OpenAI 发布 Jump Trading 的使用案例，介绍量化研究团队如何把 GPT-6 Astra 放进较长时间的分析任务。团队从让模型写短代码、找小错误，逐渐转向由研究人员给出问题、数据环境和评价方式，再让一个或多个 Agent 搜集材料、运行分析并合并中间发现。案例将重点放在研究工作的范围和持续时间。
Jump 的负责人描述，Agent 可以根据初始目标检查阶段结果，决定继续哪条分析路径；人类研究人员仍会定期介入，确认数据选择、运行时长与中间结果是否合理。系统还需要明确的执行边界、可观察的过程和最终人工验收，才能用于要求严格的金融研究环境。
文章没有披露经独立验证的交易收益或模型预测准确率。即使 Agent 产生一个交易信号，也会和其他信号一样进入既有审查与受控执行流程。这使案例更适合被理解为研究组织方式的变化：模型承担更多连续工作，研究者保留问题定义与结果判断，而不是宣布通用聊天模型已经能够独立、可靠地进行市场交易。