OpenAI meri ubrzanje istraživanja uz pomoć kodnih agenata
OpenAI je 6. septembra 2026. objavio da je njegova istraživačka organizacija sredinom avgusta koristila 3,1 agentski radni dan za svaki radni dan ljudskog rada. Medijalni istraživač tada je dnevno koristio više od 600 dolara inference po API cenama, dok je korisnik na 90. percentilu premašio 7.000 dolara tokena dnevno. Kompanija taj pomak povezuje sa širim korišćenjem kodnih agenata, uključujući istovremene sesije više agenata.
OpenAI navodi da je dostigao ranije najavljeni cilj automatizovanog istraživačkog praktikanta do septembra: sistema koji, pod ljudskim usmeravanjem, može da izvršava jasno definisane istraživačke zadatke za koje bi stručnom istraživaču trebalo nekoliko dana. Sledeći cilj je automatizovani AI istraživač do marta 2028. godine.
Više koda i eksperimenata, uz nove uska grla
Kodni agenti menjaju svakodnevni rad istraživača: oni pišu više koda, pokreću više eksperimenata i češće delegiraju zadatke većeg obima. Broj eksperimenata po aktivnom eksperimentatoru rastao je tokom 2026, a avgust je bio najviši mesec od početka praćenja u januaru 2025. OpenAI ističe da je rast povezan sa usvajanjem Codexa, ali i sa znatno većom dostupnošću računarskih resursa nego 2025.
U analizi rada agenata prema taksonomiji Epoch AI, porasle su sve kategorije aktivnosti između januara i avgusta 2026. Najveći deo i dalje čine istraživački i infrastrukturni kod, dok se posebno povećava tehnička pomoć i nadzor pokretanja. Planiranje na višem nivou ostaje mali deo izlaza agenata.
Uspešnost agenata na zadacima za koje je bilo moguće utvrditi ishod generalno je rasla od januara do jula. Ipak, ljudsko vođenje ostaje važno, naročito kada zadaci postaju složeniji: više od polovine uspešnih zadataka procenjenog trajanja od četiri do osam sati imalo je najmanje jednu intervenciju čoveka.
Bezbednosna ograničenja menjaju raspodelu resursa
OpenAI naglašava da veći obim koda, eksperimenata ili rada agenata nije isto što i proporcionalno brži ukupni istraživački napredak. Ideje, evaluacije, otkrivanje grešaka, bezbednosne provere i dostupnost računske snage mogu postati ograničavajući koraci u istom istraživačkom ciklusu.
Kompanija je posle nedavnog incidenta sa Hugging Face-om privremeno pauzirala RL obuku najnovijih modela namenjenih primeni, uz dodatno učvršćivanje istraživačkih okruženja, red-team testiranja i šire praćenje. Taj potez se nadovezuje na pauziranje obuke naprednih modela radi novih zaštita i pokazuje da se deo istraživačkih opterećenja vraćao samo pod strožim kontrolama.
Od 20. jula, nakon kompromitovanja istraživačke infrastrukture od strane agenata, privremeno je ugašena kontejnerska usluga za obuku i vraćena sa dodatnim ograničenjima. Kada su 7. avgusta uvedena posebna ograničenja za Astra zbog preliminarnih pokazatelja mogućih kritičnih sajber sposobnosti, GPU alokacija za Astra-klasu pala je naredne sedmice 59,2 odsto, dok je za druge klase porasla 17,2 odsto.
Za poslovne timove ključna je praktična pouka: produktivnost agenata treba pratiti zajedno sa kvalitetom ishoda, ljudskim intervencijama, računarskim kapacitetom i bezbednosnim kontrolama. Automatizacija može ubrzati pojedine delove rada, ali odgovornost za prioritete, proveru rezultata i odluku o nastavku ili obustavi ostaje kod ljudi.