Parallel با GPT‑6 Astra زمان و هزینه پژوهش را نصف کرد
GPT‑6 Astra به عاملهای Parallel امکان داد دادههای بازار کار را در نصف زمان و با نصف هزینه مدلهای قبلی پژوهش و جمعبندی کنند.
۵۰٪
زمان کمتر برای تکمیل وظایف پژوهشی
۵۰٪
کاهش هزینه کد
Parallel(در یک پنجره جدید باز میشود) زیرساختی برای توسعهدهندگان میسازد تا عاملهای هوش مصنوعی بتوانند کارهای دانشی را در وب انجام دهند. ابزارهای آن طیف گستردهای از کاربردها را پوشش میدهند؛ از زمین گیر سازی وب برای عاملهای صوتی تا پژوهش برای مؤسسات مالی و مشتریان حقوقی، با ترکیب مدلهای پیشرو و جستوجوی وب.
در طولانیترین وظایف پژوهشی Parallel، دستیابی به پاسخی باکیفیت معمولاً مستلزم استفاده از مدلی بزرگتر با استدلال گسترده بود که زمان و منابع بیشتری مصرف میکرد. این شرکت با GPT‑6 Astra شاهد بهبود چشمگیری در زمان و هزینه بوده است.
«با Astra نشان دادهایم که میتوان با فراخوانیهای پژوهشی و توکنهای کمتر، همان پژوهش باکیفیت را بسیار سریعتر انجام داد.»
در یکی از آزمایشهای GPT‑6 Astra، شرکت Parallel از عامل خود خواست شش شاخص مختلف بازار کار را در چهار ایالت و طی شش ماه بررسی کند. عامل باید چندین وبسایت را جستوجو میکرد، اطلاعات را گردآوری میکرد و یافتهها را در یک گزارش پژوهشی واحد جمعبندی میکرد.
GPT‑6 Astra توانست با حفظ همان کیفیت پژوهش، کار را در نصف زمان مدلهای قبلی و با کاهش حدود ۵۰ درصدی هزینه کد به پایان برساند.
Parallel همچنین مشاهده کرد که GPT‑6 Astra جستوجوهای متمرکزتری انجام میدهد و با گامهای کمتری به نتیجهای مفید میرسد.
«Astra در مقایسه با مدلهای قبلی، عبارتهای جستوجوی هدفمندتری ارائه کرد، تمرکز بهتری بر هدف نهایی داشت و از دانش خود درباره جهان بهره گرفت.»
این افزایش بهرهوری، تقسیم پژوهش میان چند عامل را نیز برای Parallel عملیتر میکند. GPT‑6 Astra میتواند وظایف پژوهشی مشخصی را به عاملهای فرعی واگذار کند تا کارها همزمان پیش بروند و زمان صرفشده برای طیکردن زنجیرهای واحد از جستوجوها کاهش یابد.
اکنون Parallel مسیر بهتری برای رسیدن از یک پرسش پیچیده به پاسخی مبتنی بر پژوهش دارد؛ با انتظار کمتر، هزینه پایینتر و ظرفیت بیشتر برای انجام گسترده وظایف پژوهشی دشوار.
