OpenAIは11月18日、社内の研究組織でコーディングエージェントがAI開発をどう加速しているかを測った報告「Research acceleration: The jagged frontier」を公開した。9月の初回報告の続編で、AIがAIの開発を加速する「再帰的自己改善(RSI)」の兆候を各社が公開すべきだという同社の立場に基づく定期報告の位置づけだ。表題の「ジャグド(ギザギザ)」は、作業の種類によってAIの貢献度に大きなむらがあることを指している。
人間の介入なしにエージェントがタスクを終えた推定成功率は、人間なら2〜4時間かかる規模のタスクで3月の23%から10月には46%に、4〜8時間規模では13%から35%に上がった。ただし作業別に見ると差が大きい。学習ジョブの監視は79%、技術的な質問への回答は72%と高い一方、学習ジョブの起動は35%、評価や強化学習の環境づくりは29%、推論・配信基盤のコード作成は25%にとどまる。
利用量も伸びた。API表示価格に換算した研究者1人あたりの1日の利用額は、中央値が9月の1,500ドルから10月に2,400ドル(62%増)、上位10%が1万1,000ドルから2万3,000ドル(105%増)になった。8時間を1日として数える「エージェント稼働日」は研究者1人あたり1日0.5から5.7に増え、事前学習・事後学習のチームでは約8に達する。10月中旬には、3分の2超の研究者が1日のピーク時に4つ以上のエージェントを同時に動かしていた。
一方で、こうした社内利用が研究用計算資源全体に占める割合は2%にすぎないという。研究組織のエージェント利用額(API換算)は、株式報酬を除いた人件費の約2倍に達している。
9月報告の「600ドル」から2か月で4倍
9月6日の初回報告では、8月中旬時点の利用額の中央値は1日600ドル超、上位10%は7,000ドル超だった。今回の報告は9月の値を1,500ドル・1万1,000ドルとしており、8月中旬から10月までの約2か月で中央値はおよそ4倍、上位10%は3倍強に増えたことになる。1ドル150円で換算すると、中央値で1日約36万円、上位10%では約345万円だ。同社は、8月21日に入れた社内ハーネスの効率化で入力トークンが一時的に大きく減り、9月10日以降に元へ戻したことで利用額が急増したとも注記しており、月ごとの伸び率にはこの影響が含まれる。
初回報告からの変化として、指標の重心も移っている。9月は利用量と稼働時間の比較が中心だったが、今回は作業別の成功率、研究者の意識調査、研究成果の指標が加わった。研究者101人への調査では、GPT-5.2より優れたコーディングエージェントを3か月使えなくなるとしたら、その回復と引き換えにチームの人員の40%、または計算資源の30%を差し出すというのが中央値の回答だった。
10月下旬の別の調査では、最新の社内モデルと、「中堅の研究エンジニア1人+2024年のo1-preview」のどちらと組むほうが日々の仕事がはかどるかを尋ね、回答者28人中27人が最新モデル側を選ぶか、そちらに傾いた。活動量の指標では、10月18日までの4週間に実験者1人あたりが記録した実験数が、2025年の基準の1.68倍だった。
アイデアはまだ人間、ただしGPT-6.2 Astraで変化
研究の「アイデア」の出どころも調べている。GPT-6 AstraとGPT-6.2 Astraで重要だった着想を、事前学習・事後学習・安全監視の担当研究者に挙げてもらったところ、事後学習と安全監視では両モデルとも着想はすべて人間によるもので、モデルは実装を手伝った。事前学習ではGPT-6.2 Astraで変化があり、Codexとの対話の中で鍵となる洞察が得られた例や、研究者の主案がCodexの提案した修正で初めてうまく動いた例が報告された。インタビューでは、エージェントは研究の筋の良さやコード・データの品質に弱く、「AI slop」なプルリクエストを出すため人間の監督が欠かせないという声も紹介されている。
人員配分では、安全性・アラインメント分野に費やされた作業週が1月から9月にかけて77%増え、全分野で最大の増加幅になった。7月のHugging Face事案以降に伸びが加速したという。成果側の指標としては、Epoch AIの能力指数に準じた社内版「OpenAI ECI」を導入し、2025年8月以降の自社モデルの伸びが年16.4ポイントと、Epochが観測した業界の傾向(年14ポイント)を上回ったとした。ただしOpenAIのモデルは社内ベンチマークを含むこの指標で相対的に高く出るとも断っている。
脚注では、Anthropicが同種の報告を3本、Google DeepMindがGemini 4 Argonの安全報告書の中でAIが書いたコードの比率を公開していることにも触れている。研究加速の測定を業界共通の慣行にしたいというのが今回の公開の狙いで、次回以降は能力研究と安全研究の加速の差なども報告するとしている。



