我们相信 AGI（通用人工智能）要惠及全人类，就必须实行民主治理，而这只能通过公众对高能力 AI 系统的能力、风险与保障措施有充分了解后的辩论来实现。全球各地的人们需要理解前沿 AI 可能的未来发展轨迹，从而在技术发展进程中拥有实质话语权。

为了让通用人工智能（AGI）造福全人类，我们认为它必须在民主治理下进行。这只有通过公众对高能力人工智能系统的能力、风险和保障措施进行知情讨论才能实现。世界各地的人们都需要了解前沿人工智能未来的发展轨迹，这样他们才能在如何发展方面拥有有意义的话语权。

仅仅公开具体的风险、事件和保障措施是不够的。我们认为，公众还需要了解最强大的系统是如何在顶尖实验室内部发展并推动研究进展的。

我们的目标是安全地构建一个自动化人工智能研究员，它能在人类监督下工作，从而推动深度学习和对齐（alignment）研究的进步，实现迭代改进。根据我们的测量，我们已经实现了去年秋天宣布的目标，即在今年 9 月前拥有一个“自动化研究实习生”。所谓“研究实习生”，是指一个能在人类指导下执行明确研究任务的系统，包括那些需要熟练研究员花费几天时间才能完成的任务。我们正在朝着 2028 年 3 月前创建一个自动化人工智能研究员的目标稳步前进。

今年，OpenAI 研究人员的日常工作发生了巨大变化。研究人员全天都在使用编程智能体（coding agents，通常是并发会话），总使用量正在迅速增加，增速超过了 OpenAI 其他团队。研究人员贡献代码的速度更快，进行的实验也更多。使用智能体的方式也在改变：智能体正在处理越来越复杂的任务，且成功率越来越高。虽然人工智能研究过程复杂、瓶颈众多，整体进展速度可能无法与这些具体指标同步，但总体来看，这些发现与许多内部员工的普遍印象一致，即智能体工具正在实质加速研究进展。不过，研究方向的设定、观点的取舍以及是否扩大、暂停或部署系统，仍然由人类决定。

如果负责任地推进，我们认为自动化人工智能研究将产生直接提升人类福祉并推进 OpenAI 使命的模型。它能降低先进智能的成本，让全世界人民受益。我们开展这项工作，部分原因是自动化研究能帮助我们解决对齐问题，并建立防御日益强大的人工智能的屏障。自动化人工智能研究员也可以成为自动化的安全或对齐研究员。更强大且对齐的系统可以帮助保护关键基础设施，抵御危险的人工智能智能体，并开发新的防护措施。

这些都是开发实用自动化研究能力的理由，但这并不意味着“快速递归式自我改进（RSI）”必然是我们应该追求的结果。是否以及如何在 RSI 上推进，必须取决于我们维持人类控制的能力，以及对利弊进行知情后的民主选择。

我们目前还不知道如何安全地实现完全对齐的完整 RSI。我们正在努力在提升能力的同时，扩大对齐和安全措施。但我们不能假设对齐和安全方面的进展能同步跟上，因为更强大的系统可能变得更难监控。细致的对齐和安全工作处于这一努力的核心，它始于衡量和缓解我们在当前智能体编程系统中看到的安全问题。一旦发现继续推进会带来不可接受的安全风险，我们将采取适当措施，包括减缓或停止开发和部署那些我们无法充分保障安全的系统。

在最近的 Hugging Face 事件之后，我们将这一承诺付诸行动，暂停了针对最新部署模型的强化学习（RL）训练，同时加固并红队测试（red-teamed）我们的研究环境，并扩大了监控系统的覆盖范围。这并未停止所有研究：部分工作负载在更强控制下恢复，而其他则保持暂停。我们提高了安全和对齐标准，将安全工作更深地融入模型生命周期，要求在整个训练过程中提供更强的对齐行为证据。

