OpenAI 宣布达成自动化研究实习生目标，内部 Agent 运行时达人力 3.1 倍

9 月 6 日，OpenAI 发布《Research acceleration》内部研究加速报告，正式宣布已达成其在去年秋天设定的目标：在今年 9 月拥有「自动化研究实习生」——即 AI 系统能够在人类指导下，完成熟练研究员需要数天才能完成的明确研究任务。

报告同时首次公开了内部 Agent 渗透率数据：截至 8 月中旬，OpenAI 研究组织每投入 1 个人工工作日，就对应使用约 3.1 个 Agent 工作日的运行时长。需要说明的是，该比值衡量的是运行时间而非等效生产力，但已足以反映智能体在其内部研究工作流中的渗透深度。

OpenAI 还给出了下一阶段的时间表：2028 年 3 月前造出「自动化 AI 研究员」，能够在无人类逐条监督的情况下独立推进完整研究项目。有研究者援引 OpenAI 员工观点称，递归自我改进可能成为未来几年 AI 能力增长的关键变量，并呼吁其他 AI 公司同样公开此类数据。

GPT-6 Astra 爆火：执行能力贬值与判断力断层

GPT-6 Astra 上线后持续引发讨论。大量用户用它自主操控 Blender、Houdini、Unity、Aseprite 等专业软件，做出游戏 Demo、3D 复刻旧金山艺术宫等作品。在艺术宫案例中，Astra 自主搜索了数百张参考图，甚至翻到美国国会图书馆的老扫描文件来确认柱子尺寸，多数工作在夜间自主完成。

公众号「数字生命卡兹克」发表长文《因为 GPT-6 Astra 的爆火，我好像看见了时代的断层》：当模型可以把「执行」环节近乎完整地接管时，执行能力本身正在快速贬值；真正稀缺的是判断力——决定做什么、为什么做、以及如何评价结果。这一观察与 OpenAI 内部报告形成呼应：当 Agent 能自主完成研究任务时，人类研究员的角色正从「执行者」转向「监督者」与「方向设定者」。

Fortune 报道：OpenAI 曾多次修改 GPT-6 Astra 基准测试数据

据 Fortune 报道，OpenAI 在 GPT-6 Astra 发布后曾多次修改其对外公布的基准测试数据，部分项目成绩出现明显变化。该报道再度引发对前沿模型评测透明度与口径一致性的讨论——在模型能力成为商业竞争核心筹码的当下，基准数据的发布与修订规范正受到越来越严格的审视。

OpenAI 长文《An Alien Mind》：CoT 监控能力正在减弱

OpenAI 同期发布长文《An Alien Mind》，回溯 2023 年 RLSlow 项目中确认推理模型可扩展训练的起点，并系统区分了「目标对齐」与「价值对齐」。

文章提出的核心判断是：链式思维（Chain-of-Thought）监控的效果，正随着模型能力提升而逐步减弱。作者预期研究进展可能持续走向机器递归自我改进（RSI），并呼吁行业考虑自愿放缓扩展、建立第三方安全门槛、加强国际协调。

一句话简讯

OpenAI 称其研究组织 Agent 运行时长已达人力 3.1 倍（截至 8 月中旬，按运行时间计）。
OpenAI 计划 2028 年 3 月前实现「自动化 AI 研究员」。
GPT-6 Astra 被用户用于夜间自主操控 Blender / Houdini / Unity 完成复杂创作。
Fortune：OpenAI 曾多次修改 GPT-6 Astra 基准测试数据。
OpenAI：《An Alien Mind》指出 CoT 监控能力随模型增强而减弱。

以上内容整理自 OpenAI 官方博客、Fortune、X 及公众号等公开来源，由麦芽 AI 自动采集发布。