AI Brasil
Comece aqui

OpenAI revela quanto seus agentes de código já aceleram a pesquisa interna

Levantamento interno da OpenAI mostra que pesquisadores já dependem pesado de agentes como o Codex, mas o desempenho varia muito de tarefa para tarefa, do monitoramento de testes à escrita de código de infraestrutura.

Redação AI BrasilRedação

· 8 min de leitura

Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.

Imagem gerada por IA

O que a OpenAI está medindo, e por quê

A OpenAI publicou neste mês uma atualização sobre quanto seus próprios agentes de código (sistemas de IA que escrevem, revisam e rodam código sozinhos, como o Codex) já aceleram a pesquisa interna de modelos. O relatório "Research acceleration: The jagged frontier" expande um primeiro levantamento divulgado em setembro de 2026 e cobre dados coletados até 18 de outubro de 2026.

A empresa enquadra o exercício dentro do debate sobre autoaperfeiçoamento recursivo (RSI, na sigla em inglês), o processo pelo qual a IA acelera o desenvolvimento de IA futura. No plano de segurança de fronteira publicado antes, a OpenAI defendeu que laboratórios de IA deveriam ser obrigados a medir e divulgar indicadores de RSI publicamente. Este relatório é a tentativa de cumprir essa promessa com números, não com discurso.

Para quem constrói agentes no Brasil, o valor do documento não está no anúncio em si, mas no raio-x de como uma equipe de pesquisa de ponta orquestra dezenas de agentes simultâneos, mede sucesso por tipo de tarefa e decide onde ainda precisa de humano no circuito.

Quanto a OpenAI já gasta com agentes de código

O salto no consumo interno é o dado mais concreto do relatório. A pesquisadora mediana da OpenAI usa hoje cerca de 2.400 dólares por dia em ferramentas de IA agêntica, a preço de lista da API. A pesquisadora do percentil 90 usa cerca de 23.000 dólares por dia. Em setembro, esses números eram 1.500 e 11.000 dólares, respectivamente: alta de 62% e 105% em poucas semanas.

Outra métrica, o "dia de trabalho de agente" (cada oito horas de uso de agente conta como um), subiu de 0,5 para 5,7 por pesquisador por dia, um salto de onze vezes. Em equipes de pré-treinamento e pós-treinamento, a média chegou a oito dias de trabalho de agente por pesquisador por dia; em escalonamento e infraestrutura, a média foi de quatro.

O uso simultâneo também cresceu: até meados de outubro, mais de dois terços dos pesquisadores rodavam pelo menos quatro agentes ao mesmo tempo no pico diário, e mais de 10% chegavam a dezesseis agentes concorrentes. Para quem monta pipelines de agentes em produção, esse é um sinal prático: orquestração de múltiplas instâncias concorrentes deixou de ser exceção dentro da OpenAI e virou operação padrão.

Em valor, o uso agêntico interno (que soma Codex, ChatGPT e API) já equivale a cerca do dobro da remuneração não-equity dos pesquisadores em setembro de 2026, com proporção maior em pré-treinamento e pós-treinamento. Ainda assim, esse uso interno representa só 2% de todo o compute de pesquisa da empresa, a maior parte segue destinada a treinar os próprios modelos.

Onde os agentes funcionam, e onde ainda travam

O título do relatório ("fronteira irregular") resume o achado central: o desempenho dos agentes não é uniforme entre tipos de tarefa. Usando a taxonomia O*NET para P&D em IA, desenvolvida pela Epoch AI, a OpenAI mediu taxas de sucesso sem intervenção humana entre 1º de agosto e 18 de outubro de 2026.

Categoria de tarefaTaxa de sucesso sem intervenção
Comunicar69%
Analisar58%
Construir43%

No nível de tarefa específica, a distância fica mais clara ainda: monitorar execuções de testes em busca de problemas teve 79% de sucesso, responder perguntas técnicas teve 72%. Já escrever código para pilhas de inferência e serving ficou em 25%, e construir ambientes de avaliação, aprendizado por reforço e agentes ficou em 29%.

A própria OpenAI reconhece o risco disso: enquanto o desempenho em categorias como Construir ficar atrás, essas tarefas tendem a virar gargalo para qualquer ganho de produtividade maior. É basicamente o mesmo problema que qualquer time de engenharia enfrenta ao delegar tarefas para agentes: eles resolvem bem o que é bem definido e mal o que exige julgamento sobre infraestrutura ou ambientes complexos.

O preço que os pesquisadores pagariam para não perder os agentes

Entre o fim de agosto e o início de setembro de 2026, a OpenAI aplicou uma pesquisa com 101 pesquisadores perguntando o que eles trocariam para manter acesso a agentes de código melhores que o GPT-5.2, caso esse acesso fosse revogado por três meses. A pesquisadora mediana respondeu que trocaria:

  • 40% do quadro de pessoal da equipe
  • 30% do compute atual da equipe
  • 50% do compute da equipe, se a pergunta fosse feita já pensando em janeiro de 2027, dada a expectativa de evolução dos modelos

Os respondentes também disseram que, sem agentes de código (usando apenas GitHub Copilot e ChatGPT), a equipe levaria em mediana três meses para reproduzir o valor do último mês de trabalho. Em outra pesquisa, feita no fim de outubro, 27 de 28 respondentes preferiram trabalhar sozinhos com o modelo interno mais recente a contar com a ajuda de um engenheiro de pesquisa experiente mais um modelo de 2024 como o o1-preview.

