# Исследователи OpenAI поручают агентам больше задач — но успех зависит от типа работы

https://jsonscraper.com/ru/blog/openai-research-agents-task-success-rates

Author: Michael Johnson

Published: 2026-11-19T07:33:51+00:00

Updated: 2026-11-19T07:43:47+00:00

В отчёте от 18 ноября показатели автономного выполнения сильно различаются по задачам. Это помогает понять, где агенту можно делегировать работу, а где результату нужна особенно тщательная проверка.

Можно ли поручить coding-агенту исследовательскую работу и рассчитывать на готовый результат? Ответ зависит от конкретной задачи: в данных OpenAI за 1 августа — 18 октября 2026 года агенты без вмешательства человека успешнее всего справлялись с мониторингом тренировочных запусков, а заметно хуже — с кодом для инференса и обслуживания моделей.

 

В [отчёте от 18 ноября](https://openai.com/index/research-acceleration-jagged-frontier/) компания сравнила задачи, которые исследователи поручали агентам, и описала, как менялось использование таких инструментов внутри OpenAI. Главный практический результат — относиться к «работе агента» как к набору разных задач с разными критериями приёмки. Средний показатель по часам или впечатление, что модель «хорошо пишет код», не заменяют проверки конкретного результата.

 

## Что изменилось в оценке

 

Предыдущий отчёт OpenAI о research acceleration вышел в сентябре. Новая версия расширила картину: компания добавила данные об использовании агентов, опросах сотрудников, рабочих процессах и распределении успеха по типам задач. При этом приведённые результаты описывают внутреннюю исследовательскую организацию OpenAI, а не универсальную оценку всех моделей или компаний.

 

Один из наиболее понятных сравнительных срезов — доля заданий, которые агент выполнил без вмешательства человека. Для задач, оценённых как требующие от человека двух-четырёх часов, показатель вырос с 23% в марте до 46% в октябре. Для категории от четырёх до восьми часов он изменился с 13% до 35%. Эти категории показывают способность доводить отдельные поручения до результата без вмешательства, а не долю всей исследовательской работы, которую можно передать модели.

 

Есть и важная методическая деталь: вместе с возможностями агентов менялся выбор заданий, которые им поручали. OpenAI прямо отмечает, что рост успешности внутри временных категорий может отражать и улучшение моделей, и изменение состава делегируемых задач. Поэтому сравнение по времени полезно как внутренний тренд, но оно само по себе не позволяет отделить вклад модели от решения исследователей, какие задачи ей давать.

 

## Почему название задачи важнее её длительности

 

В кратком срезе отчёта по конкретным видам работы OpenAI приводит успешность без вмешательства человека в 79% для мониторинга тренировочных запусков, 35% для запуска таких тренировок и 25% для написания кода инференса и serving-стека. Даже две соседние операции вокруг обучения модели показали сильно разные результаты.



![Article: Исследователи OpenAI поручают агентам больше задач — но успех зависит от типа работы
Summary: OpenAI оценила работу coding-агентов внутри своей исследовательской организации: агенты успешно выполняют многие задачи по мониторингу и анализу, но заметно хуже справляются с запуском обучения и кодом для инференса. Практический вывод — выбирать задачи по проверяемому результату, а не по общему названию профессии.
Image role: supporting illustration 2 — a different specific aspect
Section: Поч](https://jsonscraper.com/assets/uploads/journal/2026/11/ac5fa78b2cb521436ee01b0fe68c6781.png.hero.webp)

Доля задач, завершённых агентами без вмешательства человека, по трём типам работы в данных OpenAI за август—октябрь 2026 года.© jsonscraper · создано с ИИ



![Article: Исследователи OpenAI поручают агентам больше задач — но успех зависит от типа работы
Summary: OpenAI оценила работу coding-агентов внутри своей исследовательской организации: агенты успешно выполняют многие задачи по мониторингу и анализу, но заметно хуже справляются с запуском обучения и кодом для инференса. Практический вывод — выбирать задачи по проверяемому результату, а не по общему названию профессии.
Image role: cover — the central idea
Section: Почему название задачи важнее её д](https://jsonscraper.com/assets/uploads/journal/2026/11/1f09dcf8fd66631a53ec4e915205b6da.png.hero.webp)

Доля задач, завершённых агентами без вмешательства человека, по трём типам работы в данных OpenAI за август—октябрь 2026 года.© jsonscraper · создано с ИИ

 

Это объясняет, почему общая категория вроде «помогать с исследованием» плохо подходит для планирования. Следить за запуском, чтобы заметить проблему, — задача наблюдения и сигнализации. Запустить обучение — значит правильно подготовить действия и условия выполнения. Код для инференса и обслуживания работает в другой технической области. Если их объединить в одну метрику, различия, важные для реального рабочего процесса, исчезнут.

