AI 實驗室 Third Moment Research 披露其如何利用 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol、Codex 及 Daybreak 網路安全平台，構建能夠持續數天專注工作並隨使用次數自我改進的代理系統。該公司同時運行 10,000 個代理進行持續 36 至 48 小時的自主研究會話，單日消耗 OpenAI token 達 1 兆個。在量化金融領域，團隊利用 Codex 結合 GPT-5.6 分析模擬軌跡，發現回測交易策略的瓶頸，透過識別緩存優化與記憶體打包技術，將回測時間從約 3 小時縮短至 3 至 5 分鐘，使回測時間減少 97%，並釋放更多 token 預算用於後續實驗。
系統架構方面，Third Moment 為每個代理提供特定任務所需的工具、資訊與環境。在量化研究中，代理在 Docker 化環境內運行預設的 Codex 框架，接收 1 TB 數據、文件及包含特徵工程、GPU 支援模型訓練、交易策略與模擬模組的研究儲存庫。GPT-6 Astra、GPT-6 Sol 和 GPT-6.1 Sol 提供推理能力，而 Codex 框架則賦予代理行動、制定計畫、設定目標、生成子代理及壓縮上下文的能力。針對代理未完成任务即停止的情況，團隊將 Codex 作為由 GPT-6 Sol 或 GPT-6.1 Sol 驅動的外部框架中的子代理，該外部框架會檢查軌跡以決定重試、終止或升級至人工審查。
隨著模型能力的演進，從 GPT-5.5 開始模型能設計後續實驗，至 GPT-6 系列則能透過並行數百個子代理實驗來調查根本原因。在一次會話中，GPT-6.1 Sol 發現了某交易所中未顯示交易對成交量有異常大比例的影響，這是研究團隊最初未考慮到的非顯而易見結果。共同創辦人 Jeffrey Yan 指出，GPT-6.1 Sol 因 token 效率高且性能與 GPT-6 Astra 相似，成為目前使用最多的模型。在一項要求降低即時計分板服務更新延遲的基準測試中，GPT-6 Astra 提供了最大的加速比。此外，團隊使用 Daybreak 自動化測試代理環境的安全性，檢查代理是否能突破環境限制存取更廣泛的網路，以確保大規模自主運行的安全性。
事件背景
Third Moment Research 是一家位於北美的新創公司，致力於構建自我改進的 AI 系統，利用 OpenAI 的最新模型理解代理行為、識別反覆出現的弱點，並自動創建數千個合成場景以改進代理。該公司認為最佳代理應擅長特定工作並隨使用次數提升能力。其產品與服務涉及 API 與 Codex 的使用。
