Third Moment Research: OpenAI-Seite nennt 10.000 parallele Agenten für autonome Forschung

OpenAI-Seite nennt 10.000 parallele Agenten und Sitzungen von bis zu 48 Stunden

Eine Seite auf openai.com führt für Third Moment Research mehrere Kennzahlen zur autonomen Forschung auf. Genannt werden 10.000 gleichzeitig laufende Agenten, 36 bis 48 Stunden pro autonomer Forschungssitzung, 97 Prozent weniger Backtest-Zeit mit Codex und 1 Billion OpenAI-Tokens an einem einzigen Tag. Laut der Seite läuft das Setup auf OpenAIs Codex-Harness mit dem Modell GPT-6.1 Sol. Dieses Modell sei dort derzeit das meistgenutzte.

Außerdem taucht der Begriff „Daybreak“ auf. Das vorliegende Material erklärt ihn nicht. Ob es sich um ein Produkt, eine Infrastruktur oder etwas anderes handelt, ist daher offen.

Die Zahlen stammen von der Anbieterseite. Sie sind ungeprüft, und eine Primärveröffentlichung mit Methodik liegt nicht vor.

Third Moment verkauft einen OpenAI-kompatiblen Endpunkt, der aus Trajektorien lernt

Third Moment Research bietet nach eigener Darstellung einen verwalteten Inferenz-Endpunkt an, der die OpenAI-API nachbildet. Kunden tauschen dafür eine Basis-URL aus. Das Unternehmen erfasst die Anfragen und gruppiert sie zu Trajektorien, sodass sich jede Aufgabe von Anfang bis Ende nachvollziehen lässt.

In diesen Trajektorien sucht Third Moment nach Fehlermustern. Häufigkeit und Beispiele zeigt ein Dashboard. Welche Probleme behoben werden sollen, entscheiden die Kunden. Danach baut das Unternehmen Evals aus den Daten des Kunden und verbessert das Modell per Post-Training oder optimiert das Harness. Das Ergebnis ist ein neuer Endpunkt samt Eval-Ergebnissen.

Das beschreibt der Anbieter selbst. Aussagen zu Kunden, Preisen oder Wirksamkeit enthält das Material nicht.

Herstellerzitate zu GPT-6.1 Sol und Codex bleiben vorerst unbelegt

Die Seite enthält drei Herstellerangaben. Bislang sind es Behauptungen. Erstens soll GPT-6.1 Sol in einer Sitzung über Tage hinweg den Faden computergestützter Forschung halten, ohne den Überblick zu verlieren. Prüfen ließe sich das mit unabhängigen Langlauf-Tests oder mit veröffentlichten Sitzungsprotokollen und Ergebnissen.

Zweitens erledige Sol Aufgaben mit den wenigsten Tokens, bei einer Leistung, die der von GPT-6 Astra ähnle. Belegen müssten das offizielle Benchmarks und Preisangaben sowie unabhängige Vergleichsmessungen beider Modelle.

Drittens sei das Codex-Harness äußerst vielseitig. Ohne Daybreak lasse sich das nicht autonom in diesem Maßstab testen. Technische Dokumentation zu Codex und Daybreak fehlt ebenso wie eine Beschreibung des Third-Moment-Setups.

Den Originalbeitrag von Third Moment Research konnten wir nicht finden. Angaben zu Architektur, Verifikation, Ergebnissen und Kosten fehlen.