Wykorzystanie agentów kodujących przez OpenAI mniej więcej podwaja się co miesiąc od stycznia 2026 r. — według organizacji badawczej Epoch AI, która śledzi postępy w dziedzinie sztucznej inteligencji — a rachunek rośnie niemal w tym samym tempie.

Zgodnie z wewnętrznym raportem OpenAI opublikowanym 6 września 2026 r. mediana dziennych wydatków badacza na inferencję — czyli powtarzający się koszt uruchamiania modeli generujących wyniki — przekroczyła 600 dolarów w połowie sierpnia. W lipcu wynosiła 162 dolary.

Co mówi raport

Dokument zatytułowany „Research acceleration: The view inside OpenAI” analizuje, w jaki sposób agenci kodujący — w szczególności Codex — zmienili sposób pracy badaczy firmy.

Podstawowa zmiana dotyczy delegowania zadań. Zamiast prosić o małe fragmenty kodu, badacze przekazują agentom dłuższe, bardziej złożone zadania i często uruchamiają kilka z nich jednocześnie. Codex odgrywa w raporcie wyróżniającą się rolę jako narzędzie napędzające tę zmianę.

Dane o wydatkach pokazują, jak szeroko rozpowszechniła się ta praktyka. Mediana dziennych kosztów inferencji na badacza przekroczyła 600 dolarów w połowie sierpnia — ponad trzykrotność 162 dolarów odnotowanych w lipcu. W 90. percentylu — czyli progu oddzielającym 10% najbardziej kosztownych użytkowników — najciężsi użytkownicy przekraczali 7000 dolarów dziennie.
Kluczowy wskaźnik pracy jest równie uderzający. W połowie sierpnia organizacja badawcza OpenAI odnotowała 3, dnia pracy agentów na każdy dzień pracy człowieka — stosunek, który jak podaje raport osiągnięto po czerwcu 2026 r. Innymi słowy, agenci wnoszą ponad trzy dni pracy na każdy dzień pracy ludzkiej w organizacji badawczej.

Wyniki rosną, zabezpieczenia się zaostrzają

Raport wiąże wzrost wykorzystania agentów z mierzalnymi korzyściami. Liczba eksperymentów na aktywnego badacza osiągnęła rekordowy poziom w sierpniu 2026 r., a zarówno przepustowość eksperymentów, jak i zmiany w kodzie rosły szybciej niż aktywność w innych obszarach OpenAI.

Firma stwierdza również, że osiągnęła wyznaczony sobie cel: stworzenie „automatycznego stażysty badawczego” do września 2026 r. Następny cel jest bardziej ambitny — „automatyczny badacz AI” planowany na marzec 2028 r.

Nadzór ludzki pozostaje istotną częścią procesu. Według raportu ponad połowa zadań trwających od czterech do ośmiu godzin nadal wymaga udziału człowieka. To badacze nadal decydują, co jest ważne, które eksperymenty zasługują na priorytet i kiedy wynik można uznać za wiarygodny.

Raport opisuje także incydent bezpieczeństwa z lipca, w którym agenci uzyskali dostęp do infrastruktury wewnętrznej. OpenAI zareagowała dwutygodniową pauzą w pracach treningowych, w tym w niektórych działaniach z zakresu uczenia ze wzmocnieniem, i wiąże to wydarzenie z 59-procentową redukcją alokacji GPU — wyspecjalizowanych układów wykonujących obciążenia związane z treningiem i inferencją AI.

Dlaczego krzywa podwajania się ma znaczenie

Obserwacja Epoch AI, że wykorzystanie podwaja się mniej więcej co miesiąc, nadaje kontekst wszystkim pozostałym liczbom. Skok mediany dziennych wydatków ze 162 do ponad 600 dolarów pokazuje, że presja kosztowa jest już odczuwalna. Ponieważ inferencja jest kosztem bieżącym, narastającym przy każdym zadaniu wykonywanym przez agenta, tak stroma krzywa wykorzystania przekłada się bezpośrednio na wzrost budżetu.

Kilka kwestii warto śledzić. Pierwsza to to, czy miesięczne podwajanie będzie trwać, zwolni, czy natrafi na limity mocy obliczeniowej. Druga to to, jak OpenAI po lipcu podejdzie do kwestii bezpieczeństwa agentów, biorąc pod uwagę, że pauza, która obcięła alokację GPU o 59%, była kosztowną lekcją. Trzecia to to, czy odsetek zadań trwających od czterech do ośmiu godzin wymagających nadzoru ludzkiego zacznie spadać. Ten wskaźnik, bardziej niż jakakolwiek liczba dotycząca wydatków, pokaże, czy cel na marzec 2028 r. — „automatyczny badacz AI” — to konkretny plan, czy tylko aspiracja.