Third Moment Research: 10.000 ajanla 36 saati aşan çalışmalar
Bu yapay zekâ laboratuvarı, GPT‑6 Astra, GPT‑6.1 Sol, Codex ve siber güvenlikte Daybreak ile günlerce odaklanabilen, kullanıldıkça gelişen ajanlar oluşturuyor.
10.000
Eşzamanlı çalışan ajan sayısı
36–48
Otonom araştırma oturumu başına saat
%97
Codex ile geriye dönük test süresindeki azalma
1
trilyon OpenAI token'ı (tek bir günde)
Her şirketin kendine özgü iş akışları, araçları, istisnai durumları ve başarı tanımları vardır. (yeni bir pencerede açılır)Third Moment Research(yeni bir pencerede açılır), en iyi ajanların bu özgün işlerde gerçekten iyi olması ve kullanıldıkça yeteneklerini geliştirmesi gerektiğine inanıyor.
Şirket, bu fikirden yola çıkarak kendi kendini geliştiren bir yapay zekâ sistemi kuruyor. Ajan davranışlarını anlamak, tekrarlayan zayıflıkları belirlemek ve bu sorunlara yönelik binlerce sentetik senaryoyu otomatik olarak oluşturmak için OpenAI'ın en yeni modellerini kullanıyor. Ekip, ajanları geliştirmek için bu senaryoları kullanıyor ve yeni sorunlar ortaya çıktıkça süreci tekrarlıyor.
Codex, GPT‑6 Astra, GPT‑6 Sol ve GPT‑6.1 Sol, sistemin araştırma ve hesaplama çalışmalarını destekleyerek Third Moment'ın 36–48 saat süren incelemelerde aynı anda 10.000 ajan çalıştırmasını sağlıyor. Şirket ayrıca ajanların çalıştığı ortamların güvenliğini test etmek için Daybreak kullanıyor.
“GPT-6.1 Sol, tek bir oturumda günlerce süren hesaplamalı araştırmayı, odağını kaybetmeden tutarlı bir çizgide sürdürebiliyor.”
Başarının net biçimde ölçülebilmesi nedeniyle Third Moment'ın ilk uygulamalarından biri kantitatif finans alanında. Bu alan, ajanların nasıl çalıştığını ve nerelerde zorlandığını incelemek için somut bir ortam sunuyor. Ekip, araştırma ortamındaki sorunları bulup gidermek için Codex kullanıyor.
Bir örnekte ekip, kaydedilmiş binlerce simülasyonun işlem akışını (ajanların eylemlerini ve ortamın verdiği yanıtları), zaman damgaları ve kod tabanıyla birlikte analiz etmek için Codex'i o dönemin en yeni GPT modeli olan GPT‑5.6 ile kullandı.
Codex bir darboğaz tespit etti: Bir alım satım stratejisini, ABD hisse senedi piyasasına ait emir düzeyindeki bir yıllık veri üzerinde geriye dönük test etmek birkaç saat sürüyordu. Ajanlar beklerken işlemin tamamlanıp tamamlanmadığını tekrar tekrar sorguluyor, token harcıyor ve bağlamlarını durum kontrolleriyle dolduruyordu.
Codex, geriye dönük testin performans profilini çıkarıp girdilerini ve kullanımını analiz ettikten sonra bir önbellekleme optimizasyonu ve verileri bellekte daha sıkı yerleştirme tekniği belirledi. Çeşitli çözümler deneyip düzeltmeyi üretim ortamına alarak geriye dönük test süresini yaklaşık 3 saatten 3–5 dakikaya indirdi. Böylece token kullanımı ve bağlam kirliliği azaldı; ajanların token bütçesinden yeni deneylere daha fazla pay ayrılabildi.
Third Moment, her ajana belirli bir iş için ihtiyaç duyduğu araçları, bilgileri ve ortamı sağlıyor. Ekip, kantitatif araştırmalar için varsayılan Codex düzeneğini Docker tabanlı bir ortamda çalıştırıyor. Ajanlara bir terabayt veri, dokümantasyon ve öznitelik mühendisliği, GPU destekli model eğitimi, alım satım stratejileri ve simülasyon modülleri içeren bir araştırma deposu veriliyor.
Akıl yürütmeyi GPT‑6 Astra, GPT‑6 Sol ve GPT‑6.1 Sol üstlenirken Codex düzeneği, ajanlara eyleme geçme, plan yapma, hedef belirleme, alt ajan oluşturma ve çalışma devam ederken bağlamı sıkıştırma araçları sunuyor.
Third Moment, bir görevi tamamlamadan duran ajanlar sorununu çözmek için Codex'i, GPT‑6 Sol veya GPT‑6.1 Sol ile çalışan bir dış düzeneğin içinde alt ajan olarak kullanıyor. Bir görev yarım kaldığında dış düzenek işlem akışını inceliyor ve yeniden deneme, işi sonlandırma veya insan incelemesine yönlendirme kararını veriyor.
“Codex düzeneği son derece çok yönlü ve pek çok farklı alanda kullanıma olanak tanıyor.”
