Parallel memangkas waktu dan biaya riset 50% dengan GPT‑6 Astra
GPT‑6 Astra memungkinkan agen Parallel meneliti dan menyintesis data pasar tenaga kerja dalam separuh waktu dan dengan separuh biaya dibandingkan model sebelumnya.
50%
Waktu penyelesaian tugas riset lebih singkat
50%
Penurunan biaya kode
Parallel(terbuka di jendela baru) membangun infrastruktur developer untuk agen AI yang menjalankan pekerjaan berbasis pengetahuan di web. Peralatannya mendukung beragam kebutuhan, mulai dari grounding web untuk agen suara hingga riset bagi lembaga keuangan dan klien hukum, dengan menggabungkan model terdepan dan pencarian web.
Untuk tugas riset Parallel yang paling lama, jawaban berkualitas tinggi biasanya memerlukan model lebih besar dengan penalaran yang diperluas, sehingga menyita lebih banyak waktu dan sumber daya. Perusahaan ini mencatat peningkatan besar dalam efisiensi waktu dan biaya dengan GPT‑6 Astra.
“Dengan Astra, kami telah membuktikan bahwa riset berkualitas tinggi yang sama dapat diperoleh jauh lebih cepat, dengan lebih sedikit panggilan riset dan lebih sedikit token.”
Dalam salah satu pengujian GPT‑6 Astra, Parallel meminta agennya meneliti enam statistik pasar tenaga kerja yang berbeda di empat negara bagian selama enam bulan. Agen tersebut harus menelusuri beberapa situs web, mengumpulkan informasi, dan menghimpun temuan dalam satu laporan riset.
GPT‑6 Astra mampu menyelesaikan pekerjaan dalam separuh waktu yang dibutuhkan model sebelumnya, dengan biaya kode sekitar 50% lebih rendah, sekaligus menghasilkan riset dengan kualitas yang sama.
Parallel juga mengamati bahwa GPT‑6 Astra melakukan pencarian yang lebih terarah dan membutuhkan lebih sedikit langkah untuk memperoleh hasil yang bermanfaat.
“Astra mengajukan kueri pencarian yang lebih terarah dan lebih berfokus pada tujuan akhir, sekaligus memanfaatkan pengetahuan dunianya, dibandingkan model sebelumnya.”
Peningkatan efisiensi ini juga membuat pembagian riset di antara beberapa agen menjadi lebih praktis bagi Parallel. GPT‑6 Astra dapat mendelegasikan tugas riset tertentu kepada subagen sehingga pekerjaan bisa berlangsung serentak dan waktu yang dihabiskan untuk menjalani satu rangkaian pencarian pun berkurang.
Kini, Parallel memiliki jalur yang lebih baik dari pertanyaan kompleks menuju jawaban berbasis riset, dengan waktu tunggu lebih singkat, biaya lebih rendah, dan kapasitas lebih besar untuk menangani tugas riset berat dalam skala besar.
