Third Moment ResearchがOpenAI CodexとGPT-6で10,000エージェントを36時間以上稼働させる方法
TL;DR
Third Moment Researchは、OpenAI Codex、GPT-6 Astra、GPT-6 Sol、GPT-6.1 Solを使用して、36〜48時間続く調査のために10,000エージェントを同時に稼働させています。このシステムは自己改善型AIループです。モデルがエージェントの動作を分析し、繰り返し発生する弱点を特定し、それらの問題を中心に合成シナリオを生成し、新たな問題が発生するたびにエージェントを改善します。Daybreakは、それらのエージェントが動作する環境のセキュリティテストを自動化します。
Third Moment Researchが構築したもの
Third Moment Researchは、自己改善型AIシステムを構築しています。これは、最高のエージェントが企業固有のワークフロー、ツール、エッジケース、成功の定義に非常に優れているべきであり、使用されるほど改善されるべきという考えに基づいています。
同社はOpenAIモデルを使用してエージェントの動作を理解し、繰り返し発生する弱点を特定し、それらの問題を中心に何千もの合成シナリオを自動的に作成しています。その後、Third Moment Researchはそれらのシナリオを使用してエージェントを改善し、新たな問題が発生するたびにそのプロセスを繰り返します。
Codex、GPT-6 Astra、GPT-6 Sol、およびGPT-6.1 Solは、システムの研究および計算作業をサポートします。この組み合わせにより、Third Moment Researchは36〜48時間続く調査のために10,000エージェントを同時に実行できます。同社はまた、Daybreakを使用してエージェントが動作する環境のセキュリティをテストしています。
「単一のセッションで、GPT-6.1 Solは、計算研究の一貫したスレッドを、計算日数をまたいで、脈絡を見失うことなく維持できます。」
— Third Moment Research共同創業者、Adam Khakhar
Codexがバックテストの実行時間を約3時間から約3〜5分に短縮
Third Moment Researchの初期のアプリケーションの1つは、明確な成功指標があるドメインであるクオンツファイナンスです。チームはCodexを使用して、研究環境の問題を発見し対処しています。
ある事例では、Third Moment ResearchはCodexを当時の最新GPTモデルであるGPT-5.6とともに使用し、タイムスタンプとコードベースに加えて、数千の記録されたシミュレーショントラジェクトリ（エージェントのアクションと環境の応答）を分析しました。
Codexはボトルネックを発見しました。米国株式の注文レベルの1年分のデータにわたる取引戦略のバックテストに数時間かかっていたのです。待機中、エージェントは完了を繰り返しポーリングし、トークンを浪費し、コンテキストをステータスチェックで埋めていました。
バックテストをプロファイリングし、その入力と使用法を分析した後、Codexはキャッシュ最適化とメモリパッキング手法を特定しました。Codexはソリューションを実験し、修正を本番環境にデプロイし、バックテストを約3時間から約3〜5分に短縮しました。この削減により、トークン使用量とコンテキスト汚染が減少し、エージェントのトークンバジェットの多くをさらなる実験に解放しました。
エージェントハーネス: Docker化された環境内のCodex
Third Moment Researchは、各エージェントに特定のジョブに必要なツール、情報、環境を提供します。定量調査では、チームはDocker化された環境内でデフォルトのCodexハーネスを実行します。エージェントは、1テラバイトのデータ、ドキュメント、および特徴エンジニアリング、GPUサポート付きモデルトレーニング、取引戦略、シミュレーション用のモジュールを含む研究リポジトリを受け取ります。
GPT-6 Astra、GPT-6 Sol、およびGPT-6.1 Solが推論を提供します。Codexハーネスはエージェントに、行動するためのツール、計画の作成、目標の設定、サブエージェントの生成、作業の継続に伴うコンテキストの圧縮を提供します。
タスクを完了する前に停止するエージェントに対処するため、Third Moment ResearchはCodexを、GPT-6 SolまたはGPT-6.1 Solを搭載した外部ハーネス内のサブエージェントとして扱います。外部ハーネスは、タスクが未完了のまま残されたときにトラジェクトリを調べ、再試行するか、ジョブを終了するか、または人間のレビューにエスカレーションするかを決定します。
「Codexハーネスは非常に汎用性が高く、多くの異なるドメインでの使用を可能にします。」
— Third Moment Research共同創業者、Adam Khakhar
