오픈AI 연구 가속 보고서 — 에이전트가 2~4시간 과제 46% 완수, 서빙 코드는 25%
OpenAI published its second research acceleration report, The jagged frontier, on November 18, 2026. It estimates that coding agents completed 46% of internal research tasks sized at two to four human hours with zero human intervention in October 1-18, up from 23% in March, and 35% of four-to-eight-hour tasks, up from 13%. Success ranged from 79% for monitoring training runs to 25% for inference and serving code. The figures are OpenAI's own estimates: a model grades the sessions and estimates the human time, the method changed since September, and researchers choose what to delegate. Median daily agent usage was valued at $2,400 at API list prices.
오픈AI는 2026년 11월 18일(미국 시각) 연구 가속 보고서 2호를 공개했다. 코딩 에이전트가 사람에게 2~4시간 걸릴 것으로 추정된 사내 연구 과제의 46%를 사람 개입 없이 끝냈다는 추정이 핵심이다. 2026년 3월에는 23%였다. 4~8시간 과제는 13%에서 35%로 올랐다. 다만 과제 종류에 따라 79%(학습 실행 감시)에서 25%(추론·서빙 코드 작성)까지 벌어졌다. 수치는 오픈AI가 자기 모델로 채점한 추정치이고, 9월 보고서 이후 측정 방법이 바뀌었으며, 연구자가 맡기는 과제 자체가 달라졌을 수 있다고 오픈AI가 직접 적었다. 오픈AI는 사람이 여전히 연구의 중심이라고 썼다
3줄 요약
- 무엇이 올랐나 — 2~4시간 과제의 무개입 성공률 추정치가 2026년 3월 23%에서 10월 1~18일 46%로, 4~8시간 과제는 13%에서 35%로 올랐다. 15분 미만 과제는 77%에서 82%로 거의 그대로다
- 무엇이 들쭉날쭉한가 — 2026년 8월 1일~10월 18일 기준 학습 실행 감시 79%, 기술 질문 답변 72%인 반면 평가·강화학습 환경 구축 29%, 추론·서빙 코드 25%다. 오픈AI는 낮은 쪽이 전체 속도의 병목이 될 수 있다고 적었다
- 무엇을 말하지 않나 — 성공 판정과 사람 시간 추정을 모두 GPT-6 아스트라가 했고 외부 검증은 없다. 하루 2,400달러는 API 정가로 환산한 값이지 실제 비용이 아니다. 연구 자체가 빨라졌다는 직접 증거는 이 보고서에 없다
핵심 질문
- 오픈AI 연구 가속 보고서 내용
- **오픈AI가 사내 연구 조직에서 코딩 에이전트가 얼마나 쓰이고 얼마나 혼자 일을 끝내는지를 자체 측정해 2026년 11월 18일(미국 시각) 공개한 두 번째 보고서다. 제목은 Research acceleration: The jagged frontier다.** | 항목 | 내용 | |---|---| | 공개일 | 2026년 11월 18일(미국 시각) | | 앞선 보고서 | 2026년 9월의 1호 보고서 | | 2~4시간 과제 무개입 성공률 | 23%(3월) → 46%(10월 1~18일) | | 4~8시간 과제 무개입 성공률 | 13% → 35% | | 가장 높은 과제 | 학습 실행 감시 79% | | 가장 낮은 과제 | 추론·서빙 코드 작성 25% | | 연구자 중앙값 하루 사용액 | 약 2,400달러(API 정가 환산, 10월) | | 상위 10% 선 하루 사용액 | 약 2만 3,000달러 | | 오픈AI의 결론 | 향상은 들쭉날쭉하고 사람이 여전히 연구의 중심 |
