两家最激进的公司，两组同时公开的内部数字，说的都是同一句话。
最近一周，两个地方几乎同时公开了内部数字。
一边是 OpenAI，9 月 6 日交了一份内部数据：研究部门平均每 1 个人类工作日，对应 3.1 个 Agent 工作日。测量时点是 8 月中旬，按标准 8 小时工作日折算。6 月之前，Agent 的总运行时长还低于人；两个月就被翻了过来。
另一边是 Meta。路透社 8 月 26 日的调查显示，首席技术官 Andrew Bosworth 6 月初发的内部帖里写了两组对比：员工日常用的内部平台和基础设施，代码变更 +220%；真正变成用户能看到的新功能或升级，只 +36%。
同周，还出现一组更不好看的数字：重大技术与安全事故 +40%，救火时间 +70%。Meta 拒绝对这组事故数据置评。
把这两份内部材料并排放，说的是同一件正在发生的事。
先被撑起来的，是工时和代码量。还没被撑起来的，是交到用户手里的东西，以及出了事谁来收。
章节OpenAI 的 3.1，量的是运行时长
3.1 这个倍数会传开。
媒体喜欢它，因为它够简单，「OpenAI 内部用 Agent 把研究速度翻了 3 倍」一句话就能写完一篇。但 OpenAI 自己写得很清楚。
3.1 量的是运行时长，不是论文，不是上线的功能，也不是组织产能。「有些指标好收集，难解释。研究团队生成了多少代码，和研究进展之间的关系并不确定。」
这是 Agent 在岗时间。在岗价值是另一回事。
值得看一下它的定义。OpenAI 把当前这套系统叫「自动化研究实习生」：
在人的指导下，完成明确的研究任务，包括熟练研究员要花几天的活。
注意三个词：指导下、包括、几天的活。
下一站叫「自动化研究员」，里程碑定在 2028 年 3 月。他们自己写明：这是「根据我们自己的测量」达成的，没有外部评测。
这里要停一下。3.1 倍工时，到不了 3.1 倍研究员。OpenAI 的官方用语是「实习生」。你可以让一个实习生一天干三天的活，但你不会让他独立定研究优先级，也不会让他判断哪些想法值得继续。
那才是研究。
长任务也还没脱掉人。OpenAI 公开过一个数字：近 6 个月成功的 4 到 8 小时任务里，过半至少有一次人工干预。任务越复杂，越需要人来掌舵。高层规划在 Agent 输出 token 里仍只占很小一部分。
Agent 更擅长的是排障和监控。以前帮研究员调试实验的「office hours」（答疑时段），今年出席率在降，有一个团队已经把它停掉，把时间拿去改系统。
停掉的是被打断的答疑时间。研究判断还在人手里。
所以 3.1 可以当真，但不能当成「人可以按这个倍数减」。工时先于产出扩张，这句话 OpenAI 自己写在附录里了。
章节Meta 的 220%，仓库变更激增
Meta 那边比 OpenAI 更直接，因为它已经按工时去排编制了。
路透社的调查显示，今年 1 月，扎克伯格和核心管理层在夏威夷开了代号 Project OT 的 Retreat，定下了改造计划。情景规划里，不少团队最多缩到 40%，也就是说，60% 的岗位要被 Agent 顶掉。
Meta 向路透确认：这是部分团队的情景，包含裁员和转岗，从来不是全公司裁 60%。若干主要部门不在其中。第二波裁员在算出总共会走多少人之前，就被取消了。
5 月 19 日夜里，第一波动手前几个小时，扎克伯格叫停了原定 11 月的那一波。第二天，约 10% 的裁员照样发生了。
叫停的原因，就藏在 Bosworth 6 月初那组数字里。
220% 对 36%。这就是一张仪表盘。
| 维度 | 同比增长 | 备注 |
|---|---|---|
| 内部代码变更（平台/基础设施） | +220% | 仓库更吵了，PR 更多，CI 也更红 |
| 用户可见的新功能/升级 | +36% | 真正交到用户手里的东西 |
| 重大技术与安全事故 | +40% | Meta 未置评 |
| 救火时间 | +70% | 人要花更多时间修 Agent 弄出来的事 |
更有杀伤力的是那行不起眼的对照：
不受控的 Agent 做了人很少会做的大规模破坏性操作。
人会偷懒、会卡住、会报错，但不会主动去清库、批量改配置、把生产数据写到日志里。Agent 会。
7 月初的内部会上，扎克伯格说：Agent 没有他预期那么快。效益也许要再等 3 到 6 个月。
内部代码确实多了。实验和草稿，还有基础设施变更，都会在工时表上好看。220% 和 3.1 说的是同一类东西：中间产物变厚了。36% 指向的是另一类，交到用户手里的东西，没有按同样的斜率涨。
章节两家公司不在做同一件事
OpenAI 和 Meta 不能拼成一张榜。一个量研究部门的运行时长，用来加速前沿研究；一个量内部代码变更和用户可见功能，用来替代一部分工程岗位。一个是「加速器」，一个是「替代品」。
并排放，是因为缝是同一条。如果你正在用 coding agent，它会直接落到三件具体的事上。
章节对正在用 coding agent 的人，意味着三件具体的事
第一，不要用运行时长做编制。
3.1 倍工时，减不掉 3.1 倍的人。
长任务过半还要人插手，规划权也还在人手里。你减掉的如果是那个插手的人，留下来的是更厚的代码堆，和 Meta 那个 220%。
仓里很热闹，产线上没东西。
第二，把「变更」和「交付」拆开看。
Meta 的 220% 对 36%，就是这个仪表盘。
仓库更吵了，PR 更多，CI 也更红，都可能被记成效率。但用户看见的功能，还有事故和救火时间，才是交付。
下次评审季，建议把这两个数分开报。一个叫「活动量」，一个叫「交付量」。别让活动量把交付量吃掉。
第三，Agent 先替换的是答疑和排障，不是判断。
OpenAI 停掉的是 office hours。研究员还在。 Meta 多出来的救火时间是 +70%，不是 -70%。
你要是只统计「Agent 处理了多少工单」，会高估它替换了多少判断。工单是花掉的时间，判断是定下的方向。两个完全不同的东西。
工单可以被 Agent 接走。方向不能。
换一个更贵的模型，补不上这条缝。
模型决定单次任务能跑多远。问题出在度量上。你把运行时长当成了产出。
工时表上好看的东西，会越来越多；用户手里的东西，会越来越慢。这就是这条缝的形状。
你在用 coding agent 吗？
最近一次评审，有没有人把 PR 数、提交数报成效率？仓库是不是明显更吵了？
欢迎在评论区说说你那边的体感。活动量和交付量，分开报了没有？
章节资料
- OpenAI，2026-09-06，Research acceleration: The view inside OpenAI。3.1、干预率、实习生定义、office hours，均出自该页。
- 路透社，Katie Paul，2026-08-26，Mark Zuckerberg had a bold plan to replace Meta staff with AI。220%、36%、事故与救火、Project OT 与两波裁员，均出自该调查。事故数据 Meta 未置评。