OpenAI万级Agent狂跑36小时吞万亿Token

OpenAI近日披露了一项Agent极限实测：10,000个Agent同时运行，连续工作36至48小时，每天消耗1万亿Token，单轮任务量相当于人类工程师41年的工作量。

完成这一测试的是横跨旧金山和纽约的初创公司Third Moment Research，首个试验田选在量化金融。团队在Docker隔离容器中部署了1TB历史行情数据、技术文档和量化代码库。起初用Codex配合GPT-5.6检查运行轨迹，发现用1年美股逐笔订单数据回测策略每次需等待3小时。长程Agent最怕上下文被轮询状态挤占，导致实验跑偏。Codex自行找到两处底层瓶颈，写好缓存优化和内存紧凑打包方案，测试后直接推上生产环境，将单次回测压缩至3至5分钟。

回测提速后，OpenAI几代模型在长程任务上的差距显现：GPT-5.5之前只会按脚本执行；GPT-5.5与GPT-5.6能根据初步结果自行设计下一轮实验；GPT-6 Astra、GPT-6 Sol与GPT-6.1 Sol则能在发现异常信号时拉起成百上千个子Agent并行跑对照实验。一次真实回测中，GPT-6.1 Sol追查数据后发现某交易所非公开展示交易占比很高，并算清这部分“暗池”流动性对策略收益的影响，而人类团队此前从未想过这个方向。

为解决Agent半路“躺平”或原地打转的问题，Third Moment采用双层架构：内层Codex干活，外层由GPT-6 Sol或GPT-6.1 Sol驱动监管模型，一旦内层停下，外层便审视整条轨迹，决定打回重试、终止任务或上报人类。同时，团队选用定价仅为旗舰GPT-6 Astra五分之一、Token效率更高的GPT-6.1 Sol作为主力，以支撑万级并发和长时间运转。系统还通过采集轨迹、聚类诊断、合成沙箱、升级脚手架四步循环持续迭代。安全方面，接入OpenAI网络安全模型Daybreak与GPT-5.6 Terra，每次大规模仿真前先做全自动渗透测试，确保Agent无法逃出隔离环境。

Third Moment联合创始人Adam Khakhar本科毕业于宾夕法尼亚大学，后在纽约大学攻读博士，曾创办AI公司FlashDocs，2025年7月被Hebbia收购。他用概率论中的“三阶矩”命名新公司：一阶矩是平均分，二阶矩是噪音，三阶矩衡量被平均分掩盖却会造成严重后果的罕见故障。他今年9月在《无限算力》中解释，多数白领工作有价格天花板，唯有投资管理和网络安全是零和博弈、没有上限，因此愿意率先为万级Agent、日吞万亿Token买单。

目前，Third Moment正将体系拓展至零售供应链动态重排、大型代码库性能排查、海量商业文档交叉核对等场景。OpenAI透露，下一步计划将并发规模推向数十万子Agent集群，用数万亿Token串联几十个连续实验。届时，传统按席位收费模式将失去意义，大模型比拼也从模型权重延伸到谁能管住十万个Agent不跑偏、不越界，并在失败中自动迭代。