Third Moment Research 如何运行 10,000 个智能体长达 36 小时以上 | OpenAI
2026 年 10 月 14 日
初创企业
借助 GPT‑6 Astra、GPT‑6.1 Sol、Codex 以及用于网络安全的 Daybreak,这家 AI 实验室构建了能够持续专注工作数天并随着使用不断自我改进的智能体(Agent)。

公司规模:初创企业
地区:北美
行业:科技
产品:API、Codex
- 10,000:并发运行的智能体数量
- 36–48:单次自主研究任务时长(小时)
- 97%:借助 Codex 实现的回测时间缩减
- 1 万亿:单日消耗的 OpenAI Token 数
每个公司都有自己独特的工作流程、工具、边缘用例以及对成功的定义。Third Moment Research 坚信,最优秀的智能体应当精通此类特定工作,并且其能力应当随着使用频率的增加而不断提升。
该公司正围绕这一理念构建一个自我改进的 AI 系统,利用 OpenAI 的最新模型来理解智能体行为、识别反复出现的弱点,并针对这些问题自动生成数千个合成场景。团队利用这些场景来优化智能体,并在出现新问题时不断重复这一过程。
Codex、GPT‑6 Astra、GPT‑6 Sol 和 GPT‑6.1 Sol 为该系统的研究与计算工作提供支持,使 Third Moment 能够同时运行 10,000 个智能体,开展长达 36 至 48 小时的调研探索。该公司还使用 Daybreak 来测试智能体工作环境的安全性。
“在单次会话中,GPT-6.1 Sol 能够在跨越数天的计算过程中始终保持连贯的计算研究主线,而不会偏离核心目标。”
—— Adam Khakhar,Third Moment Research 联合创始人
借助 Codex 减少运行时间与 Token 浪费
鉴于量化金融有着明确的成功衡量标准,Third Moment 的早期应用场景之一便选在该领域。该领域提供了一个具体环境,用以研究智能体如何工作以及它们在何处遇到瓶颈。团队利用 Codex 发现并解决研究环境中的问题。
在一个案例中,团队将 Codex 与当时最新的 GPT 模型 GPT‑5.6 结合使用,结合时间戳和代码库,分析了数千条记录下的模拟轨迹(即智能体的行动与环境的响应)。
Codex 发现了一个瓶颈:在长达一年的美股订单级(order-level)数据上对交易策略进行回测需要耗费数小时。在等待过程中,智能体不断轮询回测是否完成,这不仅浪费了 Token,还让状态检查信息充斥了上下文窗口。
在对回测进行性能分析(profiling)并评估其输入与使用情况后,Codex 确定了一项缓存优化方案和一种内存打包(memory-packing)技术。它对解决方案进行了实验并将修复方案部署至生产环境,将回测时间从约 3 小时缩短至约 3 到 5 分钟。这降低了 Token 消耗和上下文污染,为智能体释放了更多用于后续实验的 Token 预算。
借助 Codex 与 GPT‑6 确保智能体专注于任务
Third Moment 为每个智能体提供特定工作所需的工具、信息和环境。对于量化研究,团队在 Docker 容器化环境中运行默认的 Codex 运行框架(harness)。智能体可获取 1TB 的数据、文档以及包含特征工程、GPU 支持的模型训练、交易策略和模拟模块的研究代码库。
GPT‑6 Astra、GPT‑6 Sol 和 GPT‑6.1 Sol 提供推理能力,而 Codex 运行框架则为智能体提供行动工具,使其能够采取行动、制定计划、设定目标、派生子智能体(subagents),并在工作持续进行时压缩上下文。
为了解决智能体在任务完成前意外终止的问题,Third Moment 将 Codex 视为由 GPT‑6 Sol 或 GPT‑6.1 Sol 驱动的外部框架内部的一个子智能体。当任务未完成时,外部框架会检查执行轨迹,并决定是重试、终止任务还是上报人工介入审核。
“Codex 运行框架极其通用,能够跨诸多不同领域加以应用。”
—— Adam Khakhar,Third Moment Research 联合创始人
在这一研究环境中,智能体致力于优化由 Third Moment 工程师构建的基线交易系统。它们在历史数据上测试交易策略,评估某项改进究竟具有实质意义还是仅为随机噪声,并利用每次实验的结果来决定下一步的实验方向。据 Adam 介绍,它们的工作已经提升了基线交易系统的性能。

以更高 Token 效率维持长周期研究
Adam 表示,在 GPT‑5.5 之前,模型只能执行用户预先指定的实验。到了 GPT‑5.5 和 GPT‑5.6,配合 Codex 框架运行的模型能够根据实验结果来设计后续实验。而现在借助 GPT‑6 Astra、GPT‑6 Sol 和 GPT‑6.1 Sol,智能体能够通过与子智能体并行运行的数百次实验来深挖根本原因。
这种进步帮助智能体探索了团队此前未曾预料的研究方向。在一次会话中,GPT‑6.1 Sol 发现了一个交易所中非公开交易(non-displayed trades,暗盘交易)的影响,而这些交易在该交易所的总成交量中占比出人意料地高。Adam 说道:“这是一个非显而易见的结果,我们的研究团队最初并未考虑到。”
Third Moment 在优化、机器学习系统以及量化研究等维度对模型进行评估。它以最高的推理设置对前沿模型版本进行测试,评估它们的