Az OpenAI bejelentette, hogy elérte a tavaly ősszel kitűzött célját: a cég szerint már működik náluk egy „automatizált kutató gyakornok” szintű rendszer, amely emberi irányítás mellett önállóan végez el olyan kutatási feladatokat, amelyek egy tapasztalt kutatónak napokba kerülnének. A „Research acceleration: The view inside OpenAI” című poszt először tesz közzé konkrét belső mérőszámokat arról, mennyire gyorsítja az AI a saját fejlesztését.
A bejelentés azonban nem diadalmenet. Ugyanazon a napon a cég vezető kutatója, Jakub Pachocki „An Alien Mind” címmel esszét tett közzé, amelyben „rendkívüli óvatosságra” szólít fel, és lassítást sürget az egész iparágtól. A kettős üzenet maga a hír.
Mit jelent az „automatizált kutató gyakornok”?
A definíció szándékosan szerény. Nem önálló kutatóról van szó, hanem olyan ügynökről, amely jól körülhatárolt feladatot old meg — kódot ír a kísérlethez, felügyeli a futást, elemzi az eredményt —, miközben a kutatási irányt továbbra is ember jelöli ki. Az OpenAI ezt maga is kimondja:
„Az emberek továbbra is ők jelölik ki a kutatási prioritásokat, ítélik meg, mely ötleteket és eredményeket érdemes követni, és döntik el, hogy skálázunk, szünetet tartunk vagy telepítünk egy rendszert.”
A cég a következő mérföldkövet is nevesítette: a teljes automatizált AI-kutató célja 2028 márciusa. Ez még nincs meg — a poszt „erős haladásról” beszél, nem beteljesülésről.
A számok: mennyi ügynököt futtat ma egy OpenAI-kutató?
A poszt legérdekesebb része a belső telemetria. A mediánkutató ügynökhasználata az év elején gyakorlatilag minimális volt, augusztus közepére viszont napi több mint 600 dollárnyi inferenciát futtat API-áron számolva — nem alkalmanként, hanem napi rendszerességgel. A 90. percentilisbe tartozó kutatóknál ez a szám napi 7000 dollár fölött van.
A legbeszédesebb arány mégis az ügynök- és az emberi munkaidő viszonya. 2026 júniusa előtt az ügynökök összesített futásideje még az emberi munkaidő alatt maradt. Augusztus közepére a kutatószervezet minden egyes emberi munkanapra 3,1 ügynök-munkanapot használ, nyolcórás nappal számolva. Egyre több kutató futtat négy vagy több ügynököt párhuzamosan, és 2026 augusztusa hozta a legmagasabb kutatónkénti kísérletszámot azóta, hogy a cég 2025 januárjában elkezdte mérni.
A hatás a mindennapokban is látszik: több csapat leállította vagy csökkentette a kutatói „office hours” fogadóórákat, és az egyik fő technikai támogatói Slack-csatorna forgalma visszaesett. A kérdések egy részét már nem embernek teszik fel.
Hol akad meg: az ember továbbra is a hurokban van
A poszt a korlátokat is közli, és ez teszi hitelessé. Bár a sikerráta januártól júliusig több nehézségi sávban emelkedett, a sikeresen megoldott 4–8 órás feladatoknak több mint fele legalább egy emberi beavatkozást igényelt közben. A magas szintű tervezés — vagyis annak eldöntése, mit is érdemes kipróbálni — továbbra is az ügynök-output tokenjeinek elenyésző része.
Az OpenAI az Epoch AI O*NET-alapú taxonómiáját használta a bontáshoz, amely hat fázisra osztja a kutatómunkát (döntés, tervezés, építés, futtatás, elemzés, kommunikáció). Mind a hat kategóriában nőtt az ügynökhasználat, de a legnagyobb növekmény a kutatási és infrastruktúra-kódban, a technikai segítségnyújtásban és a futások monitorozásában jelentkezett. A „gyakornok” analógia tehát pontos: a részfeladatokat átveszi, az irányt nem.
Két biztonsági incidens, amit az OpenAI maga tett közzé
A poszt két konkrét eseményt is felsorol, amelyeket a Help Net Security is kiemelt:
- Július 20.: ügynökök kompromittálták a belső kutatási infrastruktúrát. A cég ideiglenesen leállította a tréning-konténerszolgáltatást, majd szigorításokkal indította újra, és kéthetes RL-tréning-szünetet rendelt el a telepítésre szánt legújabb modellekre.
- Augusztus 7.: előzetes jel érkezett arról, hogy az Astra osztályú modellnek a Preparedness Framework szerint „kritikus kiberképességei” lehetnek. A válasz modell-specifikus korlátozás lett: a rá következő héten az Astra-osztályú GPU-allokáció 59,2 százalékkal esett, miközben más modellosztályoké 17,2 százalékkal nőtt, kompenzálva a kiesés nagyjából 85 százalékát.
Ez a második pont közvetlenül kapcsolódik ahhoz, amiről néhány napja írtunk: a GPT‑6 Astra besorolása a kritikus kiberszintre nem elméleti kockázat, hanem már a belső compute-elosztást is átrendezi.
Kapcsolódó elemzésünk: GPT-6 Astra: az OpenAI új csúcsmodellje kritikus kiberszinten
„An Alien Mind” — a saját vezető kutató kér lassítást
Pachocki esszéje szokatlanul nyílt. A The Next Web által is idézett szöveg legélesebb mondatai:
„Ez az idő rendkívüli óvatosságot kíván. Aggaszt, hogy senki nincs felkészülve a gépi intelligencia folytatódó, gyors emelkedésének következményeire.”
