整理：TopAIMap 编辑
OpenAI 公开 Third Moment 案例：1 万个 Codex 智能体并发跑 36–48 小时，单日用掉 1 万亿 token
AI 实验室 Third Moment Research 用 GPT-6 Astra/Sol、GPT-6.1 Sol 加 Codex 同时运行 1 万个智能体做量化研究，外层由 Sol 模型监工，回测从约 3 小时降到 3–5 分钟。
10 月 14 日，OpenAI 发布客户案例：AI 实验室 Third Moment Research 用 GPT-6 Astra、GPT-6 Sol、GPT-6.1 Sol 加 Codex，搭了一套会自我改进的智能体系统。系统同时运行 10,000 个智能体，单次自主研究持续 36–48 小时，单日消耗 1 万亿 OpenAI token。第一个落地场景是量化金融：默认的 Codex harness 跑在 Docker 环境里，每个智能体拿到 1TB 数据、文档，以及含特征工程、GPU 训练、交易策略和仿真模块的研究仓库。Codex（当时配 GPT-5.6）分析了数千条运行轨迹，发现智能体在等一次约 3 小时的回测时反复轮询、白烧 token。它定位到缓存和内存打包两处优化并上线，回测缩短到 3–5 分钟，耗时降了 97%。
实际怎么用：外层用 GPT-6 Sol 或 GPT-6.1 Sol 当「监工」，Codex 作为子智能体；任务半途停下时，外层检查轨迹，决定重试、终止还是转人工审核。联合创始人 Jeffrey Yan 说，GPT-6.1 Sol 的 token 效率最高、表现接近 GPT-6 Astra，所以用得最多；在降低服务延迟的基准里，GPT-6 Astra 提速最大；针对性的安全检查则交给更省的 GPT-5.6 Terra。团队还用 Daybreak 让智能体自己对仿真环境做渗透测试，检查能否逃逸到外网。GPT-6 Luna 正在测试中，下一步计划扩到数十万个协作子智能体。谁能用：涉及的都是公开的 OpenAI API 和 Codex，但 1 万并发属于企业级定制规模，普通订阅的默认额度做不到。
解读：这篇案例的价值不在「1 万个智能体」这个数字，而在可复用的工程模式。一是「外层便宜模型监工 + 内层 Codex 干活」，专治长任务半途放弃；二是让智能体分析自己的运行轨迹，找出拖慢自己的环境瓶颈；三是按任务选模型：Sol 跑日常，Astra 攻难题，Terra 做便宜的专项检查。对国内团队，这比单看模型榜单更有参考意义。 讨论：1. 外层监工模型判定「重试/终止/转人工」的标准，谁来定、出错了谁负责？2. 单日 1 万亿 token 的成本，换算到量化以外的行业还划算吗？
来源：OpenAI 客户案例 https://openai.com/index/third-moment-research/
参考资料
