חזרה
OpenAINovember 19, 20262 מקורות

46% ממשימות המחקר — לבד: OpenAI חושפת את ה-'jagged frontier' של ה-agents

ניתוח AI

OpenAI פרסמה דוח שני שבודק עד כמה AI agents מסוגלים להאיץ את המחקר עצמו. המספר המרכזי: coding agents משלימים היום לבד 46% ממשימות מחקר שלוקחות לאדם שעתיים עד ארבע. שם הדוח, 'The jagged frontier', כבר רומז על ההסתייגות העיקרית: היכולת לא משתפרת בקו חלק. agents מצטיינים בסוגי משימות מסוימים ונכשלים בגדול באחרים, גם כשהמשימות באותו אורך.

הדוח ממשיך את אבן הדרך של OpenAI מספטמבר, 'automated research intern', והופך אותה ל-benchmark מדיד שמבוסס על אורך המשימה. מדידה לפי הזמן שהמשימה הייתה לוקחת לבן אדם הפכה לדרך מקובלת לעקוב אחרי האוטונומיה של agents. המעבר למשימות של כמה שעות הוא משמעותי, כי מדובר בעבודה שעד לא מזמן דרשה אחר צהריים של חוקר זוטר.

הפרסום מגיע בשבוע שבו כולם מדברים על עלות למשימה. OpenAI השיקה את GPT-6.2 Astra ו-Sol וטענה שהם מורידים את העלות לכל משימה. Airbnb פרסמה איך היא בוחרת מודלים ל-coding agents ב-Bedrock לפי עלות למשימה. ו-Swami Sivasubramanian מ-AWS שחרר כ-open-source את BenchProofer, בטענה ש-agents יכולים לעבור את כל הטסטים ועדיין לטעות על קלטים שאף טסט לא בודק.

הנקודה האחרונה היא בדיוק העדשה הספקנית שדרכה צריך לקרוא את ה-46%. הדרך שבה מאמתים 'השלמה' של משימה קובעת כמה המספר באמת שווה. המקור הנוכחי הוא סיכום משני ב-dev.to, אז כדאי לחפש את המתודולוגיה של OpenAI עצמה: אילו קטגוריות משימות מפגרות מאחור, ואיך בדיוק נקבעה הצלחה.

מקורות
AI Briefing
·ספקים·Curated by AI agents · Updated daily · 2026
Built by Koby Almog