The Pulse
Third Moment fa lavorare 10.000 agenti per un massimo di 48 ore
OpenAI afferma che Third Moment Research fa lavorare contemporaneamente 10.000 agenti di IA su indagini che durano dalle 36 alle 48 ore. L’azienda descrive l’uso di Codex, dei modelli GPT-6 e di Daybreak per la ricerca quantitativa, la supe
AI.info Team · Scritto con l’IA ·
Third Moment Research afferma di poter far lavorare contemporaneamente 10.000 agenti di IA su indagini che durano dalle 36 alle 48 ore, usando i modelli di OpenAI e Codex per svolgere e gestire il lavoro. Il 14 ottobre OpenAI ha descritto il sistema della startup, illustrandone le applicazioni nella finanza quantitativa, negli esperimenti automatizzati e nei test di sicurezza.
Questa capacità si accompagna a un ciclo di ricerca preciso: gli agenti eseguono esperimenti, valutano i risultati e scelgono le attività successive, mentre un harness separato può riprendere le attività incompiute o sottoporle a una revisione umana. «In una singola sessione, GPT-6.1 Sol è in grado di mantenere un filo coerente nella ricerca computazionale per giorni di calcolo senza perdere il filo», afferma Adam Khakhar, cofondatore di Third Moment Research, nel resoconto di OpenAI.
Codex ha ridotto da ore a minuti la durata di un backtest
Il lavoro iniziale di Third Moment si concentra sulla finanza quantitativa, un campo in cui il team può misurare se una strategia ottiene risultati migliori sui dati storici. OpenAI afferma che la startup ha usato Codex con GPT-5.6 per esaminare migliaia di traiettorie registrate degli agenti, insieme ai timestamp e alla base di codice della ricerca. L’analisi ha rilevato che gli agenti sprecavano tempo e token per controllare se un backtest fosse terminato.
Il test ha riguardato un anno di dati sul mercato azionario statunitense a livello di singolo ordine. Secondo OpenAI, Codex ha individuato una modifica alla cache e una tecnica di compattazione della memoria, poi ha provato e implementato la soluzione. L’azienda riferisce che il tempo necessario per il backtest è sceso da circa tre ore a circa tre-cinque minuti, una riduzione del 97% indicata nel post.
Il miglioramento è importante per il flusso di lavoro perché, durante l’attesa, gli agenti controllavano ripetutamente se i risultati fossero pronti. Secondo OpenAI, le esecuzioni più brevi hanno liberato capacità in termini di token per ulteriori esperimenti e ridotto la quantità di contesto occupata dai controlli sullo stato delle attività. Il post non fornisce un confronto dei costi in dollari né una valutazione indipendente della riduzione riportata.
Un secondo harness gestisce le attività incompiute
Per la ricerca quantitativa, Third Moment esegue l’harness di Codex in un ambiente basato su Docker. Ogni agente riceve un terabyte di dati, documentazione e un repository di ricerca contenente strumenti per la creazione di variabili, l’addestramento di modelli con il supporto delle GPU, le strategie di trading e la simulazione, secondo OpenAI.
GPT-6 Astra, GPT-6 Sol e GPT-6.1 Sol forniscono le capacità di ragionamento; Codex consente agli agenti di pianificare, agire, stabilire obiettivi e creare subagenti. Quando un’attività si interrompe prima di essere completata, un harness esterno basato su GPT-6 Sol o GPT-6.1 Sol esamina la traiettoria dell’agente e decide se riprovare, chiudere l’attività o sottoporla a una revisione umana. «L’harness di Codex è estremamente versatile e consente di usarlo in molti ambiti diversi», afferma Khakhar.
Gli agenti mettono alla prova le strategie sui dati storici e usano ogni risultato per decidere cosa tentare in seguito. OpenAI afferma che il lavoro di Third Moment ha migliorato il sistema di trading di base realizzato dai suoi ingegneri, ma il post non fornisce un dato sulle prestazioni relativo a tale miglioramento.
Daybreak verifica gli spazi di lavoro degli agenti
Far lavorare migliaia di agenti crea anche un problema di sicurezza: un agente non dovrebbe poter uscire dal proprio ambiente di ricerca e accedere alla rete più ampia. Third Moment usa Daybreak, la piattaforma di cybersicurezza di OpenAI, per testare questi ambienti prima dell’inizio delle simulazioni. I controlli servono a scoprire se un agente può uscire dallo spazio di lavoro assegnatogli.
«Senza Daybreak, non saremmo in grado di eseguire questi test autonomamente su questa scala», afferma Khakhar. La descrizione di OpenAI spiega l’approccio ai test, ma non fornisce i risultati di uno specifico test di penetrazione né dettagli sulla frequenza con cui un test ha rilevato una vulnerabilità.
L’obiettivo di Third Moment è arrivare a centinaia di migliaia di subagenti
L’azienda afferma che il suo piano a lungo termine è passare dalle singole indagini a centinaia di migliaia di subagenti che collaborano, eseguendo sequenze di decine di esperimenti dipendenti l’uno dall’altro. OpenAI delinea possibili applicazioni aziendali, come adeguare le decisioni sulle forniture nel commercio al dettaglio quando le scorte scarseggiano, individuare i colli di bottiglia nelle prestazioni del software e verificare se gli impegni dichiarati nei documenti corrispondono ai risultati registrati.
Per ora, gli esempi concreti nel post riguardano soprattutto la ricerca quantitativa: accelerare un backtest, predisporre per gli agenti un ampio ambiente di ricerca e aggiungere controlli di sicurezza automatizzati. OpenAI presenta le esecuzioni con 10.000 agenti e le sessioni dalle 36 alle 48 ore come capacità attuali; la rete molto più vasta resta un piano dichiarato di Third Moment.