- 오픈AI 에이전트 성공률 46% 의미
- **연구자가 실제로 에이전트에게 맡긴 과제 가운데, 사람이 했다면 2~4시간 걸렸을 것으로 추정된 과제의 46%가 사람이 한 번도 끼어들지 않고 성공으로 판정됐다는 뜻이다. 고정된 시험 문제의 정답률이 아니다.** | 따져 볼 점 | 보고서가 밝힌 내용 | |---|---| | 누가 채점했나 | GPT-6 아스트라 기반 분석 에이전트 | | 사람 시간은 누가 쟀나 | 같은 에이전트의 추정. 실측 아님 | | 46%의 불확실성 | 약 95% 구간 33.0~58.5% | | 어떤 과제인가 | 연구자가 골라서 맡긴 과제. 과제 구성이 달마다 달라짐 | | 9월 보고서와 같은 방법인가 | 아니다. 채점 모델·표본 추출·시간 추정·불확실 결과 처리를 바꿨다 | | 외부 검증 | 없음 |
- 오픈AI 연구자 하루 에이전트 사용액
- **2026년 10월 기준 연구자 중앙값이 하루 약 2,400달러, 상위 10% 선이 하루 약 2만 3,000달러다. 오픈AI가 쓴 토큰을 외부 API 정가로 환산한 값이고 실제로 낸 돈이 아니다.** | 구분 | 2026년 9월 | 2026년 10월 | 증가율 | |---|---|---|---| | 중앙값 연구자 | 약 1,500달러 | 약 2,400달러 | 62% | | 90번째 백분위 연구자 | 약 1만 1,000달러 | 약 2만 3,000달러 | 105% | 오픈AI는 사내 연구자에게 에이전트 사용 한도가 없다고 적었다. 2026년 8월 21일 도입한 임시 효율화 조치가 9월 10일부터 되돌려지면서 사용액이 다시 빠르게 늘었다는 각주도 달았다.
오픈AI가 자기 회사 연구실 안에서 AI 에이전트가 얼마나 일을 혼자 끝내는지를 숫자로 내놓았다. 2026년 11월 18일(미국 시각) 공개한 보고서 「Research acceleration: The jagged frontier」에서 오픈AI는 코딩 에이전트가 사람에게 2~4시간 걸릴 것으로 추정된 사내 연구 과제의 46%를 사람 개입 없이 끝냈다고 추정했다. 2026년 3월에는 23%였다. 4~8시간 과제는 13%에서 35%로 올랐다. 2026년 9월에 낸 첫 보고서에 이은 두 번째다.
제목의 '들쭉날쭉한 경계'가 이 보고서의 실제 내용이다. 같은 기간 에이전트의 성공률은 학습 실행을 감시하는 일에서 79%, 추론·서빙 코드를 짜는 일에서 25%였다. 오픈AI는 첫머리 요약에서 사람이 여전히 AI 개발의 중심이라고 썼다. 이 기사는 보고서가 무엇을 쟀는지, 숫자를 길이별·종류별로 뜯어보면 무엇이 보이는지, 이 숫자가 무엇을 말하지 않는지, 그리고 재귀적 자기 개선 논쟁과 METR의 시간 지평과는 어떤 관계인지를 차례로 다룬다.
1. 어떤 보고서인가 — 연구실 안을 스스로 잰 기록
오픈AI는 보고서를 투입, 과정, 산출 세 부분으로 나눴다. 투입은 연구자들이 에이전트를 얼마나 쓰는가, 과정은 무엇을 맡기고 얼마나 성공하는가, 산출은 그래서 코드와 실험과 모델 성능이 얼마나 늘었는가다.
