當 10,000 個代理連續研究 36 小時：Third Moment Research 如何以 Codex 與 GPT-6 系列打造自我改進 AI 研究系統
此案例的價值在於它给出了可量化的工程證據而非敘事性宣傳：回測時間減少97%、單日1兆Token、萬級代理並行，這些數字足以支撐「代理式研究已進入可用階段」的判斷。我的保留條件有三：其一，成果高度綁定量化金融這類成功指標明確的場景，能否外推至供應鏈、文件審查等模糊任務尚無證據；其二，1兆Token/日的成本結構使其目前只適用於回報極高的領域；其三，代理仍需外層harness與人工升級機制兜底，「自主」實際上是把監督後移而非移除。綜合評價：工程完成度高，但泛化性與經濟性未經檢驗。