Parallel réduit de moitié délais et coûts avec GPT‑6 Astra
Avec GPT‑6 Astra, les agents de Parallel ont pu rechercher et synthétiser des données sur le marché du travail en divisant par deux le temps et le coût par rapport aux modèles précédents.
50 %
Moitié moins de temps pour les tâches de recherche
50 %
Réduction du coût du code
Parallel(ouverture dans une nouvelle fenêtre) développe une infrastructure pour les agents d’IA qui effectuent des tâches intellectuelles sur le Web. Ses outils couvrent aussi bien l’ancrage web pour les agents vocaux que la recherche pour les institutions financières et les clients du secteur juridique, en combinant des modèles de pointe avec la recherche sur le Web.
Pour les tâches de recherche les plus longues de Parallel, obtenir une réponse de qualité nécessitait généralement un modèle plus grand doté d’un raisonnement étendu, qui consommait davantage de temps et de ressources. Avec GPT‑6 Astra, l’entreprise a constaté une nette amélioration en matière de temps et de coûts.
« Avec Astra, nous avons démontré qu’il était possible d’obtenir des recherches de même qualité beaucoup, beaucoup plus rapidement, avec moins d’appels de recherche et moins de jetons. »
Lors d’un test de GPT‑6 Astra, Parallel a demandé à son agent d’étudier six statistiques différentes sur le marché du travail dans quatre États sur une période de six mois. L’agent devait effectuer des recherches sur plusieurs sites web, recueillir des informations et compiler les résultats dans un rapport de recherche unique.
GPT‑6 Astra a pu réaliser le travail deux fois plus vite que les modèles précédents, avec une réduction d’environ 50 % du coût du code, tout en offrant la même qualité de recherche.
Parallel a également constaté que GPT‑6 Astra effectuait des recherches plus ciblées et suivait moins d’étapes pour parvenir à un résultat utile.
« Astra a lancé des requêtes de recherche plus ciblées et s’est mieux concentré sur la tâche finale, en intégrant ses connaissances générales, par rapport aux modèles précédents. »
Ce gain d’efficacité permet aussi à Parallel de répartir plus facilement les recherches entre plusieurs agents. GPT‑6 Astra peut déléguer des tâches de recherche précises à des sous-agents, ce qui permet de travailler simultanément et réduit le temps consacré à une suite unique de recherches.
Parallel dispose désormais d’un meilleur moyen de passer d’une question complexe à une réponse documentée, avec moins d’attente, des coûts réduits et une plus grande capacité à traiter à grande échelle des tâches de recherche exigeantes.