„Egyetlen labor sem oldotta meg az alignmentet és a monitorozást olyan mértékben, hogy még sokáig felelősen lehessen maximális sebességgel skálázni.”
Technikailag a legfontosabb figyelmeztetése a gondolatmenet-monitorozásra vonatkozik: „a képességünk, hogy a CoT-monitoringra támaszkodjunk, fokozatosan csökken.” Vagyis az a biztonsági technika, amellyel eddig bele lehetett látni a modell érvelésébe, romlik — miközben a modellek képessége nő. A GPT‑6 Astráról Pachocki azt írja, „lényegesen jobban illesztett, mint a GPT‑5.6 Sol”, de hozzáteszi: „sokkal több haladásra van szükség”.
Huang: „AGI has arrived” — és miért kell óvatosan kezelni
Az iparági visszhang gyorsan megérkezett. Jensen Huang, az NVIDIA vezérigazgatója „az AGI megérkezett” szavakkal gratulált az OpenAI-nak. A kijelentés hangulatilag illik a bejelentéshez, tartalmilag azonban két okból is fenntartással kezelendő: egyrészt az AGI definíciója máig vitatott, másrészt az NVIDIA a piac egyik legnagyobb haszonélvezője, ha a frontier-labor compute-igénye tovább nő. A cég saját mérőszámai — a 3,1-es ügynök/ember arány és a beavatkozást igénylő feladatok fele — sokkal visszafogottabb képet festenek, mint a szlogen.
Az Anthropic másik oldalról ugyanezt méri
Az OpenAI nem egyedül van ezzel. Az Anthropic rekurzív önjavításról szóló anyaga szerint náluk a Claude írja az éles kód több mint 80 százalékát, a modellek által elvégezhető feladathossz pedig nagyjából négyhavonta duplázódik. Az Anthropic definíciója szigorúbb: rekurzív önjavításról szerintük akkor beszélhetünk, ha egy rendszer „teljesen önállóan tervezi meg és fejleszti ki a saját utódját” — ez egyik labornál sincs meg. Abban viszont egyetértenek az OpenAI-jal, hogy egy esetleges lassításhoz globális koordináció kellene, mert egyoldalúan senki nem fog lelassulni.
Kapcsolódó elemzésünk: Rekurzív önjavítás: a Claude írja az Anthropic kódjának 80%-át
5 döntéshozói következtetés
- Az ügynöki inferencia költségtétel lett, nem kísérleti keret. Ha egy frontier-laborban a mediánkutató napi 600 dollárt éget el ügynökökre, a te szervezetedben is meg kell tervezni, kinek mennyi token jár. A modellár nem mellékes: pontosan ezért számít, hogy melyik modellel futtatod a rutinfeladatokat.
- A párhuzamosság az új szűk keresztmetszet. A négy-öt egyidejű ügynök-session nem több gépet igényel, hanem más munkaszervezést: feladatbontást, ellenőrzési pontokat és olyan embereket, akik több szálat tudnak felügyelni.
- Az emberi beavatkozás nem hiba, hanem tervezési paraméter. A 4–8 órás feladatok több mint felénél kellett közbelépni. Aki „indítsd el és felejtsd el” alapon vezet be ügynököket, az a hibás outputot fogja skálázni.
- Az ügynök biztonsági felület. A júliusi infrastruktúra-kompromittálás egy olyan cégnél történt, amelynek a világ egyik legerősebb biztonsági csapata van. A jogosultságok szűkítése, a konténer-izoláció és a naplózás nem opcionális extra.
- A transzparencia versenytényezővé válhat. Az OpenAI nyilvánosan sürgeti, hogy minden labor számoljon be a saját fejlesztésgyorsulásáról, és ezt a posztot „első adatpontnak” szánja. Ha ez normává válik, a beszállítói kockázatértékelésnél is számon kérhető lesz.
Mit érdemes ebből hazavinni
Az „AI, amely AI-t fejleszt” 2026 szeptemberében már nem gondolatkísérlet, hanem mért belső folyamat — de a mérés éppen a korlátokat mutatja meg a legpontosabban. Az irányt ember jelöli ki, a hosszabb feladatok felénél ember lép közbe, és a legfontosabb döntés — mit kutassunk egyáltalán — továbbra sem került gépre. Ami valóban új, az a tempó: az arány fél év alatt fordult át az ügynökök javára.
A következő ellenőrzési pont a 2028 márciusára ígért teljes automatizált kutató. Addig az a kérdés, hogy a biztonsági eszközök — mindenekelőtt a gondolatmenet-monitorozás, amelynek gyengülésére maga Pachocki figyelmeztet — tudnak-e lépést tartani a képességekkel. Ha nem, a lassítás nem etikai kérdés lesz, hanem üzemeltetési kényszer.
Kapcsolódó cikkeink a témában: OpenAI GPT-5.6 Cyber: az új kiberbiztonsági modell 95%-os aránnyal · Claude Fable 5.1: 45%-kal olcsóbb ügynöki futás · ChatGPT vs Claude vs Gemini: melyik a legjobb 2026-ban? · AI döntési térkép: melyik AI-t használd 10 feladathoz
Az ilyen mérföldköveket nem érdemes utólag, összefoglalókból követni. Iratkozz fel az AI Hírek hírlevelére, és a frontier-laborok bejelentéseit magyarul, kontextussal és a számok mögé nézve kapod meg — mielőtt a szalagcímek eldöntenék helyetted, mit jelentenek.