mt logoMyToken
ETH Gas
EN

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

Favoritecollect
Shareshare

作者: ASI 启示录 ,新智元

OpenAI毫无征兆地宣布: 「递归自我提升」(RSI,Recursive Self-Improvement)的齿轮,已经正式开始转动。

通俗来说,OpenAI亲口作证:AI开始研发AI了!

长久以来,人们都在猜测超级人工智能( ASI )会在哪一天降临。大家盯着大模型的跑分,盯着参数量的飙升。

但OpenAI明确告诉你:通往ASI的真正拐点,根本不是模型跑分超越人类,而是「AI开发AI」闭环的成型。

在OpenAI内部,研究员们使用AI智能体的频率,已经彻底失控——当然,是向上的失控。

以API标价计算,今年9月份在智能体上的花费,中位数研究员是每人每天1500美元。

仅仅过了一个月,到了10月,这个数字飙升到了 2400美元 ,增幅高达62%。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

但这只是平均水平。 那些排名前10%的「重度用户」呢?他们每天在智能体上烧掉的额度高达 23000美元 ,环比暴增105%。

一天两万多美金。如果你对API的价格有概念,就会知道这背后代表着何等庞大的代码生成量、逻辑推理推演和并发任务执行。这不是人类在敲键盘,这是成百上千个「硅基大脑」在不知疲倦地全速运转。

为了更直观地衡量,OpenAI引入了一个概念: 「智能体工作日」 (每8小时的智能体使用算作一个工作日)。

数据显示,每位研究员每天平均的「智能体工作日」,已经从最初的0.5个,恐怖地飙升到了5.7个,足足增长了11倍!

在最核心的预训练和后训练团队,这个数字更是达到了8个。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

这意味着一个人类研究员每天工作8小时,而他的「AI分身们」在同一时间里,并发完成了相当于64个小时的工作量。

到了10月中旬,超过十分之一的研究员,每天手头都有至少16个智能体在同时处理任务。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

人类工程师对这些AI工具的依赖,已经到了近乎「成瘾」的地步。

在OpenAI内部进行的一项匿名调查中,研究员们被问到一个极其尖锐的问题:「如果未来3个月内,没收你们所有优于GPT-5.2的编码智能体,你愿意拿什么条件来换回它们?」

中位数的回答让人震撼: 他们宁愿裁掉团队40%的人手,或者削减当前团队30%的核心算力。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

在最顶尖的AI研究员眼里,几台昂贵的H100算力集群,甚至身边活生生的同事,都已经比不上一个前沿编码智能体的价值。

真正让硅谷大佬们惊呼「疯狂」的,是 GPT-6.2 Astra的研发内幕。

在过去,大想法(Big Ideas)总是人类的专属领地。

在开发较早版本的GPT-6 Astra时,OpenAI的研究员们依然骄傲地表示:核心的科研想法完全是人类构思出来的,模型只是个高级码农,负责把想法变成代码。

但到了GPT-6.2 Astra,情况发生了微妙但致命的变化。

在访谈中,预训练团队的研究员承认,核心洞见是在与模型(Codex)的反复对话中诞生的。

一位研究员明确表示, Codex在他们共同推进一个想法时,精准地识别出了关键洞见。

另一位核心人员则坦言,自己一开始的想法走进了死胡同, 「只有在Codex建议做出改变后,整个想法才真正开始奏效。」

AI开始拥有直觉,开始识别出人类忽略的盲点,甚至开始指导人类如何造出更好的AI。

这被称为 「科研品味」(Research Taste) 。

发现问题往往比解决问题更难。当AI具备了鉴别「什么样的数据更好」、「什么样的架构更有前途」的品味时,潘多拉的魔盒就真正打开了。

有开发者发推描绘了这个反馈循环(Feedback Loop):

