OpenAI 最近发了份内部报告,把自家研究组织当小白鼠测了一遍。结论挺反直觉:AI 确实在加速造 AI,但它的能力边界是“锯齿状”的。
2026 年 3 月到 10 月,Agent 独立搞定短任务的比例从 23% 涨到 46%,长任务从 13% 升到 35%。看着挺猛,但拆开看全是坑:监控训练成功率有 79%,可一让它启动训练就掉到 35%,写核心代码更是只有 25%。
同一个 Agent,在一个环节已经挺靠谱,换到旁边相邻环节就得研究员死死盯着。它能读日志、查指标、按规则办事,但一碰到环境配置、接口报错这种复杂系统问题,就容易崩盘。
更扎心的是,AI 用得越多,研究员反而越忙了。9 月份算下来,Agent 的 API 等价花费差不多是非股权薪酬的两倍。实验跑得多,不等于产出多——关键想法还是人提的,结果还得人验收。
说白了,AI 现在更像一支不断扩大的研发团队,离完全自主还差得远。

研报速递