공개 이유도 적었다. 오픈AI는 AI 연구소들이 재귀적 자기 개선(RSI)의 지표를 추적해 공개하도록 의무화해야 한다는 입장이고, 이 보고서가 그 실천이라는 것이다. RSI는 AI가 다음 세대 AI의 개발을 앞당기는 과정을 가리킨다. 동시에 오픈AI는 이 공개를 완전한 RSI를 추구하겠다는 뜻으로 읽어서는 안 된다고 선을 그었다.
| 구분 | 지표 | 보고서의 수치 |
|---|---|---|
| 투입 | 연구자 중앙값의 하루 에이전트 사용액(API 정가 환산) | 2026년 10월 약 2,400달러, 9월 약 1,500달러 |
| 투입 | 90번째 백분위 연구자의 하루 사용액 | 약 2만 3,000달러, 9월 약 1만 1,000달러 |
| 투입 | 연구자 1인당 하루 에이전트 근무일(8시간=1일) | 0.5일에서 5.7일로 |
| 투입 | 동시에 돌리는 에이전트 | 2026년 10월 중순 3분의 2 이상이 하루 최대 4개 이상, 10% 이상이 16개 이상 |
| 과정 | 2~4시간 과제 무개입 성공률 | 23% → 46% |
| 과정 | 4~8시간 과제 무개입 성공률 | 13% → 35% |
| 산출 | 실험자 1인당 실험 건수 | 2026년 10월 18일까지 4주 평균이 2025년 기준선의 1.68배 |
| 산출 | 자체 능력 지수(OpenAI ECI) 상승 속도 | 2025년 8월 이후 연 16.4점. 에포크AI가 본 업계 추세는 연 14점 |
사용액은 실제로 낸 돈이 아니다. 사내에서 쓴 토큰을 외부 고객용 API 정가로 환산한 값이다. 오픈AI는 2026년 9월 기준 이 환산액이 연구 조직의 비주식 보수 총액의 약 2배라고 적었다. 다만 연구자 목표 보수의 70~80%를 차지하는 주식 보상은 이 비교에서 빠졌고, 사내 에이전트 사용이 전체 연구용 컴퓨팅에서 차지하는 비중은 2%에 그친다는 점도 함께 밝혔다.
2. 숫자를 뜯어보면 — 길이별로는 오르고, 종류별로는 갈린다
보고서 도표에 실린 수치를 길이 구간별로 옮기면 다음과 같다. 성공률은 사람이 한 번도 끼어들지 않고 성공으로 판정된 과제의 비율이고, 괄호 안은 결과가 불확실한 과제를 전부 실패로 볼 때와 전부 성공으로 볼 때의 범위다.
| 사람 기준 추정 소요 시간 | 2026년 3월 | 2026년 10월 1~18일 | 10월 표본에서 차지하는 비중 |
|---|---|---|---|
| 15분 미만 | 76.5% (71.6~81.5) | 82.0% (76.9~87.1) | 19.5% |
| 15~30분 | 62.7% (57.4~68.0) | 77.8% (74.3~81.3) | 17.2% |
| 30분~1시간 | 46.9% (40.8~52.9) | 66.9% (61.5~72.2) | 21.3% |
| 1~2시간 | 33.7% (27.5~39.8) | 54.8% (49.6~60.1) | 14.3% |
| 2~4시간 | 23.0% (17.9~28.2) | 45.7% (40.7~50.6) | 14.9% |
| 4~8시간 | 12.8% (7.6~18.1) | 35.1% (29.9~40.3) | 7.8% |
| 8시간 이상 | 9.6% (6.8~12.5) | 29.2% (28.1~30.4) | 5.0% |
세 가지가 보인다. 첫째, 짧은 과제는 거의 그대로이고 긴 과제에서 많이 올랐다. 둘째, 맡기는 과제의 구성이 바뀌었다. 2~4시간 과제가 표본에서 차지하는 비중은 3월 7.8%에서 10월 14.9%로, 4~8시간 과제는 2.5%에서 7.8%로 늘었다. 연구자들이 더 긴 일을 더 자주 맡기고 있다는 뜻이다. 셋째, 46%를 뒤집으면 2~4시간 과제의 절반 이상은 여전히 사람이 끼어들었거나 실패했다. 표본 오차까지 넣은 약 95% 구간은 33.0~58.5%로 넓다.
