StartseiteArtikel

Künstliche Intelligenz ist teurer als Menschen... OpenAI: Die Betriebskosten der internen Agenten haben bereits das Doppelte der Gehälter von Forschern erreicht.

量子位2026-11-20 15:41
Pro Kopf werden täglich 2400 US-Dollar verbrannt.

Wie weit sind die Forscher von OpenAI bereits im Einsatz von KI?

Pro Kopf und pro Tag summieren sich die Aufrufe von Agenten, umgerechnet nach den offiziellen API-Preisen, auf erstaunliche 2400 US-Dollar?!

Die oberen 10 % der am intensivsten nutzenden Forscher erreichen an einzelnen Tagen sogar einen Nutzungsumfang von 23.000 US-Dollar (ca. 160.000 Renminbi).

Puh… Diese Forscher scheinen beim Einsatz von KI überhaupt kein Mitleid mit den verbrauchten Tokens zu haben.

OpenAI hat den neuen internen Forschungsbericht zu Agenten mit dem Titel »Research acceleration: The jagged frontier« veröffentlicht und alle Details zur KI-Nutzung seiner eigenen Forscher offengelegt.

Zuerst eine kurze Zusammenfassung in einem Satz für Sie alle:

Die internen Agenten von OpenAI können inzwischen fast die Hälfte (46 %) der Forschungsaufgaben, für die Menschen früher 2 bis 4 Stunden benötigten, vollständig selbstständig erledigen.

Im März dieses Jahres lag dieser Anteil noch bei nur 23 %; innerhalb von nur 7 Monaten hat er sich direkt verdoppelt.

Bei Forschungsarbeiten, für die Menschen ursprünglich 4 bis 8 Stunden aufwenden mussten, ist der Anteil der selbstständig von Agenten abgeschlossenen Aufgaben von 13 % auf 35 % gestiegen.

Die Forscher selbst sind inzwischen nicht mehr von KI zu trennen.

OpenAI hat 101 Forscher befragt:

Wenn Sie in den nächsten 3 Monaten keine Zugriff auf die modernsten Agenten haben würden, wofür wären Sie bereit, die Nutzungsberechtigung zurückzukaufen?

Die Befragten sind allgemein bereit, 40 % der Personalstellen ihres Teams oder 30 % der Rechenressourcen dafür einzutauschen.

KI erledigt an einem Tag das Äquivalent von 5,7 Arbeitstagen eines Menschen

Sehen Sie sich zuerst ein paar Zahlen an, um ein Gefühl dafür zu bekommen, wie intensiv diese Forscher die KI einsetzen.

Im Zeitraum von September bis Oktober, innerhalb eines Monats:

Die durchschnittlichen täglichen Ausgaben des mittleren Forscher für die Nutzung von Agenten sind von 1500 US-Dollar auf 2400 US-Dollar gestiegen.

Bei den oberen 10 % der Nutzer ist dieser Wert sogar direkt von 11.000 US-Dollar auf 23.000 US-Dollar gesprungen.

Der Bericht hat zudem speziell einen Indikator namens »Agent-Arbeitstag« berechnet.

Die Berechnung ist sehr einfach:

Wenn ein Agent insgesamt 8 Stunden läuft, zählt das als ein voller Arbeitstag.

Umgerechnet auf das Arbeitsvolumen kann jeder Forscher heute durchschnittlich 5,7 Agent-Arbeitstage pro Tag antreiben.

Das bedeutet, dass hinter jedem Forscher fast 6 unermüdliche KI-Assistenten stehen, die 24 Stunden am Tag, 7 Tage die Woche einsatzbereit sind.

Diese Zahl ist das volle 11-fache des vorherigen Referenzwerts.

Und alle haben sich bereits an die Arbeitsweise im »Gruppenangriff« gewöhnt.

Mehr als zwei Drittel der Forscher führen täglich mindestens 4 Agenten gleichzeitig aus; mehr als 10 % gehen noch weiter und betreiben mindestens 16 Agenten parallel.

