A Parallel GPT‑6 Astrával felezte a kutatási időt és költséget
A GPT‑6 Astra segítségével a Parallel ügynökei a korábbi modellekhez képest feleannyi idő és költség mellett kutatták és összegezték a munkaerőpiaci adatokat.
50%
Kevesebb idő a kutatási feladatok elvégzésére
50%
Kódköltség-csökkenés
A Parallel(új ablakban nyílik meg) fejlesztői infrastruktúrát épít az interneten tudásalapú munkát végző MI-ügynökök számára. Eszközei sokféle feladatot támogatnak: a hangalapú ügynökök webes lehorgonyzásától a pénzügyi intézmények és jogi ügyfelek számára végzett kutatásig, élvonalbeli modelleket kombinálva webes kereséssel.
A Parallel leghosszabb ideig futó kutatási feladatainál a jó minőségű válaszhoz jellemzően nagyobb, kiterjesztett érvelésre képes modellt kellett használni, ami több időt és erőforrást igényelt. A GPT‑6 Astrával a vállalat jelentősen csökkentette az idő- és költségigényt.
„Az Astrával bebizonyítottuk, hogy sokkal, de sokkal gyorsabban érhető el ugyanolyan jó minőségű kutatás, kevesebb kutatási hívással és kevesebb tokennel.”
A GPT‑6 Astra egyik tesztjében a Parallel arra kérte ügynökét, hogy hat hónapra visszamenőleg kutasson fel hat különböző munkaerőpiaci statisztikát négy államban. Az ügynöknek több webhelyen kellett keresnie, információkat gyűjtenie, majd az eredményeket egyetlen kutatási jelentésben összefoglalnia.
A GPT‑6 Astra a korábbi modellekhez képest feleannyi idő alatt végezte el a munkát, mintegy 50%-kal alacsonyabb kódköltség mellett, ugyanolyan kutatási minőséget nyújtva.
A Parallel azt is megfigyelte, hogy a GPT‑6 Astra célzottabban keresett, és kevesebb lépésben jutott használható eredményre.
„Az Astra célzottabb keresési lekérdezéseket indított, jobban összpontosított a végső feladatra, és a korábbi modellekhez képest hatékonyabban hasznosította világismeretét.”
A nagyobb hatékonyság azt is praktikusabbá teszi a Parallel számára, hogy a kutatást több ügynök között ossza fel. A GPT‑6 Astra konkrét kutatási feladatokat bízhat alügynökökre, így a munka párhuzamosan végezhető, és kevesebb időt igényel a keresések egyetlen sorozatának végrehajtása.
A Parallel most már hatékonyabban juthat el az összetett kérdéstől a kutatáson alapuló válaszig: kevesebb a várakozás, alacsonyabbak a költségek, és nagyobb léptékben kezelhetők az összetett kutatási feladatok.