과제의 종류로 나누면 그림이 달라진다. 오픈AI는 에포크AI가 만든 AI 연구개발 업무 분류를 써서 2026년 8월 1일부터 10월 18일까지의 성공률을 냈다.
| 구분 | 과제 | 무개입 성공률 추정 |
|---|---|---|
| 세부 과제 | 학습 실행에 문제가 없는지 감시 | 79% |
| 세부 과제 | 기술 질문에 답하기 | 72% |
| 대분류 | 소통 | 69% |
| 대분류 | 분석 | 58% |
| 대분류 | 구축 | 43% |
| 세부 과제 | 학습 실행 띄우기 | 35% |
| 세부 과제 | 평가·강화학습·에이전트 환경 구축 | 29% |
| 세부 과제 | 추론·서빙 스택 코드 작성 | 25% |
지켜보고 답하는 일은 잘하고, 만드는 일은 아직 네 번에 한 번에서 세 번에 한 번꼴이다. 오픈AI는 성능이 고르지 않은 한 낮은 쪽이 전체 향상의 병목이 될 수 있다고 적었다. 연구 한 바퀴는 감시와 답변만으로 돌지 않기 때문이다.
연구자 10명 면담에서도 같은 결이 나왔다. 구현과 디버깅, 대량의 표본 훑기에서는 큰 도움을 받지만, 에이전트는 연구 아이디어와 코드·데이터 품질을 가리는 안목이 부족하고, 사람이 가까이 붙어 있지 않으면 쓸 수 없는 결과물이 나온다는 것이다. GPT-6 아스트라의 핵심 아이디어는 연구자들이 아는 한 전부 사람에게서 나왔다고 했다. GPT-6.2 아스트라에서는 사전학습 연구자들이 코덱스와 대화하며 아이디어를 발전시켰고, 한 명은 핵심 통찰을 코덱스가 짚었다고 답했다.
3. 이 숫자가 말하지 않는 것
이 보고서의 단서는 대부분 오픈AI가 스스로 적은 것이다. 본문과 접어 둔 방법 설명에 흩어져 있어 한데 모았다.
| 단서 | 보고서가 밝힌 내용 | 뜻하는 것 |
|---|---|---|
| 채점자가 AI다 | GPT-6 아스트라 기반 에이전트가 대화 기록에서 과제를 뽑고 성공 여부와 개입 횟수를 판정 | 사람이 결과물을 검수한 것이 아니다. 판정 기준은 사용자의 반응, 코드 병합 여부, 후속 작업 여부 같은 정황이다 |
| 사람 시간도 AI가 추정 | 같은 에이전트가 사람이라면 얼마나 걸릴지를 추정. 검증이 더 필요하고 정확한 숫자는 틀릴 수 있다고 명시 | 2~4시간이라는 구간 자체가 실측이 아니다 |
| 방법이 바뀌었다 | 채점 모델 교체, 표본 추출 방식 변경, 한 구간에서 여러 과제 허용, 시간 추정 방식 변경, 불확실한 결과를 제외하지 않고 포함 | 2026년 9월 보고서의 수치와 그대로 이어 붙일 수 없다. 새 시간 추정은 이전보다 짧게 나온다고 했다 |
| 과제 선택이 바뀐다 | 에이전트가 좋아지면서 연구자가 각 구간에서 맡기는 과제의 종류가 달라졌을 수 있다 | 성공률 상승에는 능력 향상과, 무엇을 맡길지 고르는 솜씨가 섞여 있다 |
| 표본이 일부다 | 대화형 사용의 작은 부분 표본. 알려진 자동화 패턴은 제외 | 연구 조직의 전체 업무가 아니다 |
| 명단 문제 | 2026년 3~6월 자료는 당시가 아닌 현재의 연구 조직 명단을 썼다 | 초기 수치의 모집단이 조금 다르다 |
| 사용액은 정가 환산 | 활동 증가뿐 아니라 더 비싼 모델로의 이동, 하네스 변경이 섞였다 | 달러 증가가 곧 일의 증가는 아니다 |
| 설문은 가정 질문 | 101건 응답, 무작위 모집이 아니었고 자기 보고의 정확성 문제를 인정 | 인력 40%나 컴퓨팅 30%와 맞바꾸겠다는 답은 실제 결정이 아니다 |
사용액 숫자에는 각주가 하나 더 붙어 있다. 오픈AI는 2026년 8월 21일 사내에 임시 효율화 조치를 넣었고, 그 뒤 기록된 토큰 사용액이 크게 눌렸다. 이 조치는 9월 10일부터 차례로 되돌려졌고 사용액은 다시 급증했다. 9월 대비 62%, 105%라는 증가율의 일부는 눌렸던 것이 풀린 결과일 수 있다. 얼마가 그런지는 보고서가 나눠 적지 않았다.
