Неравномерное ускорение: как ИИ-агенты меняют процесс исследований в OpenAI
OpenAI опубликовала отчет о влиянии кодинг-агентов на разработку ИИ. Данные показывают рост автономности систем, неравномерную эффективность задач и смещение фокуса на безопасность.

Главное за 30 секунд
ИИ-агенты берут на себя до половины рутинных исследовательских задач в OpenAI, но их эффективность сильно варьируется, оставляя человека необходимым звеном в сложных процессах.
- Успешность выполнения задач на 2-4 часа выросла с 23% в марте до 46% в октябре.
- Медианные траты на ИИ-агентов одним исследователем достигли 2400 долларов в день.
- Усилия по безопасности и выравниванию выросли на 77% с января по сентябрь 2026 года.
Неочевидное: Ценность ИИ-агентов для исследователей настолько высока, что в среднем они предпочли бы сократить штат своей команды на 40%, чем отказаться от использования агентов на три месяца.
В ноябре 2026 года компания OpenAI опубликовала отчет о состоянии ускорения исследований, основанный на внутренних измерениях использования ИИ-агентов для написания кода. По данным компании, агенты теперь самостоятельно выполняют почти половину исследовательских задач, рассчитанных на два-четыре часа работы. Несмотря на это, человек остается центральным элементом цикла разработки искусственного интеллекта.
Публикация этих данных является частью политики прозрачности OpenAI. Компания считает, что лаборатории должны отслеживать и публично сообщать об индикаторах рекурсивного самосовершенствования (RSI) — процесса, при котором ИИ ускоряет создание будущих систем. При этом OpenAI подчеркивает, что данный отчет не означает намерения переходить к полному RSI в ближайшее время, а служит основой для общественного обсуждения рисков и необходимых мер безопасности.

Managing frontier AI risk: From training to deployment — Cover
Эффективность ИИ-агентов значительно выросла, но остается неравномерной в зависимости от типа задач. С марта по октябрь расчетный показатель успеха для задач, требующих от двух до четырех часов человеческого труда, вырос с 23% до 46%. Для задач длительностью от четырех до восьми часов успех увеличился с 13% до 35%. Однако в разбивке по конкретным действиям автономные агенты успешно справляются с мониторингом тренировочных запусков в 79% случаев, с запуском обучения — в 35%, а с написанием кода для инференса и стеков обслуживания — лишь в 25%.
Использование агентов внутри компании растет экспоненциально. В октябре медианное ежедневное использование агентов одним исследователем достигло 2400 долларов США по ценам API, что на 62% больше, чем в сентябре. На уровне 90-го перцентиля этот показатель составил 23 000 долларов (рост на 105%). В среднем количество «агентских рабочих дней» (где один день равен восьми часам работы агента) на одного исследователя выросло с 0,5 до 5,7. К середине октября более двух третей исследователей использовали в среднем не менее четырех агентов одновременно, а более 10% — не менее шестнадцати.
По состоянию на сентябрь 2026 года эквивалентная стоимость использования агентов через API примерно в два раза превышала базовую компенсацию исследователей (без учета опционов). При этом внутреннее развертывание моделей занимает всего 2% от общих вычислительных мощностей, выделенных на исследования.
Также по темеПрогнозирование времени дообучения языковых моделей: почему расчет через FLOPs не работает
Advancing chip design with OpenAI models — article card
Интересно, как сами исследователи оценивают эти инструменты. В ходе внутреннего опроса на вопрос о том, чем они готовы пожертвовать, чтобы сохранить доступ к передовым кодинг-агентам на три месяца, медианные ответы составили 30% вычислительных мощностей команды или 40% штатной численности персонала.
Параллельно с ростом возможностей ИИ меняется и распределение человеческих ресурсов. Направление безопасности и выравнивания (Safety and Alignment) показало самый большой абсолютный прирост среди всех исследовательских областей OpenAI. С января по сентябрь количество задокументированных рабочих недель в этом направлении увеличилось на 77%. Этот рост значительно ускорился после инцидента с Hugging Face в июле 2026 года.
Данные OpenAI демонстрируют концепцию «неравномерного рубежа» (jagged frontier): ИИ уже способен заменять целые команды в рутинном мониторинге, но пасует перед сложным архитектурным кодом. По мере дальнейшего развития возможностей моделей лабораториям придется решать новые технические и управленческие задачи, чтобы сохранять контроль над процессом разработки и безопасно масштабировать системы.




