Vad hände
Business Insider rapporterar att OpenAI:s forskare använder AI-kodningsagenter på snabbt ökande nivåer, där medianforskaren i företagets forskningsorganisation konsumerar mer än 600 $ tokens per dag i mitten av augusti, jämfört med 162 $ i juli. Rapporten säger att användningen bland 90:e percentilen översteg $7 000 per dag till API-listpriser.
Business Insider rapporterar att OpenAI beskrev siffrorna i ett blogginlägg som publicerades i söndags. Enligt rapporten skickar forskare kod snabbare, kör fler experiment och delegerar uppgifter på allt högre nivå till kodningsagenter. OpenAI sa också att agentanvändningen bland forskare hade ökat snabbare under de senaste tre månaderna än användningen bland andra team.
De rapporterade tokensiffrorna är uppskattningar baserade på offentliga API-priser, inte ett avslöjande av OpenAI:s faktiska utgifter. Företaget sa att agenter i allt högre grad användes för att felsöka tekniska problem, och att dagliga inlägg i en intern teknisk supportkanal med personal har minskat med mer än hälften sedan januari. OpenAI sa också att det hade nått sitt mål att bygga en "automatiserad forskarpraktikant" som arbetar under mänsklig ledning och som riktar sig till en helautomatisk AI-forskare i mars 2028. Dessa milstolpar och tidslinjer är OpenAI:s påståenden, rapporterade av Business Insider, och bekräftas inte oberoende av det tillhandahållna materialet.
Källinformation: businessinsider.com ↗
Varför det spelar roll
Siffrorna visar hur AI-kodningsagenter blir djupt inbäddade i gränsöverskridande AI-forskningsarbetsflöden, samtidigt som de belyser de potentiellt betydande kostnaderna för intensiv användning. OpenAI:s rapporterade erfarenhet ger en konkret bild av hur agentkodning kan förändra forskningsverksamheten, men bevisen kommer från företagets egna interna data som rapporterats av Business Insider.
För AI-företag sätter rapporten en skala på resurskraven för att använda kodningsagenter intensivt: de mest använda forskarna kan generera tusentals dollar i modellerade slutledningskostnader på en enda dag. Det är viktigt för organisationer att avgöra om agentiska arbetsflöden verkligen förbättrar forskningsresultatet tillräckligt för att motivera dyr modellanvändning.
Rapporten tyder också på att AI-agenter används för mer än kodkomplettering. OpenAI säger att de hanterar felsökning, experiment och forskningsuppgifter på högre nivå. Källan ger dock inga oberoende produktivitetsmätningar, en jämförelse med konventionella arbetsflöden eller detaljer som visar om stödarbetet försvann snarare än flyttade någon annanstans.
Interaktiv mekanism: hur det faktiskt fungerar
Utforska den underliggande tekniken bakom denna utveckling interaktivt.
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?
Vad du ska titta på härnäst
Nyckelfrågorna är om högre tokenanvändning ger hållbara, oberoende uppmätta produktivitetsvinster; hur mycket OpenAI faktiskt betalar efter eventuell intern prissättning eller infrastruktureffekter; och om den rapporterade minskningen av mänskliga förfrågningar om teknisk support återspeglar effektiv automatisering eller skiftande arbete.
Ytterligare rapportering bör fastställa hur API-prisuppskattningarna översätts till faktiska infrastrukturkostnader, om användningen varierar beroende på modell eller uppgift, och vilka kontroller OpenAI använder för att förhindra slösaktig "tokenmaxxing". Företagets automationsmål för mars 2028 bör också behandlas som ett uttalat mål, inte en prognos eller verifierat resultat. Ingen offentlig tillgång, kommersiell prissättning eller tillgänglighet för det interna forskningsarbetsflödet dokumenteras i källan.