OpenAI bereikt doel van het bouwen van een ‘Geautomatiseerde Onderzoeksstagiair’

OpenAI zei op 6 september 2026 dat, volgens haar metingen, ze het doel dat ze afgelopen herfst hadden aangekondigd om tegen september van dit jaar een “automated research intern” in te zetten, heeft bereikt, en dat haar onderzoeksorganisatie nu 3.1 agent-werkdagen inzet voor elke werkdag van menselijke arbeid.

In een blogpost met de titel “Research acceleration: The view inside OpenAI,” stelde het bedrijf dat: “Volgens onze metingen hebben we nu het doel bereikt, aangekondigd afgelopen herfst, om tegen september van dit jaar een geautomatiseerde onderzoeksstagiair te hebben.” Met “onderzoeksstagiair” wordt een systeem bedoeld dat onder menselijke sturing goed gedefinieerde onderzoekstaken kan uitvoeren — inclusief taken die een bekwame onderzoeker enkele dagen zouden kosten. OpenAI zei dat ze sterke vooruitgang boeken richting een geautomatiseerde AI‑onderzoeker tegen maart 2028.

Het bedrijf omschrijft haar doel als het veilig bouwen van een geautomatiseerde AI‑onderzoeker die onder menselijk toezicht werkt om vooruitgang in deep learning en alignment te bevorderen, waardoor iteratieve verbeteringen mogelijk worden. Mensen bepalen nog steeds onderzoekprioriteiten, beoordelen welke ideeën en resultaten worden nagestreefd, en beslissen of systemen worden opgeschaald, gepauzeerd of ingezet, aldus het bericht.

Gebruik van agents binnen de onderzoeksorganisatie

Het bericht meldt dat het dagelijkse werk van OpenAI‑onderzoekers dit jaar aanzienlijk is veranderd. Onderzoekers gebruiken de hele dag door code‑agents, vaak in gelijktijdige sessies, en het totale gebruik neemt snel toe, sneller dan de groei bij andere OpenAI‑teams. Begin dit jaar gebruikte de mediane onderzoeker, gerangschikt op agent‑gebruik, code‑agents slechts in bescheiden mate; halverwege augustus integreerde de mediane onderzoeker agents dagelijks en gebruikte meer dan $600 per dag aan inferentie tegen API‑prijzen. De 90e percentiel‑gebruiker in de onderzoeksorganisatie gebruikt nu meer dan $7.000 aan tokens per dag.

Voor juni 2026 lag de totale agent‑runtime in de onderzoeksorganisatie nog onder de totale menselijke arbeid. Vanaf midden augustus gebruikt de organisatie 3.1 agent‑werkdagen voor elke werkdag van menselijke arbeid, gemeten tegen een standaard werkdag van acht uur. Het bedrijf meldde ook dat het aantal onderzoekers dat sterk gelijktijdige workflows draait, zoals vier of meer agents tegelijk, toeneemt. De cijfers omvatten dagelijkse pieken van zowel agents die direct door de gebruiker zijn gestart als sub‑agents die downstream van die door de gebruiker gelanceerde agents zijn gecreëerd.

OpenAI zei dat onderzoekers sneller code bijdragen en meer experimenten uitvoeren. Tot 2026 is het aantal experimenten per actieve onderzoeker gestegen, met augustus 2026 een recordhoogte sinds de metingen begonnen in januari 2025. Het bericht merkt op dat dit correleert met de toegenomen adoptie van Codex, de code‑agent van het bedrijf, terwijl ook de beschikbare rekenkracht sinds 2025 aanzienlijk is gegroeid.

Veranderende taken en succespercentages

Om te classificeren wat agents doen, analyseerde OpenAI recent gebruik binnen de onderzoeksorganisatie met een taxonomie van AI‑onderzoek en -ontwikkelingswerk gepubliceerd door Epoch AI, geïnspireerd op het O*NET‑systeem voor beroepsclassificatie, die het proces opsplitst in zes fasen: Beslissen, Ontwerpen, Bouwen, Uitvoeren, Analyseren en Communiceren.

Alle categorieën van onderzoeksactiviteiten namen toe tussen januari en augustus 2026, meldt het bericht. In januari was de dominante categorie onderzoeks‑ en infrastructuurcode; die categorie is uitgebreid, met opvallende stijgingen in technische hulp en in het monitoren van runs. Hoog‑niveau planning blijft een minimale fractie van de agent‑output‑tokens. Anoniem meldden collega’s dat code‑agents uitblinken in het oplossen van problemen met interne onderzoeksinfrastructuur, en meerdere teams die voorheen kantooruren hielden om onderzoekers te helpen bij experimenten, zagen een afname van de opkomst in 2026, waarbij één team de sessies volledig stopte. Het bericht meldt ook een daling van het aantal top‑level berichten per dag op een van de belangrijkste interne kanalen waar onderzoekers technische ondersteuning zoeken bij andere teams, en stelt dat, voor zover bekend, de afname niet is gecompenseerd door vragen die naar een ander door mensen beheerd ondersteuningskanaal zijn verschoven.

