Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуTNW→ оригинал

Агенты OpenAI в одиночку закрывают 46% исследовательских задач на 2–4 часа, было 23%

OpenAI показала на своих цифрах, как кодинг-агенты берут на себя работу исследователей. Задачи, на которые человеку нужно два-четыре часа, например разобрать логи обучения, агенты теперь целиком выполняют сами в 46% случаев, а в марте было 23%. На задачах в четыре-восемь часов доля выросла с 13% до 35%. Рутину средней длины уже можно отдавать агентам, а сложный серверный код лучше оставить человеку.

AI-обработка оригинала TNW; редакция Hamidun News
Агенты OpenAI в одиночку закрывают 46% исследовательских задач на 2–4 часа, было 23%
Источник: TNW. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTNW ↗
Главный редактор
Ключевой факт #1Медианный исследователь тратит на агентов $2 400 в день по ценам API
Успех без человека79% в мониторинге обучения, 25% в коде для инференса
Оговорка OpenAIисследователи могли менять, какие задачи отдают агентам

OpenAI сообщила, что её кодинг-агенты теперь сами, без помощи человека, доводят до результата 46% исследовательских задач, на которые у живого сотрудника ушло бы два-четыре часа. Это работа вроде «разобрать логи упавшего обучения и найти причину» или «написать скрипт для проверки новой модели». В марте таких успешно закрытых задач было 23%, то есть доля выросла вдвое за несколько месяцев. Для задач покрупнее, от четырёх до восьми часов человеческой работы, показатель вырос с 13% до 35%. Отчёт вышел в среду и стал вторым у компании на тему того, как ИИ ускоряет её собственные исследования, после сентябрьского. Цифры полезны любому, кто решает, сколько работы можно отдать агентам.

Что агенты уже умеют делать сами

Результаты сильно зависят от типа задачи, поэтому OpenAI называет прогресс «рваным». Мониторинг обучающих запусков агенты в одиночку выполняют успешно в 79% случаев, ответы на технические вопросы — в 72%. А вот код для систем инференса (то есть запуска и обслуживания готовых моделей) удаётся только в 25% случаев, а построение сред для оценки и обучения моделей — в 29%. Проще говоря, следить и отвечать агенты умеют хорошо, а писать тонкий инфраструктурный код пока плохо.

Есть и оговорка, которую OpenAI приводит сама. По мере улучшения агентов исследователи могли менять набор задач, которые им доверяют. Поэтому рост доли успехов отражает и прогресс моделей, и новые привычки людей.

Сколько это стоит

Если пересчитать по прайсу API, медианный исследователь OpenAI в октябре использовал агентов примерно на $2 400 в день. В сентябре было $1 500, то есть рост на 62%. Среди самых активных, на уровне 90-го процентиля (так тратят лишь 10% сотрудников и больше), дневные траты достигли около $23 000 против $11 000 месяцем раньше.

Во времени это выглядит так: загрузка агентов на одного исследователя выросла в одиннадцать раз, с 0,5 до 5,7 «рабочего дня агента» в день. Каждые восемь часов работы агента OpenAI считает одним рабочим днём. К середине октября больше двух третей исследователей в пиковые моменты запускали не меньше четырёх агентов одновременно, а более 10% — не меньше 16.

В сентябре стоимость использования агентов в исследовательском подразделении примерно вдвое превышала расходы на зарплаты исследователей. Опционы в эту сумму не входят, а по словам OpenAI, они составляют 70–80% целевой компенсации. При этом на внутренних агентов ушло лишь 2% вычислительных ресурсов исследований.

Идеи пока приходят от людей

Исследователей спросили, откуда взялись основные идеи за GPT-6 Astra и следующей версией. Специалисты по пост-обучению и безопасности приписали все идеи людям, а модели, по их словам, помогали эти идеи реализовать. Специалисты по предобучению для GPT-6.2 Astra сказали, что вырабатывали идеи в диалоге с Codex, и один из них отметил, что модель подсказала ключевые инсайты.

В интервью исследователи говорят, что у агентов всё ещё плохой вкус: и в идеях, и в коде, и в данных, и в текстах. Поэтому им нужен плотный надзор. Один из специалистов по предобучению признался, что сейчас считает свой вкус лучше, но не уверен, что так будет долго.

В опросе 101 сотрудника OpenAI спросила, чем каждый пожертвовал бы, чтобы три месяца пользоваться передовыми кодинг-агентами. Медианный ответ: 40% численности команды или 30% её вычислительных ресурсов. Компания сама оговаривается, что самооценки могут быть неточными, а выборка набиралась без строгой методики.

Что ещё в отчёте и что делать практику

OpenAI предлагает обязать лаборатории отслеживать и публично сообщать признаки рекурсивного самоулучшения, когда ИИ ускоряет создание следующего ИИ. Компания уточняет, что не собирается добиваться полного самоулучшения. Для измерения общего темпа OpenAI использует внутреннюю версию индекса возможностей Epoch AI. По ней передовой уровень растёт на 16,4 пункта в год с августа 2025 года, тогда как Epoch видел 14 пунктов в год с конца 2024-го. Сама компания замечает, что её модели набирают на её индексе больше, чем на индексе Epoch.

Для практиков вывод простой. Агентам уже можно отдавать мониторинг, разбор логов, ответы на технические вопросы и задачи на несколько часов. Критичный инфраструктурный код пока лучше оставлять под человеческим контролем. И стоит заранее закладывать бюджет: активное использование агентов измеряется тысячами долларов на человека в день.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что агенты уже умеют делать сами?

Результаты сильно зависят от типа задачи, поэтому OpenAI называет прогресс «рваным». Мониторинг обучающих запусков агенты в одиночку выполняют успешно в 79% случаев, ответы на технические вопросы — в 72%. А вот код для систем инференса (то есть запуска и обслуживания готовых моделей) удаётся только в 25% случаев, а построение сред для оценки и обучения моделей — в 29%. Проще говоря, следить и отвечать агенты умеют хорошо, а писать тонкий инфраструктурный код пока плохо.

Что известно по теме: сколько это стоит?

Если пересчитать по прайсу API, медианный исследователь OpenAI в октябре использовал агентов примерно на $2 400 в день. В сентябре было $1 500, то есть рост на 62%. Среди самых активных, на уровне 90-го процентиля (так тратят лишь 10% сотрудников и больше), дневные траты достигли около $23 000 против $11 000 месяцем раньше. Во времени это выглядит так: загрузка агентов на одного исследователя выросла в одиннадцать раз, с 0,5 до 5,7 «рабочего дня агента» в день.

Что известно по теме: идеи пока приходят от людей?

Исследователей спросили, откуда взялись основные идеи за GPT-6 Astra и следующей версией. Специалисты по пост-обучению и безопасности приписали все идеи людям, а модели, по их словам, помогали эти идеи реализовать. Специалисты по предобучению для GPT-6.2 Astra сказали, что вырабатывали идеи в диалоге с Codex, и один из них отметил, что модель подсказала ключевые инсайты. В интервью исследователи говорят, что у агентов всё ещё плохой вкус: и в идеях, и в коде, и в данных, и в текстах.

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…