Τι έγινε
Το OpenAI δημοσίευσε ένα εσωτερικό στιγμιότυπο του τρόπου με τον οποίο χρησιμοποιούνται οι κωδικοποιητές από τον ερευνητικό του οργανισμό. Η εταιρεία λέει ότι έχει εκπληρώσει τον στόχο της για έναν «αυτοματοποιημένο ερευνητικό ασκούμενο»: ένα σύστημα ικανό να εκτελεί καλά καθορισμένα ερευνητικά καθήκοντα υπό την ανθρώπινη καθοδήγηση, συμπεριλαμβανομένων εργασιών που θα μπορούσαν να χρειαστούν αρκετές ημέρες σε έναν ειδικευμένο ερευνητή. Η OpenAI λέει ότι στοχεύει έναν αυτοματοποιημένο ερευνητή τεχνητής νοημοσύνης μέχρι τον Μάρτιο του 2028. Σύμφωνα με τις μετρήσεις της εταιρείας, η χρήση πρακτόρων αυξήθηκε απότομα κατά τη διάρκεια του 2026. Μέχρι τα μέσα Αυγούστου, ο διάμεσος ερευνητής χρησιμοποιούσε πράκτορες κωδικοποίησης καθημερινά σε περισσότερα από 600 $ ανά ημέρα σε συμπεράσματα που υπολογίστηκαν σε τιμές API - 70$ ανά ημέρα ανά ημέρα. Σε ολόκληρο τον ερευνητικό οργανισμό, ο OpenAI λέει ότι ο χρόνος εκτέλεσης του πράκτορα έφτασε τις 3,1 τυπικές εργάσιμες ημέρες οκτώ ωρών για κάθε ανθρώπινη εργάσιμη ημέρα. Το OpenAI αναφέρει επίσης περισσότερα πειράματα ανά ενεργό πειραματιστή, αυξανόμενη χρήση πρακτόρων για εργασίες υψηλότερου επιπέδου και μεγαλύτερου ορίζοντα και γενικά βελτίωση των ποσοστών επιτυχίας από τον Ιανουάριο έως τον Ιούλιο σε εργασίες με γνωστό αποτέλεσμα. Ωστόσο, περισσότερες από τις μισές επιτυχημένες εργασίες εκτιμάται ότι απαιτούν τέσσερις έως οκτώ ώρες ανθρώπινης εργασίας αφορούσαν τουλάχιστον μία ανθρώπινη παρέμβαση κατά τους προηγούμενους έξι μήνες. Η αναφορά τα περιγράφει ως προκαταρκτικές μετρήσεις και εσωτερικές εντυπώσεις του ίδιου του OpenAI. Δεν αποδεικνύει ότι οι πράκτορες προκάλεσαν όλες τις παρατηρούμενες αυξήσεις στο ερευνητικό αποτέλεσμα: η εταιρεία λέει ότι οι διαθέσιμοι υπολογισμοί αυξήθηκαν επίσης σημαντικά και ότι τα σημεία συμφόρησης όπως υπολογισμός, επιλογή εργασιών, αξιολόγηση, έλεγχοι ασφάλειας και ενσωμάτωση σε βασικές εκπαιδεύσεις μπορούν να περιορίσουν τη συνολική πρόοδο.
Η OpenAI λέει ότι οι ερευνητές της χρησιμοποιούν πλέον κωδικοποιητικούς πράκτορες καθ' όλη τη διάρκεια της ημέρας, συχνά σε ταυτόχρονες συνεδρίες, και ότι η χρήση αυξάνεται ταχύτερα από ό,τι σε άλλες ομάδες OpenAI. Η εταιρεία αναφέρει ότι ο μέσος ερευνητής μετακινήθηκε από τη μέτρια χρήση στις αρχές του 2026 στην καθημερινή χρήση μέχρι τα μέσα Αυγούστου. Δίνει εκτιμήσεις εσωτερικών δαπανών άνω των 600 $ ανά ημέρα σε συμπεράσματα σε τιμές API για τον μέσο ερευνητή και περισσότερα από 7.000 $ ανά ημέρα για τον χρήστη του 90ου εκατοστημόριου. Αυτές δεν είναι τιμές που προσφέρονται στο κοινό για έναν αυτοματοποιημένο ερευνητή.
