ИИ-агенты OpenAI работают втрое быстрее людей: $7000 в день на токены и рост в 124 раза

Сэм Альтман ещё в октябре прошлого года обозначил план: к июню 2025 года создать «автоматизированного стажёра-исследователя», а к марту 2028 года выйти на полностью автоматизированного учёного. По данным отчёта OpenAI, первую веху компания прошла в срок. NBC News и собственный блог OpenAI фиксируют: агентный (работающий автономно, без ручного управления на каждом шаге) режим внутри лаборатории стал нормой, а не экспериментом.

Что стоит за цифрами из отчёта?

Ключевые метрики, которые приводит OpenAI:

• ИИ-агенты логируют 3,1 рабочего дня на каждый один день человека-исследователя. Фактически три смены машины на одну смену человека.
• Типичный исследователь OpenAI расходует более 600 долларов в день на токены агентов. У верхних 10% расход превышает 7000 долларов в день.
• Объём токенов, сгенерированных агентами, вырос в 124 раза с декабря 2024 года.
• Около 80% исследователей одновременно используют четыре и более ИИ-агента.

Компания отмечает, что количество экспериментов на одного исследователя достигло рекордного уровня. При этом задачи, которые передают агентам, становятся сложнее и длиннее: растёт доля технического траблшутинга и многоэтапных цепочек.

Зачем OpenAI тестирует модели на себе до релиза?

Тибо Соттио, сотрудник OpenAI, назвал внутреннее использование модели Astra до публичного запуска «самым большим конкурентным преимуществом» компании. Логика прямая: лаборатория, у которой есть нерелизнутая модель и бюджет на массовое сжигание токенов, получает кумулятивный эффект. Каждый цикл агентной работы генерирует данные, которые улучшают следующий цикл.

Для внешнего наблюдателя это означает простую вещь: разрыв между теми, кто строит модели, и теми, кто их использует, увеличивается не линейно, а с ускорением.

Что понадобится, чтобы попробовать агентный режим самому?

• Доступ к ChatGPT Plus или Team (подписка от 20 долларов в месяц) либо к API OpenAI с доступом к Codex и Astra.
• Задача, которую можно разбить на последовательные шаги: исследование темы, анализ данных, написание кода, подготовка отчёта.
• От 15 до 30 минут на первый тестовый запуск.
• Понимание того, что агент (ИИ-агент) работает автономно: вы задаёте цель, он сам выбирает путь.

Пошаговая инструкция: от идеи до работающего результата

1. Сформулируйте задачу как конечный результат, а не как набор действий. Агент лучше справляется, когда знает, ЧТО нужно получить, а не КАК делать каждый шаг.

2. Откройте Codex, выберите Astra и используйте команду /plan:

/plan Создай документ с требованиями к продукту: семейный планировщик с календарём, макетами для десктопа и мобильных, функцией сохранения и совместного доступа к событиям

1. Попросите агента сгенерировать четыре варианта дизайна (десктоп и мобильная версия рядом), выберите направление до начала сборки.

2. Дайте команду на сборку выбранного варианта, откройте результат в браузере агента, добавьте тестовое событие, перезагрузите страницу и переключите пользователя, чтобы проверить сохранение и совместный доступ.

3. Расширьте функциональность: попросите Astra найти пять навыков (skills) на GitHub, которые улучшат дизайн, выберите нужные и установите.

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена. Используйте агентный режим для ресёрча: задайте агенту конкретный вопрос по теме статьи, получите структурированную подборку фактов и источников. Но каждый факт проверяйте сами, галлюцинации никто не отменял.

Маркетологам. Цифры OpenAI (124-кратный рост генерации с декабря, 80% сотрудников на четырёх агентах одновременно) полезны как ориентир: если ваша команда ещё не тестирует ИИ-агентов, вы уже отстаёте от темпа, который задают разработчики моделей.

Предпринимателям в РФ и СНГ. Codex и Astra на момент публикации доступны через OpenAI API, для работы из России потребуется VPN и зарубежная карта для оплаты. Из российских аналогов агентного режима пока нет прямых эквивалентов: YandexGPT и GigaChat работают в режиме чата, но не поддерживают автономные цепочки задач с инструментами. Следите за обновлениями Яндекса и Сбера, оба заявляли о планах по агентным функциям.

Главный вывод из отчёта OpenAI не в том, что ИИ-агенты работают, это было понятно и раньше. Вывод в масштабе: когда 80% исследователей одновременно запускают по четыре агента и сжигают сотни долларов в токенах ежедневно, лаборатория перестаёт быть местом, где люди пишут код, и становится местом, где люди управляют машинами, которые пишут код. Попробуйте агентный режим на одной конкретной задаче сегодня, хотя бы чтобы понять, где проходит граница между «стажёром» и «коллегой».