Third Moment Research roda 10 mil agentes de IA por até 48 horas em pesquisa quantitativa

A OpenAI publicou um case study sobre a Third Moment Research, startup que usa os modelos da companhia para construir um sistema de agentes que tenta melhorar a si mesmo com o uso. A ideia central: em vez de um agente genérico, cada agente deveria ficar cada vez melhor numa tarefa específica, e o próprio sistema deveria identificar onde ele falha e gerar cenários sintéticos para corrigir isso.

O campo de testes escolhido pela empresa é pesquisa quantitativa de mercado financeiro. Não por acaso: é um domínio com critério de sucesso objetivo (o backtest rendeu mais ou menos que o esperado), o que facilita avaliar se um agente realmente melhorou ou só pareceu melhorar. Segundo a OpenAI, a Third Moment já roda 10 mil agentes simultâneos em investigações que duram de 36 a 48 horas, usando Codex e os modelos GPT-6 Astra, GPT-6 Sol e GPT-6.1 Sol.

Como os agentes ficam ativos por dois dias sem perder o fio

Manter um agente coerente por 36 horas de computação é um problema de engenharia de contexto, não só de capacidade do modelo. A Third Moment resolve isso com uma arquitetura em duas camadas: o harness padrão do Codex roda dentro de um ambiente Dockerizado, com acesso a um terabyte de dados, documentação e um repositório de pesquisa com módulos de engenharia de features, treino de modelos com GPU, estratégias de trading e simulação.

Por cima disso, a empresa trata o próprio Codex como subagente dentro de um harness externo controlado por GPT-6 Sol ou GPT-6.1 Sol. Quando uma tarefa fica inacabada, esse harness externo examina a trajetória da execução e decide entre três caminhos: tentar de novo, encerrar o job ou escalar para revisão humana. É esse supervisor que evita o cenário clássico de agente travado, repetindo a mesma ação sem avançar.

Numa única sessão, o GPT-6.1 Sol consegue manter uma linha coerente de pesquisa computacional ao longo de dias de processamento sem perder o fio.

In a single session, GPT-6.1 Sol is able to maintain a coherent thread of computational research across days of compute without losing the plot.Adam Khakhar, cofundador da Third Moment Research

O backtest que caiu de 3 horas para 3 a 5 minutos

O exemplo mais concreto do case mostra o Codex analisando milhares de trajetórias de simulação registradas (as ações dos agentes e as respostas do ambiente), junto com timestamps e o código-fonte. Usando o GPT-5.6, que era o modelo mais recente da OpenAI na época, o Codex encontrou um gargalo: rodar o backtest de uma estratégia de trading contra um ano de dados de ações americanas por ordem levava várias horas.

Enquanto esperava, cada agente ficava consultando repetidamente se o backtest tinha terminado, gastando tokens e poluindo o próprio contexto com checagens de status. Depois de analisar o perfil de execução do backtest e seus padrões de uso, o Codex identificou uma otimização de cache e uma técnica de empacotamento de memória, testou as soluções e colocou a correção em produção. O resultado: o backtest caiu de aproximadamente 3 horas para 3 a 5 minutos, liberando orçamento de tokens para mais experimentos.

Esse é o tipo de ganho que interessa a quem opera agentes em produção: não é o modelo ficando "mais inteligente" em abstrato, é token desperdiçado em polling virando capacidade de pesquisa real. Vale notar que o case não informa o custo computacional da análise feita pelo Codex para chegar a essa otimização, nem quantas tentativas ele precisou até acertar.

Qual modelo para qual tarefa: a lição de custo que o case deixa entrelinhas

Um dos pontos mais úteis do material é a forma como a Third Moment escolhe modelo por tipo de trabalho, em vez de usar um único modelo para tudo. Segundo Jeffrey Yan, cofundador da empresa, o GPT-6.1 Sol é hoje o modelo mais usado internamente justamente pela eficiência de tokens.

O GPT-6.1 Sol é atualmente nosso modelo mais usado, dada sua eficiência de tokens. Ele completa tarefas com o menor número de tokens entregando desempenho parecido ao do GPT-6 Astra.

