OpenAI披露内部AI编程智能体用量：头部研究员每日理论成本超7000美元
据 IT之家 9 月 7 日消息，OpenAI 近日在博客中首次披露了公司研究人员使用 AI 编程智能体的规模与成本情况。来源显示，在 OpenAI 研究部门中，使用最频繁的一批研究人员，每天消耗的 Token 按 API 公开推理价格估算，理论价值已经超过 7000 美元。OpenAI 称，过去一年里，AI 编程智能体已经明显改变内部研究工作流：研究人员写代码、交付代码和开展实验的速度更快，也开始把更复杂的工程任务交给智能体处理。
研究员正在把更多编码与排障任务交给智能体
Token 是 AI 模型读取和生成文本时使用的基本单位，也是衡量大模型推理消耗的重要指标。OpenAI 此次披露的数据表明，研究团队对 AI 编程智能体的依赖正在快速加深。来源称，过去三个月，OpenAI 研究人员使用编程智能体的规模出现爆发式增长，增速甚至超过公司内部其他团队。
按照 OpenAI 公布的数据，截至 8 月中旬，研究部门一名普通研究人员每天使用的 Token 价值中位数已超过 600 美元；而在 7 月，这一数字为 162 美元。位于使用量前 10% 的研究人员，每日 Token 理论消耗价值则超过 7000 美元。需要强调的是，这些金额是依据 API 公开推理价格估算的理论市场成本，并不代表 OpenAI 实际为内部使用支付了同等费用。
除代码生成外，AI 编程智能体还被更多用于技术问题排查。OpenAI 表示，自 1 月以来，由人工运营的内部技术支持频道每日发帖量已下降一半以上。这意味着，在部分常见排障、代码定位、环境问题分析等场景中，智能体正在分流传统内部支持工作。
- 研究人员每日 Token 消耗中位数从 7 月的 162 美元升至 8 月中旬超过 600 美元；
- 使用量前 10% 的研究人员每日理论成本超过 7000 美元；
- 智能体使用范围从写代码扩展到排查技术问题；
- OpenAI 称已实现“自动化研究实习生”阶段目标，并计划继续推进更高自动化能力。
从“自动化实习生”到AI研究员，OpenAI给出内部路线图
OpenAI 表示，公司已经实现了 CEO 萨姆·奥尔特曼去年提出的目标，即打造一名能够在人工指导下完成任务的“自动化研究实习生”。按照目前进展，OpenAI 计划在 2028 年 3 月前打造出一名完全自动化的 AI 研究员。
这一表述值得关注。过去开发者使用 AI 工具，更多是让模型补全代码、解释报错或生成脚本；而“AI 编程智能体”的重点不只是回答问题，而是围绕目标拆解任务、调用工具、修改代码、运行测试并迭代结果。对研究型团队来说，这类系统如果可靠性继续提升，可能帮助研究员同时推进更多实验分支，把一部分重复性工程劳动转交给机器。
影响与解读：效率提升之外，Token成本也在成为管理问题
AI 编程工具的普及正在推动软件工程工作方式变化。越来越多开发者把具体编码任务交给智能体完成，自己转向需求澄清、方案判断、代码审查和结果验收。对企业而言，这种模式的核心价值并不是“用了多少 AI”，而是是否把模型消耗转化为可验证的产出。
来源提到，随着顶级 AI 模型使用成本上升，一些公司开始反思单纯鼓励高频使用 AI 的做法。今年早些时候，部分企业曾通过排行榜统计员工使用 AI 的频率，进而催生了被称为“Tokenmaxxing”的现象，即过度关注 Token 消耗而非实际生产力。随后，包括 Meta 和亚马逊在内的公司关闭了内部 Token 使用排行榜，亚马逊高管也提醒员工不要“仅仅为了使用 AI 而使用 AI”。
相比之下，OpenAI 对内部高 Token 使用量一直较为积极。奥尔特曼今年 6 月曾表示，公司内部使用 Token 最多的一名用户，每月消耗 Token 数量达到 1000 亿。另据来源提及，OpenClaw 创始人 Peter Steinberger 加入 OpenAI 后，也曾展示过一个月理论 Token 账单价值高达 130 万美元的截图，但这类费用同样不需要员工个人承担。
对中文科技行业来说，OpenAI 的案例提供了一个清晰信号：AI 编程智能体已经从辅助工具进入重塑研发流程的阶段，但企业也必须同步建立成本核算、产出评估和代码质量治理机制。未来衡量 AI 编程的关键，可能不再是谁消耗更多 Token，而是谁能用更少的人力等待、更低的返工率和更稳定的交付质量，证明智能体确实带来了工程效率的增量。