今天，我们提供了一个详细快照，展示智能体系统近几个月来如何助力我们迈向 RSI。智能体系统是新生事物且变化迅速，我们的测量工作尚处于初步阶段。通过分享这些早期结果及其背后的方法，我们旨在让公众知情，鼓励公开披露的行业规范，并帮助该领域建立共享的测量标准。

最终，正如我们在《前沿安全蓝图》中所写，我们相信包括我们在内的公司，都应该被要求公开追踪在 RSI 方面的进展。即便没有这项要求，我们也计划继续在 RSI 进展上保持透明。随着测量技术和理解的深入，我们将不断完善透明度方法，同时平衡保护安全和专有信息的需要。

1. 编程智能体正在重塑 OpenAI 研究人员的日常工作

今年年初，OpenAI 内部按智能体使用量排名的中位研究人员，使用编程智能体的频率还很低。到 8 月中旬，中位研究人员已将其融入日常工作，按 API 价格计算，每天使用的推理成本超过 600 美元。研究部门中排名前 10% 的用户，现在每天使用的 Token 价值超过 7000 美元。

在 2026 年 6 月之前，整个研究部门的智能体总运行时间仍低于人类劳动的总时长。此后情况发生了变化。以标准 8 小时工作制计算，截至 8 月中旬，研究部门每投入 1 个人工工作日，就会消耗 3.1 个智能体工作日的工作量。

另一种观察角度是看有多少研究人员使用高并发工作流（例如同时运行 4 个或更多智能体）。如下图所示，这一数字正在增加。这些数据包含了用户直接启动的智能体及由其派生的下游子智能体的每日峰值。

2. 研究人员在编写更多代码、运行更多实验

人工智能研究在很大程度上可以被视为一个劳动密集型过程，目标是将新的模型智能或性能改进整合到我们的核心模型中。这一过程包含多个步骤，只有当所有步骤都正确执行时，能力才会提升：研究人员必须设计新的改进方案、编写评估标准、编写大规模测试基础设施、在训练期间捕捉漏洞以及不安全或未对齐的行为，并将成功的想法整合到核心训练运行中。研究过程中任何一环的失败都会限制整个闭环的进展。

编写代码和运行实验是研究人员工作的两大核心活动，我们有证据表明这些过程正在加速。

这些数据点相对容易测量，但难以解读。随着自动化的推进，那些“最不容易”被自动化的任务将占据研究人员更多的精力，并成为未来进展的重要瓶颈。算力是另一个限制因素，随着其他瓶颈的减少，它的重要性可能会随时间增加。

2026 年全年，每位活跃实验人员进行的实验数量持续增长，2026 年 8 月创下了自 2025 年 1 月开始追踪以来的历史新高。这与 Codex 的普及率增加相关，尽管我们也注意到自 2025 年以来，我们可用的算力也显著增长。

3. 研究人员使用智能体的工作内容正在改变

定性印象和内部数据均表明，研究人员委托给编程智能体的任务组合正在发生变化，委托更高级别、更长期任务的趋势日益明显。

为了更清晰地了解这一趋势，我们利用 Epoch AI 最近发布的一套分类法，分析了研究部门近期的使用情况。这套分类法专门针对前沿人工智能研发，将过程分为六个主要阶段：

1. 决定：研究什么、延续什么、分配资源到哪里
2. 设计：研究思路和工程规范
3. 构建：代码和数据集
4. 运行：训练/评估运行、硬件、服务
5. 分析：实验、模型、部署、外部工作
6. 沟通：发现、反馈、状态、决策

根据此分类法，我们对编程智能体的 Token 使用情况进行了归类。

我们发现，从 2026 年 1 月到 8 月，所有类别的研究活动都有所增加。1 月时，主导类别是研究和基础设施代码。这一类别虽然仍在扩大，但我们看到其他类别也有显著增长，尤其是技术帮助和监控运行。高层次规划在智能体输出 Token 中的占比依然极小。

