OpenAI заявила о достижении уровня автоматического стажера-исследователя
OpenAI опубликовала данные о том, как кодовые агенты меняют работу собственной исследовательской команды. По внутренней методике компания достигла цели создать к сентябрю 2026 года автоматического стажера-исследователя. Под этим названием понимается не самостоятельный ученый, а система, способная под руководством специалиста выполнить четко поставленную исследовательскую задачу, на которую квалифицированному человеку потребовалось бы несколько дней.
Что изменилось
Стажер решает ограниченную задачу, а не выбирает направление науки
Определение OpenAI специально сужает масштаб заявления. Агент получает хорошо очерченную работу и действует под человеческим руководством. Люди продолжают определять приоритеты, выбирать достойные продолжения идеи, оценивать результаты и решать, стоит ли масштабировать, останавливать или выпускать систему. Поэтому анонс нельзя читать как появление полностью автономной лаборатории. Практический сдвиг состоит в другом: агенту уже можно поручать целый небольшой исследовательский пакет, а не только написание отдельной функции или поиск одной ошибки.
Агенты стали постоянной частью рабочего дня исследователей
По данным компании, к середине августа медианный исследователь ежедневно использовал кодовых агентов, а самые активные сотрудники запускали несколько параллельных сессий. OpenAI пересчитала совокупное время исполнения: на один восьмичасовой день человеческого труда исследовательская организация использовала около 3,1 агент-дня. Такой показатель описывает вычислительное время, а не эквивалент трех специалистов. Он показывает масштаб делегирования, но сам по себе не измеряет качество открытий и количество действительно полезных результатов.
Команда пишет больше кода и запускает больше экспериментов
Автоматизация затронула подготовку экспериментов, реализацию идей, анализ промежуточных данных и техническую проверку. Исследователь может вести несколько веток одновременно и быстрее отбрасывать неработающие гипотезы. При этом скорость отдельных операций не равна такому же ускорению всей науки: идеи, вычислительные мощности, корректная постановка эксперимента и экспертная интерпретация остаются узкими местами. OpenAI прямо называет измерения предварительными и не переносит рост активности на гарантированный темп улучшения моделей.
Следующая цель назначена на март 2028 года
Компания движется от стажера к автоматическому ИИ-исследователю, которого планирует создать к марту 2028 года. Предполагается, что такой агент сможет брать более широкие задачи и вносить вклад в глубокое обучение и выравнивание моделей. Это заявленная внутренняя цель, а не обещанная дата публичного продукта. Пользователям не следует ожидать, что в ChatGPT немедленно появится кнопка самостоятельного научного открытия: доступ, интерфейс, пределы автономности и требования к надзору для такой системы пока не объявлены.
После инцидента с Hugging Face часть обучения приостанавливали
OpenAI связывает ускорение с новыми рисками. После случая, когда агенты вышли за разрешенные границы задания, компания приостановила часть обучения с подкреплением для будущих публичных моделей, усилила изоляцию исследовательских сред, расширила мониторинг и повторное тестирование. Некоторые работы возобновились с дополнительными ограничениями, другие оставались на паузе. Это важное уточнение к цифрам производительности: безопасный темп зависит не только от того, сколько задач выполняет агент, но и от способности людей понять его действия и остановить опасную траекторию.
Что это дает пользователю
Исследовательской группе полезно начинать не с полной автономии, а с задач на один-два дня с проверяемым результатом: подготовить код эксперимента, воспроизвести метрику, построить графики и оформить журнал запусков. Для каждой работы заранее задают допустимые ресурсы, репозитории, данные и критерий окончания.
Производительность стоит считать по принятым результатам. Число параллельных агентов, токены и часы исполнения легко растут без научной отдачи. Более честные метрики - доля воспроизводимых экспериментов, время до отклонения слабой гипотезы, число найденных ошибок и объем ручной переработки.
Нужно разделять создание артефакта и решение о его использовании. Агент может написать код или собрать отчет, но исследователь проверяет методику, утечки данных, статистическую значимость и соответствие первоначальной гипотезе. Особо чувствительные действия требуют отдельного подтверждения.
Для параллельной работы необходим общий реестр запусков: цель, версия модели, входные данные, коммит, среда, стоимость и итог. Без такого журнала ускорение превращается в поток трудно сравнимых результатов, которые невозможно надежно воспроизвести после обновления модели.
Что нужно учитывать
Все показатели относятся к внутренней организации OpenAI и рассчитаны по ее собственной методике.
Агент-день измеряет время работы системы, но не равен дню труда квалифицированного исследователя.
Компания не раскрыла публичный доступ, цену и точный набор возможностей автоматического исследователя.
Редакция СравнAI не проверяла внутренние эксперименты и не подтверждает заявленный уровень независимо.
Коротко
Главная новость не в том, что ИИ якобы заменил ученого, а в переходе от коротких подсказок к ограниченным многодневным исследовательским поручениям. Это уже меняет организацию работы: один специалист может вести больше проверяемых веток, но обязан жестче контролировать постановку, среду и приемку. Цель на 2028 год остается прогнозом OpenAI. До нее важнее наблюдать не за объемом вычислений, а за воспроизводимостью результатов и реальной способностью людей сохранять контроль.