Parallel s GPT‑6 Astra zkrátil čas i náklady výzkumu na půl
Agenti Parallel díky GPT‑6 Astra zkoumali a syntetizovali data o trhu práce za polovinu času a s polovičními náklady oproti předchozím modelům.
50 %
Méně času na dokončení výzkumných úkolů
50 %
Snížení nákladů na kód
Parallel(otevře se v novém okně) vytváří vývojářskou infrastrukturu pro AI agenty, kteří na webu plní znalostní úkoly. Její nástroje podporují vše od ukotvení hlasových agentů ve webových zdrojích až po výzkum pro finanční instituce a klienty z právní oblasti, přičemž kombinují průkopnické modely s vyhledáváním na webu.
U časově nejnáročnějších výzkumných úkolů Parallel bylo k získání kvalitní odpovědi obvykle nutné použít větší model s rozšířeným uvažováním, což spotřebovávalo více času a prostředků. Díky GPT‑6 Astra společnost výrazně snížila čas i náklady.
„S modelem Astra jsme ukázali, že stejně kvalitního výzkumu lze dosáhnout mnohem, mnohem rychleji, s méně výzkumnými voláními a menším počtem tokenů.“
V jednom z testů GPT‑6 Astra zadala společnost Parallel svému agentovi, aby za období šesti měsíců prozkoumal šest různých statistik trhu práce ve čtyřech státech. Agent musel prohledat několik webů, shromáždit informace a zpracovat zjištění do jediné výzkumné zprávy.
GPT‑6 Astra dokázal práci dokončit za polovinu času oproti předchozím modelům, s přibližně o 50 % nižšími náklady na kód a při zachování stejné kvality výzkumu.
Parallel také zjistil, že GPT‑6 Astra vyhledával cíleněji a k užitečnému výsledku dospěl v méně krocích.
„Astra zadával cílenější vyhledávací dotazy, lépe se soustředil na konečný úkol a oproti předchozím modelům více využíval své znalosti o světě.“
Vyšší efektivita také společnosti Parallel usnadňuje rozdělit výzkum mezi více agentů. GPT‑6 Astra může delegovat konkrétní výzkumné úkoly na podřízené agenty, takže práce probíhá souběžně a neztrácí se tolik času postupným procházením jediné řady vyhledávání.
Parallel má nyní lepší cestu od složité otázky k podložené odpovědi: kratší čekání, nižší náklady a větší kapacitu pro náročné výzkumné úkoly ve velkém měřítku.