 

Компания также приводит более высокую оценку для категорий «коммуникация» (69%) и «анализ» (58%), чем для «разработки» (43%). Но даже такие широкие категории скрывают различия между задачами. Для выбора подходящего поручения полезнее формулировать проверяемый результат — например, обнаружить заранее определённый сбой в журнале запуска — и отдельно устанавливать, что именно должен подтвердить человек.

 

## Интенсивное использование не равно одинаковой отдаче

 

Отчёт показывает, что агенты стали заметной частью внутренних рабочих процессов OpenAI. По оценке компании в ценах API, медианный исследователь в октябре использовал агентные инструменты на сумму около 2400 долларов в день; показатель для 90-го процентиля составлял около 23 000 долларов. В обоих случаях это эквивалент по опубликованным тарифам API, а не сведения о фактической себестоимости или доказанный объём сэкономленного бюджета.

 

Другой показатель — «агент-дни»: каждые восемь часов использования агента считаются одним рабочим днём. В среднем показатель вырос с 0,5 до 5,7 агент-дня на исследователя в день. В командах предварительного и последующего обучения средняя суммарная работа агентов составляла примерно восемь таких дней на исследователя за календарный день. Поскольку параллельно могут работать несколько агентов, метрика описывает их совокупное время, а не длительность рабочего дня одного сотрудника; OpenAI также отмечает, что показатель в основном учитывает интерактивное использование и может недосчитывать автоматизации.

 

Рост использования показывает, что сотрудники активно включают агентов в процесс. Чтобы оценить пользу для другой команды, этого недостаточно: бюджет, выбранные модели, продолжительность агентных сессий и характер задач могут различаться. Данные OpenAI особенно полезны как пример того, какие рабочие показатели можно собирать, а не как готовая норма для любого исследовательского подразделения.

 

## Где остаётся работа человека

 

В интервью с десятью исследователями OpenAI описала практическую сторону делегирования: агенты помогали писать и отлаживать код, анализировать эксперименты и просматривать большие наборы данных. Одновременно сотрудники рассказывали о некачественных артефактах, неверных предположениях в анализе и неэффективных попытках запустить эксперименты. Компания отдельно отмечает, что идеи, названные сотрудниками для выпусков GPT‑6 Astra, они приписывали людям, тогда как модели помогали с реализацией.

 

Один из описанных исследователем способов работы особенно легко перенести в команду: попросить агента сделать один пример, проверить и поправить его, а затем поручить аналогичную серию задач. Такой порядок быстро выявляет ошибку в постановке или формате данных, прежде чем она распространится на весь набор. Для задач с дорогой проверкой это часто полезнее, чем сразу увеличивать масштаб поручения.

 

## Как применить вывод к своей команде

 

Начните с одной повторяемой задачи, у которой есть наблюдаемый результат и понятное условие приёмки. Зафиксируйте, сколько раз потребовалось вмешательство, какие ошибки встретились и сколько времени ушло на проверку. Эти сведения помогут отличить задачу, которую агент действительно берёт на себя, от задачи, где он лишь ускоряет черновую работу.

 

Для операций с высокими последствиями задайте отдельную границу полномочий. Например, агент может обнаружить аномалию или подготовить команду запуска, а подтверждение и выполнение остаются за ответственным инженером. Это не универсальная схема безопасности, а способ связать уровень автономности с конкретным риском и доступным критерием проверки.

 

Отчёт OpenAI предлагает полезную развилку: делегировать стоит не «исследование» или «разработку» вообще, а конкретные поручения, для которых можно проверить выход. На данных компании мониторинг запусков выглядел более подходящим для самостоятельного выполнения, чем запуск обучения или код инференса. Для команды-практика следующий шаг — измерить ту же разницу на собственных задачах и расширять делегирование там, где результат выдерживает проверку.
