OpenAI报告:内部Agent日均成本达研究员薪酬两倍
nashnova research
OpenAI内部报告披露,研究员每日驱动Agent的API成本已达其非股权薪酬的两倍,Agent可独立完成46%的研究任务——AI的「账面劳动力价值」正在从成本结构上超越人类。
一个研究员每天"烧"多少钱在Agent上?
今年9月到10月,中位数研究员的日均Agent花费从1500美元升至2400美元。
用量最高的10%研究员更夸张:日均从1.1万美元升至2.3万美元。
这意味着→ 顶尖研究员一天的Agent账单,相当于一个普通员工半个月工资。
一个人同时"指挥"多少个Agent在干活?
按"Agent累计运行8小时=一个工作日"的口径,每名研究员平均每天驱动5.7个Agent工作日,是此前基准的11倍。
超过三分之二的研究员每天同时运行至少4个Agent,逾10%的人同时跑至少16个。
用大白话说= 一个研究员坐在电脑前,背后有五六个AI"分身"在同时帮他干活,有些人甚至有十几个。
Agent到底能独立干成多少事?
Agent现已能独立完成约46%原本需要人类花2-4小时完成的研究任务,今年3月这一比例仅为23%——七个月内翻倍。
更复杂的4-8小时任务,自主完成率从13%升至35%。
分任务看:沟通类69%、分析类58%表现较好,但"构建"类仅43%;监控训练成功率79%,编写推理与服务代码仅25%。
这反映出 Agent目前擅长"照章办事",但在需要判断力和创造力的环节仍然薄弱。
研究员有多依赖Agent?
OpenAI问了101名研究员:如果未来三个月不能用最前沿的编程Agent,你愿意拿什么换?
中位数答案:削减团队40%的人力编制,或放弃30%的算力。
这意味着→ 在研究员眼中,一个好用的Agent比近半数同事和近三分之一的计算资源都值钱。
Agent的短板在哪里?
研究员在访谈中反映,Agent缺乏"研究品味"(research taste,指自主提出好问题、判断代码和数据优劣的能力)。
用大白话说= Agent能干活、能出量,但不知道该干什么活、干得好不好——方向感和质量判断仍然靠人。
这也解释了为什么Agent能完成46%的任务,但剩下54%依然需要人类持续监督。
安全投入跟上了吗?
报告显示,在所有研究方向中,安全与对齐领域的人力投入增幅居首。
AI加速参与自身研发的同时,人类对其可控性的投入也在同步扩张。
这反映出 一个核心张力:Agent越强、用得越多,对"谁来看住Agent"的需求就越大——这可能是当前AI研发周期最值得持续追踪的变量。
市场有风险,内容仅供研究参考,不构成投资建议。
