Jump Trading 如何用 ChatGPT 扩展量化研究：GPT‑6 Astra 与长周期 Agent 工作流

Created2026-10-06|Updated2026-10-07|技术动态

|Post Views:

事件概述

OpenAI News 发布了一篇客户案例，介绍量化交易公司 Jump Trading 如何使用 ChatGPT 扩展量化研究。原文提到，Jump Trading 使用 GPT‑6 Astra 来处理更长、更模糊的研究问题。

按照 Jump Trading 的 LLM R&D 负责人 Lucas Baker 的说法，量化交易公司的核心工作是构建预测模型：使用市场数据、新闻和事件，以及一系列另类数据源，对资产价格做出尽可能好的预测。由于市场复杂、噪声大且随时间变化，几乎不可能精确预判会发生什么。但 Baker 表示，在规模化条件下，只要预测得比抛硬币略好，就足以形成成功的策略。

Baker 负责 agentic research and development，工作重点是构建 agents、harnesses 和基础设施，让量化研究员能够在更大广度和深度上探索想法。原文称，加入 GPT‑6 Astra 后，可以交给 agent 的工作流在规模和复杂度上显著扩展，从日常编码到高级量化研究，再到验证新假设。

关键技术点

1. 长周期任务的自主性与 Agent 协同

原文引用 Baker 的说法：借助 GPT‑6 系列，尤其是 GPT‑6 Astra，OpenAI 解锁了面向长周期任务的新一层自主性——这些任务需要灵活的 agent 协同，以及在复杂工作流上的极端持续性。过去需要频繁的人类指导和干预，现在可以更专注于定义一个安全、受良好监控、目标清晰的环境，让 agents 自己找到路径。

2. 从一次性代码片段到完整代码库与长期综合分析

原文回顾了过去一年 AI 能力的转变：AI 从

Author: Yunkai Huang

Link: http://example.com/2026/10/06/2026-10-07-how-jump-trading-is-scaling-quant-research-with-chatgpt/

Copyright Notice: All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.

OpenAI AI Agent ChatGPT GPT-6 Astra 量化研究

Related Articles

OpenAI 为 ChatGPT 推出视觉广告格式：AI 原生广告的测量与品牌安全拼图

事件概述OpenAI 在官方博客发布《Building advertising for the way people use AI》，宣布三件事：在 ChatGPT 中推出一种新的视觉广告格式（visual ad format）；扩展测量工具与合作伙伴生态，帮助广告主理解 ChatGPT 广告的业务影响；推进**品牌适宜性（brand suitability）**的评估方式与合作伙伴试点。文中给出的一个关键背景数据是：ChatGPT 每周触达 12 亿人，OpenAI 称其为全球最大的 AI 原生消费平台。官方对广告的定位是：广告让 AI 的好处覆盖更多人，使其能够服务比单纯订阅更大的市场，同时给企业提供一种在用户”探索想法、做决策、发现产品与服务”时触达他们的新方式。需要说明的是，原文并未给出该视觉广告格式的定价模型、完整投放时间表或后续覆盖范围的细节。关键技术点1. 视觉广告格式先落在图像生成场景新格式的呈现方式是图片，用来展示”产品灵感、产品使用方式，或产品带来的体验”，帮助用户理解一个品牌、判断产品的差异化并决定是否购买。落地路径上，OpenAI 的表述...

Parallel 用 GPT-6 Astra 把研究时间与成本砍半：Agent 长任务效率的一次实测

事件概述OpenAI 官网于 2026 年 9 月 22 日发布了一则初创公司案例：Parallel（Parallel Web Systems）在把 GPT-6 Astra 接入其 Agent 系统后，原本耗时最久的一类研究工作——跨网站检索、信息收集与研究报告撰写——完成时间缩短了一半，代码成本下降了约 50%，而研究质量与之前持平。 Parallel 的定位是为”在 Web 上做知识工作”的 AI Agent 提供开发者基础设施，其工具覆盖从语音 Agent 的网页 grounding，到面向金融机构与法律客户的研究类任务，做法是把前沿模型与网页搜索结合起来。根据文中引用的 Parallel 技术团队成员 Devin Gupta 的说法，此前对于最耗时的研究任务，要拿到高质量答案通常意味着使用更大的模型加更长的推理过程，随之而来的是更多时间与资源消耗。GPT-6 Astra 带来的变化集中在两点：单位任务的时间与成本下降，以及达到同等质量所需的步骤变少。需要说明的是，原文并未披露对比基线具体是哪些”prior models”，也未给出模型参数、上下文长度、检索接口实现等技...

