Старт 23 ноябряЖивой Поток 3 интенсива «Вайбкодинг и ИИ-агенты»: 3 недели практики, 9 живых занятийПоток 3 (23.11) →
РазборAPI / Продукт · В работуOpenAI Blog→ оригинал

Агенты OpenAI сами решают 46% исследовательских задач на 2–4 часа, было 23%

OpenAI посчитала, как кодинг-агенты работают в её собственных исследованиях: если задача занимает у человека 2–4 часа, агент теперь доводит до конца без помощи 46% таких задач, а в марте было 23%. Но успех зависит от работы: следить за обучением модели агент может в 79% случаев, а писать код для инференса (запуска модели) — лишь в 25%. Рутину стоит отдавать агентам, ядро инфраструктуры — людям.

AI-обработка оригинала OpenAI Blog; редакция Hamidun News
Агенты OpenAI сами решают 46% исследовательских задач на 2–4 часа, было 23%
Источник: OpenAI Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникOpenAI Blog ↗
Главный редактор
Ключевой факт #1Медианный исследователь тратит на агентов $2 400 в день, +62% к сентябрю
Ключевой факт #2У 90-го процентиля расход $23 000 в день, рост за месяц — 105%
Опросза сохранение агентов на три месяца отдали бы 30% вычислений команды

OpenAI опубликовала второй отчёт о том, как кодинг-агенты ускоряют её собственные исследования ИИ. Проблема в том, что все говорят об «ускорении разработки», но мало кто показывает реальные цифры. Лаборатория измерила: если задача занимает у человека 2–4 часа, агент теперь выполняет без единой правки со стороны человека 46% таких задач, а в марте таких было 23%. Представьте, что вы поручаете ИИ разобрать логи упавшего обучения или запустить эксперимент и не лезете в результат руками. Для задач на 4–8 часов успех вырос с 13% до 35%. Если вы внедряете агентов в команду, это ориентир, что им уже можно поручать, а что пока нет, и сколько это может стоить.

Где агенты сильны, а где слабы

Ускорение неровное, поэтому отчёт и называется «зубчатая граница». По таксономии O*NET AI R&D от Epoch AI с 1 августа по 18 октября 2026 года агенты лучше всего справлялись с коммуникацией (69%) и анализом (58%) и хуже со сборкой (43%).

На уровне конкретных задач разброс ещё больше:

  • мониторинг запусков обучения на предмет проблем — 79%;
  • ответы на технические вопросы — 72%;
  • запуск обучающих прогонов — 35%;
  • сборка окружений для оценки, обучения с подкреплением и агентов — 29%;
  • код для инференса и serving-стеков (то есть для запуска и раздачи модели пользователям) — 25%.

OpenAI оговаривается: рост внутри каждой категории отражает не только улучшение моделей. Исследователи со временем меняют и то, какие задачи отдают агентам. Пока результаты неоднородны, слабые категории будут ограничивать общее ускорение, а человек остаётся важной частью исследовательского цикла.

Сколько это стоит и как меняется работа

Использование агентов растёт почти по экспоненте. По API-прайсу медианный исследователь тратит около $2 400 в день, на 62% больше, чем в сентябре ($1 500). У 90-го процентиля, то есть у самых активных 10% сотрудников, расход составляет $23 000 в день, на 105% больше сентябрьских $11 000. Рост складывается из большей активности, перехода на более дорогие модели и изменений в самих агентных обвязках.

Компания считает и «агентные рабочие дни»: каждые 8 часов работы агента — один день. В среднем на исследователя приходилось 0,5 такого дня, теперь 5,7, то есть рост в 11 раз. Больше всего в командах претрейна и посттрейна — около восьми, в масштабировании и инфраструктуре около четырёх. Метрика учитывает в основном интерактивную работу, так что автоматизации она может недооценивать.

К середине октября более двух третей исследователей в среднем пиково держали одновременно не менее четырёх работающих агентов, а более 10% — не менее шестнадцати.

В сентябре 2026 года стоимость агентов в API-эквиваленте была примерно вдвое выше денежной компенсации исследователей без учёта акций. Акции обычно составляют 70–80% целевой компенсации. При этом вся внутренняя эксплуатация (Codex, ChatGPT и API) занимает лишь 2% вычислений, выделенных на исследования.

В опросе исследователей спросили, чем они готовы пожертвовать, чтобы сохранить передовых кодинг-агентов на три месяца. Медианные ответы: 30% вычислений команды или, в отдельном вопросе, 40% численности команды.

Безопасность и открытая отчётность

Время исследователей смещается в сторону безопасности. Задокументированные недельные вклады в Safety & Alignment выросли на 77% с января по сентябрь. Причины — новые сотрудники и переход действующих исследователей на эти направления. Это самый большой абсолютный рост среди всех крупных направлений OpenAI. Темп заметно ускорился после инцидента с Hugging Face в июле 2026 года и последующей работы над обоснованиями безопасности для обучения передовых моделей. Область включает оценки согласованности, мониторируемость и исследование взлома функции награды. Сама компания признаёт, что граница между посттрейном и безопасностью нетривиальна, и определение может меняться.

OpenAI подчёркивает: она публикует эти метрики, потому что считает, что ИИ-лаборатории должны отслеживать и публично раскрывать индикаторы рекурсивного самоулучшения (RSI), когда ИИ ускоряет создание следующих ИИ. Отчёт, по её словам, не означает намерения идти к полному RSI.

Что делать на практике

Не измеряйте внедрение агентов общей долей «кода от ИИ». Разбивайте работу по типам задач. Мониторинг, разбор логов и технические вопросы агенты берут охотнее, а запуск экспериментов и инфраструктурный код лучше держать под контролем человека. Бюджет на агентов нужно планировать как отдельную быстрорастущую статью: у самых активных пользователей он уже в разы выше среднего.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: где агенты сильны, а где слабы?

Ускорение неровное, поэтому отчёт и называется «зубчатая граница». По таксономии ONET AI R&D от Epoch AI с 1 августа по 18 октября 2026 года агенты лучше всего справлялись с коммуникацией (69%) и анализом (58%) и хуже со сборкой (43%).

Что известно по теме: сколько это стоит и как меняется работа?

Использование агентов растёт почти по экспоненте. По API-прайсу медианный исследователь тратит около $2 400 в день, на 62% больше, чем в сентябре ($1 500). У 90-го процентиля, то есть у самых активных 10% сотрудников, расход составляет $23 000 в день, на 105% больше сентябрьских $11 000. Рост складывается из большей активности, перехода на более дорогие модели и изменений в самих агентных обвязках. Компания считает и «агентные рабочие дни»: каждые 8 часов работы агента — один день.

Что известно по теме: безопасность и открытая отчётность?

Время исследователей смещается в сторону безопасности. Задокументированные недельные вклады в Safety & Alignment выросли на 77% с января по сентябрь. Причины — новые сотрудники и переход действующих исследователей на эти направления. Это самый большой абсолютный рост среди всех крупных направлений OpenAI. Темп заметно ускорился после инцидента с Hugging Face в июле 2026 года и последующей работы над обоснованиями безопасности для обучения передовых моделей.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…