Bu araştırma ortamında ajanlar, Third Moment mühendislerinin geliştirdiği temel alım satım sistemini iyileştirmek için çalışıyor. Alım satım stratejilerini geçmiş veriler üzerinde test ediyor, bir iyileşmenin anlamlı mı yoksa rastlantısal mı olduğunu değerlendiriyor ve her sonucu bir sonraki deneyi seçmek için kullanıyorlar. Adam'a göre bu çalışmalar, temel alım satım sistemini iyileştirdi.
Adam, GPT‑5.5'ten önce modellerin yalnızca kullanıcının belirlediği deneyleri yürütebildiğini söylüyor. GPT‑5.5 ve GPT‑5.6 ile birlikte Codex düzeneğinde çalışan modeller, sonuçları kullanarak sonraki deneyleri tasarlayabilir hâle geldi. Artık GPT‑6 Astra, GPT‑6 Sol ve GPT‑6.1 Sol ile ajanlar, alt ajanlarla paralel yürütülen yüzlerce deney aracılığıyla kök nedenleri araştırabiliyor.
Bu ilerleme, ajanların ekibin öngörmediği araştırma yönlerini keşfetmesine yardımcı oldu. Bir oturumda GPT‑6.1 Sol, emir defterinde görünmeyen işlemlerin, işlem hacminin beklenmedik ölçüde büyük bir bölümünü oluşturdukları bir borsadaki etkisini tespit etti. Adam, “Bu, araştırma ekibimizin başlangıçta aklına gelmeyen, kolayca öngörülemeyecek bir sonuçtu,” diyor.
Third Moment, modelleri optimizasyon, makine öğrenmesi sistemleri ve kantitatif araştırma alanlarında değerlendiriyor. En üst seviye modellerin yeni sürümlerini en yüksek akıl yürütme ayarlarında test ederek depolarda gezinme, verimli kod yazma ve bir incelemeyi sürdürme yeteneklerini değerlendiriyor. Güncel testler GPT‑6 Luna'yı da kapsıyor.
“GPT-6.1 Sol, token verimliliği sayesinde şu anda en çok kullandığımız model. Görevleri en az token ile tamamlarken GPT-6 Astra'ya benzer bir performans sunuyor.”
Bir kıyaslama testinde ajanlardan, canlı skor hizmetinin çıktılarını koruyarak güncelleme gecikmesini azaltmaları isteniyor. Ekip, doğruluk koşulunun sağlanması kaydıyla, uzman tarafından hazırlanmış bir çözümün ortalama çalışma süresini aynı donanımda modelin çözümünün ortalama çalışma süresine bölerek hızlanmayı ölçüyor. Adam'a göre en büyük hızlanmayı GPT‑6 Astra sağladı.
Ekip, simülasyon sistemindeki belirli güvenlik açıklarını kontrol etmek gibi belirli bir amaca yönelik işler için GPT‑5.6 Terra gibi daha verimli modeller kullanıyor. Adam, derin araştırmada daha güçlü akıl yürütmenin daha yüksek maliyete değebileceğine inanıyor: “Kantitatif finans alanında ilgi çekici bir sinyal bulmanın değeri son derece yüksek.”
Otonom çalışan 10.000 ajanı olan Third Moment, araştırma ortamlarının güvenliğini geniş ölçekte test etmenin bir yoluna ihtiyaç duyuyor. Ekip, simülasyonlar başlamadan önce bu testleri otomatikleştirmek için Daybreak siber güvenlik platformunu kullanıyor.
Testler, bir ajanın araştırma ortamının dışına çıkıp daha geniş ağa erişip erişemeyeceğini kontrol ediyor. Adam, “Daybreak sayesinde ajanların kendilerine simülasyon üzerinde sızma testleri yaptırabiliyor, simülasyonun altyapısını ve güvenliğini test ettirebiliyoruz,” diyor.
“Daybreak olmadan bunu geniş ölçekte, otonom olarak test edemezdik.”
Third Moment'ın hedefleri, şirketlerin her gün yaptığı uzmanlık gerektiren işleri de kapsıyor. Bir perakendeci için bu, stoklar azaldığında veya bir tedarikçi geciktiğinde tedarik zinciriyle ilgili daha iyi kararlar almak anlamına gelebilir. Bir mühendislik ekibi için büyük bir kod tabanındaki performans darboğazlarını bulmak anlamına gelebilir. Yoğun belge kullanımı olan bir işletme içinse bir belgedeki taahhütlerin başka bir belgede kaydedilen sonuçlarla nerelerde uyuşmadığını belirlemek anlamına gelebilir.
Third Moment, GPT‑6 Astra, GPT‑6 Sol ve GPT‑6.1 Sol'un akıl yürütme yeteneklerinden yararlanarak tekil incelemelerden, iş birliği yapan yüz binlerce alt ajana geçmeyi planlıyor. Şirketin yol haritası, birbirine bağlı onlarca deneyden oluşan zincirleri trilyonlarca token ile desteklemeyi öngörüyor. Amaç, yeni zorluklar ortaya çıktıkça bu araştırmalarla ajanları otonom olarak geliştirmek.
Adam'a göre bu, insanlara ajanların nasıl öğrendiğini ve çalıştığını şekillendirme konusunda daha fazla olanak tanıyacak: “İnsanlar, araştırmayı bizzat yapmak yerine nasıl araştırma yapılacağını düşünmeye ve araştırmanın kendisini optimize etmeye odaklanarak çok daha fazla etki yaratabilecekleri bir konuma gelebilir.”
