OpenAI

6 באוקטובר 2026

כך Jump Trading מרחיבה את המחקר הכמותי בעזרת ChatGPT

Jump Trading משתמשת ב-GPT‑6 Astra כדי להתמודד עם בעיות מחקר שדורשות זמן רב יותר ושיש בהן יותר אי־ודאות.

הלוגו של Jump Trading בלבן, במרכז רקע בעל מרקם של שכבות פיגמנט בגוון כחול־נפט כהה.
גודל החברה: Enterprise
אזור: צפון אמריקה
Industry: פיננסים
מוצרים: ChatGPT

כחברת מסחר כמותי, Jump Trading יוצרת מודלים לחיזוי המשתמשים בנתוני שוק, בחדשות ובאירועים ובמגוון מקורות נתונים חלופיים כדי לחזות מחירי נכסים בצורה הטובה ביותר. השווקים מורכבים, רועשים ומשתנים לאורך זמן, ולכן רק לעיתים רחוקות אפשר לצפות בדיוק מה יקרה. אבל לדברי לוקאס בייקר, ראש תחום המחקר והפיתוח של LLM ב-Jump, כשפועלים בהיקף גדול, אפילו תחזיות שמדויקות רק מעט יותר מהטלת מטבע מספיקות כדי ליצור אסטרטגיה מוצלחת.

בייקר מוביל מחקר ופיתוח אג'נטי, ומתמקד בבניית הסוכנים, רכיבי ה-harness והתשתיות שמאפשרים לחוקרים כמותיים לבחון את רעיונותיהם בהיקף רחב יותר ולעומק רב יותר. השילוב של GPT‑6 Astra הגדיל דרמטית את ההיקף והמורכבות של תהליכי העבודה שאפשר להעביר לסוכנים — מכתיבת קוד שוטפת ועד מחקרים כמותיים מתקדמים לבדיקת השערות חדשות.

"עם סדרת GPT-6, ובמיוחד GPT-6 Astra, ‏OpenAI מאפשרת רמה חדשה של עצמאות במשימות ממושכות שמצריכות תיאום גמיש בין סוכנים והתמדה יוצאת דופן בתהליכי עבודה מורכבים. במקום ההכוונה וההתערבות האנושית התכופות שנדרשו בעבר, אנחנו יכולים כעת להתמקד לחלוטין בהגדרת סביבה מאובטחת ומנוטרת היטב עם יעדים ברורים, ולתת לסוכנים למצוא את דרכם בעצמם."
—לוקאס בייקר, ראש תחום המחקר והפיתוח של LLM, ‏Jump Trading

מקטעי קוד קצרים לניתוח מקיף

בשנה האחרונה הפכה הבינה המלאכותית מכלי עזר שימושי לכתיבת קטעי קוד נקודתיים או לאיתור באגים קטנים, למערכת בעלת יכולות מגוונות שיכולה לפתח בסיסי קוד ושירותים שלמים בכוחות עצמה. כעת בייקר וצוותו מגלים שבינה מלאכותית פועלת במיטבה כשמתייחסים אליה יותר כאל עמיתה לעבודה. חוקרים יכולים להגדיר בעיה מרכזית, סביבת עבודה ודרך להעריך את איכות התוצאות ומשמעותן, ואז להנחות בזמן אמת סוכן אחד או כמה סוכנים היכן למקד את הניתוח או איזו משימה להריץ בהמשך.

לדברי בייקר, עם GPT‑6 Astra סוכנים מסוגלים כעת לא רק למצוא שינויים משמעותיים וישימים, אלא גם לשלב את ההישגים האלה ולבנות עליהם בתהליך של שיפור רקורסיבי. במהלך משימה ממושכת אחת, המערכת יכולה לנתח את ממצאיה, להעריך אותם לפי הקריטריונים שסוכמו בהצעה הראשונית ולנתב מחדש את מאמציה באופן יזום, במקום להזדקק לאדם שינתח כל סבב שינויים. כפי שהוא מתאר זאת: "אפשר להגדיר תהליך שצריך לרוץ במשך ימים — לשאוב מידע ממקורות נתונים רבים, להפעיל שיקול דעת עדין לגבי מה חשוב ומה לא, ולקשר בין כל המרכיבים — כדי ליצור ניתוח מקיף. עכשיו זה באמת עובד."

