Third Moment Research создаёт самосовершенствующуюся ИИ-систему, которая позволяет агентам становиться лучше в рабочих процессах конкретных компаний по мере их использования. Используя новейшие модели OpenAI, система выявляет повторяющиеся слабые места агентов и автоматически генерирует тысячи синтетических сценариев для их устранения. Компания одновременно запускает 10 000 агентов на расследованиях, длящихся от 36 до 48 часов, и использует Daybreak для проверки безопасности сред, в которых работают эти агенты.
Одно из первых направлений — количественные финансы, где успех измеряется однозначно. Используя Codex с GPT-5.6, команда проанализировала тысячи записанных траекторий симуляций и обнаружила узкое место: бэктестирование торговой стратегии на годовых данных ордеров по акциям США занимало несколько часов. Codex нашёл оптимизацию кэширования и технику упаковки памяти, что сократило бэктест примерно с 3 часов до примерно 3–5 минут. Это также уменьшило расход токенов и загрязнение контекста.
Для количественных исследований каждый агент запускает обвязку Codex в Docker-среде с терабайтом данных, документацией и репозиторием исследований. GPT-6 Astra, GPT-6 Sol и GPT-6.1 Sol обеспечивают рассуждения, а внешняя обвязка проверяет незавершённые задачи и решает, повторить ли их, прекратить или передать на проверку человеку.
Соучредитель Адам Хахар говорит, что модели теперь могут разрабатывать последующие эксперименты на основе собственных результатов, а не только выполнять заранее заданные. Он связывает этот подход с улучшением базовой торговой системы компании и отмечает, что GPT-6.1 Sol способна поддерживать связное направление вычислительных исследований на протяжении нескольких дней вычислений.
Источник: OpenAI Blog · Сводку подготовил HeadlinesBriefing