万级Agent连续运行36小时的工程实践
推荐指数 76.0 NO. 001 · 2026.10.15
发布2026/10/14
为什么值得看
Third Moment Research基于GPT-6系列模型和Codex，构建了可并发运行1万个Agent、持续自主研究36-48小时的自改进AI系统，单日消耗1万亿token。对需要大规模自动化研究、渗透测试或量化回测的团队，这是Agent可靠性工程的重要参考。
编辑判断
1万亿token/天的消耗量级暴露了当前Agent架构的隐性成本陷阱——按GPT-6 tier-1定价估算，单日推理成本可能超过百万美元，这解释了为什么Third Moment选择自建Codex来压缩97%回测时间。
更值得关注的是"self-improving"的具体机制：内容提到"identify recurring weaknesses"但未说明是规则引擎、模型反馈还是强化学习，这恰是复现最难的部分。如果依赖人工标注失败案例做SFT，规模效应会打折扣；如果是自动化的reward model迭代，则接近OpenAI内部Superalignment的方向。
做Agent基础设施的团队应该重点跟踪其故障恢复策略——1万个Agent运行36小时，长尾失败率控制比峰值并发数更能体现工程成熟度，这也是目前开源框架如AutoGen、CrewAI最薄弱的环节。