Third Moment Research: 10.000 agenti al lavoro per oltre 36 ore

Ogni azienda ha i propri flussi di lavoro, strumenti, casi limite e criteri di successo. ⁠(si apre in una nuova finestra)Third Moment Research⁠(si apre in una nuova finestra) ritiene che i migliori agenti debbano eccellere in quelle attività specifiche e migliorare le proprie capacità con l’uso.

Partendo da questa idea, l’azienda sta sviluppando un sistema di IA capace di migliorarsi da solo, usando i modelli più recenti di OpenAI per comprendere il comportamento degli agenti, individuare punti deboli ricorrenti e creare automaticamente migliaia di scenari sintetici incentrati su quei problemi. Il team usa questi scenari per migliorare gli agenti, ripetendo il processo man mano che emergono nuovi problemi.

Codex, GPT‑6 Astra, GPT‑6 Sol e GPT‑6.1 Sol supportano le attività di ricerca e di calcolo del sistema, consentendo a Third Moment di far lavorare contemporaneamente 10.000 agenti su indagini della durata di 36–48 ore. L’azienda usa anche Daybreak per testare la sicurezza degli ambienti in cui lavorano gli agenti.

Una delle prime applicazioni di Third Moment riguarda la finanza quantitativa, un ambito in cui il successo è chiaramente misurabile. Questo settore offre un contesto concreto per studiare come lavorano gli agenti e dove incontrano difficoltà. Il team usa Codex per individuare e risolvere i problemi nell’ambiente di ricerca.

In un caso, ha usato Codex con GPT‑5.6, all’epoca il modello GPT più recente, per analizzare migliaia di sequenze registrate durante le simulazioni (le azioni degli agenti e le risposte dell’ambiente), insieme ai timestamp e alla base di codice.

Codex ha scoperto un collo di bottiglia: testare una strategia di trading su un anno di dati del mercato azionario statunitense, dettagliati per singolo ordine, richiedeva diverse ore. Nell’attesa, gli agenti verificavano ripetutamente se l’operazione fosse terminata, sprecando token e riempiendo il contesto di controlli sullo stato.

Dopo aver profilato il backtest e analizzato i dati in ingresso e le modalità d’uso, Codex ha individuato un’ottimizzazione della cache e una tecnica per compattare i dati in memoria. Ha sperimentato diverse soluzioni e implementato la correzione in produzione, riducendo la durata del backtest da circa 3 ore a circa 3–5 minuti. Questo ha ridotto il consumo di token e l’inquinamento del contesto, lasciando agli agenti più token a disposizione per ulteriori esperimenti.

Third Moment fornisce a ogni agente gli strumenti, le informazioni e l’ambiente necessari per un lavoro specifico. Per la ricerca quantitativa, il team esegue l’infrastruttura predefinita di Codex in un ambiente basato su container Docker. Gli agenti ricevono un terabyte di dati, documentazione e un repository di ricerca con moduli per l’ingegneria delle caratteristiche, l’addestramento dei modelli con supporto GPU, le strategie di trading e la simulazione.

GPT‑6 Astra, GPT‑6 Sol e GPT‑6.1 Sol forniscono le capacità di ragionamento, mentre l’infrastruttura di Codex mette a disposizione degli agenti strumenti per agire, creare piani, fissare obiettivi, generare sottoagenti e compattare il contesto man mano che il lavoro procede.

Per gestire gli agenti che si fermano prima di completare un’attività, Third Moment usa Codex come sottoagente all’interno di un’infrastruttura esterna basata su GPT‑6 Sol o GPT‑6.1 Sol. Quando un’attività resta incompiuta, l’infrastruttura esterna esamina la sequenza delle operazioni e stabilisce se riprovare, terminare il lavoro o richiedere una revisione umana.

In questo ambiente di ricerca, gli agenti lavorano per migliorare un sistema di trading di base realizzato dagli ingegneri di Third Moment. Testano strategie di trading su dati storici, valutano se un miglioramento sia significativo o semplice rumore e usano ogni risultato per scegliere l’esperimento successivo. Secondo Adam, il loro lavoro ha migliorato il sistema di trading di base.

