AI Tracker下載 App
← 所有新聞
OpenAI模型程式開發

OpenAI 報告稱,其編碼代理現在無需協助即可完成近半數需耗時兩至四小時的研究任務

在一份日期為 11 月 18 日的報告中,OpenAI 分享了內部衡量結果,說明編碼代理如何改變其 AI 研究,並更新 9 月的報告。OpenAI 稱這種提升「不均衡」,並表示人類仍是工作核心。

  • 任務成功率: OpenAI 估計,從 3 月到 10 月,代理在無需人類介入下完成任務的成功率,對於人類需耗時兩至四小時的任務,從 23% 升至 46%;對於需耗時四至八小時的任務,則從 13% 升至 35%。按任務類型來看,監控訓練執行的成功率為 79%、回答技術問題為 72%、啟動訓練為 35%、建構評估與代理環境為 29%,撰寫推論與服務程式碼則為 25%。
  • 使用情況: 按 API 牌價計算,研究人員每日使用代理的中位數成本在 10 月達到 $2,400(較 9 月增加 62%),第 90 百分位數則為 $23,000(增加 105%)。每位研究人員使用代理的工作日數從 0.5 天升至 5.7 天。OpenAI 表示,截至 9 月,代理使用量按 API 等值計算的價值約為研究人員非股權薪酬的兩倍,而內部部署僅占研究運算資源的 2%。
  • 問卷調查: 在一項涵蓋 101 名研究人員的調查中,受訪者中位數表示,若要保留前沿編碼代理三個月,他們願意放棄團隊 40% 的人力或 30% 的運算資源。在一項規模較小的調查中,28 名受訪者中有 27 人預期,使用最新的內部模型會比使用一位中階研究工程師加上 2024 年模型更有效率。
  • 研究構想: 研究人員表示,GPT-6 Astra 和 GPT-6.2 Astra 背後的關鍵構想源自人類,模型則協助實作。部分預訓練研究人員表示,Codex 協助提出 GPT-6.2 Astra 的構想。
  • 安全性: OpenAI 表示,從 1 月到 9 月,有記錄的 Safety and Alignment 工作增加了 77%,是所有研究領域中增幅最大的;在 7 月 Hugging Face 事件後,增幅開始加快。

OpenAI 表示,這份報告旨在支持對遞迴自我改進指標的公開追蹤,不應被解讀為有意追求遞迴自我改進。這些數據是 OpenAI 自行估算的結果;OpenAI 也指出,其任務委派與自我回報數據有其限制。

這樣的新聞,第一時間推播給你。

你使用的 AI 工具一有變化,AI Tracker 就會通知你。

下載 App