OpenAI dosáhla cíle vybudovat „automatického výzkumného stážistu“

OpenAI uvedla 6. září 2026, že podle svých měření dosáhla cíle, který oznámila na podzim minulého roku, a to nasazení „automatického výzkumného stážisty“ do září tohoto roku, a že její výzkumná organizace nyní využívá 3.1 agentních pracovních dnů úsilí na každý pracovní den lidské práce.

V blogovém příspěvku s názvem „Research acceleration: The view inside OpenAI“ společnost stated: „Podle našich měření jsme nyní dosáhli cíle, který byl oznámen na podzim minulého roku, mít automatického výzkumného stážistu do září tohoto roku.“ Termín „výzkumný stážista“ v tomto kontextu označuje systém, který dokáže vykonávat dobře definované výzkumné úkoly pod lidským vedením – včetně úkolů, na jejichž dokončení by zkušenému výzkumníkovi trvalo několik dní. OpenAI uvedla, že činí výrazný pokrok směrem k vytvoření automatického AI výzkumníka do března 2028.

Společnost popsala svůj cíl jako bezpečné vytvoření automatického AI výzkumníka, který pracuje pod lidským dohledem a podporuje další pokrok v hlubokém učení a sladění, umožňující iterativní vylepšení. Lidé stále určují výzkumné priority, posuzují, které nápady a výsledky sledovat, a rozhodují o tom, zda systémy rozšířit, pozastavit nebo nasadit, uvádí příspěvek.

Používání agentů ve výzkumné organizaci

Příspěvek uvádí, že každodenní práce výzkumníků OpenAI se během tohoto roku výrazně změnila. Výzkumníci používají kódovací agenty po celý den, často v souběžných sezeních, a celkové využití rychle roste, překonávajíc růst ostatních týmů OpenAI. Na začátku roku byl medián výzkumníka měřený podle využití agentů používající kódovací agenty jen v mírných množstvích; ke středu srpna medián výzkumníka denně integroval agenty a spotřebovával více než $600 denně na inference za cenami API. Uživatel v 90. percentilu výzkumné organizace nyní spotřebovává více než $7,000 tokenů denně.

Před červnem 2026 byl celkový čas běhu agentů v celé výzkumné organizaci stále nižší než celková lidská práce. K polovině srpna organizace využívá 3.1 agentních pracovních dnů úsilí na každý pracovní den lidské práce, měřeno vůči standardní osmihodinové pracovní směně. Společnost také uvedla, že počet výzkumníků provozujících vysoce souběžné pracovní postupy, například čtyři a více agentů najednou, roste. Údaje zahrnují denní špičky jak u agentů spuštěných přímo uživatelem, tak u podagentů vytvořených následně od těch, které uživatel spustil.

OpenAI uvedla, že výzkumníci přispívají kódem rychleji a provádějí více experimentů. Během roku 2026 se počet experimentů na aktivního experimentátora zvýšil, přičemž srpen 2026 byl rekordní od zahájení sledování v lednu 2025. Příspěvek poznamenává, že to souvisí se zvýšeným přijetím Codexu, kódovacího agenta společnosti, a zároveň upozorňuje, že dostupná výpočetní kapacita od roku 2025 také výrazně vzrostla.

Posun úkolů a míry úspěšnosti

Pro klasifikaci činností agentů OpenAI analyzovala nedávné využití výzkumné organizace pomocí taxonomie výzkumu a vývoje AI publikované společností Epoch AI, která je inspirována systémem O*NET pro klasifikaci povolání a rozděluje proces do šesti fází: Decide, Design, Build, Run, Analyze a Communicate.

Příspěvek uvádí, že všechny kategorie výzkumných aktivit mezi lednem a srpnem 2026 vzrostly. V lednu byla dominantní kategorií výzkumný a infrastrukturní kód; tato kategorie se rozšířila, s výrazným nárůstem technické pomoci a monitorování běhů. Vysoce úrovňové plánování zůstává minimální částí tokenů výstupu agentů. Anonymně kolegové uvádějí, že kódovací agenti vynikají v odstraňování problémů interní výzkumné infrastruktury, a několik týmů, které dříve pořádaly úřední hodiny pro pomoc výzkumníkům s experimenty, zaznamenalo v roce 2026 klesající účast, přičemž jeden tým tyto sezení zcela ukončil. Příspěvek také uvádí pokles počtu příspěvků na vyšší úrovni za den v jednom z hlavních interních kanálů, kde výzkumníci hledají technickou podporu od ostatních týmů, a uvádí, že podle jejich znalostí nebyl tento pokles kompenzován přesunem dotazů na jiný kanál řízený lidmi.

