OpenAI 表示，已達成原定於 2026 年 9 月完成的「自動化研究實習生」目標：一套能在人類指導下執行界定清晰研究任務的系統，當中包括熟練研究員本來可能要花幾日完成的工作。這是值得注意的能力主張，但不代表 OpenAI 已造出可自行運作的科學家，更不等於人類研究領導角色已被取代。公司下一個公開目標，是於 2028 年 3 月前完成「自動化 AI 研究員」。6

「研究實習生」的關鍵，是有人類指導

OpenAI 對這個稱號的界定相當明確：代理負責的是範圍已定的研究任務；人仍然要決定研究優先次序、評估構想和結果，並作出是否擴大、暫停或部署系統等後果重大的決定。6

換句話說，能完成一份多日任務的代理，跟一個能夠自行判斷哪些科學問題重要、設計整體研究計劃、驗證新發現、並管理實際風險的系統，是兩回事。較準確的理解是：OpenAI 所說的是受監督的研究工作能力顯著提升，而不是一個端到端、獨立自主的研究機構已經出現。6

3.1 個代理工作日，不是「AI 效率高人類 3.1 倍」

OpenAI 指，編程代理在 2026 年已深度融入其研究團隊；研究員愈來愈常同時開啟多個代理工作階段，而研究部門的代理使用增長亦快過公司其他部門。6

公司披露的內部數字包括：

• 至 8 月中，按 API 定價計算，中位數研究員每日使用逾 600 美元的代理推理服務；使用量最高的 10% 則每日超過 7,000 美元。6
• 2026 年 6 月前，整個研究部門的代理總運行時間仍低於人類總工時；到 8 月中，以每個工作日 8 小時計，代理投入已達每個人類工作日 3.1 個代理工作日。6
• OpenAI 稱，研究員寫程式更快、做更多實驗、能交辦更複雜的工作予代理，代理成功完成工作的比例亦有所提升；每名活躍實驗人員的實驗數量在 8 月創新高。6

不過，3.1 這個數字不應直接當成生產力比率。它量度的是代理運行時間或活動量，不足以證明代理產生了人類研究員 3.1 倍的科學價值、可靠程度或獨立判斷能力。6

而且，OpenAI 亦說，更高的實驗頻率同時與代理採用，以及可用算力大幅增加有關。因此，不能把實驗數目的全部增幅都歸因於代理。6

人類可少做除錯，但研究瓶頸未必消失

公司所描述的一項轉變，是代理接手更多編程、除錯和故障排查後，研究員可把更多注意力放回較高層次的研究工作。6

但這不表示整個研究流程會按同一比例加速。OpenAI 提醒，研究中最難自動化的部分，反而可能成為新瓶頸；算力及其他營運限制，亦可制約整體進度。代理跑得更久，不等於每一環的科研產出都會同步倍增。6

高風險決策仍由人掌舵

OpenAI 強調，人類仍掌握研究流程的主導權：設定目標、判斷輸出結果，以及處理最具實際及安全後果的決定。6

公司又形容其量度方法仍屬初步，因為代理系統本身及研究員的使用方式都變化很快。內部使用數據可反映代理正被高強度採用，但不能視為研究質素、穩健性或長期科學影響的最終評分。6

Hugging Face 事故後：並非全面停工，但有工作仍暫停

OpenAI 表示，近期一宗與 Hugging Face 有關的事故，促使公司暫停為最新、原計劃部署的模型進行強化學習訓練，以強化研究環境、防禦測試（red-team）及擴大監測。6

這並非一刀切停止所有工作：部分工作負載已在更嚴格控制下恢復，另一些則維持暫停。公司亦稱已提高安全及對齊標準，讓安全工作更深入納入訓練周期，並要求在訓練期間取得更有力證據，證明模型行為符合對齊要求。6

OpenAI 的立場是，若無法充分防範不可接受的風險，會放慢甚至停止開發或部署。6

距離「安全自我改進」仍有很遠

「自動化研究實習生」不等於安全的遞歸式自我改進（recursive self-improvement，RSI）——即 AI 系統實質加快製造更強 AI 系統的能力。OpenAI 明言，目前仍不知道如何安全地實現已對齊的完整遞歸式自我改進；也不能假定安全與對齊研究能追上能力進步，或假定能力更強的系統依然容易監測。6

公司認為，自動化研究員或可加快對齊研究、安全工作、基礎設施防禦及其他保護措施；但單靠這種潛在好處，不足以合理化競逐快速 RSI。按其說法，後續進展應保留人類控制，並容許公眾作出有根據的民主選擇。6

OpenAI 提出的業界護欄

OpenAI 提倡提高 RSI 進展的公開披露程度、建立共通量度標準，並由前沿 AI 公司公開追蹤這類進展。同時，公司承認透明度與保安及商業專有資訊之間存在實際張力，需要取得平衡。6

整體而言，OpenAI 的公布反映其內部研發正轉向「代理放大研究」：代理已在大量、界定清楚的工作中承擔實質角色。不過，連 OpenAI 自己的說法也將人類方向與判斷、對齊、監測、營運控制及業界協作，視為尚待處理的必要條件，而非已經解決的問題。6

