L’ANALISI
Agenti persistenti per 36–48 ore: che cosa insegna il caso Third Moment
Analisi del caso Third Moment sugli agenti persistenti: isolamento, harness esterno, checkpoint, budget, sicurezza e limiti delle dichiarazioni del fornitore.
In breve: Il caso non dimostra che 10.000 agenti siano affidabili in autonomia. Mostra invece quali controlli diventano necessari quando un lavoro dura giorni: isolamento per esecuzione, supervisione esterna, budget e checkpoint, criteri di arresto ed escalation, più test di sicurezza prima del lancio.
Che cosa è stato dichiarato
OpenAI riporta che Third Moment esegue 10.000 agenti in parallelo su indagini da 36–48 ore. Gli agenti lavorano in ambienti Docker con dati, documentazione e repository dedicati; il Codex harness pianifica, usa strumenti, genera sotto-agenti e compatta il contesto durante il lavoro.
Perché serve un harness esterno
Quando un agente si ferma senza completare il compito, Third Moment lo tratta come sotto-agente di un orchestratore esterno. Questo esamina la traiettoria e decide se riprovare, terminare oppure chiedere una revisione umana. La separazione evita di affidare allo stesso processo sia il lavoro sia il giudizio finale sulla sua riuscita.
Il collo di bottiglia che conta
Nel caso descritto, un backtest richiedeva circa tre ore e gli agenti sprecavano token interrogandone ripetutamente lo stato. Codex avrebbe individuato caching e memory packing, riducendo l’esecuzione a circa 3–5 minuti. Il principio trasferibile è misurare attese, polling e crescita del contesto, non assumere che più durata equivalga a più lavoro utile.
Sicurezza prima della scala
Prima delle simulazioni, la piattaforma Daybreak viene usata per verificare se un agente possa uscire dall’ambiente di ricerca e raggiungere la rete esterna. Per sistemi persistenti il test di isolamento deve precedere la scala: un errore ripetuto per ore o migliaia di esecuzioni moltiplica impatto e costo.
Che cosa non prova il caso
Le cifre provengono dal fornitore e dal cliente citato. Mancano distribuzioni degli errori, costo per sessione, log, tasso di escalation, numero di recuperi e un baseline indipendente. La riduzione del backtest riguarda un ambiente specifico e non va letta come prestazione generale del modello.
Condizioni e limitazioni
È un caso cliente pubblicato da OpenAI, non un benchmark indipendente. Non sono disponibili costo totale, tasso di errore, log completi, frequenza degli interventi umani o un confronto controllato con altri modelli.
Checklist pratica
- Definire successo, timeout e condizioni di stop prima dell’avvio.
- Isolare ogni esecuzione e limitare rete, credenziali, filesystem e strumenti.
- Salvare checkpoint, stato e artefatti con una procedura di ripresa verificata.
- Imporre budget separati per token, tempo, calcolo e numero di sotto-agenti.
- Usare un supervisore esterno per retry, terminazione ed escalation umana.
- Misurare polling, attese, crescita del contesto, errori e interventi umani.
- Eseguire test di breakout e revoca delle credenziali prima di aumentare la concorrenza.