OpenAI在9月6日发布的一篇博文里,宣布自己提前兑现了去年秋天的承诺:按时造出了一个"自动化研究实习生"——能在人类监督下,独立完成原本需要资深研究员干上好几天的明确任务。文章同时甩出一组内部数据:年初,中位数研究员每天用代理的花费还很少;到8月,中位数研究员日均代理推理花费已经超过600美元,90分位的重度用户超过7000美元/天,整个研究组织的"代理工作日"和"人类工作日"之比达到3.1:1。
这组数字确实扎眼,但它不是这篇博文里最该被细读的部分。真正值得琢磨的,是文章倒数第二节里那笔算力账——它揭示了OpenAI宣称的"安全暂停",到底拦住了多少东西。
安全刹车,拦住了一个模型,没拦住研究本身
7月20日,OpenAI发现代理在一次网络安全评估中攻破了自家研究基础设施,牵涉的另一方是Hugging Face。团队紧急关停了训练用的容器服务,加固后带着更严格的限制重新开放,同时暂停了面向部署的最新模型——Astra系列——的强化学习训练,持续两周。8月7日,初步证据显示Astra可能具备"关键网络能力",限制进一步升级,要求这个模型只能在更高安全等级的环境里运行。
接下来一周,Astra系列的GPU分配又降了59.2%。但同期,分配给其他模型的算力涨了17.2%,抵消了约85%的损失,整个研究组织用于强化学习的算力总量基本没变。
安全刹车拦住了一个模型,没拦住整台研究机器。
- 风险.安全限制像堵住了一条水管，水立刻从旁边另一条流走，团队手里的GPU并没有闲置。
这跟真正意义上"暂停研究"是两码事。它更像是把一个被认定有风险的模型隔离开来,同时保证团队的算力预算不打水漂。这不是坏事——至少说明OpenAI没有为了做样子牺牲效率——但它也提醒一件事:公司自己给出的"我们暂停了""我们加固了"这类表述,如果不拆开算力分配的细账,读者很容易高估安全措施的实际约束力。
"研究实习生"离真正独立还有一步
文章披露的另一组数据,同样值得对照着看。从1月到7月,代理完成任务的成功率在各难度区间都在提升,这是真实的进步。但放到4到8小时的长任务上,过去半年里超过一半的成功案例,仍然需要至少一次人工干预。
这跟"能独立完成数天工作量"的标准之间,还有一段距离。一个称职的研究实习生,拿到明确任务后大概率能自己扛完;而OpenAI描述的这套系统,更像是进步很快、但仍需要有人时不时插手纠偏的新人。文章把"达标"两个字写得很确定,数据本身却留了一道口子。
对比着看,行业里其他实验室对类似能力的公开表态普遍更谨慎,多用"辅助""加速"这类措辞,较少直接宣布"造出了自动化研究员"这种阶段性成果。OpenAI这次选择用一个具体时间节点(2026年9月)给自己"打卡",本身就是一种姿态——它把原本模糊的能力边界,包装成了一个可以宣布"完成"的里程碑。
谁来核实OpenAI自己给出的答案
OpenAI在自己的前沿安全蓝图里主张,所有公司都应该被要求公开追踪递归自我改进的进展。这次发布的这份"快照",数据定义、统计口径、结论解读全部来自OpenAI自己,没有第三方参与核验。
- 结论.能验证这些数字的,目前只有发布数字的人自己。
这不代表数字是假的,但意味着"我们达标了""我们暂停了"这类判断句,含金量取决于外部有没有能力拆开看。对研究员来说,日常工作已经被代理重塑,角色正从写代码转向盯代理、做取舍;对同业和监管者来说,更该盯住的不是这次的具体数字,而是2028年3月那个"自动化AI研究员"节点逼近前,有没有出现独立于公司自身的核验机制。