OpenAI 研究员日均推理费用半年激增 40 倍
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载3.14 个智能体工作日
OpenAI 对外说明了其 3 倍生产力说法的计算依据。按照披露的口径，研究人员每投入一个 8 小时的人工班次，对应的智能体工作量达到 3.14 个工作日。这个比值并非凭空而来：典型的研究人员会同时运行四个智能体，让它们在人工下班后继续执行任务。换句话说，所谓 3 倍提升，衡量的是机器运行时长与人类在岗时长的比例，而不是人类在同样时间里思考速度变成三倍。人类仍然只清醒一个班次，机器则被安排跑完三个班次。这一口径把生产力拆成了可计量的运行时数，也让后续的成本问题有了对照基础。
推理账单的四十倍变化
与工作量同步上升的是推理开销。材料给出的两个时点显示，3 月下旬 OpenAI 研究人员的推理支出中位数为每天 14 美元，到 8 月中旬这一数字超过每天 600 美元，不到五个月放大了约四十倍。支出分布并不均匀：处于第 90 百分位的研究人员每天消耗超过 7000 美元，按年折算相当于每个席位 250 万美元的运行规模。这个量级让推理更像工厂里的重型设备投入，但付款方式不同——它是按用量计费的运营支出，而非一次性购置的固定资产。企业不需要为机器折旧发愁，却要为每一次调用持续付费，夜间运行同样计入账单。
与制造业设备投入的差别
汽车厂购买焊接机器人属于资本开支，设备无论是否运转都会折旧，因此靠夜班摊薄固定成本是常见做法。AI 推理的账本结构相反：没有实体工装，也没有夜班工资，机器通宵运行只产生可变成本。这带来一种新的扩张方式——公司可以用纯运营支出把机器时间拉长到全天，而不必先做一笔大额采购。代价是成本随使用量线性增长，用量越大账单越陡。前述四十倍的支出增长，换来的正是三倍多的工作时长，两者并不是等比例兑换。对使用方而言，这意味着产能可以快速堆叠，但每一小时的机器时间都要单独买单。
高缺陷率下的监督工作
机器时间并不等于可直接交付的成果。材料指出，过去六个月里那些耗时四到八小时并最终成功的任务中，超过一半仍然需要人工介入；OpenAI 也承认整体进展速度可能跟不上这些具体指标。于是工程师的日常从创造性架构设计，转向巡视产线、清理机器卡壳。这解释了为什么在缺陷率偏高的情况下仍要通宵运行：同行都在全天候调度多个智能体，停下来的感觉就像落后。综合来看，3 倍说法对应的是机器班次叠加与持续的人工兜底，读者在评估类似方案时，需要把监督成本和按量计费的推理开销一并算进去，而不只看运行时长的倍数。
为什么值得看
揭示了 AI 生产力提升背后的高昂算力成本与高缺陷率，重新定义了工程师的工作性质。
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。