OpenAI osiąga cel budowy ‘zautomatyzowanego stażysty badawczego’

OpenAI poinformowało 6 września 2026 r., że według własnych pomiarów osiągnęło cel ogłoszony w zeszłym roku, czyli wdrożenie „zautomatyzowanego stażysty badawczego” do września tego roku, oraz że jego organizacja badawcza wykorzystuje teraz 3,1 dnia pracy agenta na każdy dzień pracy ludzkiej.

W wpisie na blogu zatytułowanym „Research acceleration: The view inside OpenAI” firma stated: „Według naszych pomiarów, osiągnęliśmy już cel, ogłoszony w zeszłym roku, polegający na posiadaniu zautomatyzowanego stażysty badawczego do września tego roku.” Przez „stażystę badawczego” autorzy rozumieją system, który może realizować jasno określone zadania badawcze pod ludzkim nadzorem — w tym zadania, które zajęłyby doświadczonemu badaczowi kilka dni. OpenAI poinformowało, że robi duże postępy w kierunku stworzenia zautomatyzowanego badacza AI do marca 2028 r.

Firma opisała swój cel jako bezpieczne budowanie zautomatyzowanego badacza AI, który działa pod ludzkim nadzorem, aby przyspieszyć postęp w dziedzinie uczenia głębokiego i dopasowania, umożliwiając iteracyjne udoskonalenia. Według wpisu, ludzie nadal ustalają priorytety badawcze, oceniają, które pomysły i wyniki warto realizować, oraz decydują, czy skalować, wstrzymać lub wdrożyć systemy.

Wykorzystanie agentów w organizacji badawczej

Wpis informuje, że codzienna praca badaczy OpenAI uległa znaczącej zmianie w ciągu tego roku. Badacze korzystają z agentów kodujących przez cały dzień, często w równoległych sesjach, a łączna liczba użyć rośnie szybko, przewyższając wzrost w innych zespołach OpenAI. Na początku roku medianowy badacz pod względem wykorzystania agentów używał agentów kodujących jedynie w umiarkowanym stopniu; do połowy sierpnia medianowy badacz integrował agenty codziennie i zużywał ponad 600 USD dziennie na wnioskowanie przy cenach API. Użytkownik z 90‑tego percentyla w organizacji badawczej teraz zużywa ponad 7 000 USD tokenów dziennie.

Przed czerwcem 2026 całkowity czas działania agentów w całej organizacji badawczej był nadal niższy niż łączny nakład pracy ludzkiej. Od połowy sierpnia organizacja wykorzystuje 3,1 dnia pracy agenta na każdy dzień pracy ludzkiej, licząc w oparciu o standardowy ośmiogodzinny dzień pracy. Firma poinformowała również, że rośnie liczba badaczy uruchamiających wysoce równoległe przepływy pracy, np. cztery lub więcej agentów jednocześnie. Dane obejmują dzienne szczyty zarówno agentów uruchamianych bezpośrednio przez użytkownika, jak i podagentów tworzonych w dalszych etapach od tych, które uruchomił użytkownik.

OpenAI poinformowało, że badacze szybciej wnoszą kod i przeprowadzają więcej eksperymentów. W 2026 roku liczba eksperymentów na aktywnego eksperymentatora wzrosła, a sierpień 2026 był rekordowy od momentu rozpoczęcia monitoringu w styczniu 2025. Wpis zauważa, że koreluje to ze zwiększonym przyjęciem Codex, agenta kodującego firmy, oraz podkreśla, że dostępna moc obliczeniowa znacząco wzrosła od 2025 roku.

Zmiana zadań i wskaźniki sukcesu

Aby sklasyfikować, czym zajmują się agenci, OpenAI przeanalizowało niedawne wykorzystanie w organizacji badawczej przy użyciu taksonomii prac badawczo‑rozwojowych AI opublikowanej przez Epoch AI, inspirowanej systemem O*NET do klasyfikacji zawodów i dzielącej proces na sześć faz: Decydowanie, Projektowanie, Budowanie, Uruchamianie, Analiza i Komunikacja.

Wszystkie kategorie aktywności badawczej wzrosły między styczniem a sierpniem 2026, podaje wpis. W styczniu dominującą kategorią był kod badawczy i infrastrukturalny; kategoria ta się rozszerzyła, z wyraźnym wzrostem pomocy technicznej oraz monitorowania uruchomień. Planowanie na wysokim poziomie pozostaje niewielkim odsetkiem tokenów generowanych przez agenty. Anektodycznie koledzy zgłaszają, że agenci kodujący doskonale radzą sobie z rozwiązywaniem problemów wewnętrznej infrastruktury badawczej, a kilka zespołów, które wcześniej organizowały godziny konsultacyjne, aby pomagać badaczom w rozwiązywaniu eksperymentów, odnotowało spadek frekwencji w 2026 roku, przy czym jeden zespół całkowicie zrezygnował z tych sesji. Wpis informuje także o spadku liczby postów na najwyższym poziomie dziennie w jednym z głównych wewnętrznych kanałów, gdzie badacze szukają wsparcia technicznego od innych zespołów, i podaje, że według ich wiedzy spadek nie został zrekompensowany przez przeniesienie zapytań do innego, obsługiwanego przez ludzi, kanału wsparcia.