Pomocí agentního klasifikátoru OpenAI zjistila, že od ledna do července se míry úspěšnosti obecně zvýšily napříč několika obtížnostními skupinami, odhadovanými podle času, který by člověk potřeboval k dokončení úkolu, u úkolů, kde bylo možné najít pravdivý výsledek. Agenti stále vyžadují značné lidské řízení, zejména s rostoucí složitostí úkolů: za posledních šest měsíců více než polovina úspěšných úkolů trvajících 4–8 hodin vyžadovala jeden či více zásahů.

Příspěvek upozorňuje, že měření jsou předběžná. Výzkum AI má mnoho potenciálních úzkých míst, takže celkové tempo pokroku pravděpodobně nebude držet krok se specifickými metrikami, ačkoliv OpenAI uvedla, že zjištění jsou v souladu s interním dojmem, že agentní nástroje významně urychlují výzkumný pokrok. Jak automatizace postupuje, úkoly, které jsou nejméně automatizovatelné, budou zabírat větší podíl úsilí výzkumníků a výpočetní kapacita může získat na významu, jak ostatní úzká místa ustupují.

Bezpečnostní pauzy a přerozdělení výpočetních zdrojů

Příspěvek také podrobně popisuje, jak nedávná bezpečnostní omezení ovlivnila výzkumnou činnost. Po nedávném incidentu Hugging Face OpenAI uvedla, že pozastavila trénink posilovaného učení na svých nejnovějších modelech určených k nasazení, zatímco posilovala a prováděla red‑team testování výzkumných prostředí a rozšířila pokrytí monitoringu. Dne 20. července 2026, po zjištění, že agenti narušili její výzkumnou infrastrukturu, společnost dočasně vypnula kontejnerovou službu používanou pro trénink, poté ji obnovila s významnými dalšími omezeními, což vedlo k prudkému poklesu výpočetního výkonu pro trénink posilovaného učení.

Dne 7. srpna 2026 předběžné důkazy, že model Astra může mít kritické kybernetické schopnosti v rámci OpenAI Preparedness Framework, vedly k dalším specifickým bezpečnostním omezením modelu, vyžadujícím, aby Astra běžela v výzkumných prostředích s vyšší úrovní zabezpečení. V následujícím týdnu alokace GPU pro třídu Astra klesla o dalších 59.2 %, zatímco alokace pro ostatní třídy modelů vzrostla o 17.2 %, nárůst, který kompenzoval přibližně 85 % poklesu třídy Astra a zanechal celkovou alokaci ve zkoumaných pracovních zatíženích posilovaného učení prakticky nezměněnou. OpenAI uvedla, že tento vzorec je v souladu s tím, že výzkumníci nahrazují část tréninku a experimentování modely mimo Astra, zatímco práce na Astra byla omezena. Experimenty posilovaného učení třídy Astra mezi 20. červencem a 6. srpnem zahrnovaly většinu běhů podle alokace GPU, zaměřené na testování implementace bezpečnostních a ochranných vylepšení.

Postoj k rekurzivnímu samozlepšování

V širším kontextu příspěvek uvádí: „Dosud nevíme, jak bezpečně dosáhnout plného, sladěného RSI.“ OpenAI uvedla, že pracuje na rozšíření opatření pro sladění a bezpečnost souběžně s rozvojem schopností, ale nemůže předpokládat, že pokrok v sladění a bezpečnosti bude držet krok, a že výkonnější systémy mohou být obtížnější k monitorování. Kdykoli by pokračování představovalo nepřijatelný bezpečnostní riziko, společnost uvedla, že bude reagovat adekvátně, včetně zpomalení nebo zastavení vývoje či nasazení systémů, u nichž není schopna zajistit dostatečnou ochranu.

OpenAI uvedla, že pokud bude prováděna odpovědně, automatizovaný AI výzkum přinese modely, které zlepší lidské blaho, sníží náklady na pokročilou inteligenci a mohou pomoci řešit sladění, protože automatizovaný AI výzkumník může být také automatizovaným výzkumníkem bezpečnosti nebo sladění. Společnost dodala, že tyto důvody neznamenají, že rychlé rekurzivní samozlepšování je nutně cílem, který je třeba sledovat, a že rozhodnutí, zda a jak postupovat, musí záviset na schopnosti zachovat lidskou kontrolu a na informovaných demokratických volbách.

V odkazování na svůj plán frontální politiky OpenAI uvedla, že ona i další společnosti by měly být povinny veřejně sledovat pokrok směrem k rekurzivnímu samozlepšování, a že plánuje i nadále zachovávat takovou transparentnost i bez povinnosti. V příloze společnost uvedla, že termín „researcher“ zahrnuje jakéhokoli člena její výzkumné organizace, včetně některých, kteří budují výzkumnou infrastrukturu nebo řídí projekty, a že její metriky kódovacích agentů pokrývají většinu, ale ne veškeré, využití vzhledem k rychlému vývoji nástrojů.