Անցնել հիմնական բովանդակությանը
OpenAI

22 սեպտեմբերի, 2026 թ.

Ստարտափ

Parallel-ը GPT‑6 Astra-ով կիսեց հետազոտության ժամանակն ու ծախսը

GPT‑6 Astra-ի շնորհիվ Parallel-ի ագենտները աշխատաշուկայի տվյալներն ուսումնասիրեցին ու ամփոփեցին կրկնակի արագ և կրկնակի ցածր ծախսով, քան նախորդ մոդելները։

Ընկերության չափը: Ստարտափ
Տարածաշրջան: Հյուսիսային Ամերիկա
Արդյունաբերություն: Տեխնոլոգիա
Արտադրանքներ: API

50%

Հետազոտական առաջադրանքների կատարման ժամանակի կրճատում

50%

Կոդի ծախսի կրճատում

Բեռնվում է…

Parallel-ը⁠(բացվում է նոր պատուհանում) մշակում է ծրագրավորողների համար ենթակառուցվածք՝ վեբում գիտելիքային աշխատանք կատարող ԱԲ ագենտների համար։ Դրա գործիքներն ապահովում են ամեն ինչ՝ ձայնային ագենտների վեբ հիմնավորումից մինչև ֆինանսական հաստատությունների և իրավաբանական ոլորտի հաճախորդների համար հետազոտություններ՝ առաջադեմ մոդելները համադրելով վեբ որոնման հետ։

Parallel-ի ամենաերկարատև հետազոտական առաջադրանքների դեպքում բարձրորակ պատասխան ստանալու համար սովորաբար հարկավոր էր օգտագործել ընդլայնված դատողությամբ ավելի մեծ մոդել, ինչը պահանջում էր ավելի շատ ժամանակ և ռեսուրսներ։ GPT‑6 Astra-ի շնորհիվ ընկերությունը զգալիորեն կրճատել է ժամանակն ու ծախսերը։

«Astra-ի օգնությամբ մենք ցույց տվեցինք, որ նույն բարձրորակ հետազոտությունը կարելի է ստանալ շատ ու շատ ավելի արագ՝ ավելի քիչ հետազոտական հարցումներով և ավելի քիչ թոքեններով»։
—Դևին Գուպտա, Parallel Web Systems-ի տեխնիկական անձնակազմի անդամ

Վեց ամսվա տվյալների ամփոփում՝ կրկնակի արագ

GPT‑6 Astra-ի փորձարկումներից մեկում Parallel-ն իր ագենտին հանձնարարեց վեց ամսվա կտրվածքով ուսումնասիրել աշխատաշուկայի վեց տարբեր վիճակագրական ցուցանիշներ չորս նահանգներում։ Ագենտը պետք է որոնումներ կատարեր մի քանի կայքերում, հավաքեր տեղեկությունները և արդյունքներն ամփոփեր մեկ հետազոտական զեկույցում։

GPT‑6 Astra-ն նախորդ մոդելների համեմատ աշխատանքն ավարտեց կրկնակի արագ՝ կոդի ծախսը կրճատելով մոտ 50%-ով և պահպանելով հետազոտության նույն որակը։

Բարձրորակ պատասխանների ստացում՝ ավելի քիչ քայլերով

Parallel-ը նաև նկատեց, որ GPT‑6 Astra-ն ավելի նպատակային որոնումներ էր կատարում և օգտակար արդյունքի հասնում ավելի քիչ քայլերով։

«Նախորդ մոդելների համեմատ Astra-ն որոնման ավելի նպատակային հարցումներ էր կատարում, ավելի լավ էր կենտրոնանում վերջնական առաջադրանքի վրա և կիրառում էր աշխարհի մասին իր գիտելիքները»։
—Դևին Գուպտա, Parallel Web Systems-ի տեխնիկական անձնակազմի անդամ

Արդյունավետության այս աճը նաև ավելի գործնական է դարձնում հետազոտությունը մի քանի ագենտների միջև բաժանելը։ GPT‑6 Astra-ն կարող է որոշակի հետազոտական առաջադրանքներ պատվիրակել ենթաագենտներին՝ հնարավորություն տալով աշխատանքը կատարել միաժամանակ և կրճատելով որոնումների մեկ հաջորդական շղթայով անցնելու ժամանակը։

Այժմ Parallel-ը բարդ հարցից հետազոտված պատասխանի հասնելու ավելի արդյունավետ ուղի ունի՝ սպասման ավելի կարճ ժամանակով, ավելի ցածր ծախսերով և մեծածավալ բարդ հետազոտական առաջադրանքներ կատարելու ավելի լայն հնարավորություններով։