AI实验室Third Moment Research利用GPT-6 Astra、GPT-6.1 Sol、Codex及网络安全工具Daybreak，构建出可连续专注数天并随使用持续改进的智能体系统，单次运行规模达1万个智能体、时长超36小时。
详细分析
Third Moment Research此次展示的万级智能体长时运行能力，标志着AI智能体从“单次任务工具”向“持续在线劳动力”的关键转折。当前主流智能体框架多受限于上下文窗口、任务链断裂和错误累积，通常只能维持数分钟到数小时的有效自治。而1万个智能体连续运行36小时以上，意味着系统在任务调度、记忆持久化、错误恢复和资源管理上实现了工程级突破。结合GPT-6 Astra与GPT-6.1 Sol两代模型的分工——前者可能侧重广域推理与规划，后者侧重精细执行与校验——以及Codex的代码生成能力和Daybreak的网络安全专长，该架构显然瞄准的是需要长周期、高可靠性的企业级场景，如持续渗透测试、大规模代码审计、自动化运维和情报分析。从行业背景看，2025年以来智能体赛道竞争已从“能否完成任务”转向“能否稳定运行数天并自我进化”。OpenAI、Anthropic和谷歌均在探索长时程智能体，但公开披露万级并发、36小时以上连续运行的案例极少。Third Moment Research此举若可复现，将直接挑战现有智能体编排平台（如LangChain、AutoGen生态）的可靠性上限，并推动“智能体即服务”从按任务计费向按在线时长计费的模式迁移。商业前景上，网络安全和软件工程是两大首批落地领域：Daybreak的加入暗示其可能面向红蓝对抗、漏洞挖掘等攻防场景，而Codex则指向大规模代码库的持续重构与测试。市场反应方面，尽管该公司并非头部大模型厂商，但其系统集成与工程优化能力可能吸引企业客户关注，尤其是在金融、国防和云服务等对长时自动化有刚性需求的行业。竞争格局上，头部实验室倾向于封闭内测，而Third Moment Research的高调披露或意在建立“长时智能体可靠性”这一细分赛道的技术话语权。值得警惕的是，万级智能体连续运行带来的算力成本、行为可控性和安全对齐问题尚未在原文中展开，这将是其从演示走向生产环境的关键瓶颈。
万级智能体连续运行36小时不是简单的规模堆叠，而是对调度、记忆与容错架构的系统性考验；若其可靠性数据经得起第三方验证，智能体的计价单位将从“任务”变为“工时”。
原文：OpenAI Blog