OpenAI 携手美国 SBDC：把 AI 培训送到小微企业门口

事件概述2026 年 9 月 30 日，OpenAI 宣布与美国 SBDC（America’s SBDC）达成合作。美国 SBDC 是一个全国性小企业发展中心网络，原文称其每年服务 100 万名创业者。双方合作的目的是帮助更多小微企业在实际工作中使用 AI。根据公告，这项合作处于初期阶段。通过 OpenAI Academy 的 Community Trainer Program，OpenAI 计划培训约 150 名 SBDC 顾问，并把实操型工作坊带到全美各地的 SBDC 网络中，目标是通过线下培训触达至少 1000 家小微企业，并通过一对一咨询和双方共同开发的资源触达更多企业。与这次合作同步，OpenAI 还发布了一份新报告《Small Businesses, Bigger Capabilities》，用于分析企业主和小团队当前是如何使用 AI 的。原文未说明合作的财务条款、具体金额或项目截止时间。关键技术点与落地安排这次合作可以拆成三条并行推进的线： 1. 顾问培训与认证。 America’s SBDC 计划挑选一批小企业顾问，进入 OpenAI Academy 的培训...

Perplexity 把端到端系统交给 GPT-6 Astra：一次关于「信任边界」的工程实验

一、事件概述OpenAI 官网在 2026 年 9 月 14 日发布了一篇客户案例，主角是 AI 答案引擎 Perplexity。文章的核心叙事很直接：Perplexity 正在把 GPT-6 Astra 用在三类此前需要人工深度介入的场景上——撰写对外沟通内容、修改真实世界的软件系统、监控生产环境软件，并且相比前几代模型，人工介入（check in）的频率显著降低。案例中给出信息的主体是 Perplexity 联合创始人兼首席战略官 Johnny Ho。他不只谈”效率提升”，而是把重点放在一个更工程化的判断上：模型写代码的能力提升，会直接传导到搜索产品本身的质量。因为搜索体验依赖”写程序去检索网页与内部信息、再做高度凝练的总结”这一链路，代码能力越强，这条链路就越强。按原文给出的客户信息，Perplexity 属于初创公司（Startup），位于北美，行业为技术，使用的产品为 API。除此之外，文章的其余部分主要是两段引语和一段关于”让模型自己做测试”的工作流描述。二、关键技术点综合原文，可以提炼出以下几个值得注意的技术点： 1. 从”信息处理”走向”真实系统操作” Jo...

OpenAI 推出 ChatGPT Work 中的 Data agent，让人人都能利用数据

事件概述OpenAI 于 2026 年 9 月 10 日发布 ChatGPT Work 中的新 Data agent。该产品旨在帮助更多员工自行回答业务问题，连接公司数据，调查数据变化，并构建可分享的交互式仪表板，而无需编写查询或学习新的分析工具。用户可以直接在对话中指导和优化分析过程。关键技术点多源数据连接：Data agent 可连接已批准的数据源，包括 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 等，还能将 Google Drive 和 SharePoint 中的文件与文档纳入分析。业务上下文理解：它利用组织的业务术语、指标定义、自定义计算和数据关系来解释数据。这些上下文来自语义层和可信来源，例如 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 以及 BI 仪表板。权限与治理：企业管理员选择可用的数据连接以及哪些角色可以使用。查询会强制执行所连接账户的现有权限，包括表、行和列级别的限制。分...

OpenAI 发布 ChatGPT for Financial Services：内置金融数据 + GPT-6 Astra，剑指投行与股票研究

一、事件概述OpenAI 于 2026 年 9 月 10 日发布 ChatGPT for Financial Services。按照官方描述，这是一款「量身定制的 ChatGPT Work 体验」，把内置的金融数据与 GPT‑6 Astra 的推理能力结合起来，用于帮助团队完成研究、财务建模和定制化客户材料。这款产品的需求定义来自 OpenAI 与 Morgan Stanley 和 Evercore 的设计合作（design partnership）。官方称，通过这种合作，OpenAI 定位了其在金融机构最棘手问题上的切入位置，并确定了能够帮助「每一位银行家日常工作」的解决方案。产品首发的落地方向是投资银行（investment banking）与股票研究（equity research）。OpenAI 表示，与合作伙伴的早期工作表明，可靠的数据访问与高质量交付物（artifact）的生成，是这些团队最大的两个痛点；后续与合作伙伴的工作将持续影响模型后训练、产品改进，以及向其他金融服务类别的扩张。需要说明的是，原文未说明该产品的定价方式、具体上线地区与完整可用时间表。二、...