Prima di GPT‑5.5, racconta Adam, i modelli potevano solo eseguire esperimenti indicati da un utente. Con GPT‑5.5 e GPT‑5.6, i modelli che operavano nell’infrastruttura di Codex potevano usare i risultati per progettare esperimenti successivi. Ora, con GPT‑6 Astra, GPT‑6 Sol e GPT‑6.1 Sol, gli agenti possono indagare le cause profonde attraverso centinaia di esperimenti eseguiti in parallelo con i sottoagenti.

Questa evoluzione ha aiutato gli agenti a esplorare direzioni di ricerca che il team non aveva previsto. In una sessione, GPT‑6.1 Sol ha individuato l’impatto delle operazioni non visibili nel book di negoziazione di una borsa, dove rappresentavano una quota di volume inaspettatamente elevata. “Era un risultato tutt’altro che ovvio, che il nostro team di ricerca inizialmente non aveva preso in considerazione”, afferma Adam.

Third Moment valuta i modelli negli ambiti dell’ottimizzazione, dei sistemi di apprendimento automatico e della ricerca quantitativa. Testa i nuovi modelli di frontiera al massimo livello di ragionamento, valutandone la capacità di orientarsi nei repository, scrivere codice efficiente e portare avanti un’indagine. I test attuali includono anche GPT‑6 Luna.

Un benchmark chiede agli agenti di ridurre la latenza di aggiornamento di un servizio di punteggi in tempo reale, mantenendone invariati gli output. Il team misura l’incremento di velocità dividendo il tempo medio di esecuzione di una soluzione creata da esperti per quello della soluzione del modello, sullo stesso hardware e a condizione che i risultati siano corretti. Secondo Adam, GPT‑6 Astra ha ottenuto il maggiore incremento di velocità.

Per attività mirate, tra cui i controlli su specifiche vulnerabilità di sicurezza nel sistema di simulazione, il team usa modelli più efficienti come GPT‑5.6 Terra. Per la ricerca approfondita, Adam ritiene che capacità di ragionamento superiori possano giustificare costi più elevati: “Nella finanza quantitativa, individuare un segnale interessante ha un valore estremamente alto.”

Con 10.000 agenti che operano in autonomia, Third Moment ha bisogno di testare la sicurezza dei propri ambienti di ricerca su larga scala. Il team usa la piattaforma di cybersicurezza Daybreak per automatizzare questi test prima di avviare le simulazioni.

I test verificano se un agente possa uscire dal proprio ambiente di ricerca e accedere al resto della rete. “Con Daybreak, possiamo affidare agli agenti stessi i test di penetrazione sulla simulazione e la verifica della sua infrastruttura e della sua sicurezza”, afferma Adam.

Le ambizioni di Third Moment si estendono alle attività specialistiche che le aziende svolgono ogni giorno. Per un rivenditore, questo potrebbe significare prendere decisioni migliori sulla catena di approvvigionamento quando le scorte scarseggiano o un fornitore è in ritardo. Per un team di ingegneri, potrebbe significare individuare i colli di bottiglia che limitano le prestazioni in una base di codice di grandi dimensioni. Per un’azienda che gestisce molti documenti, potrebbe significare individuare i casi in cui gli impegni contenuti in un documento non corrispondono ai risultati registrati in un altro.

Sfruttando le capacità di ragionamento di GPT‑6 Astra, GPT‑6 Sol e GPT‑6.1 Sol, Third Moment intende passare dalle singole indagini a centinaia di migliaia di sottoagenti che collaborano. Il suo piano di sviluppo prevede l’uso di migliaia di miliardi di token a supporto di catene di decine di esperimenti dipendenti l’uno dall’altro, con l’obiettivo di sfruttare questa ricerca per migliorare autonomamente gli agenti man mano che emergono nuove sfide.

Per Adam, questo darebbe alle persone maggiori possibilità di plasmare il modo in cui gli agenti imparano e lavorano: “Le persone possono assumere un ruolo di maggiore impatto, concentrandosi su come condurre la ricerca e ottimizzarla, anziché svolgerla direttamente.”