OpenAI 于 2026 年 10 月 6 日发布的案例研究显示，量化交易公司 Jump Trading 正在把 ChatGPT 和 GPT‑6 Astra 用于更长期、更复杂、目标更模糊的量化研究任务。该公司属于金融行业、北美企业级客户，产品为 ChatGPT。Jump 通过市场数据、新闻与事件以及多种另类数据源构建预测模型，以尽可能准确地判断资产价格。公司 LLM 研发负责人 Lucas Baker 指出，市场复杂、噪声大且不断变化，几乎不可能精确预知结果，但只要在大规模交易中比抛硬币略好，就足以支撑一个成功策略。
Baker 负责智能体研究与开发，主要构建智能体、运行框架和基础设施，让量化研究员能更广、更深地探索想法。引入 GPT‑6 Astra 后，可交由智能体处理的工作流在规模和复杂度上大幅提升，既包括日常编码，也包括用于验证新假设的高级量化研究。他称，GPT‑6 系列尤其是 Astra 为长周期任务带来了新层级的自主性，使系统能在复杂工作流中灵活协调多个智能体并保持高度持久性；过去需要频繁人工指导与干预，现在团队可以把重点放在定义安全且受监控的环境、明确目标，让智能体自行寻找路径。
过去一年，AI 从编写一次性代码片段或找小 bug 的辅助工具，变成能独立开发整个代码库和服务的通用系统。Baker 团队发现，把 AI 当作同事效果最好：研究员定义关键问题、工作环境和评估结果质量与重要性的方法，然后实时引导一个或多个智能体，指示应聚焦哪些分析或接下来运行什么任务。借助 GPT‑6 Astra，智能体不仅能找到有意义且实用的改进，还能把这些成果合并、叠加，形成递归提升。在单次长任务中，系统可以分析发现、按照初始提案中的标准判断，并主动调整方向，而无需每轮变化都靠人分析。Baker 描述，可以定义一项需要运行数天的任务：从多个数据源拉取信息，对重要与否做出细微判断，再把所有内容关联起来，形成真正可用的综合分析。
Jump Trading 覆盖所有时间跨度和资产类别，每一步都很复杂。在金融这种高度受监管行业，错误可能带来财务与合规后果。Baker 认为，必须意识到把工作交给 AI 所带来的风险；同时，智能体智能也可用于提升质量、安全性和监控，而不只是增加功能。强系统设计与边界、清晰约束、促进可操控性与可观测性的基础设施，以及对变更的人工复核，帮助团队确保 AI 工作流能在受监管环境中扩展。他提到，若环境安全、智能体可自由产生所需输出，但最后由人类复核并接受关键验证，这就会带来信心。例如智能体产生交易信号时，该信号会像其他输出一样被限定范围并审查：它通常有信息量，但也可能出错，并会被整合进一个经过严格审查和控制的执行环境中的其他信号体系。
Baker 预计，未来“自动研究”（autoresearch）——由智能体研究者对可测量系统进行递归改进——会变得非常普遍，成为量化研究员日常工作流的一部分。目前，即使 GPT‑6 Astra 运行最久的任务，仍需与定义任务的人定期沟通：不只是拉取哪些数据、运行多久、什么算重要，还包括中间结果是否合理。更先进的自动研究仍会从人类定义系统开始，包括输入、环境定义、评估指标、权衡和总体优先级，然后由松散结构的智能体“舰队”接手，并由其他智能体协调。在结构良好的研究流程中，这些智能体可自行决定如何探索想法、分配算力并整合有前景的发现，而起点可能只是一个开放问题。Baker 设想，如果能把这一切端到端串起来，提出一个连自己都不知道答案的一般性问题，并得到有用结果，那将意味着什么；他甚至说，如果能解决千禧年难题，大概也能发现量化金融中相当有趣的事实。
文章还指出，每年不仅基准测试稳步提升，模型能执行的工作类型也会出现阶跃式变化，而且这些发展常常在几个月前都难以预测。2024 年，早期智能体不出错地写出单个文件已令人印象深刻；2025 年已能从零创建整个代码库；2026 年则能在多个智能体动态协作下，对开放研究问题取得进展。Baker 对下一年会出现什么表示期待，称前景令人难以置信。OpenAI 在文末提到，全球已有超过 100 万家企业通过 OpenAI 取得实际成果，并推荐阅读数学 AI 进展、Ironclad 计算机使用以及 Atlassian 与 OpenAI 扩展合作等相关内容。