Comment Third Moment Research fait tourner 10 000 agents IA pendant plus de 36 heures avec OpenAI
L'utilisation d'agents d'intelligence artificielle autonomes capables de travailler en continu sur des tâches complexes franchit une nouvelle étape. La startup Third Moment Research a récemment démontré la puissance des dernières technologies d'OpenAI en faisant fonctionner 10 000 agents en simultané lors de sessions de recherche prolongées de 36 à 48 heures.
Cet article explore comment cette structure innovante exploite des modèles de pointe tels que GPT-6 Astra, GPT-6.1 Sol et Codex pour mener à bien des recherches quantitatives et automatiser l'amélioration continue des agents.
Les piliers technologiques de Third Moment Research
Chaque entreprise possède ses propres flux de travail, outils et cas d'utilisation spécifiques. Third Moment Research conçoit des systèmes d'IA auto-itératifs capables de comprendre leur propre comportement, d'identifier les faiblesses récurrentes et de générer automatiquement des scénarios synthétiques pour s'améliorer.
Pour alimenter cette infrastructure lourde, le laboratoire s'appuie sur une suite d'outils et de modèles spécifiques :
- GPT-6 Astra & GPT-6.1 Sol : Fournissent le raisonnement avancé nécessaire pour maintenir une recherche cohérente sur plusieurs jours sans perte de contexte.
- Codex : Utilisé comme un outil d'ingénierie et de résolution de problèmes au sein d'environnements Dockerisés.
- Daybreak : Une plateforme de cybersécurité employée pour automatiser les tests de pénétration et valider l'isolation des environnements d'exécution.
| Modèle / Outil | Fonction principale | Avantage clé | | :--- | :--- | :--- | | GPT-6.1 Sol | Recherche approfondie et raisonnement | Haute efficacité en matière de consommation de jetons (tokens) | | Codex | Optimisation du code et des environnements | Réduction drastique des temps de calcul et des goulots d'étranglement | | Daybreak | Tests de sécurité automatisés | Permet de tester 10 000 agents en toute sécurité |
Réduction du gaspillage de jetons et optimisation avec Codex
Dans le domaine de la finance quantitative — un secteur choisi pour la clarté de ses mesures de succès —, les agents simulent des stratégies de trading sur des années de données d'actions.
Au cours de leurs recherches, les équipes ont identifié un problème majeur : le backtesting d'une stratégie prenait parfois plusieurs heures, poussant les agents à s'interroger continuellement et à gaspiller de précieux jetons (tokens).
Grâce à Codex, couplé aux modèles de la gamme GPT, le système a analysé les trajectoires de simulation pour identifier ce goulot d'étranglement. Une optimisation du cache et une technique de compactage de mémoire ont été déployées, réduisant le temps de backtesting de 3 heures à seulement 3 à 5 minutes, tout en libérant de l'espace dans le contexte des agents pour de nouvelles expérimentations.
Maintenir les agents sur la bonne voie
Pour empêcher qu'un agent ne s'arrête prématurément ou ne perde le fil de sa mission, Third Moment utilise une structure hiérarchique :
- L'harnachement Codex est exécuté dans un environnement isolé (Docker) avec accès à des téraoctets de données et de documentation.
- Une armature externe pilotée par GPT-6 Sol analyse la trajectoire lorsqu'une tâche est inachevée, décidant s'il faut relancer le processus, terminer la mission ou escalader vers une révision humaine.
Cette synergie permet aux agents non seulement d'exécuter des protocoles prédéfinis, mais aussi d'analyser les résultats intermédiaires pour concevoir de nouvelles expériences de manière totalement autonome.
Vers une collaboration à grande échelle
L'ambition de Third Moment Research ne s'arrête pas à la finance quantitative. L'objectif à terme est de déployer des centaines de milliers de sous-agents collaborateurs capables d'aider les entreprises dans la gestion de chaînes d'approvisionnement, l'optimisation de codes sources massifs ou la vérification de documents complexes.
Grâce aux performances de raisonnement de la gamme GPT-6, l'humain se positionne désormais dans un rôle de superviseur stratégique, se concentrant sur l'optimisation de la recherche elle-même plutôt que sur son exécution brute.
FAQ
Qu'est-ce que Third Moment Research ?
Il s'agit d'un laboratoire de recherche en IA et d'une startup nord-américaine spécialisée dans la création d'agents autonomes capables de s'améliorer continuellement grâce à l'utilisation.
Quels modèles d'OpenAI sont utilisés pour ces agents ?
L'infrastructure s'appuie principalement sur GPT-6 Astra, GPT-6.1 Sol, Codex et Daybreak pour la sécurité.
Quel est l'intérêt principal d'utiliser Codex dans ce type de projet ?
Codex permet d'analyser le code et les environnements d'exécution pour éliminer les inefficacités, réduire le gaspillage de jetons et accélérer considérablement les phases de test (comme le backtesting financier).
