Third Moment: lo stack di OpenAI fa girare 10.000 agenti AI per 48 ore

Third Moment afferma di far girare 10.000 agenti AI per 36-48 ore. Ecco cosa c'è sotto il cofano, da dove arrivano i miglioramenti e cosa resta ancora da dimostrare.

3 min read

Third Moment: lo stack di OpenAI fa girare 10.000 agenti AI per 48 ore

Illustration made on Lumeta with GPT Image 2.5Make one like it

Il 14 ottobre 2026 Third Moment Research ha dichiarato di eseguire fino a 10.000 agenti basati su OpenAI in contemporanea, con singole sessioni di ricerca che durano dalle 36 alle 48 ore. L'annuncio è rilevante perché indica una nuova scala per i sistemi di ricerca autonomi, soprattutto nel lavoro quantitativo e negli ambienti ad alta intensità di codice. Per chi costruisce workflow basati su agenti, il messaggio immediato è che Third Moment usa uno stack a più livelli: Codex per agire all'interno dell'ambiente, GPT-6 Astra, GPT-6 Sol e GPT-6.1 Sol per il ragionamento, e Daybreak per testare la sicurezza prima dell'avvio delle esecuzioni.

Cosa ha rivelato Third Moment

Third Moment ha descritto un sistema pensato per migliorare gli agenti nel tempo: analizza dove falliscono, genera scenari sintetici attorno a quei punti deboli e reinserisce i risultati nelle esecuzioni successive. Nella configurazione attuale, secondo l'azienda, gli agenti possono pianificare il lavoro, generare subagenti, usare strumenti e portare avanti le indagini per sessioni lunghe, invece di fermarsi dopo una singola catena di prompt. Ha inoltre dichiarato che l'operazione può consumare 1 trilione di token OpenAI in un solo giorno e che l'attuale lavoro di valutazione include GPT-6 Luna accanto agli altri modelli di frontiera del suo stack.

Data center buio con alte torri di server, lanterne luminose che fluttuano a sciami e una persona a una scrivania illuminata.
Migliaia di aiutanti luminosi scorrono tra i rack verso una scrivania molto indaffarata.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Perché i numeri contano

L'esempio più concreto dell'annuncio riguardava un collo di bottiglia nel backtesting. Third Moment ha spiegato che Codex ha esaminato le traiettorie di simulazione registrate, i timestamp e il codebase, individuando un'ottimizzazione della cache e una tecnica di memory packing che hanno ridotto un backtest da circa 3 ore a circa 3-5 minuti, un taglio del 97% secondo l'azienda. Un guadagno del genere è importante perché gli agenti a lunga esecuzione possono bruciare token e intasare il proprio contesto mentre aspettano sistemi lenti. Third Moment ha anche affermato che GPT-6.1 Sol è attualmente il suo modello più usato per efficienza nei token, mentre GPT-6 Astra ha garantito l'accelerazione maggiore in un benchmark di latenza dal vivo.

Tre piccoli robot con il logo di GitHub riparano una clessidra luminosa accanto a una scala e a una cassetta degli attrezzi.
Minuscoli programmatori sistemano il collo di bottiglia e le ore tornano a scorrere.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Cosa succede ora

Third Moment ha dichiarato di usare Daybreak prima del lancio delle simulazioni per verificare se gli agenti possano uscire dal proprio ambiente di ricerca e raggiungere la rete più ampia. Questo passaggio di sicurezza diventa ancora più importante man mano che l'azienda punta a centinaia di migliaia di subagenti che collaborano, anziché a lunghe esecuzioni isolate. Per le altre aziende che sperimentano con la ricerca autonoma, la notizia non è solo che sono possibili numeri di agenti più alti. È che la scalabilità sembra dipendere da quattro elementi che lavorano insieme: modelli di ragionamento solidi, un harness capace di usare strumenti, ottimizzazione delle prestazioni all'interno del workflow e controlli automatici che verifichino che l'ambiente resti isolato.

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

All tools for "From my own photos"

More from Lumeta

All Notizie