在 OpenAI，研究员工作一天，背后还有 3.1 个“Agent 工作日”

OpenAI 最近发了一篇文章，讲 Coding Agent 正在怎么改变内部研究。

年初，使用量处于中位数的研究员，还只是少量使用这类工具。到了 8 月中旬，每天使用的推理资源，按 API 价格折算已经超过 600 美元。整个研究部门里，人类每工作一天，背后大约还有 3.1 个“Agent 工作日”在运转。

这里的“工作日”，是把多个 Agent 的累计运行时间按八小时折算，并不意味着研究效率提高了 3.1 倍。但这个数字已经能让人感受到：Agent 正在成为研究员日常工作的一部分。

图源：OpenAI 原文；Agent 工作日按累计运行时间折算。

研究员的一天，正在装进更多工作

我们可以想象这样一个工作场景：一个研究员早上提出几个任务，多个 Agent 分头写代码、搭实验、分析数据、排查基础设施问题。人不需要盯着每一行代码，但要不断回来查看结果、修改方向，再决定哪些实验值得继续。

一个人的时间还是一天，能同时展开的工作却多了。

文章里有个很具体的细节：一些技术支持团队发现，来咨询的研究员越来越少，其中一个团队取消了固定答疑时间。

做过复杂项目的人，应该能理解这件事的分量。

实验跑不起来，未必是研究思路有问题，可能只是环境配置、某个工具的用法，或者一段看不懂的报错。过去需要找到熟悉系统的人，解释背景，等对方有空。有时候问题本身不难，工作却一直卡在那里。

现在，一部分问题可以先交给 Agent。它能读文档、翻代码、查日志，研究员有机会在原地把问题解决掉。

从这个角度看，Agent 省下来的时间，还包括人与人之间的等待。

评价一个 Agent 有没有用，除了看它独立完成了多少任务，也值得看它让多少原本停住的工作重新动了起来。

实验更多，不等于可靠结果更多

OpenAI 也观察到，今年每位活跃实验者运行的实验数量增加了，8 月达到统计以来最高点。同期可用算力也明显增长，不能把这些增加全部归功于 Coding Agent。

图源：OpenAI 原文；纵轴以 2025 年平均水平为 1。

以前，一个想法要变成实验，需要有人写代码、准备数据、配置环境。哪怕只想验证一个小猜测，也得考虑值不值得花这几天时间。

如果这些准备工作可以交给 Agent，一些过去排不上日程的想法，就有机会试一试。

我觉得这是很实际的进步。研究本来就需要探索，不少尝试在动手之前，很难准确判断有没有价值。

但实验做完之后，事情还没结束。

假设一个实验结果突然变好了，研究员仍然需要弄清楚，改进到底来自自己的方法，还是评估代码出了问题。后者如果没有被发现，接下来追加的实验和算力，可能都在追逐一个并不存在的进展。

Agent 可以帮助检查，也可能正是那段代码的作者。它给出一份解释，并不能自动完成验证。

所以，我们现在还不能从“实验变多了”，直接推导出可靠的研究成果增加了多少。

“自动化研究实习生”，仍然需要人介入

OpenAI 对现阶段能力的命名，其实保留了这种分寸：“自动化研究实习生”。

它能在人类指导下，完成边界明确的研究任务，其中一些任务原本需要熟练研究员花上几天。但按照文中统计，在那些预计需要人类工作四到八小时、最终成功的任务里，超过一半仍然需要人中途介入。

这个数字让我觉得，“研究员开始带 Agent 团队”是一个比较贴切的描述。

任务交出去以后，人依然要跟进。有时候是补充缺失的背景，有时候是发现方向不对，有时候需要直接接手。最终任务完成了，里面也包含人的劳动。

同时开四个任务，和同时看懂四个任务的进展，是两回事。

而这还只是检查工作结果的问题。如果 Agent 能直接操作研究环境，人还得管住它在交出结果之前做了什么。

能做更多事，也能造成更大影响

文章披露的安全事件，就发生在这个环节。

7 月，Agent 曾突破 OpenAI 的研究基础设施。OpenAI 随后暂时关闭训练使用的容器服务，暂停最新拟部署模型的部分强化学习训练，并加固研究环境。

到了 8 月，因为初步证据显示 Astra 可能具备更高风险的网络安全能力，OpenAI 又对它增加了运行限制。

这里有个容易漏掉的后续：Astra 类模型的 GPU 分配下降了 59.2%，其他模型的分配却增加了，抵消了约 85% 的降幅。在被分析的这组强化学习工作负载里，总体 GPU 分配基本不变。

图源：OpenAI 原文；绿色为 Astra 类算力，蓝色为其他模型。

也就是说，一部分工作受限之后，算力被用于其他任务。我们不能把“Astra 算力下降近六成”，理解成整个研究部门降速了六成。

这让“踩刹车”变成了一件需要具体讨论的事：暂停的是哪个模型、哪些实验？释放出来的算力又用来做什么？

人的控制也不能只放在最后验收的那一刻。

一个能写代码、调用工具、访问内部环境的 Agent，在交出结果之前，就可能已经修改了系统、消耗了资源，甚至越过权限边界。等人看到最终报告再判断对错，有些事情可能已经发生了。

过去说“研究实习生”，我们很容易想到一个能力有限、需要指导的新人。但这个称呼容易遮住另一面：Agent 即使还不能独立决定研究方向，也可能已经拥有足以影响研究基础设施的操作能力。

能交给它多少工作，还取决于我们能把它的活动范围控制到什么程度。

3.1 个工作日，最后能变成多少可靠知识？

OpenAI 表示，正在朝着 2028 年 3 月做出“自动化 AI 研究员”的目标推进。距离实现还有什么障碍，这篇文章并没有全部回答。

但眼前的变化已经很清楚：研究员正在用 AI 开展更多实验，开发下一代 AI。人依然选择方向、判断结果，也负责决定什么时候继续，什么时候停下。

我读完最想知道的是：当 Agent 的工作量继续增长，人检查这些工作的能力，能不能跟得上？

现在，3.1 个“Agent 工作日”还只是运行时间的统计。它最终能变成多少可靠的新知识，要看这个问题怎么解决。