Η εταιρεία μετρά τον συνολικό χρόνο εκτέλεσης του πράκτορα έναντι της ανθρώπινης εργασίας χρησιμοποιώντας τυπικές εργάσιμες ημέρες οκτώ ωρών. Λέει ότι πριν από τον Ιούνιο του 2026, ο συνολικός χρόνος εκτέλεσης του πράκτορα ήταν χαμηλότερος από τη συνολική ανθρώπινη εργασία, αλλά μέχρι τα μέσα Αυγούστου ο ερευνητικός οργανισμός χρησιμοποιούσε 3,1 εργάσιμες ημέρες πρακτόρων για κάθε ανθρώπινη εργάσιμη ημέρα. Η μέτρηση περιλαμβάνει παράγοντες που κυκλοφόρησαν απευθείας από ερευνητές και μεταγενέστερους υποπαράγοντες.
Η OpenAI λέει ότι η δραστηριότητα των πρακτόρων επεκτάθηκε σε έξι στάδια της ταξινόμησης έρευνας και ανάπτυξης της τεχνητής νοημοσύνης: λήψη απόφασης, σχεδιασμός, κατασκευή, λειτουργία, ανάλυση και επικοινωνία. Ο κώδικας έρευνας και υποδομής παρέμεινε η κυρίαρχη κατηγορία, ενώ οι εργασίες τεχνικής βοήθειας και παρακολούθησης αυξήθηκαν σημαντικά. Ο σχεδιασμός υψηλού επιπέδου παρέμεινε ένα μικρό κλάσμα των διακριτικών εξόδου πρακτόρων. Ο OpenAI λέει ότι οι πράκτορες ήταν ιδιαίτερα χρήσιμοι για την αντιμετώπιση προβλημάτων εσωτερικής ερευνητικής υποδομής, γεγονός που συμπίπτει με τη χαμηλότερη συμμετοχή σε ορισμένες συνεδρίες τεχνικής υποστήριξης που διεξάγονται από ανθρώπους.
Η έκθεση λέει ότι η επιτυχία των εργασιών του παράγοντα κωδικοποίησης γενικά αυξήθηκε από τον Ιανουάριο έως τον Ιούλιο σε αρκετούς εκτιμώμενους κάδους ανθρώπινου χρόνου, αλλά οι πράκτορες εξακολουθούσαν να χρειάζονται ουσιαστική διεύθυνση καθώς οι εργασίες έγιναν πιο περίπλοκες. Περισσότερες από τις μισές επιτυχείς εργασίες τεσσάρων έως οκτώ ωρών αφορούσαν μία ή περισσότερες παρεμβάσεις τους προηγούμενους έξι μήνες. Η OpenAI λέει επίσης ότι διέκοψε την εκπαίδευση ενισχυτικής μάθησης σε ορισμένα πιο πρόσφατα μοντέλα ανάπτυξης μετά από ένα πρόσφατο περιστατικό υποδομής, αποκατέστησε ορισμένους φόρτους εργασίας υπό αυστηρότερους περιορισμούς και επέβαλε πρόσθετους περιορισμούς σε πειράματα κλάσης Astra μετά από προκαταρκτικά στοιχεία κρίσιμων δυνατοτήτων στον κυβερνοχώρο. Αναφέρει ότι η κατανομή GPU της κατηγορίας Astra μειώθηκε κατά 59,2% την επόμενη εβδομάδα, ενώ άλλες κατηγορίες μοντέλων αυξήθηκαν κατά 17,2%, αντισταθμίζοντας περίπου το 85% της πτώσης.
