继Anthropic为自进化AI敞开大门后，OpenAI发布最新数据，证实AI在其研发流程中的作用正日益增强。该公司宣布，已提前实现原定2026年9月开发出“自动研究实习生”的目标。
OpenAI将“研究实习生”定义为：能在人类指导下完成明确研究任务、替代优秀研究员数天工作的系统。但确定优先级、决策跟进方向及扩展系统等关键判断仍由人类主导。公司下一阶段目标是于2028年3月前达到“自动AI研究员”水平。该两阶段目标最初由Sam Altman于2025年10月提出。
OpenAI研究人员已深度整合AI代理
数据显示，OpenAI内部研发流程在过去数月发生显著变革。2026年初，编码代理使用尚属有限；至8月中旬，平均每位研究员已将其纳入日常 workflow。
按API价格折算，普通研究员使用的智能体日均推理成本超600美元。更关键的是智能体消耗的总工时：2026年6月前，其总工时低于人类；截至8月中旬，每投入1个人工工作日，即对应约3.1个智能体工作日。
研究员同时运行多个代理，且代理开始承担解决基础设施问题、编写代码、分析实验及技术支持等复杂任务。这一转变显著提升了代码生成速度与实验频次。截至2026年8月，活跃研究员的实验量创2025年1月以来新高，既得益于Codex用量增长，也与同期算力大幅提升密切相关。
代理承接更长周期与更高复杂度任务
AI代理的任务性质持续演进：从年初聚焦研究与基础设施代码编写，逐步扩展至技术援助、实验监控及长周期任务。
需强调的是，系统尚未完全自主化。OpenAI指出，任务越复杂，人工干预需求越高。过去六个月数据显示，在代理成功完成的4至8小时任务中，超半数至少需一次人工介入。因此，“研究实习生”并非能独立制定议程的系统，而是限定范围内执行工作的高级辅助工具。
下一阶段：推动AI参与AI研发
OpenAI的长期愿景是让AI直接贡献于新AI系统的开发，使研究自动化程度不断提升，最终加速自身发展进程。
公司在文中探讨了该过程与递归自我改进（RSI）的关系，认为自动研究人员不仅能加速模型迭代，还可强化AI安全与对齐研究，例如开发针对危险代理的防御机制或保护关键基础设施。
但OpenAI明确表示，不将快速实现全规模RSI视为必然目标。是否推进此方向，取决于人类能否持续掌控系统，以及安全措施能否随模型能力同步升级。