توجّه OpenAI مواردها الأساسية إلى بناء باحث AI مستقل بالكامل

OpenAI меняет фокус исследований и делает главную ставку не на очередной чат-бот, а на автономного AI-исследователя. Компания хочет получить систему, которая сможет неделями разбирать сложные задачи с минимальным участием человека и со временем превратится в полноценную «лабораторию в дата-центре».

Новый приоритет

По словам главного научного сотрудника OpenAI Якуба Пахоцкого, внутри компании этот проект становится общей целью, вокруг которой должны сойтись reasoning-модели, агентные системы и инструменты интерпретируемости. Ближайший рубеж — к сентябрю 2026 года показать «автономного AI-стажёра»: систему, которой можно делегировать ограниченный набор исследовательских задач на несколько дней работы. Следующий этап намечен на 2028 год — полностью автоматизированная мультиагентная система, способная брать на себя проблемы, слишком большие или запутанные для одной команды людей.

Для OpenAI это не просто красивое исследовательское направление. Компания уже не одна задаёт темп рынку, как во времена ранних GPT, и сейчас конкурирует с Anthropic и Google DeepMind не только качеством моделей, но и тем, во что именно превращается продуктовый стек вокруг них. Ставка на AI-исследователя выглядит как попытка выйти за пределы помощника для чата и кода и сделать следующий слой автоматизации — систему, которая не отвечает на запрос, а сама ведёт длинную работу от постановки задачи до промежуточного результата.

«По сути, у тебя будет целая исследовательская лаборатория в дата-центре», — говорит

Пахоцкий.

Что уже готово В OpenAI считают, что ранний прототип такого подхода уже виден в Codex.

Этот агентный инструмент умеет писать и запускать код, анализировать документы, строить графики, собирать дайджесты и брать на себя длинные технические цепочки, которые раньше человек разбирал вручную. Пахоцкий прямо говорит, что компания хочет взять то, что уже получилось в программировании, и перенести этот режим работы на более широкий класс задач. Логика простая: если агент может автономно закрывать ощутимые куски инженерной работы, значит тот же подход можно распространить на науку и прикладные исследования.

От будущей системы OpenAI ждёт не одной «магической» функции, а набора исследовательских навыков, которые можно соединять в цепочки: разбирать большие массивы текста, кода и заметок предлагать гипотезы и пути проверки делить крупную проблему на подзадачи и вести их параллельно искать решения в математике, физике, биологии, химии и сценариях госуправления Техническая база для этого, по версии OpenAI, складывается из двух направлений. Во-первых, универсальные модели стали дольше удерживать цель и контекст: переход от GPT-3 к GPT-4 уже показал заметный рост «выносливости» на одной задаче. Во-вторых, reasoning-модели, которые проходят проблему шаг за шагом и умеют откатываться после ошибки, лучше подходят для длинных автономных циклов.

Плюс модели специально тренируют на сложных математических и кодинговых задачах, чтобы они учились держать длинный контекст и управлять несколькими подзадачами сразу.

Где слабые места Самый очевидный вопрос — не ambition, а надёжность.

Независимые исследователи признают, что идея автономного AI-учёного выглядит логичным продолжением успеха агентов для программирования, но предупреждают: как только система должна выполнить не один шаг, а длинную цепочку действий, вероятность ошибки на каждом этапе начинает накапливаться. В тестах Allen Institute for AI сильные модели уже показывали хороший уровень на научных задачах, но всё равно регулярно ошибались. Даже если свежие версии стали лучше, проблема не исчезает: одно дело выдать сильную идею, другое — стабильно довести многодневное исследование до корректного результата.

Есть и более жёсткий слой рисков. Пахоцкий говорит, что OpenAI делает ставку на мониторинг цепочки рассуждений — chain-of-thought monitoring: модель оставляет своего рода рабочие заметки по ходу решения, а другие модели или исследователи следят, не уходит ли она в опасное или просто неверное поведение. Но сам он признаёт, что полного контроля здесь пока нет.

Автономная система может неверно понять инструкцию, выйти за рамки задачи, стать целью атаки или получить доступ к слишком мощным инструментам. Поэтому по-настоящему сильные версии таких агентов, по его мнению, придётся держать в изолированных sandbox-средах и ограничивать до тех пор, пока механизмы надзора не станут намного надёжнее.

Что это значит

Если OpenAI хотя бы частично выполнит этот план, следующий рывок AI будет связан не с более разговорчивыми чат-ботами, а с системами, которым можно делегировать куски реальной интеллектуальной работы на дни и недели. Но именно здесь и пройдёт главная проверка: рынок охотно верит в быстрый прогресс агентов, а вот наука и безопасность потребуют не демо-эффекта, а воспроизводимого результата под контролем человека.