OpenAI 发布了一篇关于 Third Moment Research 运行 10,000 个 agent 超过 36 小时的案例研究。对于构建 agent swarm 的团队而言，这份报告的价值不在于标题上的数字，而在于工作负载的形态：一次长时程、高扇出的运行，其中数千个并发 worker 必须在持续的时间窗口内保持状态、从故障中恢复，并将编排开销控制在有限范围内。正是在这种场景下，checkpointing 的节奏、状态持久化以及 supervisor 的扇入设计，决定了运行是顺利完成还是悄然退化。
更广泛的采用情况并不均衡。G2 的研究发现，AI agent 已从试点走向生产，而监督成本随部署同步上升。Diginomica 报道称，企业领导者对 agentic 采用的信心高于中层管理者。OpenAI 还指出，尽管小型企业的 agent 使用量激增八倍，欧洲仍存在 AI 采用差距。对从业者而言，悬而未决的问题是：这次 10,000 个 agent 运行的成本与可靠性特征，有多少能迁移到规模更小、面向特定领域的 swarm，以及哪些编排模式是承重的、哪些只是偶然的。该案例研究并未给出定论；它提供的是一个参照点，让团队在确定扇出预算之前，可以据此比对自己的 checkpoint 间隔、重启语义和每个 agent 的状态存储。