OpenAI ने अकादमिक साझेदारों के साथ एक रिपोर्ट में आठ वास्तविक मामले दर्ज किए जहाँ कोडिंग एजेंटों ने उपेक्षित शोध सॉफ्टवेयर का आधुनिकीकरण किया — जिसमें RNA-सीक्वेंसिंग गुणवत्ता नियंत्रण में 60 गुना तेजी और 20,000 लाइन के C++ जीनोम अलाइनर को 99.8% समानता के साथ Rust में फिर से लिखना शामिल है। पाँच परियोजनाओं में केवल Codex, तीन में Anthropic के Claude Code के साथ। रिपोर्ट सीमा को साफ कहती है: एजेंटों ने महत्वाकांक्षी इंजीनियरिंग काम पूरे किए, पर यह नहीं आँक सके कि नतीजे वैज्ञानिक रूप से सही हैं या नहीं — कभी-कभी त्रुटिपूर्ण कोड भी पूरे आत्मविश्वास से पेश किया।