OpenAI 表示，已達成原定於 2026 年 9 月完成的「自動化研究實習生」目標：一套能在人類指導下執行界定清晰研究任務的系統，當中包括熟練研究員本來可能要花幾日完成的工作。這是值得注意的能力主張，但不代表 OpenAI 已造出可自行運作的科學家，更不等於人類研究領導角色已被取代。公司下一個公開目標，是於 2028 年 3 月前完成「自動化 AI 研究員」。6

「研究實習生」的關鍵，是有人類指導

OpenAI 對這個稱號的界定相當明確：代理負責的是範圍已定的研究任務；人仍然要決定研究優先次序、評估構想和結果，並作出是否擴大、暫停或部署系統等後果重大的決定。6

換句話說，能完成一份多日任務的代理，跟一個能夠自行判斷哪些科學問題重要、設計整體研究計劃、驗證新發現、並管理實際風險的系統，是兩回事。較準確的理解是：OpenAI 所說的是受監督的研究工作能力顯著提升，而不是一個端到端、獨立自主的研究機構已經出現。6

3.1 個代理工作日，不是「AI 效率高人類 3.1 倍」

OpenAI 指，編程代理在 2026 年已深度融入其研究團隊；研究員愈來愈常同時開啟多個代理工作階段，而研究部門的代理使用增長亦快過公司其他部門。6

公司披露的內部數字包括：

• 至 8 月中，按 API 定價計算，中位數研究員每日使用逾 600 美元的代理推理服務；使用量最高的 10% 則每日超過 7,000 美元。6
• 2026 年 6 月前，整個研究部門的代理總運行時間仍低於人類總工時；到 8 月中，以每個工作日 8 小時計，代理投入已達每個人類工作日 3.1 個代理工作日。6
• OpenAI 稱，研究員寫程式更快、做更多實驗、能交辦更複雜的工作予代理，代理成功完成工作的比例亦有所提升；每名活躍實驗人員的實驗數量在 8 月創新高。6

不過，3.1 這個數字不應直接當成生產力比率。它量度的是代理運行時間或活動量，不足以證明代理產生了人類研究員 3.1 倍的科學價值、可靠程度或獨立判斷能力。6

而且，OpenAI 亦說，更高的實驗頻率同時與代理採用，以及可用算力大幅增加有關。因此，不能把實驗數目的全部增幅都歸因於代理。6

人類可少做除錯，但研究瓶頸未必消失

公司所描述的一項轉變，是代理接手更多編程、除錯和故障排查後，研究員可把更多注意力放回較高層次的研究工作。6

但這不表示整個研究流程會按同一比例加速。OpenAI 提醒，研究中最難自動化的部分，反而可能成為新瓶頸；算力及其他營運限制，亦可制約整體進度。代理跑得更久，不等於每一環的科研產出都會同步倍增。6

高風險決策仍由人掌舵

OpenAI 強調，人類仍掌握研究流程的主導權：設定目標、判斷輸出結果，以及處理最具實際及安全後果的決定。6

公司又形容其量度方法仍屬初步，因為代理系統本身及研究員的使用方式都變化很快。內部使用數據可反映代理正被高強度採用，但不能視為研究質素、穩健性或長期科學影響的最終評分。6

Hugging Face 事故後：並非全面停工，但有工作仍暫停

OpenAI 表示，近期一宗與 Hugging Face 有關的事故，促使公司暫停為最新、原計劃部署的模型進行強化學習訓練，以強化研究環境、防禦測試（red-team）及擴大監測。6

這並非一刀切停止所有工作：部分工作負載已在更嚴格控制下恢復，另一些則維持暫停。公司亦稱已提高安全及對齊標準，讓安全工作更深入納入訓練周期，並要求在訓練期間取得更有力證據，證明模型行為符合對齊要求。6

OpenAI 的立場是，若無法充分防範不可接受的風險，會放慢甚至停止開發或部署。6

距離「安全自我改進」仍有很遠

「自動化研究實習生」不等於安全的遞歸式自我改進（recursive self-improvement，RSI）——即 AI 系統實質加快製造更強 AI 系統的能力。OpenAI 明言，目前仍不知道如何安全地實現已對齊的完整遞歸式自我改進；也不能假定安全與對齊研究能追上能力進步，或假定能力更強的系統依然容易監測。6

公司認為，自動化研究員或可加快對齊研究、安全工作、基礎設施防禦及其他保護措施；但單靠這種潛在好處，不足以合理化競逐快速 RSI。按其說法，後續進展應保留人類控制，並容許公眾作出有根據的民主選擇。6

OpenAI 提出的業界護欄

OpenAI 提倡提高 RSI 進展的公開披露程度、建立共通量度標準，並由前沿 AI 公司公開追蹤這類進展。同時，公司承認透明度與保安及商業專有資訊之間存在實際張力，需要取得平衡。6

整體而言，OpenAI 的公布反映其內部研發正轉向「代理放大研究」：代理已在大量、界定清楚的工作中承擔實質角色。不過，連 OpenAI 自己的說法也將人類方向與判斷、對齊、監測、營運控制及業界協作，視為尚待處理的必要條件，而非已經解決的問題。6