OpenAI 于 2026 年 11 月 18 日发表《Research acceleration: The jagged frontier》,衡量编码智能体对 AI 研究的加速,指出其表现仍不均匀,并讨论这对递归自我改进意味着什么。它把「AI 加速 AI」从口号拉回可观察的工作形态:智能体已进入研究流程,但能力边界并不平滑。

加速是局部的,前沿是锯齿状的

根据摘要,测量对象是编码智能体对 AI 研究的加速,而不是泛化的软件工程效率。文章强调能力仍不均匀:同一类智能体在某些研究子任务上可能明显省时,在另一些任务上则帮助有限。标题中的 jagged frontier(锯齿前沿)用来描述这种参差——前沿不是匀速推进的直线,而是高低错落的能力边界。

材料未给出加速倍数、任务切分或对照实验,不能把「科研已被全面加速」写成已证实结论。目前能确定的是:OpenAI 在做这类测量,并公开承认结果呈锯齿状。若智能体只在部分环节可靠,研究流程就很难整体自动化。加速更容易落在已标准化、可验证的步骤;需要新假设、新实验设计和对失败做科学判断的步骤,仍可能是瓶颈。于是「局部很快」与「发现周期真正缩短」之间会出现落差。把不均匀性写进主标题,说明他们并不把当前编码智能体视为已经闭环的研究引擎。

递归自我改进不该读成时间表

摘要写明,上述观察会被用来讨论 recursive self-improvement。给定信息只支持很窄的解读:OpenAI 想用编码智能体加速研究的事实去校准自我改进叙事,而没有提供指数级加速、具体倍率或时间表。更稳妥的读法是,若加速呈锯齿状,递归改进更可能间歇、依赖任务,而不是均匀的能力爆炸。短期内更合理的定位,是把编码智能体当研究助手、用在输出可检查的环节,而不是把科研闭环交给智能体。把本文读成「奇点已至」,超出了现有材料。

我的判断

价值在问题设定:同时讲加速与不均匀,避免只报平均收益。它是观察性讨论,不是产品发布,也不是可复现基准。最大局限是仅凭标题与摘要,看不到测量方法、样本量和失败案例,无法判断加速有多实、锯齿有多深。在更多细节公布前,不宜把「科研已被显著加速」或「递归自我改进已经开始」写成事实。对中文开发者,更有用的是盘点工作流里哪些步骤可验证、哪些仍依赖判断,而不是等待一条平滑的自动化前沿。