GPT‑6.1 Sol: Asana ಮಾಡೆಲ್ ವೆಚ್ಚ 76 ಪಟ್ಟು ಕಡಿಮೆ

Codex ನಲ್ಲಿ GPT‑6 Astra ಮೂಲಕ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಿ, Asana ತನ್ನ ಬ್ರೌಸರ್ ಏಜೆಂಟ್‌ನ ಕಾರ್ಯಪ್ರವಾಹವನ್ನು ಸುಧಾರಿಸಿತು. GPT‑6.1 Sol ನಲ್ಲಿ ಅದು 76 ಪಟ್ಟು ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ, 5 ಪಟ್ಟು ವೇಗವಾಗಿ ನಡೆಯಿತು.

Asana ತಾನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) StackAI⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ವೇದಿಕೆಯ ಮೂಲಕ ವ್ಯವಹಾರ ಅನ್ವಯಿಕೆಗಳಾದ್ಯಂತ ಕೆಲಸವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಗ್ರಾಹಕರಿಗೆ ನೆರವಾಗುತ್ತದೆ. StackAI ಬಳಸಿ, ಗ್ರಾಹಕರು ಕೋಡ್ ಬರೆಯದೆ ಜಾಲತಾಣಗಳಲ್ಲಿ ಸಂಚರಿಸುವ, ನಮೂನೆಗಳನ್ನು ತುಂಬುವ ಮತ್ತು ಮಾಹಿತಿ ಸಂಗ್ರಹಿಸುವ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ರಚಿಸಬಹುದು. Asana ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಪ್ರಮಾಣದಲ್ಲಿ, ಈ ಕಾರ್ಯಪ್ರವಾಹಗಳ ಸಣ್ಣ ಅಸಮರ್ಥತೆಗಳೂ ಒಟ್ಟಾಗಿ ದೊಡ್ಡ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ.

Asana ದ StackAI ಮುಖ್ಯ ತಂತ್ರಜ್ಞಾನ ಅಧಿಕಾರಿ, ಪಿಎಚ್‌ಡಿ ಪದವೀಧರ ಫ್ರ್ಯಾಂಕ್ ಹಿಡಾಲ್ಗೊ, ಬ್ರೌಸರ್ ಏಜೆಂಟ್ ಅನ್ನು ಹೆಚ್ಚು ವೇಗವಾಗಿ, ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ ಚಲಾಯಿಸುವ ಗುರಿ ಇಟ್ಟುಕೊಂಡರು. ಏಜೆಂಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ, ಸುಧಾರಣೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುವಂತೆ ಅವರು Codex ನಲ್ಲಿನ GPT‑6 Astra ಗೆ ಸೂಚಿಸಿದರು. ಕೈಯಾರೆ ಮಾಡಿದ್ದರೆ ಒಂದರಿಂದ ಎರಡು ತಿಂಗಳು ಬೇಕಾಗುತ್ತಿತ್ತು ಎಂದು ಅವರು ಅಂದಾಜಿಸಿದ ಕೆಲಸ ಸುಮಾರು ಒಂದು ವಾರದಲ್ಲಿ ಮುಗಿಯಿತು.

Asana ದ 144 ಚಾಲನೆಗಳ ಅಧ್ಯಯನದಲ್ಲಿ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) GPT‑6.1 Sol ಮತ್ತು ಇಲ್ಲಿ ಮಾಡೆಲ್ A, B, C ಎಂದು ಕರೆಯಲಾದ ಇತರ ಮೂರು ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್‌ಗಳನ್ನು ಪರೀಕ್ಷಿಸಲಾಯಿತು. GPT‑6.1 Sol ನಲ್ಲಿ ರೂಪುಗೊಂಡ ಸುಧಾರಿತ ಕಾರ್ಯಪ್ರವಾಹದ ಪ್ರತಿ ಚಾಲನೆಗೆ ಸರಾಸರಿ ಅಂದಾಜು ಮಾಡೆಲ್ ವೆಚ್ಚ $0.47 ಮತ್ತು ಸಮಯ ಸುಮಾರು ನಾಲ್ಕು ನಿಮಿಷಗಳಾಗಿತ್ತು. ಇದು ಮಾಡೆಲ್ B ಯ ಮೂಲ ನೈಜ ಬಳಕೆಯ ವ್ಯವಸ್ಥೆಗಿಂತ 76 ಪಟ್ಟು ಕಡಿಮೆ ವೆಚ್ಚ ಮತ್ತು 5 ಪಟ್ಟು ಹೆಚ್ಚು ವೇಗವಾಗಿತ್ತು.

