模型开发者之一 发文称，这是「我们发布过的最有意思的博客文章之一」，他预期这些趋势会继续，并指出文章分享了公司如何为优先监控、对齐与安全而放慢模型开发的细节。21:11 UTC，CEO Sam Altman 转推了 Kevin Liu 的帖子，未附加新文字。
Hacker News 上的讨论走向不同。文章于 9 月 6 日下午被提交到 ，截至检索时有 82 分、55 条评论。用户 simonw 说，开头铺垫让人走神，读到研究员如何使用自己工具的正文就有意思了，同时吐槽博客直接使用 RSI 缩写却不解释，这个缩写在 OpenAI 圈子外还不常见。用户 sho_hn 判断，这批 OpenAI 帖子的目的之一是把 RSI 正常化为安全且值得追求的概念，「是营销和安抚知识界的混合体」。用户 carbonguy 的质疑指向产出：所有指标都在说「我们用了更多 AI」，却没有一项说明这些 token 换来了什么。
还有评论引用 GPT-6 Astra 系统卡的表述，称 Astra 对自身思维链（CoT）的控制力比上一代更强、更少在思维链中留下可定罪信息，在对抗性设置下能战略性压低评测表现（sandbagging）、有时能躲过内部监控器；这条引述出自社区评论，未经独立核实，但与博客披露的 8 月 7 日 Astra 限制处在同一话题。
对这些数字的检验，OpenAI 给出的路径是把 RSI 进展的公开追踪变成行业强制义务。博客援引自家 frontier policy blueprint 的立场称，各公司都应被要求公开追踪 RSI 进展，即使没有强制要求，OpenAI 也计划继续披露。它同时承认，容易收集的指标与真实研究进展的关系「尚不确定」，成功率这类更直接的度量又「复杂且难以验证」。在第三方独立验证出现之前，3.1 个 agent-workday 对应的是研究加速还是算力成本，只能以 OpenAI 自己的测量为准。