OpenAI 最近披露了一家叫 Third Moment Research 的量化团队，他们能让一万个 Agent 同时自主运行 36 到 48 小时。
很多团队在跑长任务时都会遇到类似的问题：Agent 跑着跑着就忘了目标，或者陷入死循环。
这种情况下第一反应通常是觉得这是模型推理能力不够，或者上下文窗口太小，但这支量化团队的排查结果给出了一个完全不同的答案。
他们用 Codex 配合 GPT-5.6 分析了几千条历史模拟轨迹，发现 Agent 变傻的真正原因是外部的回测系统太慢了。
起因是在他们的系统里，让 Agent 跑一年美股订单数据的回测大约需要花 3 个小时。单个 Agent 启动任务后，大部分时间其实都在轮询等待回测结果，几个小时下来上下文直接被轮询日志塞满了。
白白浪费了 Token 不说，最初的任务直接在长上下文中被稀释到直接忽略，导致等了几个小时任务直接失败。
烧了大量 Token 后才发现有问题，然后借助 Codex 对回测模块做了深入分析，找出了缓存优化和内存紧凑化的改进方案，把原本需要 3 小时的回测压缩到了 3 到 5 分钟，耗时直接砍掉了 97%。
回测效率提升后，Agent 的轮询问题就解决了。
官方给出的数据是消耗了万亿级的 Token，就是不知道是花了万亿 Token 才发现这个问题，还是花了万亿 Token 跑通了整个架构，这钱要不是量化团队还真花的肉疼。