Third Moment Research, AI 에이전트 1만 개를 36시간 이상 운영

배경

Third Moment Research는 OpenAI 공식 소식을 통해 대규모 에이전트 운영 사례를 공개했습니다. 이 AI 연구소는 약 1만 개의 AI 에이전트를 동시에 가동했고, 한 번의 실행은 36시간 넘게 이어졌습니다. 글은 2026년 10월 14일에 게시되었습니다.

기반은 OpenAI의 모델과 도구입니다. GPT-6 Astra, GPT-6.1 Sol, 코딩 에이전트 Codex, 사이버 보안용 Daybreak이 쓰였습니다. 목표는 오래 돌리는 데 그치지 않습니다. 며칠 동안 집중력을 유지하고, 사용할수록 개선되는 에이전트를 만드는 것입니다.

공개 자료에는 빈틈이 있습니다. 작업 유형, 성공률, 비용은 나와 있지 않습니다. 따라서 1만 개와 36시간 이상은 규모와 지구력의 하한선으로 읽어야 하며, 완전한 성능 평가는 아닙니다.

심층 분석

에이전트는 왜 보통 몇 분에서 수십 분만 일할까요? 중간 결과가 컨텍스트 창을 채우고, 초기 목표와 제약이 흐려지며, 도구 호출 하나가 실패하면 이후 단계가 모두 어긋나 오류가 쌓이기 때문입니다.

36시간 이상 일하게 하려면 최소 네 가지 문제를 풀어야 합니다. 첫째는 목표 유지입니다. 긴 단계 끝에서도 처음 할 일과 하지 말아야 할 일을 기억해야 합니다. 둘째는 상태 관리입니다. 중간 결론을 외부 저장소에 쓰고, 컨텍스트를 주기적으로 압축하고, 중단 뒤에는 체크포인트에서 재개해야 합니다. 셋째는 자기 검증입니다. 테스트, 대조, 다른 모델로 결과를 확인해야 합니다. 넷째는 자원과 권한 통제입니다. 도구 호출이 늘면 오작동이 일어날 범위도 커집니다. 다만 원문은 이 문제들을 짚을 뿐, Third Moment Research가 각각을 어떻게 풀었는지는 설명하지 않습니다.

제품 조합은 이 요구와 맞물립니다. Codex는 코드 읽기, 쓰기, 실행을 맡습니다. GPT-6 Astra와 GPT-6.1 Sol은 서로 다른 층위의 추론과 실행을 담당합니다. Daybreak은 지속적인 점검과 대응이 필요한 사이버 보안에 같은 장시간 운영 방식을 적용합니다. '사용할수록 개선된다'는 말은 과거 작업의 실패 기록과 효과가 있던 방법을 쌓아 다음 에이전트가 재사용한다는 뜻일 수 있습니다. 이는 추론일 뿐, 확인된 설계가 아닙니다.

산업 영향

우선 평가 기준이 달라집니다. 단일 답변의 품질이나 벤치마크 점수보다, 사람이 지켜보지 않아도 얼마나 오래 돌고 그 결과를 얼마나 믿을 수 있는지가 중요해집니다. 평가는 한 문제를 맞히는 일에서 한 프로젝트를 끝내는 일로 옮겨 가야 합니다.

코딩 에이전트 시장도 영향을 받습니다. Codex가 며칠에 걸친 작업을 안정적으로 처리한다면, 대규모 마이그레이션, 테스트 보강, 의존성 업그레이드처럼 지루하고 오래 걸리는 일을 넘길 수 있습니다. 엔지니어는 검토자와 조율자에 가까워집니다. 보안 운영 센터의 상시 모니터링, 분류, 초동 대응도 Daybreak 같은 제품이 노리는 자연스러운 영역입니다.

인프라 부담도 큽니다. 1만 개 에이전트가 오랜 시간 동시에 돌면 추론 연산, 스케줄링, 로그와 감사 능력이 시험대에 오릅니다. 클라우드 업체와 모델 제공업체 사이에 신뢰성과 비용 격차가 벌어질 수 있습니다. 작은 팀에게는 작업당 비용이 사람보다 낮은지가 도입의 관건입니다. 모델이 강하다는 사실만으로는 부족합니다.

전망

먼저 재현 가능한 공개 데이터가 필요합니다. 작업 완료율, 사람 개입 횟수, 작업당 비용, 장시간 실행에서의 오류 누적 곡선이 나와야 규모 이야기가 구매 결정으로 이어집니다.

다음은 권한과 보안 거버넌스입니다. 며칠 동안 도는 에이전트는 코드 저장소, 서버, 보안 시스템에 오래 접근할 수 있습니다. 최소 권한, 작업 기록, 이상 징후 시 자동 차단이 기업의 도입 의지를 좌우합니다. 경험 축적이 편향을 굳히거나 한 번의 오류를 규칙처럼 반복하지 않는지도 검증이 필요합니다.

Third Moment Research 사례는 경쟁의 초점이 에이전트가 할 수 있는가에서 오래, 안전하게, 싸게 할 수 있는가로 옮겨 가고 있음을 보여 줍니다. 앞으로 몇 분기 동안 감사할 수 있고 가격을 매길 수 있는 제품을 먼저 내놓는 쪽이 기업 시장에서 유리할 것입니다. 다른 모델 업체와 에이전트 플랫폼이 비슷한 장시간 지표를 내놓을지도 지켜볼 대목입니다.