RecodeX 重构消息，OpenAI公布了一项大规模Agent极限测试结果：1万个Agent在隔离容器中连续运行36至48小时，每天消耗约1万亿Token，单轮任务量相当于人类工程师41年的工作量。

测试由初创公司Third Moment Research执行，首个场景为量化金融。Agent自行定位代码库底层瓶颈，重写缓存与内存打包方案，将单次回测耗时从3小时压缩至3至5分钟，降幅约97%，并自主发起数百组并行实验，发现某交易所非公开交易占成交比例偏高的异常。

团队采用双层架构，由GPT-6 Sol或GPT-6.1 Sol在外层监管内层Codex，并接入OpenAI网络安全模型Daybreak与GPT-5.6 Terra，在每轮仿真前进行自动渗透测试，防止Agent突破沙箱隔离。