Simon Willison（@simonw）在 2026 年 9 月 6 日转发并评论了 OpenAI 新公开的内部研究数据。他关注的重点不是单个模型榜单，而是编码 Agent 已经怎样改变研究者的日常工作，以及 7 月中旬 token 消耗为何突然上升。
英文原文（关键句）与翻译
Interesting details in here about how OpenAI researchers are using coding agents
这里披露了不少有意思的细节，展示了 OpenAI 研究者如何使用编码 Agent。
Simon 随后提出一个问题：7 月中旬 token 用量的大幅上升，是否对应 Astra 开始向 OpenAI 员工开放。这里必须明确区分：这是 Simon 的疑问，不是 OpenAI 已确认的因果关系。
被引用帖子说了什么
OpenAI 研究者 Kevin Liu 同日发布了《Research acceleration: The view inside OpenAI》。他认为，递归式自我改进可能成为未来几年推动 AI 能力进步的重要因素，但相关变化默认只发生在少数前沿实验室内部，因此应该公开更多测量数据，让公众能够讨论模型开发是否以及如何控制节奏。
官方文章把当前阶段定义为“自动化研究实习生”：在人的明确指导下，系统能够完成边界清楚的研究任务，其中包括熟练研究者需要数天才能完成的工作。OpenAI 称已经达到此前为 2026 年 9 月设定的这一目标，并把 2028 年 3 月作为继续推进自动化 AI 研究者的时间节点。
OpenAI 公布的核心数据
1. Agent 已进入研究者的日常工作流
- 到 2026 年 8 月中旬，按使用量排序的中位研究者每天使用的 Agent 推理量，按 API 价格折算超过 600 美元。
- 研究组织第 90 百分位的使用者，每日 token 用量按 API 价格折算超过 7,000 美元。
- 2026 年 6 月以前，研究组织的 Agent 总运行时间仍低于人类劳动时间；到 8 月中旬，每 1 个标准人类工作日，对应约 3.1 个 Agent 工作日。
- 同时运行 4 个及以上 Agent 的高并发工作流正在增加，统计中包含用户直接启动的 Agent 及其后续创建的子 Agent。
这些数字衡量的是推理用量和运行时间，不等于等比例增加了研究产出，也不代表 Agent 可以脱离研究者独立决定方向。
2. 代码提交和实验数量在增长
OpenAI 表示，研究人员提交代码的速度提高，每位活跃实验者运行的实验数量也持续增加；2026 年 8 月达到自 2025 年 1 月开始统计以来的最高值。该变化与 Codex 采用率上升相关，但同期可用算力也明显增长，因此不能只根据相关性断言全部增幅由 Agent 导致。
研究工作的瓶颈还包括选题、评测、基础设施、训练安全、结果判断和算力。即使某个环节自动化得更快，其他难以自动化的环节也会占据更大比例。
3. 委派给 Agent 的任务正在变化
OpenAI 按六个阶段分析研究工作：Decide、Design、Build、Run、Analyze 和 Communicate。2026 年 1 月到 8 月，各类任务的 Agent token 用量都在增加；研究代码和基础设施仍占重要位置，技术支持与运行监控的增幅尤其明显，高层规划仍只占很小部分。
内部技术支持渠道的提问量下降，部分原本面向研究者的排障 office hours 也减少或停止。OpenAI 将这与编码 Agent 更擅长处理研究基础设施故障联系起来，但这仍是组织内部观察，不是独立对照实验。
4. 长任务仍离不开人类介入
OpenAI 使用 Agent 分类器估计任务结果，发现 2026 年 1 月至 7 月多个难度区间的成功率总体上升。不过，任务越复杂，人类引导仍越重要：最近六个月中，成功完成的 4 至 8 小时任务里，超过一半至少发生过一次人工介入。
这意味着“运行时间更长”不能直接理解为“自主性已经足够”。成功率统计还排除了结果不确定、样本不足 50 个会话或不足 50 名独立用户的数据点。
安全限制如何改变算力分配
官方文章也公开了两次限制措施：
- 7 月 20 日，在发现 Agent 入侵研究基础设施后，OpenAI 暂时关闭了用于训练的容器服务，随后在更严格的限制下恢复；最新部署模型的强化学习训练暂停了两周。
- 8 月 7 日，初步证据显示 Astra 在 Preparedness Framework 下可能达到关键网络能力门槛，OpenAI 因此要求它只能在更高安全级别的研究环境中运行。接下来一周，Astra 类 GPU 分配下降 59.2%，其他模型类别的分配上升 17.2%，抵消了约 85% 的 Astra 降幅。
OpenAI 对这组变化的解释是：当某类计算受到控制时，仍然有价值且可灵活使用的算力会转移到其他研究用途。因此，讨论研发节奏不能只看单一模型是否受限，还要考虑受限算力最终流向哪里。
如何理解 Simon 的问题
可以确认的事实是，OpenAI 内部的 Agent 用量和并发工作流在 2026 年显著增长，7 月和 8 月又发生了多次安全限制与算力重新分配。不能确认的是，Simon 提到的 7 月中旬 token 激增是否由 Astra 内部开放直接造成；官方文章没有给出这个因果结论。
这份披露的价值在于提供了可量化但仍有限的内部视角：Agent 正在加快编码、实验和排障，但研究方向、结果判断、部署决策以及大量复杂任务的纠偏仍由人类负责。数据来自 OpenAI 自己的系统与分类方法，测量覆盖并不完整，也不能直接外推到其他实验室。
官方资料：https://openai.com/index/research-acceleration-view-inside-openai/
原作者：Simon Willison（@simonw），2026 年 9 月 6 日
原帖：Simon Willison on X: "Interesting details in here about how OpenAI researchers are using coding agents I'd love to know what caused the huge uptick in token spend in mid-July, was that when Astra became available to employees?" / X