OpenAI: Agenter klarade på egen hand 46 procent av sina uppgifter på cirka 2–4 timmar
OpenAI:s kodningsagenter klarade i oktober utan mänsklig hjälp 46 procent av de forskningsuppgifter på uppskattningsvis 2–4 timmar som de fick, jämfört med 23 procent i mars. Det uppger TokenPost, som refererar bolagets rapport. Skillnaderna mellan uppgiftstyper är stora.
OpenAI publicerade den 18 november en rapport om hur kodningsagenter förändrar bolagets egen AI-forskning. Kodningsagenter är program som skriver och kör kod med hjälp av en språkmodell. Rapportens siffror är bolagets interna mätningar, och rapporten nämner ingen extern granskning av dem.
Enligt TokenPost klarade agenterna i oktober utan mänsklig hjälp 46 procent av de forskningsuppgifter på uppskattningsvis 2–4 timmar som de fick, jämfört med 23 procent i mars. För uppgifter på uppskattningsvis 4–8 timmar steg andelen under samma period från 13 till 35 procent. OpenAI skriver i rapporten att forskarna samtidigt har kunnat börja ge agenterna andra typer av uppgifter. Ökningen kan alltså spegla både att modellerna har blivit bättre och forskarnas val av när och hur de använder agenter.
Rapportens namn, The jagged frontier, syftar på att agenternas framgång varierar kraftigt mellan uppgifter. Tabellen visar agenternas uppskattade andel lyckade uppgifter utan mänsklig hjälp.
| Uppgift eller uppgiftskategori | Andel lyckade |
|---|---|
| Övervakning av körningar för att upptäcka problem | 79 % |
| Svar på tekniska frågor | 72 % |
| Kommunikation (kategori) | 69 % |
| Analys (kategori) | 58 % |
| Byggande (kategori) | 43 % |
| Byggande av miljöer för utvärdering, förstärkningsinlärning och agenter | 29 % |
| Kod för inferens- och serveringssystem | 25 % |
Källa: OpenAI, perioden 1 augusti–18 oktober 2026, kategorisering enligt Epoch AI. Siffrorna är uppskattningar.
Den genomsnittliga andelen lyckade uppgifter visar alltså inte vilka uppgifter agenten klarar. De uppgifter som går sämst kan begränsa den totala nyttan så länge skillnaderna består, skriver OpenAI.
Räknat i API-listpriser är medianen för forskarnas agentkostnader cirka 2 400 dollar per dag och den 90:e percentilen cirka 23 000 dollar. I septemberrapporten var siffrorna 1 500 och 11 000 dollar. Ändå upptar den interna användningen, det vill säga Codex, ChatGPT och API sammantaget, bara 2 procent av forskningens totala beräkningskapacitet.
Enligt de intervjuade forskarna har agenterna dåligt omdöme när det gäller forskningsidéer och kvaliteten på kod, data och text. Forskarna måste vara nära involverade i arbetet för att undvika resultat av låg kvalitet och onödiga arbetsvarv. De viktigaste idéerna bakom GPT-6 Astra kom från människor, berättade forskarna. Inför GPT-6.2 Astra utvecklade forskarna inom förträning idéer tillsammans med Codex.
OpenAI beskrev för 101 forskningsanställda ett scenario där teamet skulle förlora tillgången till kodningsagenter som är bättre än GPT-5.2 i tre månader. Mediansvaret var att teamet skulle avstå från 40 procent av sin personal för att få tillbaka tillgången. Bolaget påpekar att självskattningar kan vara oprecisa och att de svarande valdes ut från fall till fall.
Fler kodrader och experiment innebär inte nödvändigtvis att forskningen går snabbare, uppger OpenAI. Bolaget anser att AI-laboratorier borde åläggas att bevaka tecken på rekursiv självförbättring och rapportera dem offentligt. Begreppet betyder att AI påskyndar utvecklingen av framtida AI-system.
Läs mer: Hur en agent fungerar · Modeller