Third Moment Research setzt 10.000 Agenten über 36 Stunden ein

Jedes Unternehmen hat eigene Arbeitsabläufe, Tools, Sonderfälle und Erfolgskriterien. ⁠(wird in einem neuen Fenster geöffnet)Third Moment Research⁠(wird in einem neuen Fenster geöffnet) ist überzeugt: Die besten Agenten sollten genau diese spezifische Arbeit besonders gut beherrschen und ihre Fähigkeiten mit zunehmender Nutzung verbessern.

Auf dieser Idee baut das Unternehmen ein KI-System auf, das sich selbst verbessert. Es nutzt die neuesten Modelle von OpenAI, um das Verhalten von Agenten zu verstehen, wiederkehrende Schwächen zu erkennen und automatisch Tausende synthetischer Szenarien zu diesen Problemen zu erstellen. Das Team nutzt diese Szenarien, um Agenten zu verbessern, und wiederholt den Prozess, sobald neue Probleme auftreten.

Codex, GPT‑6 Astra, GPT‑6 Sol und GPT‑6.1 Sol unterstützen die Forschungs- und Rechenaufgaben des Systems. So kann Third Moment 10.000 Agenten gleichzeitig für Untersuchungen einsetzen, die 36–48 Stunden dauern. Außerdem nutzt das Unternehmen Daybreak, um die Sicherheit der Umgebungen zu testen, in denen die Agenten arbeiten.

Eines der ersten Anwendungsgebiete von Third Moment ist die quantitative Finanzanalyse, da sich der Erfolg dort klar messen lässt. Dieser Bereich bietet einen konkreten Rahmen, um zu untersuchen, wie Agenten arbeiten und wo sie Schwierigkeiten haben. Das Team nutzt Codex, um Probleme in der Forschungsumgebung zu finden und zu beheben.

In einem Fall setzte es Codex mit GPT‑5.6 ein, dem damals neuesten GPT‑Modell, um Tausende aufgezeichneter Simulationsverläufe (die Aktionen der Agenten und die Reaktionen der Umgebung) zusammen mit Zeitstempeln und der Codebasis zu analysieren.

Codex deckte einen Engpass auf: Der Backtest einer Handelsstrategie mit einem Jahr US-Aktiendaten auf Ebene einzelner Orders dauerte mehrere Stunden. Während der Wartezeit fragten die Agenten wiederholt ab, ob der Vorgang abgeschlossen war. Das verschwendete Token und füllte ihren Kontext mit Statusabfragen.

Codex erstellte ein Leistungsprofil des Backtests und analysierte dessen Eingaben und Nutzung. Dabei identifizierte es eine Caching-Optimierung und eine Technik zur kompakteren Speicherung von Daten im Arbeitsspeicher. Codex erprobte verschiedene Lösungen und setzte die Korrektur im Produktivbetrieb ein. Dadurch verkürzte sich der Backtest von etwa 3 Stunden auf etwa 3 bis 5 Minuten. Das reduzierte den Token-Verbrauch und die Belastung des Kontexts durch irrelevante Inhalte. So blieb den Agenten mehr Token-Budget für weitere Experimente.

Third Moment stellt jedem Agenten die Tools, Informationen und Umgebung bereit, die er für eine bestimmte Aufgabe benötigt. Für die quantitative Forschung betreibt das Team den standardmäßigen Codex-Harness in einer Docker-Umgebung. Die Agenten erhalten ein Terabyte Daten, Dokumentation und ein Forschungs-Repository mit Modulen für Feature Engineering, GPU-gestütztes Modelltraining, Handelsstrategien und Simulation.

GPT‑6 Astra, GPT‑6 Sol und GPT‑6.1 Sol übernehmen das Reasoning. Der Codex-Harness gibt den Agenten Tools, um Aktionen auszuführen, Pläne zu erstellen, Ziele festzulegen, Subagenten zu starten und den Kontext im Verlauf der Arbeit zu verdichten.

Um mit Agenten umzugehen, die eine Aufgabe vorzeitig abbrechen, setzt Third Moment Codex als Subagenten in einem übergeordneten Harness ein, der von GPT‑6 Sol oder GPT‑6.1 Sol gesteuert wird. Bleibt eine Aufgabe unvollendet, prüft der übergeordnete Harness den Verlauf und entscheidet, ob ein neuer Versuch gestartet, die Aufgabe beendet oder ein Mensch zur Prüfung hinzugezogen werden soll.

In dieser Forschungsumgebung arbeiten die Agenten daran, ein vom Entwicklungsteam von Third Moment erstelltes Basishandelssystem zu verbessern. Sie testen Handelsstrategien anhand historischer Daten, bewerten, ob eine Verbesserung aussagekräftig oder nur zufälliges Rauschen ist, und wählen anhand jedes Ergebnisses das nächste Experiment aus. Laut Adam hat die Arbeit der Agenten das Basishandelssystem verbessert.

