OpenAI 於 2026 年 10 月 6 日釋出的案例研究顯示，量化交易公司 Jump Trading 正在把 ChatGPT 和 GPT‑6 Astra 用於更長期、更復雜、目標更模糊的量化研究任務。該公司屬於金融行業、北美企業級客戶，產品為 ChatGPT。Jump 透過市場資料、新聞與事件以及多種另類資料來源構建預測模型，以儘可能準確地判斷資產價格。公司 LLM 研發負責人 Lucas Baker 指出，市場複雜、噪聲大且不斷變化，幾乎不可能精確預知結果，但只要在大規模交易中比拋硬幣略好，就足以支撐一個成功策略。
Baker 負責智慧體研究與開發，主要構建智慧體、執行框架和基礎設施，讓量化研究員能更廣、更深地探索想法。引入 GPT‑6 Astra 後，可交由智慧體處理的工作流在規模和複雜度上大幅提升，既包括日常編碼，也包括用於驗證新假設的高階量化研究。他稱，GPT‑6 系列尤其是 Astra 為長週期任務帶來了新層級的自主性，使系統能在複雜工作流中靈活協調多個智慧體並保持高度永續性；過去需要頻繁人工指導與干預，現在團隊可以把重點放在定義安全且受監控的環境、明確目標，讓智慧體自行尋找路徑。
過去一年，AI 從編寫一次性程式碼片段或找小 bug 的輔助工具，變成能獨立開發整個程式碼庫和服務的通用系統。Baker 團隊發現，把 AI 當作同事效果最好：研究員定義關鍵問題、工作環境和評估結果質量與重要性的方法，然後即時引導一個或多個智慧體，指示應聚焦哪些分析或接下來執行什麼任務。藉助 GPT‑6 Astra，智慧體不僅能找到有意義且實用的改進，還能把這些成果合併、疊加，形成遞迴提升。在單次長任務中，系統可以分析發現、按照初始提案中的標準判斷，並主動調整方向，而無需每輪變化都靠人分析。Baker 描述，可以定義一項需要執行數天的任務：從多個資料來源拉取資訊，對重要與否做出細微判斷，再把所有內容關聯起來，形成真正可用的綜合分析。
Jump Trading 覆蓋所有時間跨度和資產類別，每一步都很複雜。在金融這種高度受監管行業，錯誤可能帶來財務與合規後果。Baker 認為，必須意識到把工作交給 AI 所帶來的風險；同時，智慧體智慧也可用於提升質量、安全性和監控，而不只是增加功能。強系統設計與邊界、清晰約束、促進可操控性與可觀測性的基礎設施，以及對變更的人工複核，幫助團隊確保 AI 工作流能在受監管環境中擴充套件。他提到，若環境安全、智慧體可自由產生所需輸出，但最後由人類複核並接受關鍵驗證，這就會帶來信心。例如智慧體產生交易訊號時，該訊號會像其他輸出一樣被限定範圍並審查：它通常有資訊量，但也可能出錯，並會被整合進一個經過嚴格審查和控制的執行環境中的其他訊號體系。
Baker 預計，未來“自動研究”（autoresearch）——由智慧體研究者對可測量系統進行遞迴改進——會變得非常普遍，成為量化研究員日常工作流的一部分。目前，即使 GPT‑6 Astra 執行最久的任務，仍需與定義任務的人定期溝通：不只是拉取哪些資料、執行多久、什麼算重要，還包括中間結果是否合理。更先進的自動研究仍會從人類定義系統開始，包括輸入、環境定義、評估指標、權衡和總體優先順序，然後由鬆散結構的智慧體“艦隊”接手，並由其他智慧體協調。在結構良好的研究流程中，這些智慧體可自行決定如何探索想法、分配算力並整合有前景的發現，而起點可能只是一個開放問題。Baker 設想，如果能把這一切端到端串起來，提出一個連自己都不知道答案的一般性問題，並得到有用結果，那將意味著什麼；他甚至說，如果能解決千禧年難題，大概也能發現量化金融中相當有趣的事實。
文章還指出，每年不僅基準測試穩步提升，模型能執行的工作型別也會出現階躍式變化，而且這些發展常常在幾個月前都難以預測。2024 年，早期智慧體不出錯地寫出單個檔案已令人印象深刻；2025 年已能從零建立整個程式碼庫；2026 年則能在多個智慧體動態協作下，對開放研究問題取得進展。Baker 對下一年會出現什麼表示期待，稱前景令人難以置信。OpenAI 在文末提到，全球已有超過 100 萬家企業透過 OpenAI 取得實際成果，並推薦閱讀數學 AI 進展、Ironclad 計算機使用以及 Atlassian 與 OpenAI 擴充套件合作等相關內容。