As ideias que vieram da conversa com o Codex

Uma pergunta mais delicada do relatório é sobre origem de ideias, já que a capacidade de gerar e validar ideias de pesquisa (o chamado "research taste") pode ser o gargalo real para qualquer autoaperfeiçoamento recursivo. A OpenAI entrevistou pesquisadores de pré-treinamento, pós-treinamento e monitoramento de segurança sobre as ideias mais importantes por trás dos lançamentos GPT-6 Astra e GPT-6.2 Astra.

Para o GPT-6 Astra, todos os grupos atribuíram as ideias centrais a pessoas, com os modelos ajudando só na implementação. Para o GPT-6.2 Astra, pesquisadores de pré-treinamento descreveram um processo diferente: desenvolveram ideias em conversa direta com o Codex, com um deles creditando ao agente a identificação de insights-chave durante o trabalho conjunto.

De modo geral, o modelo não consegue, de primeira, formular problemas bem definidos que ele mesmo não saiba resolver. E se você pedir cem vezes para ele gerar um ponto de dado, ele vai gerar pontos de dado parecidos toda vez.

The model generally can't one-shot come up with well-posed problems that it cannot solve itself. And if you ask the model to generate a data point a hundred times, it'll generate similar data points each time.Pesquisador 2, equipe de segurança, trabalha com ambientes de aprendizado por reforço

Entre a automação e o controle: o que muda no dia a dia

Dez pesquisadores entrevistados pela OpenAI descreveram cinco padrões recorrentes no uso diário de agentes: implementação de código e depuração de experimentos; gosto ruim para ideias, qualidade de código, qualidade de dados e escrita; necessidade de supervisão humana constante para evitar PRs de baixa qualidade e ciclos desperdiçados; expectativa de melhora nos gargalos atuais; e grande ganho em tarefas de varredura e geração de conteúdo em escala.

Uma vez eu portei uma avaliação de código aberto que exigia muito mais trabalho para fazer estudos e testes sobre se ela era boa. Podia levar uma semana e meia ou duas para chegar ao ponto de saber se dava para usar ou não. Hoje, dependendo da avaliação, sai do zero para rodando em um dia, talvez alguns dias.

I once ported an open-source eval where it was much more involved to get studies and ablations on 'is this a good eval'. It might have been a week and a half or two to really get to the point of "Can we use this or not?" Whereas now, depending on the eval, zero to running it is a day, maybe a few days.Pesquisador 7, equipe de segurança, trabalha com avaliações

Um padrão prático que aparece nas entrevistas é a mudança de postura ao delegar: pesquisadores pararam de pedir "faça igual a essa outra tarefa" e passaram a pedir uma amostra primeiro, revisar, e só então liberar o resto do lote. É uma mudança de fluxo de trabalho, não de ferramenta, e vale como lição para qualquer time que esteja introduzindo agentes de código em produção.

Os números de saída: mais código, mais experimentos, capacidade subindo

Além do que entra (gasto em agentes) e do processo (como o trabalho é organizado), a OpenAI tentou medir o que sai dessa equação. Linhas de código alteradas por contribuidor ativo seguem subindo com força em 2026 na comparação com a média anterior a 2025, agora medidas numa janela móvel de 28 dias.

O número de experimentos registrados por pesquisador ativo também cresceu: nas quatro semanas até 18 de outubro de 2026, a média foi 1,68 vez a linha de base de 2025. Como terceira medida, a empresa introduziu o OECI, uma versão interna do Epoch Capabilities Index, índice público usado para acompanhar a evolução geral de capacidades em IA, mas combinando benchmarks públicos com testes internos da própria OpenAI.

O que fica em aberto

A própria OpenAI reconhece as limitações: os números de autorrelato vêm de uma amostra pequena e não aleatória, a classificação de "área de pesquisa" não segue a hierarquia formal da empresa, e aumentar linhas de código ou experimentos não garante progresso real em capacidades. O avanço em Segurança e Alinhamento, que quase dobrou em contribuições documentadas desde o início do ano, aparece ligado ao incidente de segurança com avaliação de modelo na Hugging Face, em julho.

O recorte mais honesto que o relatório entrega é justamente o título: a fronteira é irregular. Enquanto tarefas de comunicação e análise já rodam quase sozinhas, construir pilhas de inferência e ambientes de teste segue dependendo pesado de gente. Para quem decide onde meter agente num pipeline real, essa distinção entre categorias de tarefa importa mais do que qualquer número agregado de gasto ou de produtividade.

Fonte: OpenAI News

Compartilhar
Quem escreveuRedação AI BrasilRedação

A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.

Leia também

Mais de Redação AI Brasil

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)