Das ist noch nicht alles, ein Vergleich im Bericht ist besonders aufschlussreich:

Der äquivalente API-Wert der Agenten hat inzwischen das Doppelte des nicht aktienbasierten Gehalts eines Forschers erreicht.

(Obwohl bei diesem Gehalt der große Anteil der Aktien nicht mit eingerechnet ist, ist das trotzdem schon erschreckend genug …)

Das bedeutet, dass im Unternehmen OpenAI der Wert der von KI bereitgestellten Arbeitskraft auf dem Papier bereits den Wert der menschlichen Arbeitskraft übertroffen hat.

Die Forscher selbst erkennen das auch an.

Denn intern wurde eine Umfrage durchgeführt, bei der eine sehr provokante Frage gestellt wurde:

Wenn Sie drei Monate lang nicht auf die modernsten Programmieragenten zugreifen dürften, was wären Sie bereit zu opfern, um diese Nutzungsmöglichkeit zurückzuerhalten?

Die Antwort des mittleren Forschers lautet:

40 % der Mitarbeiter im Team entlassen.

Oder 30 % der Rechenkapazität des Teams aufzugeben.

Auf der einen Seite stehen KI-Agenten, die 24/7 für Sie arbeiten können, auf der anderen Seite 40 % der menschlichen Kollegen in Ihrem Team –

Kollegen & Rechenkapazität, Sie sind jetzt frei (scherzhaft).

Welche Aufgaben erledigt die KI?

So viel Geld wurde ausgegeben, so viele Ressourcen eingesetzt – aber was macht die KI eigentlich genau? Kann sie wirklich selbstständig Forschung betreiben?

Das ist die Kernfrage, aber die Antwort lautet: The jagged frontier, die Fähigkeiten sind sehr uneinheitlich verteilt.

Agenten zeigen gute Leistungen bei Aufgaben wie »Kommunikation« (69 %) und »Analyse« (58 %), erreichen aber bei der entscheidenden Aufgabe »Erstellung« nur einen Wert von 43 %.

Einfach ausgedrückt: Sie ist sehr gut darin, Informationen zu suchen, Daten auszuwerten, E-Mails zu schreiben und Experimente zu überwachen.

Aber wenn sie von Grund auf ein komplexes System aufbauen soll, gerät sie schnell in Schwierigkeiten.

Die Daten zeigen, dass die Erfolgsrate bei der Überwachung von Trainingsaufgaben 79 % beträgt, aber bei der Erstellung von Code für Inferenz und Dienste liegt die Erfolgsrate nur bei 25 %.

Dahinter verbirgt sich ein zentrales Problem, das die Forscher in Interviews immer wieder bemängelt haben:

KI-Agenten fehlt der sogenannte Forschungsgeschmack (research taste).

Modelle sind normalerweise nicht in der Lage, auf einen Schlag klar definierte Probleme vorzuschlagen, die sie selbst nicht lösen können.

Ich habe mehrmals versucht, sie anzuweisen »diese Aufgabe genau so zu erledigen wie jene Aufgabe«, aber ich bin oft enttäuscht worden, weil sie es nie richtig macht und ich alles selbst korrigieren muss.

Die Rückmeldungen der Forscher sind einheitlich:

Agenten sind hervorragende Werkzeuge für die Code-Implementierung und das Debuggen, aber sie können keine guten Probleme selbst vorschlagen, können guten von schlechtem Code nicht unterscheiden und können keine guten von schlechten Daten erkennen.

Sie müssen sie wie ein Aufseher ständig im Auge behalten, sonst produzieren sie im Handumdrehen eine Menge wertlosen »KI-Mülls« (AI slop).

Wie sieht also der heutige Arbeitsablauf zwischen Mensch und KI aus –

Menschliche Forscher sind dafür zuständig, Ideen zu entwickeln, die Richtung vorzugeben, Probleme zu definieren, wichtige Entscheidungen zu treffen und die abschließende Qualitätskontrolle durchzuführen.

