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

배경

OpenAI는 2026년 10월 14일 AI 연구소 Third Moment Research의 사례를 고객 이야기로 공개했다. 이 연구소는 약 1만 개의 AI 에이전트를 동시에 가동하고, 이들을 36시간 넘게 연속으로 일하게 한다. 사용하는 도구는 GPT-6 Astra, GPT-6.1 Sol, Codex, 그리고 사이버 보안 작업을 겨냥한 Daybreak이다. 목표는 며칠 동안 집중을 유지하고, 사용할수록 나아지는 에이전트를 만드는 것이다.

핵심 숫자는 둘이다. 하나는 규모로, 병렬 에이전트 약 1만 개다. 다른 하나는 시간으로, 하루 반을 넘는 연속 운영이다. 이 조합은 사용자 한 명과 주고받는 대화형 비서와는 거리가 멀다. 작업을 배분하고, 상태를 감시하고, 결과를 거두어들이는 생산 시스템에 가깝다.

다만 공개된 요약에는 에이전트별 업무, 성공률, 비용이 나와 있지 않다. 그래서 아래 내용은 확인된 사실과 합리적 추론을 구분해 적었다.

심층 분석

어려운 점은 모델을 1만 번 호출하는 일이 아니다. 긴 시간 동안 각 호출이 목표에서 벗어나지 않게 하는 일이다. 짧은 작업은 하나의 컨텍스트 창 안에서 끝난다. 수십 시간으로 늘어나면 도구 출력과 중간 단계가 컨텍스트를 채워 처음 목표가 흐려진다. 한 단계의 작은 오류가 뒤에서 커지기도 하고, 라이브러리나 파일 상태 같은 외부 환경이 도중에 바뀌기도 한다.

AI 에이전트는 어떻게 36시간 동안 집중을 잃지 않고 일할 수 있을까? 원문은 Third Moment의 방법을 밝히지 않았다. 다만 장시간 에이전트 시스템은 보통 계획과 진행 상황을 대화 밖 저장소에 기록한다. 주기적으로 컨텍스트를 압축하거나 초기화한 뒤 기록에서 복원하고, 단계마다 검증 가능한 체크포인트를 두며, 실패하면 되돌리거나 재시도한다. 이는 일반적인 기대일 뿐, 이 연구소의 확인된 방식이 아니다.

도구 목록에서 단서를 읽을 수 있다. Codex는 코드 에이전트이므로 코드를 읽고 쓰고 명령을 실행해 결과를 확인했을 가능성이 크다. 이런 작업은 검증 가능한 신호를 남긴다. Daybreak은 취약점 탐색처럼 끈기 있게 반복해야 하는 일에도 같은 방식이 쓰임을 시사한다. Astra와 Sol이 계획용과 대량 실행용으로 역할을 나눴을 수도 있지만, 원문은 이를 말하지 않는다. 사용할수록 개선된다는 표현도 모델 가중치 갱신보다는, 성공과 실패 기록을 재사용 가능한 경험이나 프롬프트로 쌓는 방식일 가능성이 높다.

산업 영향

경쟁의 초점이 한 번의 답변 품질에서, 길고 여러 단계로 이어지는 작업의 신뢰성으로 옮겨 간다. 이틀 동안 주제를 유지하는 에이전트는 한 시간 만에 흐트러지는 에이전트보다 연구자와 엔지니어의 업무량 일부를 대체하는 데 더 가깝다.

오케스트레이션도 모델만큼 중요해진다. 1만 개를 병렬로 돌리려면 작업 큐, 자원 할당, 재시도 규칙, 결과 중복 제거, 감사 로그가 필요하다. 분산 시스템의 오래된 문제인데, 실행 단위가 스스로 판단하는 모델이라는 점이 다르다. 인프라가 탄탄한 팀이 유리하고, API만 호출하는 기업은 문턱이 높아진다. 코드 에이전트는 편집기 안의 자동 완성에서, 목표를 맡기고 몇 시간 뒤 검수하는 형태로 바뀌며 다른 코딩 도우미, 자동 테스트 플랫폼, 보안 점검 업체와 직접 경쟁하게 된다.

사이버 보안 쪽이 가장 민감하다. 방어자가 결함을 빨리 찾도록 돕는 끈기와 병렬성은 공격자에게도 쓰일 수 있다. 접근 통제, 사용 심사, 책임 구분이 제품 설계의 일부가 된다. 기업 구매자는 비용도 물을 것이다. 다만 원문에 비용 수치가 없어 경제성은 아직 판단할 수 없다.

전망

먼저 작업 완료율, 사람이 개입하는 빈도, 작업당 비용, 짧은 운영 방식과의 비교 같은 평가 데이터가 나오는지 봐야 한다. 이 자료가 없으면 36시간이 능력의 한계인지 시연용 숫자인지 가리기 어렵다.

다음은 사용할수록 개선되는 메커니즘이 표준화되는지다. 스킬이나 경험 라이브러리를 공유하면 한 에이전트가 배운 것을 다른 에이전트가 재사용할 수 있다. 또 운영 시간이 하루나 이틀에서 일주일 이상으로 늘어도 오류율이 오르지 않는지가 가장 어려운 시험이다. 규제 당국과 보안 팀이 감사 추적, 권한 분리, 사람 승인 지점을 어떻게 설계하느냐도 대기업과 정부 시장 진입을 가를 것이다. 다른 연구소와 클라우드 업체가 비슷한 규모를 시연할지도 지켜볼 대목이다.

Third Moment Research 사례가 가리키는 방향은 분명하다. 에이전트는 시연 단계를 지나 장기 운영이 필요한 엔지니어링 시스템으로 옮겨 가고 있다. 팀 간 격차는 모델의 똑똑함만이 아니라 안정성, 오케스트레이션, 보안 거버넌스에서 벌어질 것이다.