Third Moment Research如何同时运行10,000个AI智能体超36小时

当大多数AI应用还在为维持几分钟的对话连贯性而努力时，Third Moment Research已经将智能体的运行时长推向了36小时以上——而且不是一两个，是同时运行10,000个。

这家AI研究实验室的做法，揭示了智能体从"玩具"走向"生产力工具"的关键路径。

核心能力：让智能体"专注数天"

Third Moment Research构建的智能体系统，核心特征不是单次任务的完成质量，而是持续运行的稳定性和专注度。据其公开信息，这些智能体能够"focus for days"——保持数天级别的任务专注，并且具备"improve with use"的能力，即在使用过程中持续优化自身表现。

这个能力组合解决了一个行业痛点：当前多数AI智能体在长周期任务中容易出现目标漂移、上下文丢失或性能衰减。而Third Moment Research的方案表明，通过合理的架构设计，智能体可以在数十小时的时间尺度上保持有效运作。

10,000个智能体同时运行36小时以上，意味着系统需要处理海量的并发状态管理、资源调度和一致性保障问题。这不是简单的水平扩展，而是对底层基础设施和智能体编排框架的全面考验。

目标漂移与上下文丢失是长周期智能体系统中最典型的失效模式。目标漂移指智能体在执行多步任务时，逐步偏离初始目标——例如一个监控智能体最初要追踪异常交易，几小时后却开始优化日志格式。上下文丢失则源于大语言模型的有限上下文窗口：当运行时间超过窗口容量，早期关键信息被挤出，导致智能体"遗忘"任务约束。常见的缓解手段包括外部记忆存储（如向量数据库）、周期性目标重注入、以及层级化任务分解。Third Moment Research声称的"focus for days"能力，本质上要求在架构层面系统性地解决这两类问题，而非仅依赖模型本身的能力提升。

技术底座：GPT-6系列模型的深度整合

Third Moment Research的技术栈围绕GPT-6 Astra和GPT-6.1 Sol构建，同时整合了Codex和Daybreak两个专用系统。

Codex负责代码相关的任务处理，而Daybreak则专注于网络安全领域。这种"通用基座+垂直专用"的架构设计，让智能体既能处理开放式任务，又能在特定领域达到专业水准。

值得关注的是模型版本的递进关系——Astra和Sol的并存暗示了一种分层策略：不同复杂度的任务可能由不同能力的模型来处理，从而在成本和效果之间取得平衡。

通用基座+垂直专用的架构模式在AI工程中越来越常见。其核心思路是：用一个能力最强的通用大模型处理开放式推理和规划任务，同时为特定领域（如代码生成、安全分析）配备经过专门微调或工具增强的子系统。这样做的好处是，通用模型不必在所有领域都达到最优，垂直系统则可以在窄领域内实现更高的准确率和效率。在实际部署中，编排层会根据任务类型将请求路由到相应的模型，并通过统一的接口协议（如函数调用）实现协作。这种分层策略也是控制推理成本的关键手段——简单任务由轻量模型处理，复杂任务才调用最强模型。

为什么"36小时"是个关键数字

在智能体领域，运行时长是一个被低估的指标。

大多数演示中的智能体任务在几分钟到几小时内完成。当运行时长扩展到36小时以上，系统面临的是完全不同量级的问题：状态持久化、错误恢复、资源泄漏、目标一致性维护，以及如何在长时间跨度中避免累积偏差。

能够稳定运行36小时以上的智能体系统，实际上已经跨过了从"演示"到"生产"的门槛。这类系统可以承接真实的业务流程——比如持续监控、长周期数据分析、多阶段项目执行等。

大规模并发的工程挑战

同时运行10,000个智能体，挑战不只在模型推理层面。

每个智能体都需要维护自己的状态、上下文和任务进度。当数量达到万级，编排系统需要解决的问题包括：智能体之间的协调与冲突消解、计算资源的动态分配、故障智能体的隔离与恢复、以及整体系统的可观测性。

Third Moment Research能够做到这一点，说明其底层基础设施已经相当成熟。这种规模的能力，对于需要大规模部署AI智能体的企业场景具有直接参考价值。

智能体编排（Agent Orchestration）是指对多个智能体实例进行生命周期管理、任务分配和协调调度的系统层。在万级并发场景下，编排系统通常需要具备几个关键能力：一是状态管理，每个智能体维护独立的运行时状态（当前任务、历史上下文、中间结果），这要求高效的分布式状态存储；二是冲突消解，当多个智能体操作共享资源或产生矛盾输出时，需要有仲裁机制；三是故障隔离，单个智能体的崩溃或死循环不能波及其他实例，通常通过沙箱执行和心跳检测实现；四是可观测性，运维人员需要实时掌握每个智能体的健康状态和产出质量。这一层的成熟度往往决定了智能体系统能否从几十个扩展到上万个。

对行业的启示

Third Moment Research的实践指向了一个趋势：AI智能体的竞争焦点正在从"能不能做"转向"能不能持续做"。

单次任务的成功率固然重要，但在真实业务场景中，智能体需要的是可靠性、持久性和自我改进能力。36小时的连续运行和10,000个的并发规模，本质上是在验证智能体作为"数字劳动力"的可行性。

当智能体能够像人类员工一样"上班"——保持专注、持续产出、在工作中学习——AI应用的想象空间才真正打开。