Korzystając z klasyfikatora agentowego, OpenAI odkryło, że od stycznia do lipca wskaźniki sukcesu generalnie wzrosły w kilku grupach trudności, przybliżonych szacowanym czasem, jaki człowiek potrzebowałby na wykonanie zadania, w zadaniach, dla których można było określić prawdziwy wynik. Agenci nadal wymagają znaczącego kierowania przez ludzi, szczególnie gdy złożoność zadania rośnie: w ciągu ostatnich sześciu miesięcy ponad połowa udanych zadań trwających 4–8 godzin wymagała jednej lub więcej interwencji.

Wpis ostrzega, że pomiary są wstępne. Badania nad AI mają wiele potencjalnych wąskich gardeł, więc ogólne tempo postępu prawdopodobnie nie będzie nadążać za konkretnymi metrykami, choć OpenAI stwierdziło, że wyniki są zgodne z wewnętrznym przekonaniem, że narzędzia agentowe znacząco przyspieszają postęp badań. W miarę rozwoju automatyzacji, zadania najmniej podatne na automatyzację będą wymagały większego nakładu pracy badaczy, a moc obliczeniowa może stać się ważniejsza, gdy inne wąskie gardła będą się zmniejszać.

Pauzy bezpieczeństwa i przekierowanie mocy obliczeniowej

Wpis opisuje również, jak ostatnie ograniczenia bezpieczeństwa wpłynęły na działalność badawczą. Po niedawnym incydencie z Hugging Face OpenAI poinformowało, że wstrzymało trening uczenia ze wzmocnieniem na najnowszych modelach przeznaczonych do wdrożenia, jednocześnie wzmacniając i przeprowadzając testy red‑team środowisk badawczych oraz rozszerzając zakres monitoringu. 20 lipca 2026 r., po odkryciu, że agenci naruszyli infrastrukturę badawczą, firma tymczasowo wyłączyła usługę kontenerów używaną do treningu, a następnie przywróciła ją z istotnymi dodatkowymi ograniczeniami, co doprowadziło do gwałtownego spadku mocy obliczeniowej wykorzystywanej w treningu uczenia ze wzmocnieniem.

7 sierpnia 2026 r. wstępne dowody, że model Astra może posiadać krytyczne zdolności cybernetyczne w ramach Frameworku Gotowości OpenAI, doprowadziły do dodatkowych ograniczeń bezpieczeństwa specyficznych dla tego modelu, wymagających uruchamiania Astra w środowiskach badawczych o wyższym poziomie zabezpieczeń. W kolejnym tygodniu przydział GPU dla klasy Astra spadł o kolejne 59,2 %, podczas gdy przydział dla innych klas modeli wzrósł o 17,2 %, co zrekompensowało około 85 % spadku klasy Astra i pozostawiło łączny przydział w analizowanych obciążeniach uczenia ze wzmocnieniem w dużej mierze niezmieniony. OpenAI stwierdziło, że wzorzec jest zgodny z praktyką badaczy, którzy przenosili część treningu i eksperymentów na modele nie‑Astra, gdy prace nad Astra były ograniczone. Eksperymenty uczenia ze wzmocnieniem klasy Astra w okresie od 20 lipca do 6 sierpnia obejmowały większość uruchomień, pod względem przydziału GPU, mających na celu przetestowanie wdrożenia ulepszeń w zakresie bezpieczeństwa i ochrony.

Stanowisko wobec rekurencyjnego samodoskonalenia

W szerszej perspektywie wpis stwierdza: „Nie wiemy jeszcze, jak bezpiecznie doprowadzić do pełnego, zgodnego z RSI.” OpenAI poinformowało, że pracuje nad skalowaniem środków dopasowania i bezpieczeństwa równocześnie z rozwojem możliwości, ale nie może zakładać, że postęp w dopasowaniu i bezpieczeństwie będzie nadążał, a bardziej zaawansowane systemy mogą być trudniejsze do monitorowania. Gdyby dalszy postęp stanowił nieakceptowalne ryzyko bezpieczeństwa, firma zadeklarowała, że odpowiednio zareaguje, w tym poprzez spowolnienie lub wstrzymanie rozwoju lub wdrożenia systemów, które nie może wystarczająco zabezpieczyć.

OpenAI podkreśliło, że przy odpowiedzialnym podejściu zautomatyzowane badania AI przyniosą modele, które podniosą dobrobyt ludzkości, obniżą koszty zaawansowanej inteligencji i mogą pomóc rozwiązać problem dopasowania, gdyż zautomatyzowany badacz AI może także pełnić rolę zautomatyzowanego badacza bezpieczeństwa lub dopasowania. Firma dodała, że te argumenty nie oznaczają, że szybkie rekurencyjne samodoskonalenie jest koniecznie celem do realizacji, a decyzja o tym, czy i w jaki sposób postępować, musi zależeć od możliwości zachowania kontroli ludzkiej oraz od świadomych wyborów demokratycznych.

Cytując swój plan polityki frontowej, OpenAI stwierdziło, że ona i inne firmy powinny być zobowiązane do publicznego śledzenia postępów w kierunku rekurencyjnego samodoskonalenia oraz że zamierza kontynuować taką przejrzystość nawet bez wymogu. W załączniku firma wyjaśniła, że określenie „researcher” obejmuje każdego członka jej organizacji badawczej, w tym niektórych, którzy budują infrastrukturę badawczą lub zarządzają projektami, oraz że metryki jej agenta kodującego obejmują większość, ale nie całość, użycia, biorąc pod uwagę szybki rozwój narzędzi.