OpenAI 发布研究加速主题报告,数据显示面向科研场景的编码智能体,已经可以独立完成 46%、预估人力耗时 2–4 小时的研究任务,也就是接近一半;对比今年 3 月,这项任务的自主完成成功率只有 23%,提升幅度非常明显,对于难度更高、预估需要 4–8 小时的研究任务,智能体独立完成率也从 13% 上涨到 35%。这份统计是在 OpenAI 内部 AI 研发场景采集,任务包含代码编写、实验监控、数据分析、模型评测等科研环节,但它不是完全替代研究员,像构思研究方向、判断成果价值、设计新颖实验方案这类顶层决策依旧依靠人,智能体更偏向承接定义清晰的执行类工作,报告同时也指出能力不均衡,监控训练任务成功率很高,而推理服务代码编写这类复杂工作表现偏弱,另外研究员使用智能体的 API 开销也在快速上涨,机构长期目标是在 2028 年 3 月打造全自动 AI 研究员。
一、智能体任务成功率数据清单
- 2–4 小时中等研究任务:10 月自主成功率 46%,3 月为 23%
- 4–8 小时偏复杂研究任务:10 月自主成功率 35%,3 月为 13%
- 训练监控类简单任务:自主成功率 79%
- 推理、线上服务代码开发任务:自主成功率仅 25%
二、智能体与人类研究员分工对照表
| 工作环节 | AI 智能体主要负责 | 人类研究员核心负责 |
|---|---|---|
| 任务执行 | 写代码、调试、跑实验、采集数据、常规指标监控 | 确定研究选题、设定实验目标 |
| 结果判断 | 输出原始数据、图表、基础分析文本 | 评估结果有效性,识别漏洞、错误假设 |
| 创新设计 | 在已有方案基础上迭代、复刻已有实验 | 提出全新研究思路、创新架构、验证方案 |
| 风险把控 | 按照指令执行流程,自动记录日志 | 把控安全对齐、资源分配、项目启停决策 |
三、报告里面提到的现状和短板梳理
✅ 正向进展
- 智能体可以并行跑多个实验,研究员单日能推进的实验数量明显增加
- 标准化、重复性的科研编码、评测任务交付速度大幅加快
- 智能体使用量今年持续暴涨,单研究员日均智能体工时提升十几倍
⚠️ 现存短板
- 智能体容易钻牛角尖,陷入无效步骤,产出低质量、无法直接使用的代码
- 没办法自主提出高质量、有创新性的研究问题
- 复杂长周期任务大多中途需要人工介入干预,不能全程自治
【常见问题】
问题 1:OpenAI 报告称智能体完成近半数研究任务,对应的是多长时间的任务?
回答 1:OpenAI 报告称智能体完成近半数研究任务,统计对象是预估人力耗时 2–4 小时的中等研究任务,自主完成率达到 46%。
问题 2:OpenAI 报告里,难度更高的 4–8 小时研究任务,智能体完成情况怎么样?
回答 2:OpenAI 报告里,4–8 小时的复杂研究任务,智能体自主完成率是 35%,对比 3 月的 13% 有明显提升,但远低于 2–4 小时任务的 46%。
问题 3:OpenAI 报告中,AI 智能体完成近半数研究任务,是不是代表研究员会被替代?
回答 3:OpenAI 报告中 AI 智能体完成近半数研究任务,但是智能体只擅长执行定义清晰的任务,选题、创新判断、安全决策还是靠人类研究员,不会直接替代科研人员。
问题 4:OpenAI 报告显示智能体能力不均衡,哪类研究任务智能体做得好、哪类偏弱?
回答 4:OpenAI 报告显示智能体做训练监控类任务成功率高达 79%,表现最好;推理和线上服务代码编写任务偏弱,自主成功率只有 25%。
问题 5:OpenAI 这份智能体研究报告,定下的长期目标是什么?
回答 5:OpenAI 这份智能体研究报告,长期目标是在 2028 年 3 月实现全自动 AI 研究员,能够在人类指引下完成耗时数天的完整研究任务。
【参考资料】
[2026-11-18](Research acceleration: The jagged frontier,OpenAI 内部科研智能体数据发布)OpenAI 官网
[2026-11-18](OpenAI 报告:AI 智能体可独立完成近半数中等研究任务)36 氪
[2026-11-18](OpenAI coding agents success rate jumps to 46% on mid-length research work)FourWeekMBA
[2026-11-18](AI 智能体加速科研,单研究员智能体使用成本快速走高)机器之心
【免责声明】
以上内容整理自 OpenAI 公开科研报告,数据是 OpenAI 内部实验室场景测试结果,不等于外部通用场景效果;AI 智能体能力存在明显边界,相关技术进展仅作为行业科普,不构成岗位、技术投入方面的判断与投资建议。