ವೇಗವಾಗಿ ಮುಂದುವರಿಯಲು, ಹಿಡಾಲ್ಗೊ ಮೊದಲು Codex ನಲ್ಲಿನ GPT‑6 Astra ಬಳಸಿ ಕೋಡ್ ರಚನೆಯನ್ನು ಗುರುತಿಸಿದರು. ಏಜೆಂಟ್ ಪ್ರತಿ ಮಾಡೆಲ್ ವಿನಂತಿಯನ್ನು ಹೇಗೆ ಸಿದ್ಧಪಡಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಸೂಚಿಸಿದರು. ಏಜೆಂಟ್ ತನ್ನ ಸ್ಥಿರ ಸೂಚನೆಗಳು ಮತ್ತು ಉಪಕರಣಗಳ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಕ್ಯಾಶ್‌ನಲ್ಲಿ ಇಡುತ್ತಿತ್ತು. ಆದರೆ ಸಂಗ್ರಹಿಸುತ್ತಿದ್ದ ಪುಟದ ಪಠ್ಯ ಮತ್ತು ಪರದೆಚಿತ್ರಗಳ ಬೆಳೆಯುತ್ತಿರುವ ಇತಿಹಾಸವನ್ನು ಇಡುತ್ತಿರಲಿಲ್ಲ. ಹೀಗಾಗಿ ಪ್ರತಿ ವಿನಂತಿಯೂ ಆ ಇತಿಹಾಸವನ್ನು ಪೂರ್ಣ ಬೆಲೆಯಲ್ಲಿ ಮತ್ತೆ ಕಳುಹಿಸುತ್ತಿತ್ತು ಎಂದು GPT‑6 Astra ಪತ್ತೆಹಚ್ಚಿತು.

ಏಜೆಂಟ್ ಬಹುತೇಕ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಹಳೆಯ ಪರದೆಚಿತ್ರಗಳನ್ನು ತೆಗೆದುಹಾಕಿ, ಪಠ್ಯವನ್ನು ಕಡಿತಗೊಳಿಸುತ್ತಿತ್ತು. ಪ್ರತಿ ಸಂಪಾದನೆಯೂ ಇತಿಹಾಸವನ್ನು ಬದಲಿಸುತ್ತಿದ್ದುದರಿಂದ, ಇತಿಹಾಸವನ್ನು ಕ್ಯಾಶ್‌ನಲ್ಲಿ ಇಡುವುದಷ್ಟೇ ನೆರವಾಗುತ್ತಿರಲಿಲ್ಲ. ಮಾಹಿತಿ ಕಳೆದುಹೋದಾಗ ಏಜೆಂಟ್ ಈಗಾಗಲೇ ಓದಿದ ಪುಟಗಳಿಗೆ ಮತ್ತೆ ಭೇಟಿ ನೀಡಬೇಕಾಗಬಹುದಿತ್ತು.

GPT‑6 Astra ಸೂಚಿಸಿದ ಪರಿಹಾರಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ ಹಿಡಾಲ್ಗೊ, ಪರೀಕ್ಷಿಸಲು ಮೂರನ್ನು ಆಯ್ಕೆ ಮಾಡಿದರು:

• ಏಜೆಂಟ್‌ನ ಬ್ರೌಸಿಂಗ್ ಇತಿಹಾಸವನ್ನೂ ಕ್ಯಾಶ್‌ನಲ್ಲಿ ಇಡುವುದು

• ಅದು ಉಳಿಸಿಕೊಳ್ಳಬಹುದಾದ ಪಠ್ಯದ ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸುವುದು

• ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಪರದೆಚಿತ್ರಗಳನ್ನು ತೆಗೆದುಹಾಕದೆ, ಗುಂಪುಗಳಲ್ಲಿ ತೆಗೆದುಹಾಕುವುದು

