网易首页 > 网易号 > 正文 申请入驻

OpenAI研究员每天烧2.3万美元养“AI打工人”,智能体一天干完64小时的活,但人类工程师开始卡住整条流水线

0
分享至

OpenAI 11月18日那份内部报告里,有一组数字让我盯着看了很久。

以API标价折算,2026年10月,OpenAI研究员每天在智能体上的花费中位数是2,400美元,前10%的人烧到23,000美元——一天两万三。9月到10月,这两个数字分别涨了62%和105%。

更直观的指标是“智能体工作日”:每8小时的智能体使用算作一个工作日。每位研究员每天平均的智能体工作日,从年初的0.5个飙到了5.7个,增长了11倍。预训练和后训练团队更是到了8个——一个人工作8小时,他的AI分身在同一段时间里并发干完了64个小时的活。

然后是一条更安静的线索:在101名研究员的匿名调查里,中位数回答是“愿意裁掉团队40%的人,或者削减30%的核心算力”,只为换回前沿编码智能体再留三个月”。

AI能干的活越来越多了,但能干“最后那一下”的人,越来越不够用了。



46%的“零干预”不是均匀的:沟通类69%能自己干,写推理服务栈只有25%

OpenAI给了一个很克制的核心指标:2到4小时人类工作量的任务,智能体在无人干预下完成的比例,从3月的23%升到了10月的46%。4到8小时的任务从13%升到35%。

但46%这个平均数掩盖了真正的分化。按任务类型拆开:沟通类69%,分析类58%,构建类43%。按具体任务拆,监控训练运行能到79%,回答技术问题72%,但启动训练运行只有35%,搭建评估和强化学习环境29%,写推理和服务栈的代码只有25%。

“AI能自己干一半的活”和“你的活AI能不能自己干”是两个问题。如果你在搭评测环境、写推理服务栈,那25%的完成率意味着大部分工作仍然需要你亲手拆解和收尾。OpenAI自己在报告里也承认,这些“弱任务类型”可能成为整体提效的瓶颈。

这也是“人类成为瓶颈”这句话的真实含义:瓶颈的精确位置,在“定义正确”和“收尾验证”这一段,而不是“写代码”那一段。



同样一个任务,Claude Code烧掉的输入Token是Codex的2.1倍:工具选错,AI越勤快账单越贵

研究员每天几千到两万美元的花费,不是凭空烧出来的。我翻了一组同任务的对照数据,差距比想象中大。

同一个“做一个打砖块浏览器游戏”的编码任务,Claude Code平均消耗101,440个输入Token、8,204个输出Token,68秒完成,API成本$0.41;Codex平均消耗48,384个输入Token、3,338个输出Token,37秒完成——输入Token只有Claude Code的48%,输出Token只有41%。

差距的根源在“还没开始干活”的那一刻就已经产生:一个字的回复,Claude Code要先发35,771个输入Token,Codex只要14,678个,前者重了144%。这3.5万个Token是每次请求的固定开销,主要来自系统提示词和缓存前缀。

另一个独立测试的口径更极端:Claude Code + Sonnet 5.5(max)单任务成本$14.19,Codex + Sol(xhigh)$1.04,差了13倍以上,而Codex在xhigh档位达到了与Claude Code匹配的基准分数。

“AI干活越多,账单越大”是必然的。但“同样的活,用哪个工具干”能让账单差出数倍——而这部分钱,和你让AI多干了多少活没有关系,纯粹是工具选择的代价。



子智能体是“看不见的那一半账单”:有人一个月48.1%的Token花在后台,中位数首次请求47,117个Token

OpenAI研究员的2.3万美元是“看得见”的:他们用内部工具,知道自己花了多少。普通开发者的风险在于,你看到的账单只是一半。

subagent-budget 这个工具的作者做过一次真实统计:一个月455个会话、2,631次子智能体运行,子智能体消耗了全部Token的48.1%,中位数子智能体的第一次请求就有47,117个Token。Simon Willison的原话被引用在工具文档里:“hard budget caps, please, now.”

仪表盘不解决这个问题。如果一条上限不能拦住启动,它就只是一个建议。subagent-budget 的做法是把上限接进Claude Code的hook系统:子智能体启动之前就检查预算,超了就拒绝启动,退出码非零,原因写到stderr,Agent自己能看到为什么被拦

配置不复杂。先初始化,再给不同类型的子智能体分别设上限:

"subagent-budget init --default-tokens 1000000 --default-usd 50
subagent-budget set-budget --pattern "Explore*" --tokens 200000 --usd 10"

然后在~/.claude/settings.json的~/.claude/settings.json hook里挂上 subagent-budget hook --event pre ,每次Task工具调用之前都会过一遍累计用量检查。

另一个工具cc-probeline走的是“实时显示”路线:每一轮对话单独定价,子智能体的花费单独列出来,缓存重建的费用用美元显示,超出套餐额度直接标金额而不是百分比。它不拦,但让你在还能行动的时候看到

两种工具解决两个问题:subagent-budget解决“跑疯之前停住”,cc-probeline解决“跑疯的时候你知不知道”。两个都装上,你才真的拥有对自己账单的可见性和控制权。



