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
重磅!英伟达突然对华停售H200芯片

重磅!英伟达突然对华停售H200芯片

大厂财经社
2026-11-18 23:43:23
11月19日,人社部与财政部有发布,关于2026年调整养老金的通知文件吗?

11月19日,人社部与财政部有发布,关于2026年调整养老金的通知文件吗?

小谈食刻美食
2026-11-19 20:44:49
ESPN爆料詹姆斯向76人教练组提出要求,遭詹姆斯社媒直接开怼

ESPN爆料詹姆斯向76人教练组提出要求,遭詹姆斯社媒直接开怼

夜白侃球
2026-11-19 19:40:55
比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

墨策史
2026-11-14 02:15:05
调查发现:若晚餐经常吃太早,用不了半年,胰腺或迎来7个改变

调查发现:若晚餐经常吃太早,用不了半年,胰腺或迎来7个改变

人间颂
2026-11-11 16:25:07
很无奈!女子吐槽和老公出门总被认成母子:我只是脸有点大

很无奈!女子吐槽和老公出门总被认成母子:我只是脸有点大

西昆仑Bruce
2026-11-19 16:57:57
“深圳现象”下,所有广州人该有的反思

“深圳现象”下,所有广州人该有的反思

王二哥老搞笑
2026-11-19 16:41:19
民调:52%的美国人认为民主党在2028年选出的候选人将入主白宫,28%的人认为共和党将获胜

民调:52%的美国人认为民主党在2028年选出的候选人将入主白宫,28%的人认为共和党将获胜

阿尔卑斯瞭望
2026-11-19 18:51:50
“抢公章”!黄仁勋动手了

“抢公章”!黄仁勋动手了

华商韬略毕亚军
2026-11-19 10:07:29
AI复活电子垃圾之:压了十年泡面的 Kindle,终于翻身了

AI复活电子垃圾之:压了十年泡面的 Kindle,终于翻身了

果壳
2026-11-19 16:17:10
美国承认了,很多人以为美国不介入台海是还在犹豫。错了!真相是,他们早就做好了算术题:打不赢,也赔不起

美国承认了,很多人以为美国不介入台海是还在犹豫。错了!真相是,他们早就做好了算术题:打不赢,也赔不起

扶苏聊历史
2026-10-12 13:53:05
没有NTR!《GTA6》男主只能和女主上床 解锁条件曝光

没有NTR!《GTA6》男主只能和女主上床 解锁条件曝光

游民星空
2026-11-19 22:17:06
波切蒂诺走马上任亮相曼联!下机不睡觉直奔训练场,第一件事剪头发

波切蒂诺走马上任亮相曼联!下机不睡觉直奔训练场,第一件事剪头发

罗米的曼联博客
2026-11-19 06:46:58
中美建交47年,还没有任何一个在任美国总统敢落地台湾。特朗普要是破了这个例,那就是明火执仗地踩红线

中美建交47年,还没有任何一个在任美国总统敢落地台湾。特朗普要是破了这个例,那就是明火执仗地踩红线

扶苏聊历史
2026-11-18 14:15:42
不再照单全收!大批留美学者临退休扎堆回国,中国不做养老接盘地

不再照单全收!大批留美学者临退休扎堆回国,中国不做养老接盘地

浯江孤舟
2026-11-19 09:17:25
DeepSeek,千亿融资落地:外部股东囊括腾讯、中国移动、宁德时代、兆易创新等

DeepSeek,千亿融资落地:外部股东囊括腾讯、中国移动、宁德时代、兆易创新等

每日经济新闻
2026-11-19 14:51:05
21岁瘫痪时,霍金仍坚持迎娶爱人,婚后却先后育有3个子女;众人困惑孩子怎样出生,他亲自作出这样的科学答复

21岁瘫痪时,霍金仍坚持迎娶爱人,婚后却先后育有3个子女;众人困惑孩子怎样出生,他亲自作出这样的科学答复

LULU生活家
2026-11-19 16:59:58
14年深圳老酒店,凭啥接下特朗普?

14年深圳老酒店,凭啥接下特朗普?

旅界Pro
2026-11-19 07:27:00
看哭!25岁妈妈含泪记录2岁宝宝生命最后11天:“他以为好好吃饭就能活下去,我抱着孩子一秒一秒告别…”

看哭!25岁妈妈含泪记录2岁宝宝生命最后11天:“他以为好好吃饭就能活下去,我抱着孩子一秒一秒告别…”

上观新闻
2026-11-19 12:41:54
告别“长枪短炮”,外媒记者纷纷点赞:想要一台

告别“长枪短炮”,外媒记者纷纷点赞:想要一台

极目新闻
2026-11-19 17:03:52
2026-11-20 01:24:49
阿鑫讲ai
阿鑫讲ai
专门讲解现阶段高热度的AI
131文章数 16关注度
往期回顾 全部

科技要闻

提前三个月加薪!英伟达全员会稳军心

头条要闻

74岁老人拆墙让路1米多反遭网暴 女儿崩溃哭泣去报警

头条要闻

74岁老人拆墙让路1米多反遭网暴 女儿崩溃哭泣去报警

体育要闻

文班亚马也防不住这"巨兽" 无奈吐槽:悲哀

娱乐要闻

后会友期 文吉儿公然怼谈话老师陈晓楠

财经要闻

Anthropic的算力赌局

汽车要闻

方程豹钛9实测 堪称比亚迪最强混动的DMS到底怎么样?

态度原创

数码
时尚
亲子
本地
手机

数码要闻

联想Legion Go Beam掌机谍照曝光:取消标志性触控板 改用16:9屏幕

聚光时刻,2026 时尚COSMO美容大赏年度全榜单揭晓!

亲子要闻

性别中立教育真的刻不容缓啊

本地新闻

乌兰察布:以前种土豆,现在种Token

手机要闻

苹果因iPhone维修限制面临法国“计划性报废”诉讼

无障碍浏览 进入关怀版