ಯಾವ ಚರಗಳು ಮುಖ್ಯವೆಂದು ಗುರುತಿಸಲು GPT‑6 Astra ಮೊದಲು ತ್ವರಿತ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸಿತು. ಕೋಡ್ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳಿಗೆ ರೂಪುಗೊಂಡಿರಲಿಲ್ಲ. ಹೀಗಾಗಿ, ಒಂದೇ ಮುಂಭಾಗ ಮತ್ತು ಹಿಂಭಾಗದ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಹಲವು ಕಾರ್ಯಪ್ರವಾಹಗಳು ತಮ್ಮದೇ ಸೆಟ್ಟಿಂಗ್‌ಗಳೊಂದಿಗೆ ಸಮಾನಾಂತರವಾಗಿ ನಡೆಯುವಂತೆ ಅದು ಕೋಡ್ ಅನ್ನು ಮರುರಚಿಸಿತು.

Astra ಪೂರ್ಣ ಅಧ್ಯಯನ ನಡೆಸಿತು: ಇತಿಹಾಸಕ್ಕೆ 120,000 ಮತ್ತು 480,000 ಅಕ್ಷರಗಳ ಮಿತಿ ಹಾಗೂ ಆರು ಕ್ಯಾಶಿಂಗ್ ಮತ್ತು ಪರದೆಚಿತ್ರ ನಿರ್ವಹಣಾ ನೀತಿಗಳನ್ನು ನಾಲ್ಕೂ ಮಾಡೆಲ್‌ಗಳಲ್ಲಿ ತಲಾ ಮೂರು ಬಾರಿ ಪರೀಕ್ಷಿಸಿತು (ಕೆಳಗಿನ ಕೋಷ್ಟಕ ನೋಡಿ). ಅತ್ಯುತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದ ನೀತಿಯು 20 ಪರದೆಚಿತ್ರಗಳು ಸಂಗ್ರಹವಾಗಲು ಬಿಡುತ್ತಿತ್ತು. ನಂತರ ಅತ್ಯಂತ ಇತ್ತೀಚಿನ ಒಂದನ್ನು ಮಾತ್ರ ಉಳಿಸುತ್ತಿತ್ತು. ಇದರಿಂದ ಪರದೆಚಿತ್ರಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ನಡುವಿನ ಅವಧಿಗಳಲ್ಲಿ ಹಿಂದಿನ ಇತಿಹಾಸ ಹೆಚ್ಚು ಕಾಲ ಬದಲಾಗದೆ ಉಳಿಯಿತು. ಹೆಚ್ಚಿನ ಇತಿಹಾಸ ಮಿತಿಯೊಂದಿಗೆ ಇದನ್ನು ಸಂಯೋಜಿಸಿ ಸುಧಾರಿತ ಕಾರ್ಯಪ್ರವಾಹ ರೂಪಿಸಲಾಯಿತು. ಪ್ರತಿ ಸಂರಚನೆಯೂ ಒಂದೇ ಕೆಲಸ ಮಾಡಿತು: ಸಾರ್ವಜನಿಕ ಪ್ರಾತ್ಯಕ್ಷಿಕೆ ಪಟ್ಟಿಯಲ್ಲಿನ 32 ಪುಸ್ತಕಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದಕ್ಕೂ ಆರು ಮಾಹಿತಿ ಅಂಶಗಳನ್ನು ಸಂಗ್ರಹಿಸಿತು. ಇದು ಕೆಲವು Asana ಗ್ರಾಹಕರು StackAI ನಲ್ಲಿ ನಡೆಸುವ ಕೆಲಸಗಳ ಮಾದರಿಯಾಗಿತ್ತು.

GPT‑6 Astra ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ನಡೆಸಿ, ವಿನಂತಿಗಳು, ಬಳಕೆಯ ದಾಖಲೆಗಳು ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಿತು. ಪ್ರತ್ಯೇಕ ಮಾಡೆಲ್ ಅವಧಿಗಳಲ್ಲಿ ಈ ಕೆಲಸವನ್ನು ವಿಮರ್ಶಿಸಲಾಯಿತು. ಪ್ರತಿ ಅವಧಿಯ ವಿನಂತಿಗಳು, ದತ್ತಾಂಶದ ಜಾಡುಗಳು ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು Asana ದ ತಂತ್ರಾಂಶ ವಿತರಣಾ ವೇದಿಕೆಯಾದ Command⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ನಲ್ಲಿ ದಾಖಲಿಸಲಾಯಿತು. ಹೀಗಾಗಿ ತಂಡವು ನಂತರ ಪೂರ್ಣ ಅಧ್ಯಯನವನ್ನು ಪರಿಶೀಲಿಸಬಹುದಿತ್ತು. Command ನಿಂದ ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳನ್ನು ಕಾರ್ಯದಾಖಲೆಗಳಾಗಿ, ಬಳಿಕ ಕೋಡ್ ವಿಲೀನ ವಿನಂತಿಗಳಾಗಿ ಪರಿವರ್ತಿಸಲಾಯಿತು. ನಂತರ ಬದಲಾವಣೆಗಳನ್ನು ನೈಜ ಬಳಕೆಗೆ ತರಲಾಯಿತು.

