RSI 日：OpenAI 自称达到自动研究实习生，人均 Agent 日花费冲到 600 美元

结论

OpenAI 把 9 月 6 日当成 RSI 日（Recursive Self-Improvement，递归自我改进：系统用自己的产出再改进自己）。Simon Willison 读完内部报告 Research acceleration: The view inside OpenAI，第一反应是：文中连 RSI 缩写都不展开，同时挂出首席科学家 Jakub Pachocki 的另一篇 An Alien Mind。他真正截下来的是一张图：编码 Agent 正在改写研究员的日常——中位花费从年初接近零，爬到 8 月中超过 每天 600 美元（按 API 牌价计推理）。对工程师，这篇短评的用法是：把官方自报的「自动研究实习生」当进度声明，把花费曲线当校准样本，去对照自己团队的日账单、并发 Agent 数，以及人还该抓住哪些环节。

要点

• 「自动研究实习生」是 OpenAI 自己定的里程碑，不是第三方认证。 官方说已达到去年秋天宣布的目标：系统能在人的指导下完成定义清楚的研究任务，包括熟练研究员要花几天的那种。下一步是 2028 年 3 月的「自动 AI 研究员」。人仍决定研究方向、哪些结果值得跟、何时扩规模/暂停/上线——自动化的是执行，不是选题权。

• 花费曲线比口号更具体。 按 Agent 用量排名，2026 年初中位研究员几乎不怎么用编码 Agent；到 8 月中，中位已是每天 >$600 推理，研究组织里 90 分位超过 $7000/天。Simon 贴出的图：纵轴是「Daily $ / researcher」，2 月贴地、4 月约 50、6 月约 150，7 月中旬仍在 150–165 平台，然后陡升到约 600。

• 7 月底那一跳，Simon 猜是内部先用上了后来发布的 GPT-6 Astra。 这是他的判断，不是 OpenAI 原文写明的。对你有用的读法：新模型一旦进内部工具链，账单形状会突然变，不要用「上季度均值」去估本周额度。

• Agent 工时已经超过人。 以标准 8 小时工作日计，6 月之前研究组织的 Agent 总运行时间还低于人类劳动；到 8 月中变成每 1 个人类工作日对应 3.1 个 Agent 工作日。同时，同时开 4 个及以上 Agent（含下游子 Agent）的人数在涨——工作方式从「开一个窗口盯着」变成「编排一小队」。

• Agent 接的活在变，但高层规划仍几乎不交出去。 OpenAI 用 Epoch AI 的研发六阶段（决定做什么、设计、构建代码/数据、跑实验、分析、沟通）给 token 分类：从 1 月到 8 月每一类都在涨，最大头仍是写研究与基础设施代码；增长更显眼的是技术排障和监控正在跑的实验。内部求助频道的顶层帖在减少，有的团队连排障 office hours 都停了。但「决定做什么」在 Agent 产出里仍是很小一块。

• 更长的任务仍要人中途转向。 官方用「人类需要多久」当难度代理：成功率 1 月到 7 月整体上升，但过去半年里，成功的 4–8 小时任务超过一半至少被人工干预过一次。Agent 工时 3.1 倍 ≠ 无人值守。

怎么做

1. 先对照官方图，再读自己的账单。 打开 Simon 的摘录和 OpenAI 原文，看清「Daily $ / researcher」的拐点。然后在你们的 Cursor / Codex / 内部 Agent 控制台拉同样两列：人均日花费、同时活跃会话数。没有这两列，就无法判断「我们是不是已经过了 6 月那种平台期」。

2. 按阶段分活，不要把整条研究/交付链丢给同一个 Agent。 学六阶段的切法：选题、优先级、要不要扩规模——人拍板；写脚手架、修基础设施、盯训练/评测是否挂掉——交给并发 Agent。提示里写清验收标准（日志关键字、评测分数、PR 必须带测试），避免「帮我推进一下」这种无法判定成败的句子。

3. 默认按「小队」编排，而不是单窗口深聊。 能拆的任务拆成 3–5 个并行会话（调研、实现、复现、写评测），自己只做调度和抽查。超过这个数就要有工单/会话标题，否则你会忘了哪个 Agent 卡在哪——OpenAI 自己后来也遇到「人变成 Agent 监工」的瓶颈。

4. 4 小时以上的任务预留转向，不要假设一次跑完。 中途看中间产物（diff、曲线、失败日志），用短指令纠偏。统计「成功但被干预过」的比例；若接近官方那条「一半以上」，说明你的 harness（工具、权限、状态回传）还不够，该补的是环境，不是再加一句「一定要做对」。

5. 新模型内测期单独记账，并准备算力改道。 若团队突然用上更强模型（Simon 对 Astra 的猜测就是这种事件），把账单告警阈值按「平台期 × 3～4」重设一周。同时记住：OpenAI 在 7 月 20 日因 Agent 碰到研究基础设施、8 月 7 日因 Astra 可能触及 Preparedness 的 Critical 网络能力，都收紧过训练环境——花费上升和安全刹车会同时出现，备用模型路由要比「全员绑死一个新旗舰」更稳。

关键图表

Simon 截下的官方图：7 月中旬仍在约 150 美元平台，随后陡升——他猜测拐点对应内部用上后来发布的 GPT-6 Astra（图源：Simon Willison / OpenAI）