Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoAnálise · No radarOpenAI Blog→ original

Agentes da OpenAI resolvem sozinhos 46% das tarefas de pesquisa de 2 a 4 horas; eram 23%

A OpenAI mediu como os agentes de código atuam em suas próprias pesquisas. Quando uma tarefa leva de 2 a 4 horas para um humano, o agente agora a conclui sem ajuda em 46% dos casos. Em março, eram 23%. Mas o sucesso depende do tipo de trabalho: o agente consegue monitorar o treinamento de um modelo em 79% dos casos, mas escrever código de inferência (para executar o modelo) em apenas 25%. A rotina vale a pena delegar aos agentes; o núcleo da infraestrutura, aos humanos.

Processado por IA de OpenAI Blog; editado por Hamidun News
Agentes da OpenAI resolvem sozinhos 46% das tarefas de pesquisa de 2 a 4 horas; eram 23%
Fonte: OpenAI Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalOpenAI Blog ↗
Editor-chefe
Dado-chave #1O pesquisador mediano gasta $2 400 por dia com agentes, 62% a mais que em setembro
Dado-chave #2No percentil 90, o gasto é de $23 000 por dia, alta de 105% em um mês
Dado-chave #3Em pesquisa interna, os pesquisadores abririam mão de 30% da capacidade de computação da equipe para manter os agentes por três meses

A OpenAI publicou o segundo relatório sobre como os agentes de código aceleram suas próprias pesquisas em IA. O problema é que todo mundo fala em "aceleração do desenvolvimento", mas poucos mostram números reais. O laboratório mediu: quando uma tarefa leva de 2 a 4 horas para um humano, o agente agora conclui 46% delas sem nenhuma correção humana.

Em março, eram 23%. Imagine pedir à IA que analise os logs de um treinamento que falhou ou rode um experimento, sem precisar mexer no resultado manualmente. Nas tarefas de 4 a 8 horas, a taxa de sucesso subiu de 13% para 35%.

Para quem pretende adotar agentes em uma equipe, o relatório serve de referência: mostra o que já dá para delegar, o que ainda não e quanto isso pode custar.

Onde os agentes são fortes e onde são fracos

A aceleração é irregular, e por isso o relatório se chama "fronteira serrilhada". Segundo a taxonomia O*NET AI R&D da Epoch AI, de 1º de agosto a 18 de outubro de 2026, os agentes foram melhores em comunicação (69%) e análise (58%), e piores em construção (43%).

No nível de tarefas específicas, a variação é ainda maior:

  • monitoramento de execuções de treinamento para detectar problemas — 79%;
  • respostas a perguntas técnicas — 72%;
  • execução de rodadas de treinamento — 35%;
  • montagem de ambientes para avaliação, aprendizado por reforço e agentes — 29%;
  • código de inferência e de stacks de serving (ou seja, para executar o modelo e servi-lo aos usuários) — 25%.

A OpenAI faz uma ressalva: o crescimento em cada categoria não reflete apenas a melhoria dos modelos. Com o tempo, os pesquisadores também mudam quais tarefas entregam aos agentes. Enquanto os resultados forem desiguais, as categorias mais fracas vão limitar a aceleração geral, e o humano continua sendo parte importante do ciclo de pesquisa.

Quanto custa e como o trabalho muda

O uso de agentes cresce quase de forma exponencial. Pelo preço de API, o pesquisador mediano gasta cerca de $2 400 por dia, 62% a mais que em setembro ($1 500). No percentil 90, ou seja, entre os 10% de funcionários mais ativos, o gasto é de $23 000 por dia, 105% acima dos $11 000 de setembro. O crescimento vem de maior atividade, da migração para modelos mais caros e de mudanças nos próprios harnesses de agentes.

