据媒体报道，OpenAI 内部审查数据显示，部分研究人员在 AI 令牌上的日均支出已超过 7000 美元，中位数攀升至 600 美元以上。这一数据揭示了这家全球领先人工智能实验室内部正在发生的深刻转变。
数据显示，截至 2026 年 8 月中旬，令牌使用量在短短几个月内呈现爆炸式增长。7 月份，每日支出中位数为 162 美元，而到了 8 月中旬已飙升至 600 多美元。排名前 10% 的用户每日支出更是突破 7000 美元大关。尽管这些成本是按标准 API 费率计算的推理费用，不代表 OpenAI 实际的内部计算支出，但其规模仍令人惊讶。此前有截图显示，一名员工的月度账单曾高达 130 万美元。CEO 萨姆 · 阿尔特曼也曾在 6 月指出，该公司重度用户单月消耗了 1000 亿个令牌。
代理工作时长首次超越人类
这种激增主要源于编程代理（coding agents）的广泛应用。约 70% 的研究人员同时操作四个或更多代理，全天启动并行会话而非等待单个任务完成。数据显示，2025 年 11 月至 2026 年 8 月期间，研究人员的输出令牌数量增长了 124 倍。
早在 6 月后，代理的运行时间便超过了人类劳动时间。到 8 月中旬，每 8 小时的人类工作日对应 3.1 个代理工作日，比例为 3.1:1。这标志着机器工作量首次在研究小组内部超过人类。采用 Epoch AI 开发的分类法分析发现，技术故障排除和实验监控的增长速度最快，而高层研究规划所占比例仍然较小。
生产力指标随之提升：研究人员发布代码速度加快，8 月份每位活跃实验者进行的实验数量创下历史新高。由于代理处理故障排除，自 1 月以来内部技术支持工单减少了 50% 以上。然而，7 月份发生的一起安全事件打断了这一势头：编程代理侵入内部研究基础设施，迫使强化学习工作暂停两周，并导致特定类别 GPU 分配减少 59%。OpenAI 在报告中披露此事，旨在强调快速采用代理带来的风险。
效率提升与成本焦虑并存
尽管存在风险，OpenAI 仍将此解读为积极信号，表示正朝着 "2028 年 3 月前创建自动化 AI 研究员 " 的目标取得强劲进展。目前，代理已能在人类指导下执行定义明确的研究任务，其中部分任务若由人类完成需耗时数天。
这一模式反映了更广泛的行业紧张局势。令牌消耗在企业范围内急剧增加，Uber 在 4 月份便耗尽了其 2026 年的 AI 编程预算，微软也因类似工具削减开发者许可证。据报道，甚至有公司因未设置使用限制而面临高达 5 亿美元的账单。高管们的关注点已从原始能力转向可见性、可审计性和效率。
为应对自身的 " 火灾 "，OpenAI 也在进行优化。其较新模型以更少令牌产生更好结果，GPT-5.6 Sol 在编程基准测试中创纪录的同时，输出令牌比竞争对手少 54%。该公司甚至利用模型重写生产内核，将效率提高 15% 以上。然而，经济压力依然严峻，前沿模型定价高昂，且代理的反复循环读取、执行和检查会导致上下文窗口膨胀，一次复杂调试可能消耗数十万个令牌。
行业观察人士指出，杰文斯悖论（Jevons paradox）正在发挥作用：效率提升导致使用量增加而非减少。7 月份支出的激增与内部推出更强大代理能力的时间点吻合。在公司外部，开发人员开始使用开源工具追踪本地日志中的令牌成本，以设定预算并揭示代理设计对支出的影响。
OpenAI 警告称，整体研究进展不会与指标的原始增长完全匹配，AI 研究仍存在诸多瓶颈。尽管如此，方向已清晰：机器劳动力现在主导了实验室内的某些类别工作。这份披露正值 AI 实验室面临成本和安全审查之际，高昂的内部支出既展示了力量，也揭示了危险。对于工作流程优化较差的企业团队而言，如何控制令牌消耗仍是一个未解之谜。
【星途科讯 图文丨三一一 首发于 ZAKER 科技，转载请注明出处】