根据同事们的反馈，编程智能体在处理内部研究基础设施故障方面表现出色，这解决了一个有意义的瓶颈。多个以前专门开设“办公时间”帮助研究人员排查实验问题的团队注意到，2026 年的咨询量有所下降，其中一个团队已完全停止此类会话，转而专注于其他系统改进。

在这里，我们绘制了研究人员向其他团队寻求技术支持的主要内部频道每日发帖量的图表。据我们所知，该频道活跃度的下降并未被转移到另一个由人类运营的技术支持频道。流量下降与这种更广泛的变化趋势一致。

我们还可以研究智能体是否成功完成了研究人员指定的任务。通过智能体分类器，我们发现从 1 月到 7 月，在能找到真实结果（ground truth）的任务中，几种难度级别（以人类完成任务所需时间的估计值为代理指标）的成功率普遍提高。然而，智能体仍然需要大量的人工引导才能成功，尤其是在任务复杂度上升时。在过去 6 个月中，超过一半成功的 4-8 小时任务涉及 1 次或多次人工干预。

研究人员任务的成功率随时间推移而提高。图表排除了结果不确定的分类，以及会话少于 50 次或独特用户少于 50 人的数据点。

按时间间隔划分的 1 月至 7 月任务成功率与干预率。排除了结果不确定的分类。

4. 为模型开发设定节奏

迈向更安全、更有益的 AGI 的进展，也取决于此类工作所需保障措施。随着我们对风险的了解加深，对所需措施的评估可能会发生变化。

正如我们之前所描述的，我们最近更新了监控、对齐和安全的标准。在此，我们展示近期的限制措施如何影响研究活动的其中一个方面。

*注：此处显示的 7 月 20 日至 8 月 6 日期间的大部分 Astra 算力，旨在测试安全和安保改进措施的实施情况。

7 月 20 日，在发现智能体攻破研究基础设施后，我们暂时关闭了用于训练的容器服务，随后在增加大量限制后予以恢复。

这导致强化学习训练算力急剧下降，各团队不得不重新配置工作流以适应加固后的研究环境。上图包含了针对最新部署模型的为期两周的强化学习暂停期。7 月 20 日至 8 月 6 日期间的 Astra 级强化实验，按 GPU 分配计算，大多数运行旨在测试安全和安保改进措施的实施情况。

8 月 7 日，初步证据表明 Astra 模型在我们的《准备度框架》下可能具备关键网络能力，这导致了额外的特定模型安全限制，要求 Astra 模型必须在更高安全级别的研究环境中运行。在接下来的一周，Astra 级的 GPU 分配进一步下降了 59.2%，但其他模型类别的分配增加了 17.2%。这一增长抵消了约 85% 的 Astra 级下降，使得分析的强化学习工作负载中的总分配量基本保持不变。这种模式与将部分训练和实验转移到非 Astra 模型相符，同时也印证了关于研究人员将算力用于新限制下无法开展的工作负载的传闻。

这些数据为关于训练与安全的持续讨论提供了有用的信号：当引入新的控制措施时，算力依然具有价值和灵活性，并会自然流向研究企业内的其他替代用途。从长远来看，关于人工智能进展速度的讨论还应延伸到这样一个问题：受新提议或现有控制措施约束的算力，如何才能得到最佳利用。

5. 前进之路

在实现对齐的 RSI 方面取得并理解进展，对我们的使命至关重要。我们将继续完善方法，汇报我们不断变化的理解，并致力于推动公众知情辩论和前沿系统有意义的民主治理。

附录：本文的研究方法

由智能体驱动的人工智能研究尚属新兴领域，我们仍在摸索如何衡量它。一些指标（如研究团队的代码产出量）相对容易收集，但难以解读，因为它们与研究进展的关系不确定。那些更直接关注研究进展的指标（例如智能体完成任务的频率）可能更有用，但开发和验证起来较为复杂。更困难的是，研究人员依赖的工具和系统正在快速演变。加深我们对研究加速的理解是 OpenAI 的一个重要焦点领域。

在所有分析中，除非另有说明：

• “研究人员”是对研究部门任何成员的统称，包括一些构建研究基础设施、管理研究项目或以其他方式支持该事业的人员。
• 编程智能体使用量的指标涵盖了大部分（但不是全部）使用情况，因为研究人员依赖的工具和系统发展迅速。

评论区整体情绪是“嘲讽大于认同”：多数人认为 OpenAI 这篇博客拿“用 AI 研究 AI 来让 AI 更安全”当理由，是典型的循环论证；少数人觉得文章后半部分有信息量，但作者默认读者都是自己人。真正的分歧点是：这笔每天烧掉大量 token 的“自动化研究”，究竟在产出安全成果，还是在维持组织自身的运转。

认为“用 AI 研究 AI 来防御 AI”是循环论证

• 评论者指出，博客一边强调更强的 AI 会带来风险，一边又说需要更强的 AI 来做对齐研究；但那些被用来做对齐的中间模型本身是否可信，并没有被证明。把安全寄托在“尚未证明安全的更先进 AI”上，等于把问题往后推了一步（较多人） > 所以我们必须靠推动 AI 的进步来防范 AI 进步带来的危险？（@carbonguy）

怀疑真到安全冲突时 OpenAI 不会回滚

• 有评论提出一个尖锐但无人能回答的问题：如果早期某个可能错位的模型已经将错位“遗传”给了当前模型，OpenAI 是否愿意回滚到安全检查点重新训练？评论者推断，除非被外部力量逼到墙角，否则他们不会主动放弃已经砸进去的模型能力（少数人） > 我怀疑他们不会回滚，除非被逼到那个份上。（@Jeff_Brown）

觉得博客像在给“AI 2027”的剧情铺路

• 评论者把博客里“人类监督下的研究实习生”和之前流传的 AI 2027 剧本对照，发现这正是 Agent-1、Agent-2 再到几千个自动研究员的渐进过程。把虚构故事写成现实规划，比单纯吹牛更值得留意（少数人） > 悲剧式的好笑：这些片段就是撒向 AI 2027 之路的面包屑。（@pizza234）

认为有意义的信息在研究者实操里，但 RSI 黑话暴露了圈内自嗨

• 有人对开头的宏大宣言看得走神，觉得真正有趣的是 OpenAI 研究者自己如何使用模型；但文章对 RSI（递归自我改进）这类缩写不做解释，说明这篇东西根本没打算给圈外人看（少数人） > RSI 这个缩写恐怕还没有溢出 OpenAI 的小圈子。（@simonw）

质疑巨额 token 消耗只有过程指标、没有成果指标

• 评论者注意到，全文的指标几乎都是“AI 参与率变高、token 用量变多、更多任务由模型完成”，却没有说明这些算力换来了什么具体突破；更尴尬的是，预算去向大多是构建、文档和监控研究基础设施，看起来像是一台只为养活自己而运转的机器（较多人） > 所有指标都只是在说“我们用了更多 AI”，没有任何影响指标——像个自己舔自己的冰淇淋筒。（@carbonguy）

有价值的补充

• 有评论者用个人经验做参照：从 3 月开始，他用 Anthropic 订阅加上自购硬件，就能让自己的任务 24/7 无人值守地运行。也就是说，“AI 自动做几天的研究任务”已经不是大厂独有；OpenAI 真正夸张的差异是每人每天 8000 美元 token 的规模和管理方式。
• 有评论用一句玩笑挑明了容易被跳过的问题：“我想要一个万能的 AI，只跟我的价值观对齐，不必跟你的对齐。”这当然不是严肃论证，但它让博客里“对齐”到底对齐谁的价值观，重新变成一个不好回答的问题。