Parallel halbiert mit GPT‑6 Astra Forschungszeit und -kosten
Mit GPT‑6 Astra recherchierten und synthetisierten die Agenten von Parallel Arbeitsmarktdaten in halber Zeit und zu halben Kosten gegenüber früheren Modellen.
50 %
weniger Zeit für Forschungsaufgaben
50 %
Senkung der Codekosten
Parallel(wird in einem neuen Fenster geöffnet) entwickelt Infrastruktur für KI-Agenten, die wissensbasierte Aufgaben im Web erledigen. Die Tools decken ein breites Spektrum ab, von der Verankerung im Web für Sprach-Agenten bis hin zur Recherche für Finanzinstitute und Unternehmen aus dem Rechtsbereich. Dafür kombinieren sie Frontier-Modelle mit der Websuche.
Bei den zeitaufwendigsten Forschungsaufgaben von Parallel erforderte eine hochwertige Antwort bislang meist ein größeres Modell mit erweitertem Reasoning. Das beanspruchte mehr Zeit und Ressourcen. Mit GPT‑6 Astra konnte das Unternehmen Zeitaufwand und Kosten deutlich senken.
„Wir haben mit Astra gezeigt, dass dieselbe hochwertige Recherche sehr viel schneller, mit weniger Rechercheaufrufen und weniger Token möglich ist.“
In einem Test von GPT‑6 Astra beauftragte Parallel seinen Agenten damit, sechs verschiedene Arbeitsmarktstatistiken für vier Bundesstaaten über einen Zeitraum von sechs Monaten zu recherchieren. Der Agent musste mehrere Websites durchsuchen, Informationen erfassen und die Ergebnisse in einem einzigen Forschungsbericht zusammenstellen.
GPT‑6 Astra erledigte die Arbeit in der Hälfte der Zeit früherer Modelle und mit rund 50 % geringeren Codekosten, bei gleicher Recherchequalität.
Parallel stellte außerdem fest, dass GPT‑6 Astra gezielter suchte und mit weniger Schritten zu einem brauchbaren Ergebnis kam.
„Astra stellte gezieltere Suchanfragen, konzentrierte sich stärker auf die eigentliche Aufgabe und bezog dabei im Vergleich zu früheren Modellen das eigene Weltwissen ein.“
Dank der höheren Effizienz kann Parallel Forschungsaufgaben nun leichter auf mehrere Agenten verteilen. GPT‑6 Astra kann bestimmte Forschungsaufgaben an Sub-Agenten delegieren. So laufen Arbeiten parallel ab, und der Zeitaufwand für eine einzelne Abfolge von Suchvorgängen sinkt.
Parallel gelangt nun besser von einer komplexen Frage zu einer fundierten Antwort: mit kürzeren Wartezeiten, niedrigeren Kosten und mehr Kapazität, um anspruchsvolle Forschungsaufgaben in großem Umfang zu bewältigen.
