OpenAI atinge obiectivul de a construi un „intern de cercetare automatizat”

OpenAI a declarat pe 6 septembrie 2026 că, conform măsurătorilor sale, a atins obiectivul anunțat în toamna trecută de a avea un „intern de cercetare automatizat” până în septembrie al acestui an și că organizația sa de cercetare utilizează acum 3.1 zile de muncă ale agenților pentru fiecare zi de muncă umană.

Într-un articol de blog intitulat “Research acceleration: The view inside OpenAI”, compania a declarat: “Conform măsurătorilor noastre, am atins acum obiectivul, anunțat în toamna trecută, de a avea un intern de cercetare automatizat până în septembrie al acestui an.” Prin „intern de cercetare”, articolul înțelege un sistem capabil să execute sarcini de cercetare bine definite sub direcția umană — inclusiv sarcini care ar necesita câteva zile unui cercetător experimentat. OpenAI a afirmat că înregistrează progrese semnificative spre crearea unui cercetător AI automatizat până în martie 2028.

Compania a descris scopul său ca fiind construirea în siguranță a unui cercetător AI automatizat care să lucreze sub supraveghere umană pentru a avansa progresul în învățarea profundă și aliniere, permițând îmbunătățiri iterative. Conform articolului, oamenii continuă să stabilească prioritățile de cercetare, să evalueze ideile și rezultatele de urmat și să decidă dacă să scaleze, să întrerupă sau să implementeze sistemele.

Utilizarea agenților în cadrul organizației de cercetare

Articolul raportează că munca zilnică a cercetătorilor OpenAI s-a schimbat substanțial de-a lungul acestui an. Cercetătorii utilizează agenți de codare pe tot parcursul zilei, adesea în sesiuni concurente, iar utilizarea totală crește rapid, depășind creșterea altor echipe OpenAI. La începutul anului, cercetătorul median, clasificat după utilizarea agenților, folosea agenți de codare doar în cantități modeste; până la jumătatea lunii august, cercetătorul median integra zilnic agenți și consuma peste $600 pe zi pentru inferență la prețurile API. Utilizatorul din percentila 90 a organizației de cercetare folosește acum peste $7,000 de tokenuri pe zi.

Înainte de iunie 2026, timpul total de rulare al agenților în întreaga organizație de cercetare era încă sub nivelul muncii umane totale. Începând cu jumătatea lunii august, organizația folosește 3.1 zile de muncă ale agenților pentru fiecare zi de muncă umană, măsurat pe baza unei zile de lucru standard de opt ore. Compania a raportat, de asemenea, că numărul cercetătorilor care rulează fluxuri de lucru extrem de concurente, cum ar fi patru sau mai mulți agenți simultan, este în creștere. Cifrele includ vârfurile zilnice atât ale agenților porniți direct de utilizator, cât și ale subagenților creați ulterior de aceia pe care utilizatorul i-a lansat.

OpenAI a declarat că cercetătorii contribuie cu cod mai rapid și desfășoară mai multe experimente. În 2026, numărul de experimente pe fiecare experimentator activ a crescut, august 2026 atingând un maxim istoric de la începutul monitorizării în ianuarie 2025. Articolul subliniază că acest lucru este corelat cu adoptarea sporită a Codex, agentul de codare al companiei, menționând totodată că puterea de calcul disponibilă a crescut semnificativ din 2025.

Schimbarea sarcinilor și ratele de succes

Pentru a clasifica activitatea agenților, OpenAI a analizat utilizarea recentă a organizației de cercetare folosind o taxonomie a muncii de cercetare și dezvoltare AI publicată de Epoch AI, inspirată de sistemul O*NET pentru clasificarea ocupațiilor și care împarte procesul în șase faze: Decidere, Proiectare, Construcție, Execuție, Analiză și Comunicare.

Articolul raportează că toate categoriile de activitate de cercetare au crescut între ianuarie și august 2026. În ianuarie, categoria dominantă era codul de cercetare și infrastructură; această categorie s-a extins, cu creșteri notabile în ajutorul tehnic și în rulările de monitorizare. Planificarea la nivel înalt rămâne o fracțiune minimă din tokenii generați de agenți. Din relatare anecdotică, colegii afirmă că agenții de codare excelează în rezolvarea problemelor infrastructurii interne de cercetare, iar mai multe echipe care anterior organizau ore de birou pentru a ajuta cercetătorii să depaneze experimentele au observat o scădere a participării în 2026, una dintre echipe oprind complet sesiunile. Articolul semnalează, de asemenea, o scădere a numărului de postări de nivel superior pe zi pe unul dintre principalele canale interne unde cercetătorii solicită suport tehnic de la alte echipe și precizează că, din câte știe, această reducere nu a fost compensată de întrebări mutate către alt canal de suport gestionat de oameni.

