10 000 агентов на двое суток: где Third Moment сжала бэктест и токены

Third Moment Research гоняет до 10 000 агентов параллельно на сессии по 36–48 часов; в пиковый день уходит триллион токенов OpenAI. Стек — Codex, модели GPT‑6 Astra и GPT‑6.1 Sol и Daybreak для проверки изоляции среды до старта симуляций.

Кейс про деньги, но боль узнаваемая: годовой бэктест стратегии по order-level данным по акциям США занимал около трёх часов. Пока job крутился, агенты снова и again опрашивали статус — сжигали токены и забивали контекст пустыми проверками. Codex с GPT‑5.6 (актуальная на тот прогон модель) разобрал тысячи записанных траекторий вместе с таймстемпами и кодом, нашёл узкое место и выкатил кэш с упаковкой памяти: прогон упал до 3–5 минут — в материале это 97% сокращения времени бэктеста.

Длинные сессии без «потери сюжета»

Сооснователь Adam Khakhar описывает GPT‑6.1 Sol как модель, которая держит связную линию вычислительного исследования днями. В Docker поднимают оболочку Codex: терабайт данных, документация и репозиторий с feature engineering, обучением на GPU и симуляцией. Снаружи — контур на GPT‑6 Sol или GPT‑6.1 Sol: если задача оборвалась, решает повторить, завершить или отдать человеку.

• сотни параллельных субагентов копают корневые причины — в одной сессии GPT‑6.1 Sol нашёл влияние non-displayed сделок на бирже с неожиданно большой долей объёма;
• точечные security-проверки симуляций — на более лёгких моделях вроде GPT‑5.6 Terra, глубокий ресёрч — на дорогом reasoning;
• Jeffrey Yan называет GPT‑6.1 Sol самой используемой моделью: меньше токенов при сопоставимой с Astra производительности.

При 10 000 автономных агентов ручной pentest не тянет масштаб: Daybreak гоняет сценарии до запуска, в том числе попытки выхода из research-среды в сеть. Khakhar прямо говорит — без Daybreak такое тестирование было бы нереалистично. Дальше в планах — сотни тысяч сотрудничающих субагентов и цепочки из десятков зависимых экспериментов на триллионах токенов, а люди остаются на уровне дизайна исследования.

Источник: How Third Moment Research runs 10,000 agents for 36+ hours.