その研究環境では、エージェントはThird Moment Researchのエンジニアが構築したベースライン取引システムを改善するために働きます。エージェントは履歴データで取引戦略をテストし、改善が意味のあるものかノイズかを評価し、各結果を使用して次の実験を選択します。Adam氏によると、彼らの作業はベースライン取引システムを改善しました。
モデルの進化: 規定された実験から根本原因の調査へ
GPT-5.5以前は、Adam氏によると、モデルはユーザーが規定した実験を実行することしかできませんでした。GPT-5.5およびGPT-5.6では、Codexハーネスを使用するモデルは、結果を使用してフォローアップ実験を設計できました。GPT-6 Astra、GPT-6 Sol、およびGPT-6.1 Solでは、エージェントはサブエージェントと並行して実行される数百の実験を通じて根本原因を調査できます。
この進化により、エージェントはチームが予期していなかった研究方向を探索できるようになりました。あるセッションでは、GPT-6.1 Solは、取引量の予想外に大きなシェアを占める非表示取引が取引所に与える影響を特定しました。
「これは、私たちの研究チームが当初考慮していなかった明白でない結果でした。」
— Third Moment Research共同創業者、Adam Khakhar
モデルの評価と選択
Third Moment Researchは、最適化、機械学習システム、定量調査にわたってモデルを評価しています。フロンティアリリースを最高の推論設定でテストし、リポジトリをナビゲートし、効率的なコードを書き、調査を維持する能力を評価しています。現在のテストにはGPT-6 Lunaも含まれています。
「GPT-6.1 Solは、トークン効率の点で現在最も使用されているモデルです。最小限のトークンでタスクを完了し、GPT-6 Astraと同様のパフォーマンスを提供します。」
— Third Moment Research共同創業者、Jeffrey Yan
あるベンチマークでは、エージェントにライブスコアボードサービスの更新レイテンシを、出力を維持しながら削減するよう求めています。チームは、専門家が作成したソリューションの平均実行時間を、同じハードウェア上のモデルのソリューションの実行時間で割って、正確性を条件として高速化を測定します。Adam氏によると、GPT-6 Astraが最大の高速化を提供しました。
シミュレーションシステムの特定のセキュリティ弱点のチェックなど、対象を絞った作業には、チームはGPT-5.6 Terraなどのより効率的なモデルを使用します。深い調査には、Adam氏はより強い推論がより高いコストを正当化できると信じています。「クオンツファイナンスの分野では、興味深いシグナルを見つけることの価値は非常に高いです。」
Daybreakが大規模なセキュリティテストを自動化
10,000エージェントが自律的に実行されているため、Third Moment Researchは研究環境のセキュリティを大規模にテストする方法を必要としています。チームはDaybreakサイバーセキュリティプラットフォームを使用して、シミュレーションを開始する前にそのテストを自動化しています。
テストでは、エージェントが研究環境から抜け出し、より広いネットワークにアクセスできるかどうかを確認します。
「Daybreakを使用することで、エージェント自身にシミュレーションの侵入テストを実行させ、そのインフラストラクチャとセキュリティをテストできます。」
— Third Moment Research共同創業者、Adam Khakhar
「Daybreakがなければ、これを大規模に自律的にテストすることはできません。」
— Third Moment Research共同創業者、Adam Khakhar
ロードマップ: 数十万の協力するサブエージェント
Third Moment Researchの野心は、企業が毎日行う専門的な作業にまで及びます。小売業者にとっては、在庫が不足している場合やサプライヤーが遅延している場合に、より良いサプライチェーン決定を行うことを意味する可能性があります。エンジニアリングチームにとっては、大規模なコードベースのパフォーマンスボトルネックを見つけることを意味する可能性があります。文書中心のビジネスにとっては、ある文書のコミットメントが別の文書に記録された結果と一致しない場所を特定することを意味する可能性があります。
GPT-6 Astra、GPT-6 Sol、およびGPT-6.1 Solの推論機能に基づいて、Third Moment Researchは個々の調査から数十万の協力するサブエージェントへの拡大を計画しています。そのロードマップは、数十の依存する実験のチェーンをサポートする数兆トークンを要求し、その研究を使用して新たな課題が発生するたびにエージェントを自律的に改善することを目標としています。
Adam氏にとって、これは人々にエージェントの学習方法と作業方法を形成するためのより多くの能力を与えるでしょう:
「人間ははるかにレバレッジの効いた立場に立つことができ、研究の方法を考え、研究自体を最適化できる一方で、実際に研究を行う必要はありません。」
— Third Moment Research共同創業者、Adam Khakhar