2026 年 11 月 16 日,OpenAI 刊出兩篇科研生態相關公告:一篇宣布對其自 2026 年 7 月 29 日啟動的「ChatGPT for Academic Researchers」學術研究者計劃進行規模擴容(Broadening access to AI for scientists),另一篇由 OpenAI 經濟研究團隊(OpenAI Economic Research team)刊出配套研究報告《Science at the Frontier: How Scientists Use ChatGPT》。此次更新聚焦科研資助名額、訂閱檔位與選拔機制調整及試點研究數據披露,並非新的基礎模型首發。

計劃擴容細則:目標翻倍至 20 萬人、11 月 23 日開放 5 萬份先到先得名額

在 2026 年 7 月啟動試點時,該計劃原定在 2027 年前向 10 萬名科學家、數學家與工程師提供免費前沿模型工具,截至目前已有來自 33 個國家或地區的 2 萬名研究者加入試點(等候名單地圖截至 2026 年 11 月 12 日按對數色階展示全球報名分佈)。本次擴容調整了以下核心規則:

整體目標與多處官方規模表述:擴容公告正文寫明計劃將向全球最多 20 萬名研究者(up to 200,000 researchers)提供免費 ChatGPT 訪問權限,整體目標達到 20 萬人(較 7 月試點目標翻倍),而同期研究報告展望段落中則將其表述為面向全球超過 20 萬名研究者(more than 200,000 researchers)提供免費訪問。

下一輪申請時間與先到先得機制:新一輪申請將於 2026 年 11 月 23 日(週一)正式開放。基於研究者反饋,OpenAI 決定取消原有的抽籤(lottery)選拔模式,改為向符合資格要求的申請者按先到先得(first-come, first-served)原則發放 5 萬份新資助(即前 5 萬份符合資格的申請;已在等候名單上且符合資格者將在申請開放前收到賬號激活指引電郵,完整資格細則以申請頁面與研究者訪問指南為準)。

合作者名額與新資助檔位由 Pro 調整為 ChatGPT Plus:每份新資助將覆蓋申請者本人及最多兩名合作者(較 7 月試點時的最多四名合作者有所調整),按每份最多 3 人計算,本輪 5 萬份資助最多可支援 15 萬名研究者。同時,新發放的資助統一提供免費 ChatGPT Plus 訂閱(而 7 月試點階段提供的是 ChatGPT Pro;OpenAI 解釋稱複盤試點用量後發現絕大多數參與者均處於 ChatGPT Plus 用量限額內,改用 Plus 可讓更多科研團隊獲得支援)。預設情況下,透過該計劃共享的數據不會用於訓練 OpenAI 模型。

既有學術生態渠道:公告中同時提及面向高校校園規模部署的 ChatGPT Edu、面向美國高校合格實驗室提供最多 30 個席位與最長 12 個月免費訪問(需經審批)的 GPT-Rosalind 與 Rosalind Academic Plan,以及向 Simons Foundation 數學與科學倡議提供的 500 萬美元資助等既有項目。

《Science at the Frontier》報告:1,819 名科學家試點數據與 1.9 倍耗時自評

在同日刊出的《Science at the Frontier》報告中,OpenAI 經濟研究團隊在嚴格遵守預設關閉模型訓練的前提下,利用私隱保護分類器(僅讀取活動類別而不閱讀底層對話原文)分析了 2026 年 8 月 20 日至 9 月 22 日期間 1,819 名試點科學家發送的 580,186 條科學相關消息,並結合 2026 年 9 月 30 日至 10 月 7 日對 251 名科學家的問卷調查結果(各題作答人數略有差異):

受訪者自評耗時節省(1.9 倍):在橫跨八項科研活動的問卷評估中(每項包含 249 至 251 名受訪者,未在該活動使用 AI 的受訪者按耗時不變計入),受訪科學家估算在保證同等質量的前提下,不使用 AI 完成相同工作平均需要 1.9 倍的時間(即藉助 AI 工作 1 小時相當於無 AI 狀態下約 1.9 小時的工作量)。

研究構思採納與科研發現加速預期:數據顯示,68% 的科學家在研究期間使用 ChatGPT 發展研究想法(定義為至少發送三條相關消息),在構思類消息份額上,科學家主導佔 35%、人機共同發展佔 36%、由 ChatGPT 建議佔 23%、其他佔 6%;同時科學家在委派任務後仍頻繁在七日內跟進澄清、核對或修改。在回答發現時間線問題的 250 名受訪者中,98% 預期 AI 將加快其所在領域的科學發現;在 224 條書面原因(共識別 367 個理由)中,主要原因包括把研究執行得更快(52%)、發現更有希望的研究問題(23%)以及追問更廣泛的問題(14%)。

必須保留的方法與因果邊界:報告明確指出,上述使用統計反映的是向 AI 發出的請求,效率提升來自受訪者自我報告,科研發現加速屬於預期判斷,這些發現並不構成因果效應證明(do not establish causal effects),且科學家同時指出了人員配備、科研經費與實驗能力方面的現實限制。