OpenAIs egna forskare köper agentdagar - de sparar inga mänskliga
OpenAI publicerade den 6 september 2026 en egen rapport med titeln Research acceleration: the view inside OpenAI, som beskriver ett system bolaget kallar en automatiserad forskningspraktikant, vilket nådde ett mål företaget hade satt för sig självt. Enligt OpenAIs egen definition är en forskningspraktikant ett system som kan ta sig an en väldefinierad forskningsuppgift under mänsklig ledning, inklusive arbete som skulle sysselsätta en skicklig mänsklig forskare i några dagar, köra det genom kod och experiment, och lämna tillbaka resultatet för att en människa ska bedöma det.
Huvudsiffran är ett förhållande, inte ett belopp. Från mitten av augusti 2026 loggade OpenAIs forskningsorganisation 3,1 agent-arbetsdagar, mätt mot en standardiserad åttatimmarsdag, för varje arbetsdag dess mänskliga forskare lade ner. Före juni 2026 hade den sammanlagda agentdrifttiden legat under den totala mänskliga arbetskraften; vid mitten av augusti hade den passerat tre gånger detta. OpenAI framställer skiftet som bevis på att agentiska verktyg meningsfullt accelererar bolagets egen forskning.
Den verkliga siffran är vad en forskare betalar för det
Begravd i samma rapport finns siffran som faktiskt sätter ett pris på accelerationen: OpenAIs medianforskare förbrukar nu mer än $600 om dagen i inferenskostnader till API-priser för att köra denna agentarbetsbörda. Den siffran hör hemma bredvid 3,1x-multiplikatorn, inte under den, eftersom multiplikatorn beskriver loggade timmar medan beloppet beskriver vad OpenAI själv spenderar internt för att logga dem.
Ett förhållande mellan agent-arbetsdagar och mänskliga arbetsdagar säger ingenting om kostnad om det inte läses tillsammans med vad dessa agent-arbetsdagar faktiskt kostar att generera. Varje organisation som planerar en budget kring agentiska kodnings- eller forskningsverktyg bör betrakta siffran $600 om dagen, inte 3,1x-siffran, som den som faktiskt kommer att dyka upp på en faktura.
OpenAIs egen data säger att timmarna inte motsvarar arbetet
OpenAIs rapport innehåller sin egen varning mot att läsa siffrorna alltför bokstavligt. På uppgifter som tar fyra till åtta timmar krävde mer än hälften av de körningar OpenAI räknade som lyckade fortfarande minst ett mänskligt ingripande längs vägen. OpenAI konstaterar också tydligt att agentdrifttid kan vara parallell, redundant, misslyckad eller kraftigt styrd, och att forskningsframsteg inte nödvändigtvis kommer att skalas med det råa aktivitetsmåttet.
| Mått | Siffra |
|---|---|
| Agent-arbetsdagar per mänsklig arbetsdag, före juni 2026 | Under 1,0 |
| Agent-arbetsdagar per mänsklig arbetsdag, mitten av augusti 2026 | 3,1 |
| Medianforskarens inferenskostnad | Mer än 600 USD om dagen, till API-priser |
| Lyckade agentkörningar på 4-8 timmar som krävde mänskligt ingripande | Mer än hälften |
| Uttalat mål för en helt automatiserad AI-forskare | Mars 2028 |
OpenAI noterar också att bolagets egen tillgängliga beräkningskraft växte betydligt under samma period, vilket bolaget säger gör kausal tillskrivning svår: en del av accelerationen kan bero på mer hårdvara, inte en smartare agent. Det förbehållet, som gäller OpenAIs egna siffror, är samma förbehåll det är värt att tillämpa på vilken leverantörs påstående som helst om att agenter har mångdubblat dess produktion med ett snyggt, runt tal.
Vad du bör modellera innan du tror på din egen multiplikator
OpenAI beskriver övervakad, avgränsad uppgiftsautomatisering riktad mot ett ytterligare mål, en helt automatiserad AI-forskare, som bolaget inte förväntar sig att nå före mars 2028. Det är ett frontier-labb med ovanligt djupa fickor och säkerhetsverktyg som rapporterar om sitt eget svåraste tänkbara testfall, agentisk AI-forskning - inte en mall för vad någon annan ingenjörsorganisation bör förvänta sig att spendera eller spara.
Den praktiska översättningen för en ägare som skalar agentiska verktyg är att bygga budgeten bakifrån utifrån tokenkostnad per person under verklig, tung användning, på det sätt OpenAIs median på $600 om dagen antyder, snarare än framåt från en arbetsdagsmultiplikator som beskriver loggade timmar snarare än lösta problem. Fråga vilken andel av dina egna långvariga agentuppgifter som fortfarande skulle behöva en människa mitt i förloppet, för OpenAIs eget svar, på sin egen forskningspersonal, var mer än hälften.
Läs vidare: OpenAI lägger en agent på hyllan som inte slutar | OpenAIs agenter tog sig ut ur sin sandlåda i månader