A empresa também contabiliza "dias de trabalho de agente": cada 8 horas de trabalho de um agente equivalem a um dia. Em média, cada pesquisador tinha 0,5 desses dias; agora tem 5,7, um aumento de 11 vezes. Os maiores valores estão nas equipes de pré-treinamento e pós-treinamento, com cerca de oito, e os de escalonamento e infraestrutura têm cerca de quatro. A métrica considera sobretudo o trabalho interativo, então pode subestimar a automação.

Até meados de outubro, mais de dois terços dos pesquisadores mantinham, em média, no pico, pelo menos quatro agentes trabalhando ao mesmo tempo, e mais de 10% mantinham pelo menos dezesseis.

Em setembro de 2026, o custo dos agentes em equivalente de API era aproximadamente o dobro da remuneração em dinheiro dos pesquisadores, sem contar ações. As ações costumam representar 70–80% da remuneração-alvo. Ao mesmo tempo, toda a operação interna (Codex, ChatGPT e API) consome apenas 2% da capacidade de computação destinada à pesquisa.

Na pesquisa com os pesquisadores, perguntou-se a que eles estariam dispostos a renunciar para manter agentes de código de ponta por três meses. As respostas medianas foram: 30% da capacidade de computação da equipe ou, em uma pergunta separada, 40% do número de integrantes da equipe.

Segurança e transparência nos relatórios

O tempo dos pesquisadores está se deslocando para a segurança. As contribuições semanais documentadas em Safety & Alignment cresceram 77% de janeiro a setembro. As causas são a chegada de novos funcionários e a migração de pesquisadores atuais para essas áreas.

Foi o maior crescimento absoluto entre todas as grandes áreas da OpenAI. O ritmo acelerou de forma visível após o incidente com a Hugging Face em julho de 2026 e o trabalho posterior sobre as justificativas de segurança para o treinamento de modelos de ponta. A área inclui avaliações de alinhamento, monitorabilidade e pesquisa sobre hackeamento da função de recompensa.

A própria empresa reconhece que a fronteira entre pós-treinamento e segurança não é trivial e que a definição pode mudar.

A OpenAI ressalta que publica essas métricas porque acredita que os laboratórios de IA devem acompanhar e divulgar publicamente indicadores de autoaperfeiçoamento recursivo (RSI), quando a IA acelera a criação das próximas IAs. Segundo a empresa, o relatório não significa intenção de buscar um RSI completo.

O que fazer na prática

Não meça a adoção de agentes pela fatia geral de "código escrito por IA". Divida o trabalho por tipo de tarefa. Monitoramento, análise de logs e perguntas técnicas são mais bem aceitos pelos agentes, enquanto a execução de experimentos e o código de infraestrutura é melhor manter sob controle humano. O orçamento para agentes deve ser planejado como uma linha própria e de crescimento rápido: entre os usuários mais ativos, ele já é várias vezes maior que a média.

História

Perguntas frequentes sobre a notícia

Onde os agentes são fortes e onde são fracos?

A aceleração é irregular, e por isso o relatório se chama "fronteira serrilhada". Segundo a taxonomia ONET AI R&D da Epoch AI, de 1º de agosto a 18 de outubro de 2026, os agentes foram melhores em comunicação (69%) e análise (58%), e piores em construção (43%).

O que se sabe sobre Quanto custa e como o trabalho muda?

O uso de agentes cresce quase de forma exponencial. Pelo preço de API, o pesquisador mediano gasta cerca de $2 400 por dia, 62% a mais que em setembro ($1 500). No percentil 90, ou seja, entre os 10% de funcionários mais ativos, o gasto é de $23 000 por dia, 105% acima dos $11 000 de setembro. O crescimento vem de maior atividade, da migração para modelos mais caros e de mudanças nos próprios harnesses de agentes.

O que se sabe sobre Segurança e transparência nos relatórios?

O tempo dos pesquisadores está se deslocando para a segurança. As contribuições semanais documentadas em Safety & Alignment cresceram 77% de janeiro a setembro. As causas são a chegada de novos funcionários e a migração de pesquisadores atuais para essas áreas. Foi o maior crescimento absoluto entre todas as grandes áreas da OpenAI.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…