OpenAI 博客：Third Moment Research 用 GPT-6 Astra 与 GPT-6.1 Sol 让 10000 个 agent 连续运行 36 小时以上
来源OpenAI Blog查看原文
速览
- OpenAI 博客介绍 Third Moment Research 的 agent 运行案例
- 规模为 10000 个 agent，持续运行 36 小时以上
- 使用模型包括 GPT-6 Astra、GPT-6.1 Sol 和 Codex
- Daybreak 是面向网络安全的组件
- 原文仅一句话概述，无技术细节与评测数据
OpenAI 博客发布了一篇关于 AI 实验室 Third Moment Research 的案例文章，标题为《How Third Moment Research runs 10,000 agents for 36+ hours》。文章称该实验室借助 GPT-6 Astra、GPT-6.1 Sol、Codex，以及面向网络安全的 Daybreak，构建出能够持续专注数天、并随使用不断改进的 agent。原文正文仅有一句概述，未披露具体技术细节、benchmark 数据或实现方式。
关键事实
- OpenAI 博客发布 Third Moment Research 案例，标题为《How Third Moment Research runs 10,000 agents for 36+ hours》
- Third Moment Research 是一家 AI 实验室
- 该实验室使用 GPT-6 Astra 和 GPT-6.1 Sol 两个模型
- 同时使用 Codex 以及面向网络安全的 Daybreak
- 其构建的 agent 可连续运行 36 小时以上，并能在使用中持续改进
本站视角
对国内做 Agent 的团队来说，这条消息的价值不在「10000 个 agent」这个数字本身，而在于 OpenAI 选择把「长时程运行」和「使用中改进」作为对外宣传的案例主题。这说明模型厂商正在把竞争焦点从单次推理能力转向持续运行与自我迭代，而这恰恰是国内 Agent 产品目前最薄弱的环节——多数产品仍停留在单轮或短会话任务。用 API 的中小企业需要留意：如果长时 agent 成为标配，计费模式、上下文管理和失败恢复都会变成新的成本项。需要指出的是，原文只有一句话，没有披露任何 benchmark、成本或失败率数据，属于典型的厂商案例宣传，读者不宜据此判断该方案已具备生产级可靠性。我们认为，在 OpenAI 给出可复现的评测之前，这类案例更适合当作方向信号，而非选型依据。
背景与影响
OpenAI 博客的这类客户案例通常用于展示其模型在长时程、多 agent 场景下的能力。从标题与正文看，Third Moment Research 的核心卖点是「长时专注」与「越用越好」，即 agent 不再是一次性任务执行器，而是能维持数天上下文并随使用迭代。这可能与当前 agent 领域关注的长时程记忆、持续学习方向相关。需要观察的是，OpenAI 未在正文中给出任何量化指标，例如任务成功率、成本、token 消耗或对比基线，因此「36+ 小时」「10000 个 agent」目前只是规模描述，无法判断其实际效率与稳定性。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。