KI-Agenten agieren wie eine extrem leistungsstarke Erweiterung von »Hand« und »Auge«, die Ideen schnell umsetzen und Unmengen an langweiligen Tests und Analysen durchführen.

Wie ein Forscher zum Beispiel sagte: Früher brauchte man mindestens ein bis zwei Wochen, um zu bewerten, ob ein Open-Source-Projekt gut funktioniert.

Heute? Ein Tag, maximal ein paar Tage reichen aus, um es auszuführen und ein Ergebnis zu erhalten.

Die KI nimmt heute genau diese Rolle ein: Sie ist ein hervorragender »Assistent für die Ausführung«, aber absolut kein »Chefforscher«.

Natürlich verschwimmt diese Grenze aber auch immer mehr.

Im Bericht wird ein Punkt erwähnt: Bei der Entwicklung von GPT-6.2 Astra hat das Vortrainings-Team die Entstehung einer wichtigen Idee erstmals der Zusammenarbeit in Gesprächen mit Codex zugeschrieben.

Obwohl die Grundidee von dem Menschen stammte, hat Codex eine entscheidende Modifikation vorgeschlagen, durch die das gesamte Konzept erst funktionsfähig wurde.

Beschleunigt KI tatsächlich die Entstehung neuer KI?

Der Arbeitsablauf wurde umgestaltet, die Effizienz wurde gesteigert – aber wie sieht es mit den Endergebnissen aus?

Das ist das, was alle am meisten interessiert: die sogenannte RSI – rekursive Selbstverbesserung –

Hat die Beschleunigung der eigenen Entwicklung von KI durch KI tatsächlich stattgefunden?

Die Ergebnisse zeigen, dass die Antwort eindeutig ja lautet:

Code-Ausstoß: Im Jahr 2026 ist die Anzahl der Codezeilen, die jeder aktive Mitwirkende erzeugt, im Vergleich zur Zeit vor 2025 stetig stark angestiegen.

Experimentelle Effizienz: Die Anzahl der Experimente, die jeder aktive Experimentator durchführt, hat das 1,68-fache des Referenzwerts von 2025 erreicht.

Ein noch direkterer Beweis stammt von einem internen Fähigkeitsindex von OpenAI, dem OECI.

Seit August 2025 hat die Spitzenleistung der OpenAI-Modelle jährlich um 16,4 Punkte zugenommen, womit der vorherige Branchentrend von 14 Punkten pro Jahr übertroffen wurde.

Am Ende behält der Bericht von OpenAI aber trotzdem eine nüchterne Haltung bei.

Sie betonen, dass diese KI-getriebenen Fortschritte möglicherweise nicht linear verlaufen, und man vor plötzlichen, sprunghaften Durchbrüchen auf der Hut sein muss, wie sie kürzlich im Bereich der Mathematik aufgetreten sind.

Zum Schluss gibt es noch eine weitere interessante Zahl im Bericht.

In allen Forschungsbereichen: Wo ist der Anstieg des Personaleinsatzes am größten?

Nicht beim Vortraining, nicht bei Multimodalität –

Sondern im Bereich Sicherheit und Ausrichtung (Safety and Alignment).

Der Anstieg des Arbeitsaufkommens in diesem Bereich ist der höchste unter allen Forschungsrichtungen.

Zahlreiche Forscher, sowohl neu eingestellte als auch intern umgesetzte, strömen in die Sicherheitsprojekte.

Auf der einen Seite beschleunigt KI die eigene Entwicklung, auf der anderen Seite arbeiten Menschen intensiv daran, ihre sichere und kontrollierbare Funktion zu gewährleisten.

Die »zerklüftete Grenze« beschreibt nicht nur die uneinheitlichen technischen Fähigkeiten, sondern ist vielleicht auch das wahre Abbild unserer Zeit, in der wir gleichzeitig aufs Gaspedal treten und nach der Bremse suchen.

Originalbericht: https://openai.com/index/research-acceleration-jagged-frontier/

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto »QbitAI«