Kasalukuyang ipinakalabas ng OpenAI ang data na dapat magbigay-pahinga at muling i-reevaluwate ang kanilang plano sa karera ng bawat knowledge worker. Hanggang mid-August 2026, ang mga AI agent ng kumpanya ay nagpapagawa ng 3.1 agent-workdays para sa bawat isang human workday sa loob ng kanilang sariling research operation.
Ang mga numero sa likod ng ratio
Ang 3.1x ay nagpapakita ng malaking pagbilis kumpara sa mga unang bahagi ng 2026, kung kailan ang AI assistance ay inilarawan bilang mas kaunti sa mga workflow ng pananaliksik ng OpenAI. Ang kumpanya ay nagtakda ng sariling layunin noong taglagas ng 2025 upang ilunsad ang tinatawag nilang “automated research intern,” isang sistema na kaya magtrabaho sa mga kumplikadong gawain na dati ay nangangailangan ng mga eksperto sa pananaliksik. Sa Setyembre 2026, sinabi ng OpenAI na natupad nila ang layuning ito.
Ang Agosto 2026 ay nagtakda rin ng rekord para sa bilang ng mga eksperimento na isinagawa bawat aktibong eksperimentador, ang pinakamataas mula nang simulan ang pagsubaybay noong Enero 2025.
Ang gastos sa pagpapatakbo ng mga agent na ito ay malaki. Ang median na mga researcher sa OpenAI ay kasalukuyang nagdudulot ng daily inference costs na hihigit sa $600. Ang top 10% ng mga user ay nagbabayad ng higit sa $7,000 araw-araw sa compute costs.
Ano ang tunay na ginagawa ng mga agent
Lumawak nang malaki ang sakop ng mga gawain na pinangangasiwaan ng mga AI agent. Ngayon, nagpapahalaga ang mga agent sa paglutas ng mga problema, pagmamasid sa mga eksperimentong pagpapatakbo, at pagpapatupad ng mas kumplikadong mga proyekto sa pananaliksik. Ang mataas na antas na pagpaplano at mga kumplikadong estratehikong desisyon ay kailangan pa rin ng pagmamasid mula sa tao.
Ang susunod na ipinahayag na marka ng OpenAI ay isang puno-puno automatizado na AI na mananaliksik bago Marso 2028.
Naging totoo ang recursive self-improvement
Kinilala ng OpenAI ang dinamika ng recursive self-improvement nang direkta, at pinahalagahan ang kaligtasan at transparensya bilang pangunahing prioridad. Iminungkahi ng kumpanya na ipinagpahinga nito ang reinforcement learning training sa isang panahon pagkatapos makaharap sa mga problema sa infrastraktura.