«Можно определить то, что должно работать днями»: Jump Trading перевела квантовые исследования на агентов с GPT-6 Astra

Что рассказала OpenAI

6 октября 2026 года OpenAI опубликовала разбор того, как количественная торговая фирма Jump Trading применяет её модели в исследованиях.

Jump Trading строит предсказательные модели, которые используют рыночные данные, новости и события, а также разнообразные альтернативные источники данных, чтобы как можно точнее прогнозировать цены активов. По словам Лукаса Бейкера, руководителя направления LLM R&D в Jump Trading, рынки сложны, зашумлены и меняются со временем, поэтому заранее точно предсказать, что произойдёт, почти никогда не получается; но прогнозировать хотя бы чуть лучше, чем «подбрасывание монеты», при масштабе, по его словам, уже достаточно для успешной стратегии.

Бейкер отвечает за агентные исследования и разработку и занимается агентами, «обвязками» (harnesses) и инфраструктурой, которые позволяют количественным исследователям проверять свои идеи шире и глубже. Как отмечает OpenAI, добавление модели GPT-6 Astra резко расширило масштаб и сложность рабочих процессов, которые можно передавать агентам, — от повседневного написания кода до продвинутых количественных исследований для проверки новых гипотез.

«С серией GPT-6, особенно с GPT-6 Astra, OpenAI открыла новый уровень автономии для длительных задач, которые требуют гибкой координации агентов и предельной настойчивости на сложных процессах. Там, где раньше требовалось частое участие и вмешательство человека, теперь мы можем полностью сосредоточиться на определении безопасной и хорошо наблюдаемой среды с ясными целями и позволить агентам находить собственный путь», — приводит OpenAI слова Бейкера.

От коротких фрагментов кода к комплексному анализу

За прошедший год ИИ, по описанию OpenAI, прошёл путь от полезного инструмента для разовых фрагментов кода и поиска мелких ошибок до системы, способной сама разрабатывать целые кодовые базы и сервисы.

Теперь Бейкер и его команда считают, что ИИ работает лучше всего, когда к нему относятся скорее как к коллеге: исследователи определяют ключевую задачу, рабочую среду и способ оценки качества и значимости результатов, а затем в реальном времени направляют одного или многих агентов — куда смотреть в анализе и какую задачу запускать следующей.

По словам Бейкера, с GPT-6 Astra агенты способны не только находить значимые и практичные изменения, но и складывать и накапливать эти улучшения в процессе рекурсивного самосовершенствования. В рамках одной длительной задачи система может анализировать свои находки, судить их по согласованным изначально критериям и сама переориентировать усилия, не требуя, чтобы человек разбирал каждый раунд изменений.

«Можно определить то, что должно работать днями: это должно тянуть данные из множества источников, делать тонкие суждения о том, что важно, а что нет, и увязывать всё вместе — чтобы получился комплексный анализ, который действительно работает сейчас», — говорит он.

Человеческое суждение в центре

Jump Trading работает на всех временных горизонтах и во всех классах активов, и каждый шаг процесса сложен, а в жёстко регулируемой финансовой отрасли ошибки могут иметь и финансовые, и комплаенс-последствия.

Бейкер говорит, что важно осознавать риски передачи работы ИИ, но агентный интеллект можно применять и для повышения качества, безопасности и наблюдаемости, а не только для добавления новых функций. По его словам, команде помогают сильный системный дизайн и границы, ясные ограничения, инфраструктура, поддерживающая управляемость и наблюдаемость, и проверка изменений человеком — всё это делает ИИ-процессы готовыми к масштабированию в регулируемой среде.

«Если у вас есть безопасная среда, где агент или система свободны выдать любой нужный результат, но в конце есть процесс проверки человеком, где происходит критическая валидация с человеческим принятием, — именно это даёт нам уверенность», — цитирует OpenAI. Пример: если агент выдаёт торговый сигнал, к нему относятся так же, как к любому результату, — как к сигналу, обычно информативному, но потенциально ошибочному, — и интегрируют его с остальными сигналами в строго проверяемой и контролируемой среде исполнения.

Что дальше: autoresearch

Бейкер считает, что мир движется к тому, что «autoresearch» — рекурсивное улучшение измеримых систем агентами-исследователями — станет настолько обычным, что будет просто частью повседневного рабочего процесса количественного исследователя.

Сегодня даже самые длительные задачи GPT-6 Astra всё ещё требуют регулярных сверок с человеком, который определяет задачу: какие данные тянуть, как долго работать и что считать важным, — и понятны ли промежуточные результаты. Продвинутый autoresearch, по его описанию, всё так же начинался бы с определённой человеком системы — входных данных, определения среды, метрик оценки, компромиссов и приоритетов, — но остальной процесс был бы отдан «флоту» агентов со слабой структурой, которыми управляют другие агенты.

Внутри хорошо выстроенного исследовательского конвейера такие агенты могли бы разумно решать, как исследовать идеи, распределять время вычислений и объединять перспективные находки, начиная почти с одного лишь открытого вопроса.

«Как это выглядит, когда можно собрать всё это end to end, задать общий вопрос, ответа на который не знаешь даже ты сам, и получить обратно полезный результат?» — спрашивает он. «Если вы можете решить задачу тысячелетия, вы, вероятно, сможете выяснить и довольно интересные факты о количественных финансах».

Год за годом

OpenAI напоминает: каждый год приносил не только устойчивый рост в бенчмарках, но и скачкообразные изменения в том, какого рода работу модели способны выполнять, — и часто эти сдвиги было трудно предсказать даже за считаные месяцы.

Если в 2024 году впечатляющим считалось, что ранние агенты пишут один файл без ошибок, то в 2025-м стало возможным создавать целые кодовые базы с нуля, а в 2026-м — продвигаться в открытых исследовательских вопросах силами множества агентов, динамически сотрудничающих друг с другом. «Что у нас будет в следующем году? Это довольно невероятная перспектива», — говорит Бейкер.