Масштабирование ИИ-агентов: опыт Third Moment Research с 10 000 одновременных сессий
Лаборатория Third Moment Research использует новые модели OpenAI для создания самосовершенствующихся систем в количественных финансах, запуская тысячи агентов на несколько дней.
Суть
Стартап Third Moment Research разработал систему, способную управлять 10 000 автономных ИИ-агентов одновременно. В ходе сессий, длящихся от 36 до 48 часов, агенты занимаются исследованиями в области количественных финансов. Используя последние модели OpenAI, лаборатория создает инструменты, которые фокусируются на длительных задачах и улучшают свои возможности по мере использования.
Контекст
В сфере количественных финансов критически важно быстро тестировать торговые стратегии на исторических данных. По словам сооснователя стартапа Адама Кхакхара, до появления GPT-5.5 модели могли выполнять только те эксперименты, которые предписывал пользователь. С выходом GPT-5.5 и GPT-5.6 агенты начали использовать результаты для планирования последующих шагов. Теперь новые модели позволяют расследовать первопричины проблем через сотни параллельных экспериментов.
White Third Moment wordmark over smoky plum glass illuminated by warm amber light.
Детали
Лаборатория использует комбинацию различных моделей для решения своих задач. GPT-6 Astra, GPT-6 Sol и GPT-6.1 Sol обеспечивают логическое рассуждение, а Codex предоставляет агентам инструменты для действий, создания планов и управления контекстом. Текущее тестирование также включает модель GPT-6 Luna. За один день система потребляет 1 триллион токенов OpenAI.
В одном из случаев использования Codex совместно с GPT-5.6 система проанализировала симуляции и выявила узкое место в коде. Оптимизация процесса ретроспективного тестирования (backtesting) позволила сократить время выполнения с примерно 3 часов до 3-5 минут, что означает снижение времени на 97%. Это уменьшило расход токенов на постоянные проверки статуса.
Для обеспечения безопасности инфраструктуры при таком масштабе компания применяет платформу Daybreak. Агенты самостоятельно проводят тестирование на проникновение (penetration testing), проверяя, могут ли они выйти за пределы исследовательской среды.
Third Moment Research’s continual improvement loop: agents run experiments, identify recurring issues, generate simulations, and improve the agent, using Codex and OpenAI models.
Анализ
Переход от кратковременных запросов к многодневным сессиям демонстрирует рост надежности систем искусственного интеллекта. Чтобы агенты не останавливались до завершения задачи, Third Moment Research использует иерархический подход: Codex выступает в роли субагента внутри внешней оболочки, управляемой GPT-6 Sol или GPT-6.1 Sol. Эта оболочка анализирует незавершенные задачи и принимает решения о повторной попытке, завершении работы или передаче вопроса человеку.
Перспектива
В будущем Third Moment Research планирует расширить систему от индивидуальных расследований до сотен тысяч взаимодействующих субагентов. Дорожная карта предполагает использование триллионов токенов для поддержки цепочек из десятков зависимых экспериментов. Это позволит специалистам перейти от непосредственного проведения исследований к проектированию и оптимизации самого процесса поиска решений.
Pollo AI — Cover and hero
LegalOn customer story draft card image
Basis customer story art card - slate blue texture
TL;DR
Главное
Автономные ИИ-агенты способны поддерживать связный процесс исследований на протяжении нескольких дней, самостоятельно находя и исправляя узкие места в инфраструктуре.
Ключевые факты
- /10 000 агентов работают одновременно.
- /Длительность одной автономной сессии составляет 36-48 часов.
- /Оптимизация кода сократила время тестирования на 97% (с 3 часов до 3-5 минут).
- /Система использует 1 триллион токенов за один день.
Инсайт
Автономные исследования могут приводить к открытиям, которые упускают люди, например, к выявлению влияния скрытых сделок на общую динамику биржевого объема.
