Third Moment Research: 10.000 Ajan, 36 Saat

OpenAI'nın yayınladığı vaka çalışmasına göre Third Moment Research, aynı anda 10.000 yapay zeka ajanını 36 ile 48 saatlik otonom araştırma oturumlarında çalıştırıyor. Şirket, GPT-6 Astra, GPT-6 Sol ve GPT-6.1 Sol modellerini Codex iskeletiyle birleştirerek kendini geliştiren bir araştırma sistemi kurdu. Sistemin ilk uygulama alanı, başarısı net ölçülebildiği için nicel finans (quantitative finance) oldu.

10.000 Ajan, 36-48 Saatlik Kesintisiz Oturumlar

Third Moment Research'ün amacı, her şirketin kendi iş akışına, araçlarına ve başarı tanımına uygun ajanlar kurmak. Şirket bu hedefe "kendini geliştiren sistem" fikriyle yaklaşıyor: modeller ajan davranışını analiz ediyor, tekrar eden zayıflıkları buluyor ve bu sorunlar etrafında binlerce sentetik senaryo üretiyor. Senaryolar ajanı iyileştirmek için kullanılıyor, ardından döngü yeni sorunlar çıktıkça baştan başlıyor.

OpenAI'nın paylaştığı rakamlar sistemin ölçeğini gösteriyor: aynı anda 10.000 ajan, oturum başına 36-48 saat çalışma ve tek bir günde 1 trilyon OpenAI tokenı.

Kendini Geliştiren Döngü Nasıl Çalışıyor?

Ajanlara işlerini yapabilmeleri için gereken araçlar, bilgi ve ortam veriliyor. Nicel araştırma tarafında ekip, varsayılan Codex iskeletini Docker ortamında çalıştırıyor. Ajanlara 1 terabayt veri, dokümantasyon ve içinde özellik mühendisliği, GPU destekli model eğitimi, alım-satım stratejileri ve simülasyon modülleri bulunan bir araştırma deposu sunuluyor.

Modeller muhakemeyi üretiyor; Codex iskeleti ise ajanlara eylem yeteneği kazandırıyor: plan yapmak, hedef belirlemek, alt ajan oluşturmak ve iş uzadıkça bağlamı sıkıştırmak. Ajanlar temel alım-satım sistemini iyileştirmek için stratejileri tarihsel veride test ediyor, bir gelişmenin gerçek mi yoksa gürültü mü olduğunu değerlendiriyor ve her sonucu bir sonraki deneyi seçmek için kullanıyor.

Codex Geri Test Süresini 3 Saatten 3-5 Dakikaya İndirdi

Vaka çalışmasının en somut sonucu bir performans iyileştirmesi. Codex, binlerce simülasyon kaydını, zaman damgalarını ve kod tabanını birlikte analiz ederek bir darboğaz buldu. Bir yıllık emir düzeyinde ABD hisse senedi verisiyle bir stratejiyi geri test etmek saatler sürüyordu; bekleyen ajanlar ise tamamlanma durumunu tekrar tekrar sorgulayarak token harcıyor ve bağlamlarını durum kontrolleriyle dolduruyordu.

Codex önbellekleme optimizasyonu ve bellek paketleme tekniği belirledi, çözümleri denedi ve düzeltmeyi üretime aldı. Sonuç: yaklaşık 3 saatlik geri test süresi 3-5 dakikaya indi. Bu hem token kullanımını hem bağlam kirliliğini azalttı; ajanların kalan token bütçesi yeni deneylere kaldı. OpenAI bu iyileşmeyi "geri test süresinde %97 azalma" olarak özetliyor.

Modeller Ne Söylüyor?

Kurucu ortak Adam Khakhar, "GPT-6.1 Sol tek bir oturumda, günlerce süren hesaplama araştırmasında konunun ana hattını kaybetmeden tutarlı biçimde ilerleyebiliyor" diyor. Bir oturumda GPT-6.1 Sol, borsada gösterilmeyen işlemlerin hacimde beklenmedik derecede büyük pay oluşturduğunu tespit etti; Khakhar bunu "araştırma ekibimizin başta düşünmediği, bariz olmayan bir sonuç" olarak nitelendiriyor.

Kurucu ortak Jeffrey Yan'a göre en çok kullanılan model, token verimliliği nedeniyle GPT-6.1 Sol: benzer performansı en az tokenla sunuyor. Hedefli işlerde (örneğin simülasyon sistemindeki belirli güvenlik zayıflıklarını kontrol etmek için) GPT-5.6 Terra gibi daha verimli modeller, derin araştırmada ise daha güçlü muhakeme tercih ediliyor. Bir gecikme optimizasyonu testinde en büyük hızlanmayı GPT-6 Astra sağladı.

Daybreak ile Ajanlar Kendi Ortamının Sızma Testini Yapıyor

10.000 ajan otonom çalışırken araştırma ortamlarının güvenliği ayrı bir sorun haline geliyor. Ekip bunun için OpenAI'ın Daybreak siber güvenlik platformunu kullanıyor. Testler, bir ajanın araştırma ortamından kaçıp geniş ağa erişip erişemeyeceğini kontrol ediyor. Khakhar'a göre ajanlar simülasyonun kendi sızma testini yapıyor: "Daybreak olmadan bunu bu ölçekte otonom olarak test edemezdik."

Yol Haritası: Yüz Binlerce Alt Ajan

Third Moment, tek tek araştırmalardan yüz binlerce iş birliği yapan alt ajana geçmeyi planlıyor. Yol haritasında onlarca birbirine bağımlı deneyi destekleyen trilyonlarca token var; amaç, yeni zorluklar çıktıkça ajanı otonom olarak iyileştirmek. Khakhar bunu şöyle özetliyor: İnsanlar araştırmayı yapmak yerine, araştırmanın nasıl yapılacağını ve araştırmanın kendisini nasıl optimize edeceklerini düşünebilecek. Third Moment bu yaklaşımı perakendede tedarik zinciri kararlarına, mühendislik ekiplerinde kod tabanındaki performans darboğazlarını bulmaya, doküman yoğun işlerde ise taahhütlerle sonuçların uyuşmadığı noktaları tespit etmeye taşımayı hedefliyor.

OpenAI'ın vaka çalışması, ajanların yalnızca görev tamamlamadığını; kendi iş akışını analiz edip performans darboğazlarını bulup ortadan kaldırabildiğini gösteriyor. Görünüşe göre sıradaki tartışma, ajanların kaç görevi yaptığı değil, kaç görevi kendi kendine daha iyi yapmayı öğrendiği olacak.