더 큰 빈칸은 산출 쪽이다. 코드 변경량과 실험 건수가 늘었다는 것은 활동이 늘었다는 뜻이고, 오픈AI도 이것이 연구 진전이 빨라졌다는 뜻은 아니라고 적었다. 모델 능력 지수가 연 16.4점씩 오른다는 수치도 사내 벤치마크를 섞은 자체 지수다. 에이전트 덕에 다음 모델이 몇 달 일찍 나왔는지를 잰 숫자는 이 보고서에 없다. StartupHub.ai는 이 점을 들어 바쁜 것과 자율적인 것은 다르다고 평했다.
4. 재귀적 자기 개선 논쟁과 METR 시간 지평 사이에서
이 보고서는 RSI 논쟁의 양쪽이 모두 인용할 수 있는 자료다. 가속을 말하는 쪽은 일곱 달 사이에 2~4시간 과제 성공률이 두 배가 됐다는 점, 연구자 1인당 에이전트 근무일이 5.7일이라는 점, 설문에서 중앙값 응답자가 에이전트를 지키려 팀 인력의 40%를 내놓겠다고 한 점을 든다. 신중한 쪽은 같은 보고서에서 사람의 개입이 절반 이상의 긴 과제에 여전히 필요하다는 점, 아이디어의 출처가 대부분 사람이라는 점, 측정 자체가 모델과 함께 움직였다는 점을 든다.
오픈AI 자신은 결론에서 한 가지를 더 보탰다. 지금까지의 추세는 사람과 AI의 협업에서 나온 것이어서 앞으로의 AI 주도 진전을 예측하지 못할 수 있다는 것이다. 최근 수학에서 나온 갑작스러운 돌파를 예로 들며, 딥러닝에서도 비슷한 일이 생기는지 지켜보고 있다고 했다. 완만한 곡선이 계속 완만하리라는 보장이 없다는 뜻이다.
METR의 시간 지평과는 닮았지만 다른 숫자다. 둘 다 과제의 난이도를 사람이 걸리는 시간으로 잰다. 그러나 재는 방식이 다르다.
| 구분 | METR 시간 지평 | 오픈AI 보고서의 길이별 성공률 |
|---|---|---|
| 과제 | 고정된 시험 과제 묶음 | 연구자가 실제 업무에서 골라 맡긴 과제 |
| 사람 시간 | 사람이 직접 풀어 본 시간 등으로 정함 | AI의 추정 |
| 성공 판정 | 과제별 채점 기준 | AI가 대화 기록과 정황으로 판정 |
| 사람의 개입 | 없음을 전제 | 개입 0회인 경우만 성공으로 계산 |
| 달마다 과제가 같은가 | 같다 | 다르다 |
| 측정자 | 외부 비영리 기관 | 회사 자신 |
오픈AI 도표에서 성공률이 50%를 넘는 마지막 구간은 1~2시간(54.8%)이고 2~4시간에서 45.7%로 내려간다. 사내 실무 기준으로 반반 확률의 경계가 2시간 언저리라는 얘기다. 2026년 11월 20일 자 「AI 시간 지평이란」에서 다룬 METR의 공개 수치는 한 모델의 50% 지평을 약 12시간으로 잡는다. 두 숫자의 차이를 어느 한쪽이 틀렸다는 근거로 쓸 수는 없다. 모델도, 과제도, 채점도 다르다. 다만 정돈된 시험 과제의 지평과 어수선한 실무에서의 무개입 성공률 사이에 간격이 있다는 점은 2026년 11월 10일 자 기사에서 본 벤치마크 포화 문제와 같은 방향을 가리킨다.
