你可以把一场 AI 实验想成做一道复杂菜：研究员不只要想菜单，还要备料、开火、盯锅、排查炉灶故障，最后再尝味道。过去，许多时间耗在这些具体操作上。现在，OpenAI 正把其中一部分交给编码 Agent——能读取代码库、修改文件、运行命令并检查结果的 AI 系统。
这件事值得现在看，因为 Agent 已不只是帮人补几行代码。它开始搭建实验、排查基础设施、监控运行并分析结果。研究员的角色也随之变化：少做一些逐步操作，多做目标分配、结果核验和任务协调。
9月6日，OpenAI 公布了一批内部观察，称自己达到了此前设定的“自动化研究实习生”目标。不过，本文数字和判断均来自 OpenAI 单一官方信源，尚无外部评估，不应视为编码 Agent 已普遍加速科研的独立证明。
工作台变成了调度中心
据 OpenAI 官方披露，这名“自动化研究实习生”可以在人类指导下，完成界定清楚、原本需要熟练研究者数日处理的任务。这里的限定很重要：任务要清楚，人仍负责指挥。它还不是能够自己提出问题、设计研究路线并判断科学价值的独立研究者。
但使用强度已经相当高。截至8月中旬，按 API 价格计算，OpenAI 研究组织中的中位使用者每天消耗超过600美元的 Agent 推理资源。每投入一个人类工作日，组织同时调用约3.1个 Agent 工作日；不少研究员会并行运行四个以上 Agent，让它们分别处理不同任务。
这就是“并发 Agent 工作流”：一个人同时调度多个 AI 助手。它像把串行工作改成多条流水线，可以增加并行产出，但人仍要划分目标、核验结果，并处理任务之间的依赖。
一个很直观的变化出现在办公室答疑时间。OpenAI 称，过去基础设施团队会定期开设 office hours，帮研究人员排查实验故障。2026年，到场人数持续下降，其中一支团队干脆取消答疑，把时间转去改善系统。内部求助频道的发帖量也在减少，而且暂时没有证据表明问题只是转移到了另一个人工频道。Agent 最先接走的，可能不是科学家的灵感工作，而是反复修环境、查故障的工程杂务。
实验更多，不等于发现更多
OpenAI 报告称，2026年每名活跃实验者运行的实验数持续增加，8月达到自2025年1月开始追踪以来的最高点。公司同时提醒，这一变化既与 Codex 的采用有关，也与可用算力增长有关，不能把全部增量归功于 Agent。
内部分类还显示，1月至8月，各类研究活动的 Agent 用量都在增加，其中技术协助和运行监控增长明显。相比之下，高层规划仍只占 Agent 输出 Token——模型处理和生成文本时使用的基本计量单位——的一小部分。
这组结构比“实验数量创新高”更能说明边界。Agent 擅长的是目标相对明确、结果能够检查的任务。至于该研究什么、一个结果是否重要、下一条路线值不值得追，它承担得仍然很少。
研究迭代速度指从提出想法，到编写评估、运行实验并分析结果的周转速度。Agent 可以缩短其中若干环节，但代码量和实验数只是代理指标，也就是用来间接观察进展的替代数字。它们增加，不代表科学进展按同样比例增加。
越复杂的任务，人越不能离场
OpenAI 称，在结果可以核验的任务中，1月至7月多个难度档的成功率总体上升。但复杂任务仍需要明显的人工引导：过去六个月里，那些最终成功、耗时4至8小时的任务中，超过一半至少发生过一次人工干预。
这让“实习生”这个称呼显得比“自动科学家”更准确。它可以连续干活，也能同时开多个任务，却仍需要有人定题、检查和纠偏。研究人员并没有退出流程，而是从亲手完成每一步，转向管理一组速度更快、但判断力有限的执行者。
这种变化也常被联系到 RSI（递归自我改进）——AI 参与改进下一代 AI，并形成能力提升反馈循环的设想。OpenAI 的内部研究自动化可以算作一个早期相关指标，但它并不能证明完整的 RSI 已经实现。
真正改变的是组织方式
眼下最值得关注的，不是 Agent 是否已经“取代研究员”，而是 AI 研发可能开始重新分工。明确、可核验、工程步骤多的任务逐渐交给 Agent；人类把更多精力放在提出问题、安排优先级、处理例外和判断结果上。
这也会改变瓶颈的位置。当写代码和跑实验变快后，计算资源、任务协调、结果审核，以及那些难以自动化的研究判断，可能变成新的限制。OpenAI 自己也明确表示，这些测量仍属初步，代码和实验数量很难直接解释为整体研究进步。
局限与未知
- 现有材料没有披露完整样本量、统计口径和对照设计，因此无法判断 Agent 对研究速度的净贡献。
- 所有数据都来自 OpenAI 内部，尚缺少外部团队复现或独立评估。
- 实验更多、周转更快是否会稳定转化为更重要的科学发现，目前仍没有答案。