Third Moment asegura que el stack de OpenAI ejecuta 10.000 agentes durante 48 horas
Third Moment asegura que ejecuta 10.000 agentes de IA durante 36-48 horas. Esto es lo que lo impulsa, de dónde salieron las mejoras y qué está por demostrar.
Illustration made on Lumeta with GPT Image 2.5Make one like it
El 14 de octubre de 2026, Third Moment Research afirmó que está ejecutando hasta 10.000 agentes impulsados por OpenAI a la vez, con sesiones de investigación individuales de entre 36 y 48 horas. El anuncio es relevante porque apunta a una nueva escala para los sistemas de investigación autónomos, sobre todo en el trabajo cuantitativo y en entornos con mucho código. Para los equipos que construyen flujos de trabajo con agentes, la conclusión inmediata es que Third Moment utiliza una arquitectura por capas: Codex para actuar dentro del entorno; GPT-6 Astra, GPT-6 Sol y GPT-6.1 Sol para el razonamiento; y Daybreak para probar la seguridad antes de que comiencen las ejecuciones.
Lo que reveló Third Moment
Third Moment describió un sistema diseñado para mejorar a los agentes con el tiempo analizando dónde fallan, generando escenarios sintéticos en torno a esas debilidades y reincorporando los resultados en ejecuciones futuras. Según la empresa, en su configuración actual los agentes pueden planificar el trabajo, crear subagentes, usar herramientas y mantener las investigaciones activas durante sesiones largas, en lugar de detenerse tras una única cadena de prompts. También indicó que la operación puede consumir 1 billón de tokens de OpenAI en un solo día y que el trabajo de evaluación actual incluye GPT-6 Luna junto a los demás modelos de vanguardia de su arquitectura.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Por qué importan las cifras
El ejemplo más concreto del anuncio fue un cuello de botella en el backtesting. Third Moment explicó que Codex revisó trayectorias de simulación grabadas, marcas de tiempo y el código base, y encontró una optimización de caché y una técnica de empaquetado de memoria que redujeron un backtest de aproximadamente 3 horas a unos 3 a 5 minutos, lo que la empresa describió como una reducción del 97%. Este tipo de mejora es importante porque los agentes de larga duración pueden gastar tokens y saturar su contexto mientras esperan a sistemas lentos. Third Moment añadió que GPT-6.1 Sol es actualmente su modelo más usado por su eficiencia en tokens, mientras que GPT-6 Astra logró la mayor aceleración en una prueba de latencia en vivo.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Qué viene ahora
Third Moment indicó que utiliza Daybreak antes de lanzar las simulaciones para comprobar si los agentes podrían escapar de su entorno de investigación y acceder a la red en general. Ese paso de seguridad cobra más importancia a medida que la empresa avanza hacia cientos de miles de subagentes colaborando, en lugar de ejecuciones largas aisladas. Para otras empresas que experimentan con investigación autónoma, la noticia no es solo que sea posible tener más agentes. Es que escalar parece depender de cuatro piezas que funcionan juntas: modelos de razonamiento potentes, un entorno de ejecución capaz de usar herramientas, ajustes de rendimiento dentro del flujo de trabajo y comprobaciones automáticas de que el entorno sigue aislado.