שיקול הדעת האנושי נשאר במרכז

Jump Trading פועלת בכל אופקי הזמן ובכל קטגוריות הנכסים. כל שלב בתהליך מורכב, ובתעשייה הכפופה לרגולציה הדוקה כמו הפיננסים, לטעויות עלולות להיות השלכות הן מבחינה כספית והן מבחינת עמידה בדרישות הרגולציה. בייקר מדגיש שחיוני להיות מודעים לסיכונים הנובעים מהפקדת עבודה בידי בינה מלאכותית, אך אפשר לרתום בינה אג'נטית גם לשיפור האיכות, האבטחה והניטור, ולא רק להוספת תכונות. תכנון קפדני של המערכת וגבולות פעולתה, מגבלות ברורות, תשתית שמאפשרת להכווין את המערכת ולנטר את פעילותה, ובדיקה אנושית של שינויים — כל אלה מסייעים לצוות של Jump Trading לוודא שתהליכי עבודה המבוססים על בינה מלאכותית מוכנים להרחבה בסביבה הכפופה לרגולציה.

"אם יש סביבה בטוחה שבה הסוכן או המערכת חופשיים להפיק כל פלט שנדרש להם, אבל בסוף התהליך יש גם בדיקה אנושית, עם אימות של ההיבטים הקריטיים ואישור אנושי — זה מה שנותן לנו ביטחון", הוא אומר. למשל, אם סוכן מפיק אות מסחר, מגדירים את היקף השימוש בו ובוחנים אותו כמו כל פלט אחר: כאות שבדרך כלל מספק מידע מועיל, אך עלול להיות שגוי. משלבים אותו עם כל שאר האותות בסביבת ביצוע הנתונה לבדיקה ולבקרה קפדניות.

מה הלאה

בייקר סבור שאנחנו בדרך לעולם שבו "מחקר אוטומטי" — שיפור רקורסיבי של מערכות מדידות בידי סוכנים חוקרים — יהיה נפוץ כל כך, עד שייחשב לחלק רגיל משגרת העבודה של חוקר כמותי. כיום, גם המשימות הממושכות ביותר של GPT‑6 Astra עדיין כוללות בדיקות שוטפות עם האדם שמגדיר את המשימה — לא רק אילו נתונים לשלוף, כמה זמן להריץ ומה נחשב חשוב, אלא גם אם תוצאות הביניים הגיוניות. מחקר אוטומטי מתקדם עדיין יתחיל במערכת שאדם הגדיר, כולל הקלטים, הגדרת הסביבה, מדדי ההערכה, הפשרות וסדרי העדיפויות הכלליים. אולם יתר התהליך יופקד בידי "צי" של סוכנים במבנה ארגוני גמיש, שסוכנים אחרים מתאמים את פעילותם. בתוך תהליך מחקר מובנה היטב, הסוכנים האלה יוכלו לקבל החלטות מושכלות על אופן בחינת הרעיונות, הקצאת זמן חישוב ושילוב ממצאים מבטיחים — כשהכול מתחיל כמעט רק משאלה פתוחה.

"איך זה ייראה כשאפשר יהיה לחבר את כל זה מקצה לקצה, לשאול שאלה כללית שגם אתם לא יודעים את התשובה עליה, ולקבל תוצאה מועילה?" הוא שואל. "אם אפשר לפתור אחת מבעיות המילניום, כנראה אפשר גם לגלות כמה עובדות מעניינות מאוד על מימון כמותי."

כל שנה הביאה איתה לא רק שיפור מתמשך בתוצאות מבחני ההשוואה, אלא גם קפיצות מדרגה בסוג העבודה שהמודלים מסוגלים לבצע. לעיתים קרובות היה קשה לצפות את ההתפתחויות האלה אפילו חודשים ספורים מראש: ב-2024 נחשב למרשים שסוכנים מוקדמים הצליחו לכתוב קובץ אחד ללא טעויות; ב-2025 כבר היה אפשר ליצור בסיסי קוד שלמים מאפס; וב-2026 — להתקדם בשאלות מחקר פתוחות בעזרת סוכנים רבים שמשתפים פעולה באופן דינמי, זה לצד זה. "מה מחכה לנו בשנה הבאה?" הוא אומר. "זו אפשרות די מדהימה."

הצטרפו לעידן החדש של העבודה

יותר מ-1 מיליון עסקים ברחבי העולם משיגים תוצאות משמעותיות עם OpenAI.