如果一个 AI 不只是回答问题，而是能够自己阅读代码、修改实验、运行测试、分析结果，连续工作数小时，它应该算聊天机器人，还是一名研究助理？

9 月 6 日，OpenAI 公布了一组内部数据，并表示已经达到此前设定的“自动化研究实习生”目标。

这里的“实习生”并不是一个新模型名称，而是对 Agent 工作能力的定义： 在人类指导下，完成边界明确的研究任务，包括原本需要专业研究人员花费数天才能完成的工作。

比这个定义更值得开发者关注的，是 OpenAI 同时披露的三组数据：

Agent 带来的变化，可能不只是“一个人工作得更快”，而是一个人开始同时管理多个数字执行者。

600 美元，不等于每人每天真的交了600美元

这个数据很容易被误读。 OpenAI 原文说的是：

using more than $600 per day of inference at API prices

也就是按照 API 公开价格折算，研究人员每天使用的推理资源超过 600 美元。 它不一定等于每个人实际收到的账单，也不代表普通开发者使用 Agent 必须花这么多钱。 真正重要的信息是：当 Agent 从偶尔调用，变成全天运行、并发执行和反复验证之后，Token 消耗模式会发生根本变化。

User asks question
  ↓
Model answers
  ↓
Call ends


研究型 Agent 的运行过程更接近：

Analyze task
  ↓
Read code and materials
  ↓
Make execution plan
  ↓
Modify code
  ↓
Run experiment
  ↓
Read errors
  ↓
Revise
  ↓
Verify result
  ↓
Generate report


一次用户指令，背后可能触发几十次模型调用、工具调用和上下文读取。 所以，Agent 时代真正应该计算的，不再只是“每百万 Token 多少钱”，而是： 完成一个有效任务，最终需要多少钱？

为什么一个工作日能跑出3.1个Agent人天

人类一天通常只能持续处理一条主要任务链，但 Agent 可以并发运行。 例如，一名开发者可以同时启动：

开发者不需要等待第一项任务彻底结束，再开始第二项任务。 这也是 OpenAI 数据中值得注意的变化：越来越多研究人员会同时运行 4 个或更多 Agent，其中还包括 Agent 自动创建的子 Agent。

这意味着生产力的基本单位正在变化。 以前衡量的是： 一个人一天写了多少代码

并发本身并不等于效率。如果四个 Agent 同时走错方向，只会更快地消耗预算。

OpenAI 还公布了一个容易被标题忽略的数据： 在最终成功的 4～8 小时任务中，超过一半至少发生过一次人类干预。

这说明当前的 Agent 已经可以执行长时间任务，却仍然不能简单地“启动后不管”。 人类仍然需要负责：

因此，一个可靠的 Agent 系统不能只有模型调用，还需要任务边界、预算限制、超时控制和人工接管机制。

普通开发者应该怎样控制Agent成本

最危险的做法，是让所有任务无差别地使用高成本模型，并允许 Agent 无限重试。 更合理的方式是先把任务分层。

第一层：低成本模型处理高频任务

第二层：高能力模型处理关键任务

遇到以下情况时，不应该继续自动重试：

模型越强，不代表所有步骤都应该使用它。真正可控的 Agent 工作流，通常是把模型能力和任务难度对应起来。

一个简单的多模型Agent调度示例

下面使用 OpenAI 兼容接口演示基本思路。 模型名称不写死在代码里，而是通过环境变量配置。这样可以根据当前可用模型和预算随时调整。

import asyncio
import os

from openai import AsyncOpenAI

client = AsyncOpenAI(
    api_key=os.environ["OPENAI_API_KEY"],
    base_url="https://genvis.xyz/v1",
)

FAST_MODEL = os.environ["FAST_MODEL"]
STRONG_MODEL = os.environ["STRONG_MODEL"]

MAX_PARALLEL = 3
MAX_OUTPUT_TOKENS = 1200
TIMEOUT_SECONDS = 180

semaphore = asyncio.Semaphore(MAX_PARALLEL)


def select_model(task_level: str) -> str:
    if task_level in {"review", "debug", "architecture"}:
        return STRONG_MODEL

    return FAST_MODEL


async def run_task(task: str, task_level: str) -> str:
    model = select_model(task_level)

    async with semaphore:
        response = await asyncio.wait_for(
            client.chat.completions.create(
                model=model,
                messages=[
                    {
                        "role": "system",
                        "content": (
                            "You are a development collaboration Agent. "
                            "Analyze task boundaries first, then execute; "
                            "if information is insufficient, state it clearly "
                            "instead of guessing repeatedly."
                        ),
                    },
                    {
                        "role": "user",
                        "content": task,
                    },
                ],
                max_tokens=MAX_OUTPUT_TOKENS,
                temperature=0.2,
            ),
            timeout=TIMEOUT_SECONDS,
        )

    return response.choices[0].message.content


async def main():
    tasks = [
        run_task("Summarize the main errors in this service log", "routine"),
        run_task(
            "Check whether the payment callback has a double-charging risk",
            "review",
        ),
        run_task(
            "Analyze possible causes of the sudden increase in API latency",
            "debug",
        ),
    ]

    results = await asyncio.gather(
        *tasks,
        return_exceptions=True,
    )

    for index, result in enumerate(results, start=1):
        if isinstance(result, Exception):
            print(f"Task {index} failed: {result}")
        else:
            print(f"Task {index} result:\n{result}\n")


asyncio.run(main())


真正投入使用时，还可以继续增加：

不要只统计调用量，要统计成功任务

如果只看 Token 数量，很容易得出错误结论。 一个便宜模型调用了十次仍未解决问题，可能比高能力模型一次完成更加昂贵。

比较 Agent 成本时，至少应该记录以下指标：

单个成功任务成本 = 所有相关调用成本 ÷ 通过验证的任务数量

这个指标比单纯比较模型单价更接近实际生产价值。

Agent的下一步，不是完全取代研究人员

从 OpenAI 公布的数据看，Agent 已经能承担越来越长、越来越复杂的工作，但高层规划仍然只占 Agent 输出的一小部分。 人类目前依然负责：

因此，“自动化研究实习生”更准确的理解不是 AI 替代了一名完整研究人员，而是研究人员开始拥有一支能够并行执行任务的数字团队。

真正拉开差距的，也许不再是谁能调用到模型，而是谁能把任务拆分、模型路由、预算控制、自动验证和人工决策组合成一套稳定工作流。

当 Agent 从对话工具变成生产系统后，模型只是其中一部分。 接口稳定性、成本统计、任务审计和失败切换，才会决定这支“数字团队”究竟是在创造产出，还是在持续消耗 Token。

OpenAI：Research acceleration—The view inside OpenAI

OpenAI 的“AI研究实习生”上岗了：1个人类工作日背后，已经运行3.1个Agent人天

人工智能

OpenAI内部数据显示，其"自动化研究实习生"Agent每天消耗超600美元推理资源，前10%研究人员日耗7000美元，每1个人类工作日运行3.1个Agent工作日。Agent从对话工具变为并行执行任务的生产系统，关键成本指标从Token单价转向单个成功任务总成本，且过半长时间任务需人工干预，人类仍负责决策与验证。

聊天机器人

单元测试

代码解释

路由

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

OpenAI 的“AI研究实习生”上岗了：1个人类工作日背后，已经运行3.1个Agent人天

OpenAI 的“AI研究实习生”上岗了：1个人类工作日背后，已经运行3.1个Agent人天

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