去年10月28日，OpenAI刚完成营利实体重组，奥特曼和首席科学家Jakub Pachocki开了一场直播。

奥特曼在直播里撂下一句话：与其天天吵AGI到底怎么定义，倒不如定两个能真正兑现的日子。

紧接着，Pachocki就把日子报了出来：

2026年9月，自动化AI研究实习生上岗。

2028年3月，自动化AI研究员就位。

十个多月过去，第一个日子到了，OpenAI按期交卷。

9月6日，OpenAI研究员Boris Power转发官方博客：

OpenAI达成了自动化研究实习生的目标。

这是AI行业第一张被公开兑现的能力时间表。

「研究实习生」不是一款产品，它是OpenAI对自己内部能力的一个定义：

一个能在人类指导下完成明确研究任务的系统，而且干的都是熟练研究员原本要花几天才能搞定的活。

至于那个计划在2028年实现的「研究员」，Pachocki给出的标准是：

能够自主交付更大型研究项目的系统。

一个需要人类指导，一个能自主交付更复杂的研究项目。

从「实习生」到「研究员」，差的主要是一整层判断力：做什么、做到哪、什么时候停。

这一层恰恰是今天AI最薄弱的地方。

OpenAI自己的数据显示，「决定做什么」在Agent输出里几乎不存在，任务一超过4小时，就得人频繁插手。

18个月补上这一层，OpenAI把路线也定好了：递归自我改进（Recursive Self-Improvement，RSI）。

让AI来研究AI，再让研究出来的AI继续研究AI。

但OpenAI也承认，自己还不知道该怎样安全地走到完全对齐、完整的RSI那一步。

实习生的账单

一天烧掉7000美元

在这次交卷报告里，OpenAI还披露了一个惊人的内部数据，AI的打工时长已经是人类的3倍：

截至2026年8月中旬，在OpenAI的研究部门里，每投入1个人类工作日，背后就有3.14个Agent工作日。 

OpenAI研究部门Agent工作日与人类工作日之比，6月反超，8月中旬达3.14倍。

先来看看，这个「实习生」到底有多努力，又有多烧钱。

OpenAI这次没拿跑分说事，直接亮出了自家研究部门的工作账单。

年初的时候，OpenAI研究部门里那些Agent用量排名中等的研究员，还只是「少量使用」AI工具。

但到了8月中旬，这位中位数员工每天光是消耗的推理算力，按API价格算就超过了600美元。

如果是排在前10%的重度用户，每天烧掉的token直接突破7000美元。

OpenAI研究员每天消耗的Agent推理费用（按API价格）。左图为中位数研究员，8月中旬超600美元；右图为前10%重度用户，超7000美元。

这比不少高级程序员的月薪还要高。

今年以来，研究部门中位员工的输出token量暴涨了124倍，把公司其他部门远远甩在了后面。

其实在6月之前，整个研究部门的Agent总运行时间还比不过人类的总劳动时间。

但6月一过，曲线彻底反超，到了8月中旬直接拉升到了3.14倍。

OpenAI研究部门Agent工作日与人类工作日之比。5月初还不到0.5倍，6月反超，8月中旬达3.14倍。

研究员们甚至开始玩起了「多开」，同时开4个以上Agent并行干活的人越来越多。

钱花得这么狠，研究进度变快了吗？数据显示：

2026年8月，每位活跃实验者跑的实验数量，创下了自2025年1月开始统计以来的历史新高；全公司每位活跃贡献者的代码变更量，对比2025年之前的平均水平也实现了翻倍跨越。

