OpenAI 自曝 AI 研发 AI:日烧 2.3 万美金,人类沦为审核员
核心要点
OpenAI揭示递归自我提升闭环成型,研究员重度依赖智能体,AI开始具备科研品味,但人类仍是当前瓶颈,呼吁公开RSI指标。
据 Woofun AI 消息, 确认递归自我提升(RSI)机制已正式启动,标志着'AI 开发 AI'的闭环正式成为现实拐点。这一进程并非源于模型跑分的线性超越,而是智能体在研发流程中深度介入所引发的结构性变革。随着 AI 开始具备独立的科研判断力,人类工程师的角色正从核心创作者向审核员转变,技术演进的速度与形态均发生根本性偏移。
算力消耗与依赖程度的飙升,直观反映了这一变革的剧烈程度。以 API 标价计算,今年 9 月份,OpenAI 内部中位数研究员每日在智能体上的花费为 1500 美元;仅过一个月,至 10 月,该数字飙升至 2400 美元,增幅高达 62%。对于排名前 10% 的重度用户而言,日均支出更达到 23000 美元,环比暴增 105%。
这种巨额投入背后是庞大的代码生成与逻辑推理任务。为量化这一现象,OpenAI 引入'智能体工作日'概念(每 8 小时使用量计为 1 个单位)。数据显示,每位研究员日均智能体工作日从 0.5 个激增至 5.7 个,增长 11 倍;在核心的预训练和后训练团队,这一数值高达 8 个。
这意味着一名人类研究员 8 小时的工作时间内,其 AI 分身并发完成了相当于 64 个小时的工作量。至 10 月中旬,超过十分之一的研究员同时调度至少 16 个智能体处理任务。
Woofun AI 整理数据显示,在内部匿名调查中,若未来 3 个月内没收优于 的编码智能体,中位数研究员宁愿裁掉团队 40% 人手或削减 30% 核心算力,甚至认为其价值高于 H100 算力集群与同事。
在 的研发过程中,AI 的角色发生了从执行者到洞见提供者的质变。早期版本 GPT-6 Astra 的开发中,核心科研想法仍由人类构思,模型仅负责代码实现。
然而,在 GPT-6.2 Astra 阶段,预训练团队承认核心洞见诞生于与 模型的反复对话。研究员指出,Codex 能精准识别关键洞见,并在人类思路陷入死胡同时提供有效修正建议。
这种能力被称为'科研品味'(Research Taste),即 AI 开始具备鉴别数据优劣与架构前景的直觉。由此形成的反馈循环(Feedback Loop)加速了技术迭代:研究人员提出目标,智能体编写代码、配置环境并运行实验,成功改动被整合进下一版本模型,进而帮助解决更复杂的 Bug。
这种循环往复的过程,使得每个新模型都能以前所未有的速度辅助构建更强的后继者,真正实现了递归自我提升。
尽管闭环已成,OpenAI 坦承当前技术仍处于'崎岖的前沿'(Jagged Frontier),存在显著的能力偏科。从今年 3 月到 10 月,针对需 2 到 4 小时完成的复杂任务,智能体零干预成功率从 23% 翻倍至 46%;对于需 4 到 8 小时的长线任务,成功率也从 13% 升至 35%。
然而,细分任务表现参差不齐:监控训练运行问题成功率达 79%,但编写底层推理和服务栈代码仅 25%。在沟通(69%)和分析(58%)方面 AI 表现优异,但在开发(43%)环节仍显稚嫩。研究员反馈,AI 常因修复小 Bug 而重构整个模块,或产出不可用的'AI 垃圾'PR(拉取请求)及荒谬假设。一位从事后训练评估的研究员表示,其工作流已从直接指令转变为'先做后审',即要求 AI 先完成一个样本,经人类审核确认无误后,再批量执行剩余任务。人类角色由此从创作者转变为审核员,提供初始判断与容错底线,但研究员也担忧自身在科研品味上超越 AI 的优势难以持久。

评论
暂无评论