GPT-6.1 Sol is currently our most-used model given its token efficiency. It completes tasks with the fewest tokens while delivering performance similar to GPT-6 Astra.Jeffrey Yan, cofundador da Third Moment Research

A divisão de tarefas por modelo segue uma lógica de custo-benefício que qualquer time que rode agentes em escala deveria reconhecer:

Para pesquisa profunda, Adam Khakhar defende que vale pagar mais por raciocínio mais forte: segundo ele, no espaço da pesquisa quantitativa, o valor de encontrar um sinal interessante é extremamente alto, o que justifica o custo adicional de rodar o modelo mais caro quando a aposta compensa.

Testando a própria gaiola: segurança com Daybreak

Rodar 10 mil agentes autônomos ao mesmo tempo levanta uma pergunta óbvia: o que impede um agente de escapar do ambiente de simulação e acessar a rede mais ampla da empresa? A resposta da Third Moment é usar a plataforma de cibersegurança↳Segurança171 conteúdosCibersegurança no Brasil: 6 passos para sair da estagnaçãoDevSecOps · jul 2025O papel do CISO para transformar a cibersegurança em uma alavanca de reputação para as empresasDevSecOps · mar 2024Itaipu Parquetec e Exército Brasileiro realizam exercício de cibersegurança em BrasíliaDev (Back & Front) · set 2025Ver tudo em DevSecOps → Daybreak, da própria OpenAI, para automatizar testes de penetração nesses ambientes antes de cada simulação ser lançada.

Na prática, os próprios agentes fazem o pentest da infraestrutura em que vão rodar, antes de começarem o trabalho de pesquisa. Isso resolve um problema real de escala: testar manualmente a segurança de milhares de ambientes isolados, um por um, não é viável.

Usando o Daybreak, conseguimos fazer com que os próprios agentes façam testes de penetração na simulação e testem a infraestrutura e a segurança dela. Sem o Daybreak, não conseguiríamos testar isso de forma autônoma e em escala.

By using Daybreak, we're able to have agents themselves do penetration testing on the simulation and test the infrastructure and security of it. Without Daybreak, we would not be able to autonomously test this at scale.Adam Khakhar, cofundador da Third Moment Research

O que o case não mostra

Vale separar o que é lição replicável do que é propaganda bem contada. O material vem diretamente da OpenAI, sobre uma cliente que usa quase todo o portfólio de produtos da própria OpenAI (Codex, GPT-6 Astra, GPT-6 Sol, GPT-6.1 Sol e Daybreak), então os números escolhidos tendem a ser os mais favoráveis.

Não há, por exemplo, nenhuma cifra de custo computacional para manter 10 mil agentes ativos por 36 a 48 horas, nem taxa de falha das investigações que terminam escaladas para revisão humana em vez de concluídas pelo agente. O ganho de "3 horas para 3 a 5 minutos" é real e específico, mas é um caso isolado, não uma média.

Também importa lembrar que pesquisa quantitativa é um domínio particularmente favorável para esse tipo de arquitetura: o sucesso de uma estratégia de trading é mensurável em números objetivos de forma direta. Em domínios mais ambíguos (atendimento ao cliente, análise jurídica, moderação de conteúdo), definir o que conta como "melhora" para alimentar o ciclo de autoaperfeiçoamento é bem mais difícil, e o case não endereça isso.

O que dá para levar deste material, mesmo fora de fintech, são três padrões de arquitetura concretos: harness externo supervisionando subagentes com política explícita de retry/terminate/escalate, atenção ao desperdício de tokens em polling como fonte real de custo, e teste de segurança automatizado do próprio sandbox antes de liberar execução autônoma em escala.

Próximo passo: centenas de milhares de agentes colaborando

A Third Moment descreve um roteiro de expansão de investigações individuais para centenas de milhares de subagentes colaborando, com trilhões de tokens sustentando cadeias de dezenas de experimentos dependentes entre si. A meta declarada é usar essa pesquisa para que os próprios agentes se aperfeiçoem conforme surgem novos desafios, sem repetir o ciclo manual de hoje.

Para Adam Khakhar, esse movimento muda o papel de quem trabalha com pesquisa: as pessoas passariam a pensar em como fazer pesquisa e otimizar o próprio processo de pesquisa, em vez de executar a pesquisa diretamente. É uma aposta grande, ainda sem métricas públicas de quão próximo isso está de funcionar fora do laboratório controlado da Third Moment.

Fonte: OpenAI News