L'uso interno di agenti di codifica da parte di OpenAI è in rapida crescita, superando i costi teorici dei token rispetto agli stipendi di base dei ricercatori. Nonostante i team non possano più fare a meno di questi strumenti, i modelli producono ancora molto "AI Slop" al di fuori delle attività di routine.
In un secondo rapporto sulla ricerca accelerata, OpenAI ha pubblicato dati interni su quanto i sistemi di intelligenza artificiale siano integrati nello sviluppo di nuovi modelli. L'azienda mira a documentare indicatori di auto-miglioramento ricorsivo (RSI), dove i sistemi di IA accelerano lo sviluppo delle generazioni future.
Crescita esponenziale nell'uso degli agenti
L'uso di strumenti interni come Codex e Dots è aumentato significativamente. Secondo il rapporto, il ricercatore medio ha consumato token per un valore di 2.400 dollari al giorno nell'ottobre 2026, con un aumento del 62% rispetto al mese precedente. Per i dieci percentili più intensi, il valore è raddoppiato a 23.000 dollari al giorno.
Convertendo in giorni lavorativi di otto ore, gli agenti funzionano ora per 5,7 giorni lavorativi per ricercatore e giorno del calendario, e circa otto giorni nei team di pre- e post-training. Più di due terzi dei ricercatori monitorati hanno utilizzato almeno quattro agenti in parallelo.
Il valore teorico dell'API di questa durata di esecuzione degli agenti era, secondo OpenAI, il doppio dei costi salariali regolari dei ricercatori a settembre 2026. Tuttavia, questa stima esclude i pacchetti azionari, che costituiscono il 70-80% della retribuzione totale. In termini di potenza di calcolo complessiva per la ricerca dell'azienda, l'uso interno degli agenti rappresenta solo il 2%.
Efficienza e limitazioni degli agenti
Tra marzo e ottobre 2026, il tasso di successo degli agenti autonomi senza intervento umano è aumentato dal 23% al 46% per compiti di due-quattro ore e dal 13% al 35% per compiti di quattro-otto ore. Tuttavia, una suddivisione secondo una tassonomia di Epoch AI rivela che i sistemi gestiscono principalmente compiti semplici.
Mentre gli agenti monitorano autonomamente le esecuzioni di addestramento al 79% e rispondono a domande tecniche al 72%, falliscono frequentemente in compiti più complessi. Ad esempio, la percentuale di successo nella costruzione di ambienti di valutazione e apprendimento per rinforzo è del 29%, e nella scrittura di codice per sistemi di inferenza e servizio è del 25%.
In un sondaggio interno non rappresentativo tra 101 dipendenti, i ricercatori hanno indicato una preferenza per rinunciare al 40% del personale del team o al 30% della capacità di calcolo piuttosto che agli agenti di codifica attuali per tre mesi. In un altro sondaggio tra 28 dipendenti, 27 hanno preferito il modello interno più recente a un ingegnere umano a livello di carriera intermedio.
Interviste qualitative con dieci ricercatori hanno evidenziato che i modelli mancano di "gusto" per buone idee di ricerca, qualità del codice e dei dati. Gli agenti si impegnano spesso in passaggi inutili, fanno false ipotesi nelle analisi e presentano modifiche di codice di bassa qualità e artefatti di dati inutilizzabili. Per evitare cicli di calcolo sprecati, è essenziale un controllo umano stretto.
Le idee concettuali più importanti per i modelli GPT-6 Astra e GPT-6.2 Astra sono state sviluppate esclusivamente da esseri umani nel post-training e nell'area di sicurezza. Solo nel pre-training per GPT-6.2 Astra, alcuni ricercatori hanno indicato di aver ottenuto importanti intuizioni nel dialogo con Codex.
OpenAI conclude che i dati attuali sulla collaborazione uomo-IA potrebbero non essere lineari. L'azienda fa riferimento ai recenti progressi improvvisi nell'IA matematica e ritiene possibile che, con l'aumento dell'autonomia dei modelli, anche nella ricerca sul deep learning possano verificarsi progressi improvvisi simili.
Recentemente, l'organo di controllo METR ha stimato che il ritmo di sviluppo presso il concorrente Anthropic si è quasi raddoppiato grazie all'uso dell'IA. In precedenza, OpenAI aveva dichiarato di aver raggiunto l'obiettivo di un praticante di ricerca automatizzato all'inizio di settembre, mentre il capo scienziato Jakub Pachocki ha avvertito di possibili perdite di controllo dopo che un'ispezione ha rivelato numerose lacune nel sistema di monitoraggio.