남은 것과 확인되지 않은 것
| 열린 질문 | 지금 상태 |
|---|---|
| 외부 기관의 검증 | 없음. 원자료는 사내 대화 기록이라 공개되지 않았다 |
| AI 채점의 정확도 | 사람 검수와 얼마나 일치하는지 보고서 본문에 수치가 없다 |
| 사람 시간 추정의 정확도 | 오픈AI가 검증이 더 필요하다고 밝혔다 |
| 능력 향상과 과제 선택의 분리 | 분리하지 않았다 |
| 연구 진전이 실제로 얼마나 빨라졌나 | 재지 않았다. 오픈AI가 향후 보고 과제로 꼽았다 |
| 능력 연구와 안전 연구 중 어느 쪽이 더 가속되나 | 재지 않았다. 향후 과제로 꼽았다 |
| 실제 내부 비용 | 비공개. 정가 환산액만 공개 |
| 10월 전체 수치 | 도표는 10월 18일까지 |
| 다른 연구소와의 비교 | 측정 방식이 달라 직접 비교할 수 없다 |
안전 쪽 숫자도 하나 있다. 오픈AI는 안전·정렬 분야에 기록된 연구자 근무 주 수가 2026년 1월부터 9월 사이 77% 늘어 모든 연구 분야 가운데 절대 증가 폭이 가장 컸고, 2026년 7월 허깅페이스 사고 이후 증가세가 빨라졌다고 적었다. 이것 역시 슬랙 글과 코드 변경, 내부 문서를 분류기로 나눠 추정한 값이다.
정리하면 이 보고서가 보여 주는 것은 연구실의 일하는 방식이 빠르게 바뀌고 있다는 사실이고, 보여 주지 않는 것은 그 변화가 연구의 속도를 얼마나 바꿨는가다. 46%는 회사가 자기 모델로 자기 업무를 채점한 추정치이며, 그 옆의 25%와 함께 읽어야 한다.
재귀적 자기 개선이 무엇이고 왜 논쟁이 되는지는 2026년 10월 16일 자 「재귀적 자기 개선이란」에 정리했다. 벤치마크 점수와 실제 작업 완수율의 간격은 2026년 11월 10일 자 「AI 코딩 에이전트 성공률」에서, 오픈AI가 외부 평가자를 사내에 들인 계약은 2026년 11월 18일 자 「오픈AI 임베디드 평가」에서 다뤘다. 사람 시간으로 AI의 능력을 재는 방법과 그 한계는 2026년 11월 20일 자 「AI 시간 지평이란」에 있다.
출처
- 오픈AI — Research acceleration: The jagged frontier (2026-11-18)
- AI Weekly — OpenAI says coding agents finish 46% of 2-4 hour research tasks (2026-11-19)
- StartupHub.ai — OpenAI agents do busywork, not research (2026-11-19)
- The Rundown AI — OpenAI says agents finish nearly half of tasks that take researchers 2 to 4 hours (2026-11-20)
- AI TLDR — OpenAI's jagged frontier report (2026-11-18)
- Blockchain.News — OpenAI Reports Uneven Progress in AI-Driven Research Acceleration (2026-11-19)
- CellCog — OpenAI's Research Report: Top Researchers Spend $23K a Day (2026-11-19)