“科研品味”开始转移:GPT-6.2 Astra的核心洞见,是在和Codex的对话里冒出来的

36氪和新智元的报道里有一段细节,比2.3万美元更值得读两遍。

开发较早版本的GPT-6 Astra时,OpenAI研究员还能骄傲地说:核心科研想法完全是人想出来的,模型只是一个高级码农。到了GPT-6.2 Astra,预训练团队的研究员承认,核心洞见是在与Codex的反复对话中诞生的。一位研究员说,Codex在共同推进一个想法时精准地识别出了关键洞见;另一位说,自己的想法一开始走进了死胡同,“只有在Codex建议做出改变后,整个想法才真正开始奏效”。

AI开始拥有“科研品味”——发现问题,而不仅仅是解决问题。当它能判断“什么样的架构更有前途”“什么样的数据更好”时,瓶颈就从“谁能写出来”转移到了“谁能判断什么值得写”。

这并不意味着人的判断不重要了。它意味着判断的入口变了:以前你判断的是“这段代码对不对”,现在你判断的是“这个方向值不值得让几十个智能体跑一晚上”。后者需要的不是更快的审查速度,是更准的问题定义。



你的判断力是在增值还是被闲置:三个信号,和一条可操作的底线

信号一:你批准一个Agent产出的时间,和你理解它的时间,差距在拉大。2.3万美元/天的研究员不是不审查,是他们审查的对象变了——从“每一行代码”变成“这个方向对不对”。如果你还在用“逐行看完”的方式审查AI产出,你会在某个时刻发现审查速度永远追不上生成速度。

信号二:你花在“定义什么算完成”上的时间,少于花在“检查有没有完成”上的时间。智能体零干预成功率46%意味着一半的任务它自己能跑完,另一半需要你在中途介入。介入的质量取决于你在任务开始之前有没有写清楚验收标准。没有验收标准的Agent任务,等于你放弃了在结果出现时说“不对”的依据。

信号三:你不再需要手动写代码,但你也说不清楚“为什么这个方案比那个好”。当“实施已廉价,品味才是最贵的能力”成为共识,你的价值不在“能写”,在“能判断”。如果你把判断也外包给AI,你和那个被裁掉的40%没有区别。

底线只有一条:保留一个不经过AI的判断环节。不需要每个任务都做,但在“这个模块以后可能要改”“这个决策要签字”的地方,关掉AI,用自己的话把“为什么这样做”说一遍。说不清楚的地方,就是你理解债务的利息已经到期的地方。



OpenAI那份报告里还有一个数字容易被忽略:截至9月,智能体使用的API等价价值,已经是研究员非股权薪酬的两倍,而内部部署只占研究算力的2%。AI的产出在放大,AI的消耗在放大,但“谁来判断这些产出值不值得”这件事,没有被放大。

研究员愿意裁掉40%的团队换智能体,因为智能体能写。但能写的东西越多,能判断“什么值得写”的人就越稀缺。你的判断力是最后一道防线,也是唯一还在增值的资产。别把它也交给那个每天烧2.3万美元的“超级打工人”。

声明:内容由AI生成

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

娱深有瓜
2026-11-22 14:05:10
从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

巢客HOME
2026-11-22 13:55:04
河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

基斯默默
2026-11-22 09:38:25
新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

平静话社保
2026-11-22 09:56:38
德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

你是我心中最美星空
2026-11-22 05:46:42
环球体育:博卡2-0米内罗竞技,三夺南美杯

环球体育:博卡2-0米内罗竞技,三夺南美杯

懂球帝
2026-11-22 09:08:03
NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

娱乐嗑学家.
2026-11-08 11:37:18
董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

念洲
2026-11-22 08:49:31
二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

言过于诚
2026-11-21 21:03:49
普京和特朗普专机差距到底有多大

普京和特朗普专机差距到底有多大

观界z
2026-11-21 15:05:48
黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

指忘崖
2026-11-22 08:31:37
记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

懂球帝
2026-11-22 14:44:20
佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

懂球帝
2026-11-22 05:36:11
因担心变同性恋,父亲逼儿子与后妈发生性关系

因担心变同性恋,父亲逼儿子与后妈发生性关系

侠客栈
2026-11-21 11:37:29
金饰克价年内大跌超650元

金饰克价年内大跌超650元

21世纪经济报道
2026-11-21 13:31:39
新一轮冷空气来了,四川多地降雨降雪降温

新一轮冷空气来了,四川多地降雨降雪降温

掌上金牛
2026-11-22 11:53:57
李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

政知新媒体
2026-11-22 14:27:53
深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

宇宙时空
2026-10-12 11:58:16
末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

替补席看球
2026-11-22 17:14:58
不忍了!北约突然掀桌,准备直捣俄罗斯腹地

不忍了!北约突然掀桌,准备直捣俄罗斯腹地

今观天下
2026-11-07 07:49:23
2026-11-22 18:48:49
阿鑫讲ai
阿鑫讲ai
专门讲解现阶段高热度的AI
134文章数 16关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

游戏
教育
本地
手机
健康

PC Gamer试玩GTA6百小时:双主角出色但任务重复

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

手机要闻

星芒OSTA O1 Pro新机确认支持华为自研Wi-Fi 7+芯片级协同技术

医生眼里"很伤腰"的椅子,很多人天天坐

无障碍浏览 进入关怀版