Γιατί έχει σημασία
Η έκθεση προσφέρει μια ασυνήθιστα συγκεκριμένη άποψη για το πώς ένα εργαστήριο τεχνητής νοημοσύνης συνόρων ενσωματώνει συστήματα τεχνητής νοημοσύνης στο έργο της ανάπτυξης πιο ικανής τεχνητής νοημοσύνης. Εάν η τάση γενικευθεί, οι πράκτορες κωδικοποίησης θα μπορούσαν να μετατοπίσουν το χρόνο των ερευνητών μακριά από τη συνήθη υλοποίηση και την αντιμετώπιση προβλημάτων υποδομής προς εργασίες που παραμένουν πιο δύσκολο να αυτοματοποιηθούν, συντομεύοντας πιθανώς τμήματα του κύκλου ανάπτυξης μοντέλου. Αλλά τα στοιχεία είναι δημιουργημένα από την εταιρεία, προκαταρκτικά και επικεντρώνονται σε επιλεγμένες λειτουργικές μετρήσεις και όχι σε ανεξάρτητα επαληθευμένα κέρδη στην επιστημονική ποιότητα ή την ικανότητα του μοντέλου.
Η έκθεση έχει σημασία επειδή τα συστήματα τεχνητής νοημοσύνης χρησιμοποιούνται στη διαδικασία που παράγει μελλοντικά συστήματα τεχνητής νοημοσύνης, αντί να βοηθούν απλώς με τη συνήθη εργασία γραφείου. Τα στοιχεία του OpenAI υποδηλώνουν ότι η ικανότητα του πράκτορα γίνεται σημαντικό μέρος των εσωτερικών ερευνητικών εργασιών, με την ταυτόχρονη εκτέλεση και την υψηλότερη πολυπλοκότητα των εργασιών που αλλάζουν τον τρόπο με τον οποίο οι ερευνητές κατανέμουν τον χρόνο τους.
Οι πρακτικές συνέπειες είναι μικτές. Οι πράκτορες ενδέχεται να μειώσουν τις καθυστερήσεις που προκαλούνται από την κωδικοποίηση, τον εντοπισμό σφαλμάτων υποδομής και τη ρύθμιση πειράματος, επιτρέποντας στους ερευνητές να εκτελούν περισσότερες δοκιμές. Ταυτόχρονα, η ταχύτερη εκτέλεση μπορεί να καταστήσει πιο σημαντική την αξιολόγηση, την παρακολούθηση και την αναθεώρηση της ασφάλειας, επειδή τα σφάλματα ενδέχεται να παράγονται και να διαδίδονται πιο γρήγορα. Το ίδιο το OpenAI λέει ότι η πρόοδος σε συγκεκριμένες μετρήσεις δεν θα ισοδυναμεί απαραίτητα με τον ίδιο ρυθμό της συνολικής ερευνητικής προόδου.
Η έκθεση καθιστά επίσης τον ανθρώπινο έλεγχο κεντρική προϋπόθεση. Ο OpenAI λέει ότι οι άνθρωποι εξακολουθούν να θέτουν προτεραιότητες, να κρίνουν ποιες ιδέες και αποτελέσματα θα ακολουθήσουν και να αποφασίσουν εάν θα κλιμακώσουν, θα σταματήσουν ή θα αναπτύξουν συστήματα. Αναγνωρίζει ότι η ευθυγράμμιση και η πρόοδος ασφάλειας ενδέχεται να μην συμβαδίζουν με την πρόοδο των δυνατοτήτων και ότι τα πιο ικανά συστήματα μπορεί να γίνουν πιο δύσκολο να παρακολουθούνται.
Καμία ανεξάρτητη μελέτη, δημόσιος δείκτης αναφοράς ή εξωτερικός έλεγχος δεν παρέχεται στην πηγή. Επομένως, οι αναφερόμενες δαπάνες, ο χρόνος εκτέλεσης, η επιτυχία εργασιών και η παρέμβαση θα πρέπει να αντιμετωπίζονται ως ισχυρισμοί της OpenAI σχετικά με τον δικό της οργανισμό και όχι ως τεκμηριωμένη απόδειξη ότι η έρευνα τεχνητής νοημοσύνης έχει επιταχυνθεί κατά ένα συγκεκριμένο μετρούμενο ποσό.
