知识卡片：Third Moment Research 如何让 10,000 个智能体连续运行 36 小时以上

一句话结论

据现有元数据，Third Moment Research 宣称借助 GPT-6 Astra、GPT-6.1 Sol、Codex 及面向网络安全的 Daybreak，构建出可持续专注数日、并随使用而改进的智能体；但正文未抓取，全部具体事实待核实。

事件概述或研究问题

• 标题指向一个工程与产品命题：如何让大规模（10,000 个）智能体长时间（36 小时以上）持续运行。
• 候选摘要提到该 AI 实验室的智能体“能专注数天，并随使用而改进”。
• 具体的研究问题、实验设计、评测口径、成本数据均待核实。

方法/产品要点

依据已知元数据，涉及的要素包括：

• GPT-6 Astra 与 GPT-6.1 Sol（模型名称，具体能力与版本细节待核实）。
• Codex（编码相关产品/能力，具体角色待核实）。
• Daybreak（面向网络安全的组件，具体形态与用途待核实）。
• “10,000 agents”“36+ hours”为标题给出的规模与时长口径，其定义与统计方式待核实。

主要结果或产业意义

• 元数据层面的核心主张：大规模智能体可长时间持续运行，并具备“随使用而改进”的特性。
• 对产业的含义（长程代理的可靠性、规模化调度、持续学习/记忆机制）属于基于标题的推断，需以原文为准确认；待核实。

为什么重要

• 若属实的，它延续了近期关于“长程代理（long-horizon agents）”与“代理框架代价”的讨论脉络：既有卡片分别关注 harness 对编码智能体的影响（HarnessTax）以及通过 harness 优化降低 token 成本（Cursor）。
• 本条可能的增量在于：把关注点从单任务/单会话的效率，推进到万级并发 × 数十小时持续运行的规模化与耐久性维度。
• 与既有脉络的关系：目前仅为标题级信息，尚不能确认其方法是否与上述 harness 优化路线重合或互补。

局限与不确定性

• 正文未能抓取，本卡片仅基于 URL、标题与候选摘要等元数据。
• 以下均待核实：10,000 个智能体的具体定义、36+ 小时的统计口径、所用基准与指标、“improve with use”的机制、GPT-6 Astra / GPT-6.1 Sol / Codex / Daybreak 的实际角色与版本。

可用于图书/PPT/简报的角度

• “长程代理”的规模化叙事：从分钟级任务到数十小时持续运行。
• 并发规模的量级跃迁：10,000 个智能体作为工程与调度挑战的引子。
• “越用越好”的智能体：持续学习/记忆机制的讨论入口（需以原文佐证）。

原始材料

• 标题：How Third Moment Research runs 10,000 agents for 36+ hours
• 来源：https://openai.com/index/third-moment-research
• Track：industry；Topics：agent
• 备注：正文未抓取；候选摘要提及 GPT-6 Astra、GPT-6.1 Sol、Codex、Daybreak for cybersecurity。