OpenAI 发布了一份关于 Third Moment Research 运行 10,000 个 agent 超过 36 小时的案例研究。该工作负载被呈现为生产级 agent 部署，而非短期基准测试，这使得持续并发与状态管理成为设计的核心。
对于构建 agent 系统的团队而言，其意义不在于标题中的数字，而在于它所隐含的运行边界。如此长度的运行时间和 agent 数量，迫使团队对调度问题给出明确答案：工作如何排队与重试，agent 状态如何在重启之间持久化与恢复，局部故障如何被隔离以免级联扩散，以及在数千个并发循环运行期间如何计量开销。这些工程问题往往是短期评估所无法检验的。
除已公布的 agent 数量和运行时长外，报道中未提及更多细节，因此底层模型配置、编排栈、基础设施规模与成本结构仍不明确。尽管如此，该案例研究仍为长时程、高并发 agent 工作负载提供了一个有用的公开参考点，并提醒人们：规模化下的可靠性是系统问题，而非 prompt 问题。