OpenAI در ۱۸ نوامبر ۲۰۲۶ گزارشی تازه درباره شتابگرفتن پژوهش منتشر کرد که بر اندازهگیریهای داخلی از تغییر چرخه توسعه هوش مصنوعی توسط عاملهای برنامهنویسی تکیه دارد. نتیجه اصلی این است که عاملها اکنون نزدیک به نیمی از وظایف پژوهشی را که برای یک انسان دو تا چهار ساعت کار است بهتنهایی کامل میکنند، هرچند شرکت تأکید میکند انسانها همچنان محور کارند و این بهبود یکنواخت نیست.
از مارس تا اکتبر، موفقیت برآوردشده بدون دخالت انسان برای وظایف دو تا چهار ساعته از ۲۳ درصد به ۴۶ درصد و برای وظایف چهار تا هشت ساعته از ۱۳ درصد به ۳۵ درصد رسید. نوع کار اهمیت زیادی دارد. برای بازه ۱ اوت تا ۱۸ اکتبر، OpenAI نرخ ۶۹ درصد برای ارتباطگیری، ۵۸ درصد برای تحلیل و ۴۳ درصد برای ساختن گزارش میکند. در سطح وظیفه، دامنه از ۷۹ درصد برای پایش اجراهای آموزش و ۷۲ درصد برای پاسخ به پرسشهای فنی تا ۳۵ درصد برای راهاندازی آموزش، ۲۹ درصد برای ساخت محیطهای ارزیابی، یادگیری تقویتی و عامل، و ۲۵ درصد برای نوشتن کد زیرساخت استنتاج و سرویسدهی میرسد. شرکت یادآوری میکند وظایف ضعیفتر میتوانند گلوگاه بهبود کلی شوند و تغییر نرخها ممکن است بازتاب تغییر در آنچه پژوهشگران واگذار میکنند هم باشد.
استفاده بهسرعت رشد میکند. با قیمتهای رسمی API، پژوهشگر میانه اکنون روزانه حدود ۲٬۴۰۰ دلار ابزار عامل مصرف میکند، یعنی ۶۲ درصد بیشتر از ۱٬۵۰۰ دلار در سپتامبر، و صدک نود به حدود ۲۳٬۰۰۰ دلار رسیده که ۱۰۵ درصد بیش از ۱۱٬۰۰۰ دلار است. روزهای کاری عامل برای هر پژوهشگر، با احتساب هر هشت ساعت استفاده بهعنوان یک روز، از ۰٫۵ به ۵٫۷ رسید و تیمهای پیشآموزش و پسآموزش به حدود هشت نزدیک بودند. در اواسط اکتبر، بیش از دوسوم پژوهشگران مشمول گزارش به اوجهای چهار عامل همزمان یا بیشتر میرسیدند و بیش از ۱۰ درصد بهطور میانگین دستکم شانزده عامل داشتند.
OpenAI ارزشی را که پژوهشگران برای این ابزارها قائلاند نیز بررسی کرد. در نظرسنجی از ۱۰۱ عضو بخش پژوهش، پاسخدهنده میانه گفت برای حفظ دسترسی به عاملهای برنامهنویسی پیشرو در سه ماه حاضر است از ۴۰ درصد نیروی تیم یا ۳۰ درصد توان محاسباتی تیم بگذرد، و اگر پرسش در ژانویه ۲۰۲۷ پرسیده میشد از ۵۰ درصد توان محاسباتی. تا سپتامبر، ارزش معادل API مصرف عاملها حدود دو برابر حقوق غیرسهامی پژوهشگران بود، با این حال استقرار داخلی تنها ۲ درصد توان محاسباتی پژوهش را مصرف میکند. درباره ایدهها، پژوهشگران مرتبط با GPT-6 Astra و GPT-6.2 Astra گفتند ایدههای نامبرده را انسانها مطرح کردند و مدلها در اجرای آنها کمک کردند.
گزارش همچنین نشان میدهد تلاشها به کجا میرود. هفتههای کاری ثبتشده برای ایمنی و همترازی، شامل ارزیابیهای همترازی، پایشپذیری و پژوهش درباره دستکاری پاداش، از ژانویه تا سپتامبر ۷۷ درصد افزایش یافت که بزرگترین افزایش مطلق در میان همه حوزههای پژوهشی بود و پس از واکنش OpenAI به حادثه Hugging Face در ژوئیه شتاب گرفت.
OpenAI میگوید این ارقام را منتشر میکند چون آزمایشگاههای هوش مصنوعی باید ملزم شوند شاخصهای خودبهبودی بازگشتی را پیگیری و علنی گزارش کنند، و تصریح میکند این گزارشدهی به معنای قصد پیگیری خودبهبودی بازگشتی کامل نیست. شرکت به اندازهگیریهای مرتبط Anthropic، Google DeepMind و METR اشاره میکند.
احتیاطها مهماند. همه ارقام از دادهها و نظرسنجیهای داخلی OpenAI میآید که خودش آن را تصویری ناقص مینامد. تغییری در زیرساخت اجرا در ۲۱ اوت موقتاً مصرف ثبتشده توکن را کاهش داد و از ۱۰ سپتامبر به حالت قبل بازگردانده شد، و نمونهگیری نظرسنجی موردی بود. هیچ طرف بیرونی این ارقام را راستیآزمایی نکرده است.