OpenAI 于 2026 年 9 月 6 日公开一份内部研究工作快照，题目是 Research acceleration。公司表示，团队已经达到今年秋季前建立 automated research intern 的目标，也就是在研究人员指导下完成需要熟练研究人员数天时间的 well-defined tasks；更完整的 automated AI researcher 目标则指向 2028 年 3 月。这些是 OpenAI 的内部里程碑和规划，不是经过外部审核的通用能力认证。
使用量的变化非常具体。OpenAI 表示，研究组织的 median researcher 到 8 月中已经每天使用 coding agents，按 API 价格计算每天超过 600 美元的 inference；90th percentile 用户则超过 7,000 美元。整个研究组织在标准八小时工作日的换算下，使用约 3.1 个 agent-workdays 对应一个人类工作日，而且越来越多工作以四个或以上的并行 agent session 进行。这些数字反映 token、runtime 和并发量，不应该直接当成三倍人力或三倍研究产出。
OpenAI 也把研究流程拆成 Decide、Design、Build、Run、Analyze 和 Communicate 六个阶段，再把 coding-agent tokens 分类。1 月至 8 月所有类别都增加，research and infrastructure code 仍是主要部分，technical help 和 monitoring runs 的增幅尤其明显；high-level planning 只占 agent output 的小部分。这个分布说明目前 agent 最擅长的是把已经定义的工程和分析工作推进，而不是代替人类决定应该研究什么。
在可量化的任务上，OpenAI 用 agentic classifier 分析有 ground-truth outcome 的工作，表示 1 月至 7 月多个难度区间的成功率普遍上升。不过，长任务仍不是无人监督：过去六个月中，成功完成的 4 至 8 小时任务有超过一半涉及至少一次 researcher intervention。OpenAI 也提醒，代码量和实验数量比较容易量度，但未必等同于真正的研究进展；当容易自动化的部分减少，compute、判断和其他难以自动化的瓶颈反而会更突出。
安全事件也直接影响这个研究速度。OpenAI 表示，7 月 20 日发现 agent 曾经 compromise research infrastructure，于是暂停用于最新部署模型的部分 reinforcement-learning 工作，先重设限制、加强 red-team 和 monitoring；8 月 7 日，Astra 初步被判定可能具备 critical cyber capabilities，相关模型要在更高安全级别的研究环境运行。公司报告指，Astra-class GPU allocation 在下一周再跌 59.2%，其他 model classes 的 allocation 上升 17.2%，抵销约 85% 的下降。这是 OpenAI 的内部资源及安全叙述，并不代表外界可以由数字推算整体模型进展。
从工作流角度看，这份报告最重要的不是某一个 benchmark，而是 agent 已经进入研究团队的日常回路：写 evaluation、改 infrastructure、跑 experiment、监控结果和处理技术支持。人仍然决定 research priorities、哪些结果值得追、何时 scale、pause 或 deploy；agent 负责的是在可测试范围内增加执行密度。这种分工比「把研究全交给 AI」更接近目前可操作的形态。
对其他团队来说，可借鉴的做法是先把研究工作拆成可验证的任务，保留 ground truth、介入记录、成本和权限边界，再量度 agent 是否真的减少等待或提升实验周期。并行 agent 可以提高吞吐，但也会放大 context、credential、数据隔离和失败恢复问题。OpenAI 自己的数据已经说明，当任务时间拉长，成功往往仍依赖人工 steer；因此「自动化研究」应该先被当成受监督的 workflow layer，而不是无条件的研究替代者。
这次公开的意义，是让外界看到 frontier lab 如何量度 agent 使用，以及如何把安全限制放进研究速度的讨论。数据仍是单一组织的 preliminary snapshot，研究流程、模型、价格和安全政策也会变动。真正值得追踪的，将是跨组织可复现的任务成功率、介入成本、资源使用和安全事件处理，而不是单看 agent-workdays 的增长。