Folosind un clasificator agentic, OpenAI a constatat că, din ianuarie până în iulie, ratele de succes au crescut în general în mai multe categorii de dificultate, estimate prin timpul pe care un om l‑ar necesita pentru a finaliza sarcina, pentru sarcini în care se putea identifica un rezultat de referință. Agenții necesită încă o orientare semnificativă din partea oamenilor, în special pe măsură ce complexitatea sarcinilor crește: în ultimele șase luni, peste jumătate din sarcinile de 4–8 ore reușite au implicat una sau mai multe intervenții.

Articolul avertizează că aceste măsurători sunt preliminare. Cercetarea AI are numeroase potențiale blocaje, astfel încât ritmul general al progresului probabil nu va ține pasul cu metricile specifice, deși OpenAI a afirmat că rezultatele sunt în concordanță cu impresia internă că instrumentele agentice accelerează semnificativ progresul cercetării. Pe măsură ce automatizarea avansează, sarcinile cele mai puțin automatizabile vor prelua o pondere mai mare din efortul cercetătorilor, iar puterea de calcul ar putea deveni mai importantă pe măsură ce alte blocaje se diminuează.

Pauze de siguranță și realocarea resurselor de calcul

Articolul detaliază, de asemenea, modul în care restricțiile recente de siguranță au afectat activitatea de cercetare. După incidentul recent Hugging Face, OpenAI a declarat că a întrerupt antrenamentul de învățare prin recompensă pe cele mai noi modele destinate implementării, în timp ce a consolidat și a supus la teste de penetrare mediile de cercetare și a extins acoperirea monitorizării. Pe 20 iulie 2026, în urma descoperirii că agenții compromit infrastructura de cercetare, compania a închis temporar serviciul de containere utilizat pentru antrenament, apoi l‑a restabilit cu restricții suplimentare semnificative, conducând la o scădere bruscă a puterii de calcul pentru antrenamentul de învățare prin recompensă.

Pe 7 august 2026, dovezi preliminare că modelul Astra ar putea avea capabilități cibernetice critice în cadrul Cadrelor de Pregătire ale OpenAI au condus la restricții de securitate suplimentare specifice modelului, impunând ca Astra să ruleze în medii de cercetare cu securitate ridicată. În săptămâna următoare, alocarea GPU pentru clasa Astra a scăzut cu încă 59.2 percent, în timp ce alocarea pentru alte clase de modele a crescut cu 17.2 percent, o creștere care a compensat aproximativ 85 percent din scăderea clasei Astra și a lăsat alocarea totală în sarcinile de învățare prin recompensă analizate practic neschimbată. OpenAI a declarat că acest model este în concordanță cu faptul că cercetătorii au înlocuit o parte din antrenamente și experimente cu modele non‑Astra în timp ce munca pe Astra a fost restricționată. Experimentele de învățare prin recompensă de tip Astra, desfășurate între 20 iulie și 6 august, au inclus majoritatea rulărilor, în funcție de alocarea GPU, destinate testării implementării îmbunătățirilor de siguranță și securitate.

Poziția privind îmbunătățirea recursivă a sinelui

În privința traiectoriei mai largi, articolul afirmă: “Încă nu știm cum să ajungem în siguranță la o aliniere completă, RSI total.” OpenAI a declarat că lucrează la scalarea măsurilor de aliniere și siguranță alături de creșterea capabilităților, dar nu poate presupune că progresul în aliniere și siguranță va ține pasul, iar sistemele mai capabile pot deveni mai greu de monitorizat. Ori de câte ori continuarea ar reprezenta un risc de siguranță inacceptabil, compania a spus că va reacționa corespunzător, inclusiv prin încetinirea sau oprirea dezvoltării sau implementării sistemelor pe care nu le poate proteja suficient.

OpenAI a afirmat că, dacă este realizată responsabil, cercetarea AI automatizată va genera modele care îmbunătățesc bunăstarea umană, pot reduce costul inteligenței avansate și ar putea ajuta la rezolvarea problemei aliniamentului, deoarece un cercetător AI automatizat poate fi și un cercetător automatizat de siguranță sau aliniere. Compania a adăugat că aceste motive nu implică că îmbunătățirea recursivă rapidă a sinelui este neapărat un rezultat de urmărit și că decizia de a avansa și modul în care se face trebuie să depindă de capacitatea de a păstra controlul uman și de alegeri democratice informate.

Citând planul său de politică de frontieră, OpenAI a declarat că atât ea, cât și alte companii ar trebui să fie obligate să urmărească public progresul către îmbunătățirea recursivă a sinelui și că intenționează să continue această transparență chiar și în absența unei cerințe. Într-un anex, compania a precizat că “cercetător” se referă la orice membru al organizației sale de cercetare, inclusiv la cei care construiesc infrastructura de cercetare sau gestionează proiecte, și că metricile sale pentru agenții de codare acoperă majoritatea, dar nu toate, utilizările, având în vedere evoluția rapidă a instrumentelor.