Third Moment: technologia OpenAI uruchamia 10 000 agentów AI na 48 godzin
Third Moment twierdzi, że uruchamia 10 000 agentów AI na 36-48 godzin. Sprawdzamy, co za tym stoi, skąd wzięły się zyski i co pozostaje niepotwierdzone.
Illustration made on Lumeta with GPT Image 2.5Make one like it
14 października 2026 roku Third Moment Research poinformowało, że uruchamia jednocześnie do 10 000 agentów opartych na modelach OpenAI, a pojedyncze sesje badawcze trwają od 36 do 48 godzin. Ogłoszenie jest istotne, bo wskazuje na nową skalę autonomicznych systemów badawczych, zwłaszcza w analizie ilościowej i środowiskach intensywnie opartych na kodzie. Dla zespołów budujących przepływy pracy z agentami najważniejszy wniosek jest taki, że Third Moment korzysta z warstwowego stosu: Codex do działania wewnątrz środowiska, GPT-6 Astra, GPT-6 Sol i GPT-6.1 Sol do rozumowania oraz Daybreak do testowania bezpieczeństwa przed rozpoczęciem przebiegów.
Co ujawniło Third Moment
Third Moment opisało system zaprojektowany tak, by z czasem ulepszać agentów: analizuje, gdzie zawodzą, generuje syntetyczne scenariusze wokół tych słabości i wykorzystuje wyniki w kolejnych przebiegach. Według firmy w obecnej konfiguracji agenci potrafią planować pracę, uruchamiać subagentów, korzystać z narzędzi i prowadzić badania przez długie sesje, zamiast kończyć po jednym łańcuchu promptów. Firma podała też, że operacja potrafi zużyć 1 bilion tokenów OpenAI w ciągu jednego dnia, a obecne prace ewaluacyjne obejmują GPT-6 Luna obok pozostałych czołowych modeli w jej stosie.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Dlaczego te liczby są ważne
Najbardziej konkretnym przykładem w ogłoszeniu było wąskie gardło w backtestach. Według Third Moment Codex przeanalizował zapisane trajektorie symulacji, znaczniki czasu i bazę kodu, po czym znalazł optymalizację cache'owania oraz technikę upakowania pamięci, które skróciły jeden backtest z około 3 godzin do około 3-5 minut. Firma określiła to jako redukcję o 97%. Takie zyski mają znaczenie, bo długo działający agenci mogą spalać tokeny i zaśmiecać swój kontekst, czekając na wolne systemy. Third Moment dodało, że GPT-6.1 Sol jest obecnie najczęściej używanym przez nie modelem ze względu na efektywność tokenową, a GPT-6 Astra zapewnił największe przyspieszenie w jednym z benchmarków opóźnień na żywo.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Co dalej
Third Moment poinformowało, że przed uruchomieniem symulacji używa Daybreak, by sprawdzić, czy agenci mogliby wydostać się ze środowiska badawczego i dotrzeć do szerszej sieci. Ten krok bezpieczeństwa zyskuje na znaczeniu, gdy firma dąży do setek tysięcy współpracujących subagentów zamiast odizolowanych długich przebiegów. Dla innych firm eksperymentujących z autonomicznymi badaniami wiadomość nie sprowadza się do tego, że możliwa jest większa liczba agentów. Chodzi o to, że skalowanie wydaje się zależeć od współdziałania czterech elementów: mocnych modeli rozumujących, środowiska do korzystania z narzędzi, optymalizacji wydajności w samym przepływie pracy oraz automatycznych testów potwierdzających, że środowisko wciąż jest odizolowane.