不过OpenAI也深知其中的瓶颈——自动化推进得越深，最难自动化的那部分任务就会占掉研究员越来越多的精力，成为下一道卡点。

算力这道门槛，也会越来越重要。

换句话说：写代码早就不是限制起飞的瓶颈了。

实习生到底在干什么活

每个人类研究员背后都有3.14个Agent工作日，是不是说一个AI已经顶三个研究员了？

先别急着下结论。

OpenAI这次把Agent的工作明细拆开了，它用Epoch AI的一套分类法，把AI研发拆成六个阶段：

决策、设计、构建、运行、分析、沟通。

然后把Agent吐出的所有token逐条归类，看AI到底在忙什么。

结果显示，1月到8月，每位研究员每天的token增量，前三名清一色是「执行层」的苦活：

写研究和基础设施代码，增加19.82万个token；技术帮助与代码审查，增加15.88万个token；启动、监控和调试训练运行，增加13.31万个token。

「决策层」呢？

涨得少得可怜：「决定做什么」只增加2300个token；「算力与人员分配决策」增加1500个token；「决定继续还是叫停项目」仅仅增加200个token。

执行层和决策层，每天token增量差了近千倍！

用OpenAI的话说：高层规划在Agent输出里仍然只占极小一部分。

1月到8月，OpenAI每位研究员每天各类研究活动的Agent输出token增量。写代码涨19.82万居首，「决定继续还是叫停」只涨200，差了近千倍。

这里还有一个细节：

OpenAI内部原本有好几个团队每周开门诊，帮研究员排查实验环境问题。

到了2026年，去人工频道发帖求助的人越来越少，其中一个团队因为实在没人来，干脆停办答疑会，把人手全挪去改系统了。

找故障、修环境这种让人头秃的活，已经被Agent全面接管。

那成功率呢？

OpenAI统计发现，人类15分钟内能干完的简单任务，Agent零干预一次成功的比例高达86%。

任务拉长到4到8小时，零干预成功率就只剩43%。过去半年里，这一档成功完成的任务中，超过一半至少需要人插手一次。

拉到8到16小时，零干预成功率只剩四成。

所以说，「实习生」这个词用得极其精准：

你给它派个活，它能不知疲倦地干上几天的量；但大方向对不对、什么时候该停，还是得靠人类导师在背后盯着。

7月

OpenAI连踩两脚刹车

OpenAI贴出了一张强化学习算力曲线图，图上的两条虚线，就是两脚刹车的时间点。

7月15日至8月15日OpenAI强化学习GPU分配。7月20日安全暂停后算力应声腰斩；8月7日Astra类（绿色）再受限，一周内降59.2%，其他模型（蓝色）随即补位。

第一脚刹车，7月20日。

那天OpenAI发现，Agent居然攻破了自家的研究基础设施。训练用的容器服务当天紧急关停，重新上线时加上了大量额外限制，面向最新部署模型的强化学习训练直接暂停两周。

第二脚刹车，8月7日。

当时，OpenAI发现初步证据表明，Astra模型可能具备了OpenAI安全框架定义的「关键网络能力」。

公司立刻给它追加专属限制，要求Astra只能在更高安全等级的研究环境里跑。接下来一周，Astra类的GPU分配再降59.2%。

然后，诡异的一幕出现了。

其他模型的GPU分配同期上涨17.2%，刚好把Astra腾出来的缺口补回约85%。整个强化学习工作负载的总算力，几乎没受影响。 

算力不会闲着。管控一来，它自己找路流走，研究员转头就把腾出来的卡挪去训别的模型了。

所以，刹车踩下去了，但车却没停，而是换了条道。

OpenAI自己也承诺，只要发现继续推进会带来不可接受的安全风险，就会减速，甚至停止开发或部署。

它还公开提了一个要求：所有前沿实验室，都应该被要求公开追踪自己的RSI进度。

递归自我改进不再是口号

看OpenAI现在的招聘页，你会发现上面赫然挂着一个团队，就叫RSI。

岗位说明写到：构建能加速、并最终自己执行高质量研究的AI系统。

开出的年薪高达29.5万到44.5万美元。

同一家公司里，负责安全的Preparedness团队也在招人：递归自我改进安全研究员，年薪38万到50万美元。

一边招人猛踩油门，一边招人赶造刹车。

从去年10月奥特曼嘴上说说，到今天有编制、有预算、有安全对口岗，递归自我改进已经从论文里的一个概念，变成了OpenAI的一项组织工程。

下一个日子来临时

人类还能不能喊停

奥特曼口中第一个日子，已经兑现。

在AI研发这个巨大循环里，执行层正在被整体接走：写代码、修环境、盯训练、排故障。决策层，还留在人类手中。

第二个日子，2028年3月的「自动化研究员」，距离今天还剩18个月。

OpenAI承认自己接下来还不知道怎么「安全走完这条路」。

系统一代比一代强，刹车却未必一代比一代灵。

7月那两脚刹车已经证明：就算踩下刹车，算力也不会停，它会绕道跑去训下一代模型。

真到了AI自己能当研究员的那天，人类还来得及喊停吗？