循环往复,永不停息。

每一个更好的AI,都在以前所未有的速度,帮助人类构建下一个更强的AI。这就是真正的「递归自我提升」(RSI)。

一旦这个飞轮的转速突破某个临界点,AI的发展速度将彻底脱离人类习惯的线性认知,呈现出近乎垂直的指数级爆炸。

当然,如果现在就宣布AI已经完全自主,未免过于耸人听闻。

OpenAI坦承,当前的技术依然存在巨大的局限性。他们将目前的阶段称为 「崎岖的前沿」 (Jagged Frontier)。

什么是崎岖?就是极度的偏科。

从今年3月到10月,对于那些估计需要2到4小时才能完成的复杂研发任务,智能体的「零干预成功率」(即人类完全不插手)从23%翻倍跃升至 46% 。哪怕是难度更高、需要4到8小时的长线任务,成功率也从13%涨到了35%。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

但如果把任务拆细,你会发现AI的能力边界非常参差不齐。监控训练运行问题成功率79%。 但编写底层推理和服务栈代码,成功率仅25%。

数据表明,当任务涉及到高度抽象的「从零构建」时,AI的成功率就会骤降。

它在沟通(69%)和分析(58%)上极其出色,但在开发(43%)上依然像个莽撞的学徒。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

在内部访谈中,人类研究员对AI的吐槽依然密集。

为了修复一个小Bug去重构整个模块, AI会钻牛角尖;它会写出看似华丽实则跑不通的「AI垃圾」PR(拉取请求);它会产出不可用的数据,甚至做出极其荒谬的分析假设。

一位从事后训练评估的研究员无奈地总结了他的新工作流:

「我以前试过直接对AI说『你就把这个任务做成那个任务那样』,结果被坑了太多次,因为它总会理解偏差,我还得去给它擦屁股。

现在的策略变了,我说: 『你先做一个,我来审、我来改。等我确认对了,你再去做剩下的一万个。』 」

你看,这就是当下的现实。人类依然是AI研发闭环中的绝对核心,只不过,人类的角色从「创作者」变成了「审核员」。

人类提供最初始的 判断力和容错底线 ,而AI负责将这个底线放大一万倍。

但这种平衡极其脆弱。就像一位研究员在报告中留下的那句意味深长的话:「我确实认为,我现在在科研想法上比AI更有品味。 但我完全没有信心,这种情况还能在多长的时间内继续成立。 」

在报告最后,OpenAI罕见地发出了一项极具压迫感的行业呼吁: 强制公开RSI指标。

他们认为,所有顶尖的AI实验室,都应当被要求追踪并公开报告「递归自我提升」的核心指标。公众和监管机构有权知道,AI加速未来AI系统开发的过程,究竟走到了哪一步。

为什么要公开?因为进步的速度已经超出了传统直觉的感知。

报告中披露,旨在衡量通用AI能力进步趋势的OpenAI ECI(内部能力指数)显示,自2025年8月以来,OpenAI模型的ECI前沿正在以每年16.4点的速度狂飙,超过了行业平均的14点。

OpenAI 自曝递归自我提升:智能体指数级爆发,人类已成瓶颈

更可怕的是, 如此惊人的进步,仅仅动用了OpenAI总研发算力的2%来部署内部智能体。

想象一下,当这个比例达到20%、50%甚至80%的时候,会发生什么?

传统的「人类研发周期」正在被打破。以前,迭代一个模型需要半年收集数据、三个月训练、两个月微调。现在,智能体正在用并发的算力,在几小时内完成人类几周的工作量。

正如报告中所警告的:历史趋势可能已经无法预测未来。

在数学领域,前沿模型近期已经展现出了突然而快速的突破,AI领域的「突变」随时可能降临。

Disclaimer: This article is copyrighted by the original author and does not represent MyToken’s views and positions. If you have any questions regarding content or copyright, please contact us.(www.mytokencap.com)contact
More exciting content is available on
X(https://x.com/MyTokencap)
or join the community to learn more:MyToken-English Telegram Group
(https://t.me/mytokenGroup)