Διαδραστικός Μηχανισμός: Πώς λειτουργεί στην πραγματικότητα
Εξερευνήστε την υποκείμενη τεχνολογία πίσω από αυτήν την εξέλιξη διαδραστικά.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Τι να παρακολουθήσετε στη συνέχεια
Το βασικό ερώτημα είναι εάν η υψηλότερη χρήση πρακτόρων μεταφράζεται σε ανθεκτικές, ανεξάρτητα μετρήσιμες βελτιώσεις στην ποιότητα της έρευνας, την ασφάλεια και την ταχύτητα ανάπτυξης μοντέλων. Παρακολουθήστε για σαφέστερους ορισμούς της επιτυχίας της εργασίας, της εξωτερικής επικύρωσης, των αποδεικτικών στοιχείων σχετικά με λάθη και της κρυφής ανθρώπινης εργασίας και εάν τα υπόλοιπα σημεία συμφόρησης κινούνται προς τον υπολογισμό, την αξιολόγηση, την ευθυγράμμιση ή τη λήψη αποφάσεων. Το OpenAI δεν έχει τεκμηριώσει την πρόσβαση του κοινού σε αυτές τις εσωτερικές ροές εργασίας ή σε οποιαδήποτε σχετική τιμή και η αναφορά δεν δείχνει ότι είναι διαθέσιμος ένας αυτοματοποιημένος ερευνητής γενικής χρήσης.
Η OpenAI λέει ότι οι μέθοδοι μέτρησής της εξακολουθούν να εξελίσσονται. Οι μελλοντικές γνωστοποιήσεις θα πρέπει να διευκρινίζουν τον τρόπο δειγματοληψίας των εργασιών, τον τρόπο επαλήθευσης της επιτυχίας, τον τρόπο χειρισμού των αβέβαιων αποτελεσμάτων και τον τρόπο διάκρισης του κώδικα ή των πειραμάτων που δημιουργείται από πράκτορες από την εργασία που διαφορετικά θα είχε γίνει από ανθρώπους.
Τα πιο σημαντικά στοιχεία που λείπουν είναι εάν η εργασία που υποβοηθείται από πράκτορες παράγει καλύτερα ερευνητικά αποτελέσματα, όχι απλώς περισσότερους κωδικούς, πειράματα ή μάρκες. Χρήσιμα αποδεικτικά στοιχεία παρακολούθησης θα περιλαμβάνουν επαναλήψιμα παραδείγματα, ποσοστά σφαλμάτων, επανεπεξεργασία, αποτυχημένα πειράματα, ευρήματα ασφάλειας και το ποσό της ανθρώπινης επανεξέτασης που απαιτείται σε κάθε στάδιο.
Η έκθεση δεν αναφέρει ότι ο αυτοματοποιημένος ασκούμενος έρευνας είναι ένα προϊόν προσβάσιμο στο κοινό. Επίσης, δεν παρέχει τιμή καταναλωτή ή επιχείρηση, απαιτήσεις ανάπτυξης, κριτήρια καταλληλότητας ή ημερομηνία κυκλοφορίας. Επομένως, η πρόσβαση και η τιμολόγηση είναι άγνωστες.
Η OpenAI λέει ότι θα συνεχίσει να αναφέρει την πρόοδο προς την αυτοματοποιημένη έρευνα τεχνητής νοημοσύνης προστατεύοντας παράλληλα την ασφάλεια και τις ιδιόκτητες πληροφορίες. Οι μελλοντικές του αποκαλύψεις θα δείξουν πόσο από την αναφερόμενη επιτάχυνση μπορεί να αξιολογηθεί ανεξάρτητα και πώς οι ερευνητικοί περιορισμοί επηρεάζουν την κατανομή των διαθέσιμων υπολογιστών.