ಮಾಡೆಲ್ B ಯಲ್ಲಿ ಸುಧಾರಣೆಯು ಪ್ರತಿ ಚಾಲನೆಯ ಅಂದಾಜು ಮಾಡೆಲ್ ವೆಚ್ಚವನ್ನು ಕನಿಷ್ಠ $36.21 ರಿಂದ $1.24 ಕ್ಕೆ ಇಳಿಸಿತು—29 ಪಟ್ಟು ಇಳಿಕೆ. ಕೆಲವು ಮೂಲ ಚಾಲನೆಗಳು ಮುಗಿಯುವ ಮುನ್ನವೇ ಹಂತಗಳ ಮಿತಿಯನ್ನು ತಲುಪಿದ್ದವು. GPT‑6.1 Sol ನ ಸುಧಾರಿತ ಕಾರ್ಯಪ್ರವಾಹದ ವೆಚ್ಚ ಇನ್ನೂ 2.6 ಪಟ್ಟು ಕಡಿಮೆಯಾಗಿ $0.47 ಆಗಿತ್ತು. ಸುಧಾರಿತ ಕಾರ್ಯಪ್ರವಾಹದ ಪ್ರತಿ ಚಾಲನೆಯೂ ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ ಸರಿಯಾದ ಉತ್ತರ ನೀಡಿತು.

GPT‑6.1 Sol ಒಂದರಲ್ಲೇ, ಹೆಚ್ಚಿನ ಇತಿಹಾಸ ಮಿತಿಯೊಂದಿಗೆ ಹೊಸ ಕ್ಯಾಶಿಂಗ್ ಮತ್ತು ಪರದೆಚಿತ್ರ ನೀತಿ ಪ್ರತಿ ಚಾಲನೆಯ ವೆಚ್ಚವನ್ನು $1.97 ರಿಂದ $0.47 ಕ್ಕೆ, ಅಂದರೆ 4 ಪಟ್ಟು ಇಳಿಸಿತು. ಪ್ರತಿ ಕರೆಯ ವೆಚ್ಚ ಸುಮಾರು 3 ಪಟ್ಟು ಕಡಿಮೆಯಾಯಿತು. ಏಕೆಂದರೆ 89% ಇನ್‌ಪುಟ್ ಕ್ಯಾಶ್‌ನಿಂದ ಬಂತು; ಅದರ ಬೆಲೆ ಕ್ಯಾಶ್‌ನಲ್ಲಿ ಇಲ್ಲದ ಇನ್‌ಪುಟ್ ಬೆಲೆಯ ಕೇವಲ 5% ಆಗಿತ್ತು. ಚಾಲನೆಗಳೂ ವೇಗವಾದವು: ಮಾಡೆಲ್ B ಯ ಮೂಲ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಕನಿಷ್ಠ 22.5 ನಿಮಿಷ ಬೇಕಾದರೆ, GPT‑6.1 Sol ನ ಸುಧಾರಿತ ಕಾರ್ಯಪ್ರವಾಹದಲ್ಲಿ ಸುಮಾರು ನಾಲ್ಕು ನಿಮಿಷ ಸಾಕಾಯಿತು.