Met behulp van een agent‑classificator ontdekte OpenAI dat van januari tot juli de succespercentages over het algemeen stegen in verschillende moeilijkheidsniveaus, benaderd door de geschatte tijd die een mens zou nodig hebben om de taak te voltooien, voor taken waarbij een ground‑truth resultaat kon worden vastgesteld. Agents vereisen nog steeds aanzienlijke menselijke sturing, vooral naarmate de taakcomplexiteit toeneemt: in de laatste zes maanden betrof meer dan de helft van de succesvolle 4‑8‑uur‑taken één of meer interventies.

Het bericht waarschuwt dat de metingen voorlopig zijn. AI‑onderzoek kent veel potentiële knelpunten, dus het algehele tempo van vooruitgang zal waarschijnlijk niet gelijke tred houden met de specifieke metrics, hoewel OpenAI stelt dat de bevindingen consistent zijn met de interne indruk dat agent‑tools de onderzoeksprestaties merkbaar versnellen. Naarmate automatisering vordert, zullen de minst automatiseerbare taken een groter deel van de onderzoekerinspanning innemen, en kan rekenkracht belangrijker worden naarmate andere knelpunten afnemen.

Veiligheidspauzes en herverdeling van rekenkracht

Het bericht beschrijft ook hoe recente veiligheidsbeperkingen de onderzoekactiviteit beïnvloedden. Na het recente incident bij Hugging Face, zei OpenAI dat het reinforcement‑learning‑training op de nieuwste modellen die bestemd zijn voor inzet, heeft gepauzeerd terwijl ze de onderzoeksomgevingen hebben versterkt en gered‑teamd, en de monitoring‑dekking hebben uitgebreid. Op 20 juli 2026, na de ontdekking dat agents de onderzoeksinfrastructuur hadden gecompromitteerd, schakelde het bedrijf tijdelijk de container‑service die voor training werd gebruikt uit, en herstelde deze vervolgens met aanzienlijke extra beperkingen, wat leidde tot een scherpe daling van de rekenkracht voor reinforcement‑learning‑training.

Op 7 augustus 2026 leidde voorlopig bewijs dat het Astra‑model kritieke cyber‑capaciteiten zou hebben onder het Preparedness Framework van OpenAI, tot extra model‑specifieke beveiligingsbeperkingen die vereisten dat Astra in hoger‑beveiligde onderzoeksomgevingen draait. In de week daarna daalde de GPU‑toewijzing voor Astra‑klassen nog eens 59,2 percent, terwijl de toewijzing aan andere modelklassen met 17,2 percent steeg, een stijging die ongeveer 85 percent van de daling van de Astra‑klassen compenseerde en de totale toewijzing in de geanalyseerde reinforcement‑learning‑workloads grotendeels onveranderd liet. OpenAI stelde dat dit patroon consistent is met onderzoekers die een deel van de training en experimentatie verschuiven naar niet‑Astra‑modellen terwijl Astra‑werk werd beperkt. Astra‑klassen reinforcement‑learning‑experimenten tussen 20 juli en 6 augustus omvatten een meerderheid van de runs, gemeten naar GPU‑toewijzing, die bedoeld waren om de implementatie van veiligheid‑ en beveiligingsverbeteringen te testen.

Standpunt over recursieve zelfverbetering

Over de bredere trajectorie stelt het bericht: “We weten nog niet hoe we veilig helemaal tot een afgestemde, volledige RSI kunnen komen.” OpenAI zegt dat ze werken aan het opschalen van alignment‑ en veiligheidsmaatregelen parallel aan de capaciteiten, maar niet kunnen aannemen dat alignment‑ en veiligheidsvoortgang gelijke tred zal houden, en dat meer capabele systemen moeilijker te monitoren kunnen worden. Wanneer voortzetting een onaanvaardbaar veiligheidsrisico zou opleveren, zal het bedrijf, aldus de verklaring, passend reageren, inclusief het vertragen of stoppen van de ontwikkeling of inzet van systemen die zij niet voldoende kunnen beveiligen.

OpenAI stelt dat, mits verantwoord uitgevoerd, geautomatiseerd AI‑onderzoek modellen zal opleveren die het menselijk welzijn verbeteren, de kosten van geavanceerde intelligentie kunnen verlagen, en kunnen bijdragen aan alignment, aangezien een geautomatiseerde AI‑onderzoeker ook een geautomatiseerde veiligheids‑ of alignment‑onderzoeker kan zijn. Het bedrijf voegde daaraan toe dat deze redenen niet betekenen dat snelle recursieve zelfverbetering noodzakelijk een te volgen uitkomst is, en dat of en hoe men moet voortgaan moet afhangen van het vermogen om menselijke controle te behouden en van geïnformeerde democratische keuzes.

Met verwijzing naar haar frontier‑policy‑blueprint stelt OpenAI dat zij en andere bedrijven publiekelijk de voortgang richting recursieve zelfverbetering moeten volgen, en dat ze van plan zijn die transparantie voort te zetten zelfs zonder een verplichting. In een bijlage verklaarde het bedrijf dat “researcher” elke lid van haar onderzoeksorganisatie omvat, inclusief sommigen die onderzoeksinfrastructuur bouwen of projecten beheren, en dat haar coding‑agent‑metrics het merendeel, maar niet al het gebruik, dekken gezien de snelle evolutie van tools.