为什么时机至关重要

科学软件长期以来一直是一个瓶颈。研究人员需要花费数月时间编写和调整代码，以处理海量数据集和复杂的算法。OpenAI 的这项研究追踪了八个依赖重度计算的项目——其中五个仅使用了 OpenAI 的 Codex 模型，而另外三个将 Codex 与 Anthropic 的 Claude Code 结合使用。在所有案例中，智能体（agents）都接管了传统上需要手动编码的任务，从搭建项目架构到微调性能关键部分。

这种速度提升并非渐进式的。通过自动化整个构建流水线，智能体让科学家能够专注于假设测试和数据解释。对于那些难以组建专门软件团队的机构来说，按需生成生产级代码可能会使其在竞争中获得平等的地位。

从聊天机器人到自主工程师

报告显示，人们对大语言模型（LLMs）的看法正在发生转变，即从将其视为聊天助手转变为将其视为智能体。这些模型接受高层目标，选择工具，编写代码，运行测试，并不断迭代直到构建成功。这种“智能体工作流”（agentic workflow）模仿了人类工程师的端到端流程，但其运行速度达到了机器级别。

混合部署——将 Codex 与 Claude Code 结合使用——被证明特别有效。

谁受益，谁可能受损

研究人员和小型实验室将获益最多。更快的构建意味着更短的实验周期，这可以缩短论文发表周期，并减少对昂贵外部计算服务的依赖。

供应商也参与其中。OpenAI 的 Codex 模型被强调为核心组件，而 Anthropic 的 Claude Code 则通过混合实验获得了关注。由于该报告是由供应商主导的调查，其公正性存疑。

注意事项

八个项目的样本量较小。如果没有更广泛、独立的基准测试，我们无法得知这些结果如何转化到其他科学领域或具有遗留代码库的项目中。报告并未披露基准构建时间，因此确切的百分比降幅尚不明确。

由于提供智能体的公司本身就是这项研究的实施者，因此存在选择性偏差。那些本身就倾向于尝试 AI 工具的项目可能更具接受度，从而夸大了感知到的收益。

报告指出智能体可以处理“错误修正”，但并未讨论在构建结果达到可信程度之前，仍需要多少人工审查。

后续关注点

  • 采用指标：追踪除最初的八个项目外，有多少研究小组采用智能体工作流，这将揭示速度提升在规模化应用时是否依然有效。
  • 工具集成：随着越来越多的开发环境为 LLM 智能体开放 API，即插即用的解决方案可能会降低非技术背景科学家的准入门槛。
  • 标准化工作：相关社区可能会起草验证 AI 生成科学代码的指南，以确保其可重复性和安全性。
  • 竞争动态：其他 AI 公司可能会推出自己的编程智能体，从而引发一场优化多模型编排和错误检查能力的竞赛。

总结

OpenAI 的这份实地报告提供了具体证据，证明自主编程智能体可以显著加速科学软件的构建。研究结果令人期待，但有限的数据集和以供应商为中心的方法论使得其广泛影响仍具有不确定性。如果这一趋势持续下去，下一波计算研究的定义将不再取决于谁能雇佣规模最大的代码团队，而在于谁能最好地利用 AI 智能体将想法转化为可运行的代码。