Third Moment Research、1万のAIエージェントを36時間超稼働

背景と概要

2026年10月14日、OpenAIは公式サイトで、AIラボ Third Moment Research の顧客事例を公開しました。記事によると、同ラボは1万のAIエージェントを同時に動かし、36時間を超えて連続で稼働させたとのことです。基盤として挙げられているのは、GPT-6 Astra、GPT-6.1 Sol、Codex、そしてサイバーセキュリティ向けのDaybreakです。

ラボが掲げる目標は、数日間集中し続け、使うほど改善するエージェントを作ることです。ただし、これはベンダーが公開した顧客事例であり、成果を見せる角度で書かれています。タスクの種類、成功率、コストの内訳は、手元の情報には含まれていません。本稿は判明している事実だけを分析し、未公開の数字は補いません。

深掘り分析

1万のAIエージェントを36時間以上動かし続けるには、何が必要なのでしょうか。原文に手法の記載はないため、以下はThird Moment Researchの説明ではなく、一般的なエンジニアリングの考え方です。長時間稼働では、中間状態を外部ストレージに書き出し、チェックポイントを置いて、失敗後に途中から再開できるようにします。コンテキストを圧縮・要約して、元の目標が薄れないようにします。さらに自動リトライと自己点検を加え、方向がずれたときに自分で直せるようにします。 短い対話と長時間稼働は、別種の工学課題です。動かす時間が長いほどコンテキストは膨らんでずれ、初期の小さな誤りは後の工程で増幅されます。ツール呼び出しではタイムアウトやAPIの変更、環境の異常にも遭遇します。1万のエージェントが36時間動くなら、こうした失敗は常に起きるため、復旧は自動でなければなりません。 「使うほど改善する」という表現は、実行の履歴を経験やスキル、記憶として蓄え、後続のタスクに生かすことを指す可能性が高いと考えられます。モデルの重みを再学習するとは限りません。この点について原文の詳細は不明なので、読み過ぎは禁物です。 ツールの組み合わせからは、いくつか手がかりが読み取れます。Codexはサンドボックス内でコードを読み書きし、コマンドを実行できるため、エージェントの実行層に向いています。GPT-6 AstraとGPT-6.1 Solの役割分担は、概要には書かれていません。片方が計画と判断、もう片方が高頻度の実行を担うという推測は成り立ちますが、あくまで推測です。

Daybreakはサイバーセキュリティを指します。脆弱性の調査、ログの分析、継続的な監視は、試行と長期の追跡を繰り返す作業で、本来が長時間タスクです。一方で、厳格な権限の境界と監査が欠かせません。自律的に動く1万のエージェントが権限を越えれば、1回の誤答よりはるかに重い結果を招きます。

業界への影響

1万並列、36時間超という規模は、競争の焦点を単発のベンチマーク得点から、エンジニアリング能力へと動かします。これまでのモデル比較は、1回の回答が正しいかどうかが中心でした。これからは、無人の状態で有用な成果を出し続けられるか、有効な成果1件あたりの計算コストはいくらか、人の介入はどれほどの頻度で必要か、といった問いが重みを持ちます。

この圧力は、まずエージェント基盤を提供する企業にかかります。スケジューリング、レート制限、可観測性、コスト管理の整備が急務になります。1万並列ではAPIの上限枠と推論コストに非常に敏感になるため、タスク1件あたりの単価を下げられる企業が、長時間エージェントをサービスとして売りやすくなります。 セキュリティ業界にとって、この種の能力は好機であると同時に圧力でもあります。防御側は、脆弱性の発見や対応を大規模に自動化できます。攻撃側も同様の自動化の発想を借りられるため、アクセス制御と悪用の監視はいっそう重要になります。 開発者や企業の購買担当にとっては、関心が「モデルがどれほど賢いか」から、「監査でき、巻き戻せ、誤動作時にすぐ止められるか」へ移るでしょう。ほかの主要なモデル企業も独自のエージェントやコーディングツールを進めています。こうした公開事例は、長時間の安定性への市場の期待を押し上げ、競合にはデモ動画だけでなく同規模の実証を求めることになります。

今後の展望

注目すべき点がいくつかあります。第一に、Third Moment Researchがより細かい指標を開示するかどうかです。タスク完了率、人の介入回数、タスク単価に加え、稼働時間が36時間超から本当に数日規模へ伸びるのかが焦点です。これらの数字がない限り、「1万」や「数日」は、実績というより規模と構想の説明にとどまります。 第二に、「使うほど良くなる」仕組みが検証に耐えるかです。蓄えた経験が誤りを固定化する恐れがあり、エージェント間で経験をどう隔離し、どう共有するかも信頼性を左右します。 第三に、サイバーセキュリティのような高リスク領域で、権限の段階分け、サンドボックスによる隔離、行動の監査が標準になるかどうかです。長期にわたり自律的に動くシステムを、規制当局がどう扱うかも問われます。第四に、長時間稼働のエージェントを共通の物差しで測れる公開評価が登場するかどうかです。

これらが一つずつ整えば、長時間エージェントはラボの披露から企業の日常業務へ進めるでしょう。コストとリスクの管理が甘いままなら、規模が大きくても安定した事業価値にはつながりません。