ಏಜೆಂಟ್ ಉತ್ತರ ನೀಡಲು ಸಾಧ್ಯವಾಗುವುದೇ ಇಲ್ಲವೇ ಎಂಬುದರ ಮೇಲೂ ಇತಿಹಾಸ ನಿರ್ವಹಣೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ಅಧ್ಯಯನ ತೋರಿಸಿತು. GPT‑6.1 Sol ಗೆ ಬ್ರೌಸಿಂಗ್ ಇತಿಹಾಸ ಉಳಿಸಿಕೊಳ್ಳಲು ಹೆಚ್ಚು ಜಾಗ ನೀಡಿದಾಗ, ಉತ್ತರ ನೀಡಿದ ಚಾಲನೆಗಳ ಸಂಖ್ಯೆ ಹೆಚ್ಚಾಯಿತು. ಕಡಿಮೆ ಇತಿಹಾಸ ಮಿತಿಯಲ್ಲಿ 18ರಲ್ಲಿ ಮೂರು ಮಾತ್ರ ಉತ್ತರ ನೀಡಿದ್ದರೆ, ಹೆಚ್ಚಿನ ಮಿತಿಯಲ್ಲಿ ಎಲ್ಲ 18 ಚಾಲನೆಗಳೂ ಸರಿಯಾದ ಉತ್ತರ ನೀಡಿದವು. ಹಿಡಾಲ್ಗೊ ದೃಷ್ಟಿಯಲ್ಲಿ, ನಿರ್ವಹಣಾ ವೆಚ್ಚವನ್ನು ಭರಿಸಬಹುದಾದ ಮಟ್ಟದಲ್ಲೇ ಇರಿಸಿಕೊಂಡು, ಗ್ರಾಹಕರಿಗೆ ಹೆಚ್ಚು ವೇಗದ ಮತ್ತು ಸಮರ್ಥ ಮಾಡೆಲ್‌ಗಳನ್ನು ಒದಗಿಸುವುದೇ ಇದರ ವ್ಯವಹಾರಿಕ ಮೌಲ್ಯ.

Asana, StackAI ನ ಬ್ರೌಸರ್ ಸಂಚರಣೆಯ ಬದಲಾವಣೆಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಇದೇ ರೀತಿಯ ಪ್ರಯೋಗಗಳನ್ನು ಸುಲಭವಾಗಿ ಪುನರಾವರ್ತಿಸಲು ಉಪಕರಣಗಳನ್ನೂ ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಿದೆ. ಮುಂದೆ ಈ ಪರೀಕ್ಷೆಯನ್ನು ವೇದಿಕೆಯ ಮೌಲ್ಯಮಾಪನಗಳಲ್ಲಿ ಸೇರಿಸಲು ತಂಡ ಯೋಜಿಸಿದೆ. ಇದರಿಂದ ಗ್ರಾಹಕರು ಮತ್ತು ಆಂತರಿಕ ತಂಡಗಳು ತಮ್ಮ ಏಜೆಂಟ್‌ಗಳನ್ನು ಸಂರಚಿಸುವಾಗ ವೆಚ್ಚ, ಚಾಲನಾ ಸಮಯ ಮತ್ತು ಉತ್ತರದ ಗುಣಮಟ್ಟವನ್ನು ಹೋಲಿಸಬಹುದು.

ಉತ್ಪನ್ನ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಬಿಡುಗಡೆಗೂ ಮುನ್ನ ಪರೀಕ್ಷಿಸಲು Asana ಈಗ Codex ನಲ್ಲಿನ GPT‑6 Astra ಬಳಸುತ್ತಿದೆ. Astra ವೇದಿಕೆಯಲ್ಲಿ ಸಂಚರಿಸಿ, ವಿವಿಧ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ, ಮಾನವ ಗುಣಮಟ್ಟ ಪರಿಶೀಲಕರಿಗೆ ದೋಷಗಳನ್ನು ವರದಿ ಮಾಡುತ್ತದೆ. ಹಲವು ಕ್ಲೌಡ್ ಏಜೆಂಟ್ ಅವಧಿಗಳು ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಸಮಾನಾಂತರವಾಗಿ ಪರೀಕ್ಷಿಸುವ ಹೊಸ ತಂತ್ರಾಂಶ ಅಭಿವೃದ್ಧಿ ಜೀವನಚಕ್ರಕ್ಕೆ ಇದು ಅಡಿಪಾಯ ಎಂದು ಹಿಡಾಲ್ಗೊ ಪರಿಗಣಿಸುತ್ತಾರೆ.

ಪೂರ್ಣ ಅಧ್ಯಯನವು Asana⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮತ್ತು StackAI⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬ್ಲಾಗ್‌ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ.