Компания OpenAI опубликовала внутреннюю оценку того, насколько хорошо ее ИИ-агенты справляются с исследовательской работой. За полгода доля задач, которые агенты доводят до конца без участия человека, заметно выросла, но в компании подчеркивают, что люди по-прежнему остаются в центре разработки ИИ.
Успехи агентов
По данным OpenAI, с марта по октябрь 2026 года доля исследовательских задач, выполненных без вмешательства человека, существенно увеличилась:
задачи, на которые у человека ушло бы от 2 до 4 часов: 46% против 23% в марте;
задачи длиной от 4 до 8 часов: 35% против 13%.
Таким образом, на длинных заданиях успешность агентов выросла более чем вдвое. Впрочем, это оценочные цифры, и рост распределен по видам работы очень неравномерно.
Лучше всего агентам дается наблюдение за обучением моделей: здесь успешность достигает 79%, тогда как с запуском тех же обучающих прогонов дела обстоят заметно хуже. Написание программного обеспечения для инференса и обслуживания моделей оказалось еще сложнее - самостоятельно агенты справляются лишь с 25% таких задач.
В целом коммуникационные и аналитические задачи получаются у агентов лучше, чем разработка ПО. С августа по октябрь 2026 года оценочная успешность составила 69% для задач, связанных с коммуникацией, и 58% для аналитики. Создание исследовательской инфраструктуры показало 43%.
Расходы на агентов
Вместе с возможностями растут и траты. По оценке OpenAI, медианные ежедневные расходы исследователей на ИИ-агентов для программирования в октябре достигли $2 400 - на 62% больше, чем в сентябре ($1 500). У самых активных пользователей (90-й перцентиль) расходы выросли до $23 000 в день, более чем вдвое по сравнению с сентябрьскими $11 000.
Сумма впечатляющая: один день работы агентов у самых активных исследователей стоит как неплохой автомобиль.
Зачем по-прежнему нужны люди
Согласно отчету, исследователи все больше времени уделяют безопасности. С января по сентябрь задокументированный вклад сотрудников в направление Safety and Alignment (безопасность и согласование ИИ с целями человека) вырос на 77% - это самый большой абсолютный прирост среди всех исследовательских направлений компании. OpenAI объясняет его наймом новых сотрудников и тем, что часть работающих специалистов переключилась на задачи безопасности.
Агенты для программирования заметно ускорили проверку экспериментальных инструментов: работа, которая раньше занимала несколько дней, теперь укладывается в один. Однако ИИ-системам по-прежнему тяжело даются исследовательские решения, качество кода, планирование экспериментов и получение надежных результатов. Агентов приходится внимательно контролировать: задача, которая выглядит выполненной, может содержать ошибки, на исправление которых человеку потребуется немало сил.
В OpenAI также отмечают рост измеримой исследовательской активности, но сами по себе эти цифры еще не доказывают, что научный прогресс ускорился.
Индекс возможностей
Для сравнения прогресса своих моделей компания использует индекс возможностей, объединяющий результаты нескольких бенчмарков в одну оценку общей производительности. Внутренний индекс OpenAI, построенный на публичных и собственных тестах компании, с августа 2025 года растет на 16,4 пункта в год. Аналогичный показатель организации Epoch AI с конца 2024 года составляет 14 пунктов в год. При этом индексы собраны из разных наборов бенчмарков, так что напрямую сравнивать их нельзя - скорее это общий ориентир темпов развития.
Отчет OpenAI рисует любопытную картину: агенты уже берут на себя почти половину многочасовых задач, но чем сложнее и ответственнее работа, тем нужнее за ними присмотр человека.
Источник: TechRadar



Комментарии
Войдите на сайт, чтобы оставить свой комментарий...