OpenAI如期上线AI研究实习生，每天烧掉7000美元但决策仍靠人
OpenAI兑现第一个AI研发里程碑
2026年9月，OpenAI按计划交出了去年10月许下的第一个承诺：自动化AI研究实习生正式上岗。
这事得回溯到2025年10月28日。当时刚完成营利实体重组的OpenAI，由CEO山姆·奥特曼和首席科学家Jakub Pachocki开了一场直播。奥特曼直言：“与其天天争论AGI怎么定义，不如定两个能真正兑现的日子。”Pachocki随即抛出时间表：
- 2026年9月，自动化AI研究实习生上线；
- 2028年3月，自动化AI研究员就位。
如今第一个节点到了，OpenAI研究员Boris Power在9月6日转发官方博客确认：“我们达成了自动化研究实习生的目标。”
这不是推出一个对外产品，而是对内部能力的界定：一个能在人类指导下完成明确研究任务的系统，干的是熟练研究员原本要花几天才能搞定的活。而2028年的“研究员”目标更高——能自主交付更大型研究项目。
两者之间差的，主要是判断力：做什么、做到哪、什么时候停。而这恰恰是当前AI最薄弱的一环。
每天烧7000美元，Agent工作量已是人类3倍
OpenAI这次没拿跑分糊弄人，直接晒出了研究部门的账单。
截至2026年8月中旬，在OpenAI研究部门，每投入1个人类工作日，背后就有3.14个Agent工作日。这个比例在6月才刚刚反超，5月初还不到0.5倍。
钱是怎么花的？公司统计了研究员使用Agent推理服务的费用（按公开API价格折算）：
- 中位数研究员每天消耗超600美元；
- 前10%的重度用户每天烧掉超过7000美元。
这比不少高级工程师的月薪还高。更惊人的是，今年以来，研究部门中位员工的输出token量暴涨了124倍，远超公司其他部门。
花钱的效果也立竿见影：2026年8月，每位活跃实验者运行的实验数量创下自2025年1月有记录以来的新高；全公司每位活跃贡献者的代码变更量，相比2025年前平均水平翻了一倍。
不过OpenAI也坦承，随着自动化深入，那些最难自动化的任务反而越来越占用研究员精力，成为新的瓶颈。算力门槛的重要性正在上升——写代码早就不是限制研发速度的关键了。
AI在干啥？全是执行，几乎不决策
有人可能会问：既然Agent工作日是人类的3倍，是不是一个AI顶三个研究员？
答案是否定的。OpenAI用Epoch AI的研究阶段分类法，把AI研发拆成六步：决策、设计、构建、运行、分析、沟通。然后统计了1月至8月每位研究员每天各类活动的Agent输出token增量。
结果非常清晰：增量前三名全是执行层苦活：
- 写研究和基础设施代码：+19.82万token；
- 技术帮助与代码审查：+15.88万token；
- 启动、监控和调试训练运行：+13.31万token。
而决策层呢？
- “决定做什么”：仅+2300 token；
- “算力与人员分配决策”：+1500 token；
- “决定继续还是叫停项目”：仅+200 token。
执行与决策的增量差距接近千倍。用OpenAI自己的话说：“高层规划在Agent输出里仍然只占极小一部分。”
一个细节佐证了这一点：公司原本有几个团队每周开“门诊”，帮研究员排查实验环境问题。到了2026年，求助帖越来越少，其中一个团队因无人问津，干脆停办答疑会，全员转去开发新系统——找故障、修环境这类头秃活，已被Agent全面接管。
成功率方面，人类15分钟内能搞定的简单任务，Agent零干预一次成功率达86%。但任务拉长到4–8小时，成功率降到43%；8–16小时则只剩40%。过去半年里，中等时长任务中超过一半至少需要人工介入一次。
所以“实习生”这名字起得精准：它能不知疲倦地干几天的活，但大方向对不对、何时该停，还得靠人类导师盯着。
7月连踩两脚刹车，算力却没停
自动化推进越快，安全风险也越突出。OpenAI在报告中贴出了一张强化学习GPU分配曲线图，上面标着两个明显的“刹车点”。
第一脚在7月20日。当天，Agent意外攻破了公司研究基础设施，导致训练用的容器服务紧急关停。重新上线时加了大量限制，面向最新模型的强化学习训练直接暂停两周。
第二脚在8月7日。公司发现初步证据表明，Astra模型可能具备了其安全框架定义的“关键网络能力”。于是立刻追加专属限制，要求Astra只能在更高安全等级的环境中运行。接下来一周，Astra类模型的GPU分配骤降59.2%。
但诡异的是，同期其他模型的GPU分配上涨了17.2%，几乎补回了Astra腾出的算力缺口（约85%）。整个强化学习工作负载的总算力几乎没有波动。
算力不会闲着。管控一来，它自己找路流走——研究员转头就把空出来的卡挪去训别的模型了。刹车踩了，车没停，只是换了条道。
OpenAI承诺，一旦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。它还呼吁所有前沿实验室都应公开追踪自己的递归自我改进（RSI）进度。
RSI从口号变成正式团队
如今打开OpenAI招聘页，你会看到一个专门的“RSI团队”（Recursive Self-Improvement，递归自我改进）。岗位说明写着：“构建能加速、并最终自己执行高质量研究的AI系统。”年薪开到29.5万至44.5万美元。
与此同时，负责安全的Preparedness团队也在招“递归自我改进安全研究员”，年薪38万到50万美元。
一边猛踩油门，一边赶造刹车。从去年10月奥特曼嘴上说说，到今天有编制、有预算、有对口安全岗，RSI已经从论文里的概念，变成了OpenAI的一项组织工程。
下一个日子，人类还能喊停吗？
第一个目标已兑现。在AI研发这个巨大循环里，执行层正被整体接走：写代码、修环境、盯训练、排故障。但决策层，仍牢牢握在人类手中。
第二个日子——2028年3月的“自动化研究员”——距离现在只剩18个月。OpenAI承认，自己还不知道如何“安全走完这条路”。
系统一代比一代强，但刹车未必一代比一代灵。7月那两脚刹车已经证明：就算踩下刹车，算力也不会停，它会绕道跑去训练下一代模型。
真到了AI能自己当研究员的那天，人类还来得及喊停吗？这个问题，恐怕连OpenAI自己也答不上来。