Vor GPT‑5.5 konnten Modelle laut Adam nur Experimente ausführen, die ein Mensch vorgegeben hatte. Mit GPT‑5.5 und GPT‑5.6 konnten Modelle im Codex-Harness Ergebnisse nutzen, um Folgeexperimente zu entwerfen. Mit GPT‑6 Astra, GPT‑6 Sol und GPT‑6.1 Sol können Agenten nun Ursachen durch Hunderte parallel laufende Experimente mit Subagenten untersuchen.

Diese Entwicklung hat den Agenten geholfen, Forschungsrichtungen zu erkunden, mit denen das Team nicht gerechnet hatte. In einer Sitzung erkannte GPT‑6.1 Sol den Einfluss von Transaktionen ohne öffentlich sichtbare Orders an einer Börse, an der diese Transaktionen einen unerwartet großen Anteil des Handelsvolumens ausmachten. „Das war ein nicht offensichtliches Ergebnis, das unser Forschungsteam anfangs nicht in Betracht gezogen hatte“, sagt Adam.

Third Moment evaluiert Modelle in den Bereichen Optimierung, Systeme für maschinelles Lernen und quantitative Forschung. Das Unternehmen testet neue Frontier-Modelle mit den höchsten Reasoning-Einstellungen. Dabei bewertet es, wie gut die Modelle sich in Repositorys zurechtfinden, effizienten Code schreiben und eine Untersuchung über längere Zeit fortführen können. Die aktuellen Tests umfassen auch GPT‑6 Luna.

In einem Benchmark sollen Agenten die Aktualisierungslatenz eines Dienstes für Live-Spielstände reduzieren, ohne dessen Ausgaben zu verändern. Das Team misst den Beschleunigungsfaktor, indem es die durchschnittliche Laufzeit einer von Fachleuten erstellten Lösung durch die Laufzeit der Modelllösung auf derselben Hardware teilt. Voraussetzung ist, dass die Ergebnisse korrekt sind. Laut Adam erzielte GPT‑6 Astra die größte Beschleunigung.

Für gezielte Aufgaben, etwa die Prüfung auf bestimmte Sicherheitslücken im Simulationssystem, nutzt das Team effizientere Modelle wie GPT‑5.6 Terra. Bei eingehender Forschung kann stärkeres Reasoning aus Adams Sicht höhere Kosten rechtfertigen: „In der quantitativen Finanzanalyse ist es äußerst wertvoll, ein interessantes Signal zu finden.“

Bei 10.000 autonom arbeitenden Agenten braucht Third Moment eine Möglichkeit, die Sicherheit seiner Forschungsumgebungen in großem Maßstab zu testen. Das Team nutzt die Cybersicherheitsplattform Daybreak, um diese Tests vor dem Start der Simulationen zu automatisieren.

Die Tests prüfen, ob ein Agent aus seiner Forschungsumgebung ausbrechen und auf das übrige Netzwerk zugreifen könnte. „Mit Daybreak können wir die Agenten selbst Penetrationstests an der Simulation durchführen und deren Infrastruktur und Sicherheit prüfen lassen“, sagt Adam.

Third Moment will auch die spezialisierten Aufgaben unterstützen, die Unternehmen täglich erledigen. Für ein Einzelhandelsunternehmen könnte das bedeuten, bessere Entscheidungen in der Lieferkette zu treffen, wenn Bestände knapp sind oder sich eine Lieferung verzögert. Für ein Entwicklungsteam könnte es bedeuten, Leistungsengpässe in einer großen Codebasis zu finden. Für ein Unternehmen, das mit vielen Dokumenten arbeitet, könnte es bedeuten, Abweichungen zwischen Zusagen in einem Dokument und den in einem anderen dokumentierten Ergebnissen zu erkennen.

Auf Grundlage der Reasoning-Fähigkeiten von GPT‑6 Astra, GPT‑6 Sol und GPT‑6.1 Sol plant Third Moment, von einzelnen Untersuchungen zu Hunderttausenden zusammenarbeitenden Subagenten überzugehen. Die Planung sieht vor, Billionen von Token für Abfolgen von Dutzenden aufeinander aufbauenden Experimenten einzusetzen. Ziel ist es, mithilfe dieser Forschung Agenten autonom zu verbessern, wenn neue Herausforderungen auftreten.

Für Adam würde das Menschen mehr Spielraum geben, die Lern- und Arbeitsweise von Agenten zu gestalten: „Menschen können deutlich mehr bewirken, wenn sie darüber nachdenken, wie Forschung betrieben und der Forschungsprozess selbst optimiert werden kann, statt die Forschung tatsächlich selbst durchzuführen.“