GPT‑5.6 ನಿರ್ಮಾಣಕಾರರ ಮಾರ್ಗದರ್ಶಿ

GPT‑5.6 ಮಾಡೆಲ್ ಕುಟುಂಬವು ಅತ್ಯಾಧುನಿಕ ಮಟ್ಟದ ಏಜೆಂಟ್ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೆಚ್ಚು ಕೈಗೆಟುಕುವಂತೆ ಮಾಡುವುದರ ಜೊತೆಗೆ, ಸಾಧ್ಯತೆಗಳ ಗಡಿಯನ್ನೂ ವಿಸ್ತರಿಸುತ್ತದೆ.

ಚುರುಕಾದ ಮಾಡೆಲ್ ಆಯ್ಕೆ ಮತ್ತು ಹೊಸ API ನಿಯಂತ್ರಣಗಳನ್ನು ಬಳಸಿ, ರೀಜನಿಂಗ್ ನಿರಂತರತೆ, ಬಹು-ಏಜೆಂಟ್ ಸಂಯೋಜನೆ ಹಾಗೂ ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕ್ ಟೂಲ್ ಕರೆಗಳ ನೆರವಿನಿಂದ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳು ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ ವೇಗವಾದ, ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವುಳ್ಳ ಏಜೆಂಟ್‌ಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸುತ್ತಿವೆ ಎಂಬುದನ್ನು ಈ ಮಾರ್ಗದರ್ಶಿಯಲ್ಲಿ ತೋರಿಸುತ್ತೇವೆ.

GPT‑5 ನಂತರದ ಪ್ರತಿಯೊಂದು ಮಾಡೆಲ್ ಪೀಳಿಗೆಯೂ ಕಡಿಮೆ ಟೋಕನ್‌ಗಳೊಂದಿಗೆ ದೀರ್ಘಾವಧಿಯ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. GPT‑5.6 ಆ ಪ್ರಗತಿಯನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ: ಪೂರಕ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಕನಿಷ್ಠ ಬದಲಾವಣೆಗಳೊಂದಿಗೆ ಹೆಚ್ಚು ಬಲವಾದ ಏಜೆಂಟ್ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಕಡಿಮೆ ವೆಚ್ಚ.

ಕಡಿಮೆ ರೀಸನಿಂಗ್ ಪ್ರಯತ್ನದಲ್ಲೇ ಹೆಚ್ಚಿದ ನಿಖರತೆಯೊಂದಿಗೆ, ಒಟ್ಟಾರೆ ವೆಚ್ಚ-ದಕ್ಷತೆಯಲ್ಲಿನ ಸುಧಾರಣೆ ಇನ್ನಷ್ಟು ಹೆಚ್ಚಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಹಾರ್ನೆಸ್ ಅನ್ನು ಒಂದೇ ರೀತಿಯಲ್ಲಿ ಇರಿಸಿದಾಗ, Agents’ Last Examನಲ್ಲಿ “ಕಡಿಮೆ” ರೀಜನಿಂಗ್‌ನಲ್ಲಿರುವ GPT‑5.6 Sol, “ಹೆಚ್ಚಿನ” ರೀಜನಿಂಗ್‌ನಲ್ಲಿರುವ GPT‑5.5ಗಿಂತ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿತು. ಉತ್ಪಾದನಾ ಪರೀಕ್ಷೆಗಳಲ್ಲಿಯೂ ಇದೇ ರೀತಿಯ ಯಶಸ್ಸಿನ ಉದಾಹರಣೆಗಳನ್ನು ನಾವು ಕಂಡಿದ್ದೇವೆ. ಹಿಂದಿನ ಡೀಫಾಲ್ಟ್‌ಗಳಿಗಿಂತ ರೀಜನಿಂಗ್ ಪ್ರಯತ್ನವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಮೂಲಕ ವಿವಿಧ ವರ್ಕ್‌ಫ್ಲೋಗಳಲ್ಲಿ ಗಮನಾರ್ಹ ವೆಚ್ಚ ಸುಧಾರಣೆಗಳನ್ನು ಕಂಡಿರುವುದಾಗಿ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳು ವರದಿ ಮಾಡಿವೆ.

ಈವರೆಗೆ, ದೀರ್ಘಾವಧಿಯ ಬಳಕೆಗಳಿಗೆ ಲಭ್ಯವಿರುವ ಅತ್ಯಧಿಕ ರೀಜನಿಂಗ್‌ನ ಫ್ಲಾಗ್‌ಶಿಪ್ ಮಾಡೆಲ್‌ಗೆ ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡುವುದು ಅತ್ಯುತ್ತಮ ಆಯ್ಕೆಯಾಗಿತ್ತು. ದೀರ್ಘ ಸಂದರ್ಭಗಳು ಮತ್ತು ಟೂಲ್ ಕರೆಗಳನ್ನು ನಿರ್ವಹಿಸುವಲ್ಲಿ ವೆಚ್ಚಕ್ಕೆ ಹೊಂದುವಂತೆ ರೂಪಿಸಿದ ಮಾಡೆಲ್‌ಗಳಿಗಿಂತ ಇವು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚು ಸಮರ್ಥವಾಗಿದ್ದುದೇ ಇದಕ್ಕೆ ಮುಖ್ಯ ಕಾರಣ. 5.6 ಕುಟುಂಬದೊಂದಿಗೆ ಇದು ಬದಲಾಗಿದೆ:ಟೆಸ್ಟ್-ಟೈಮ್ ಕಂಪ್ಯೂಟ್ ಹೆಚ್ಚಿಸಿದಾಗ, Luna ಮತ್ತು Terra ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ GPT‑5.4 ಮತ್ತು 5.5ಗೆ ಸಮಾನವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಲ್ಲವು.

BrowseCompನ ಕಾರ್ಯಗಳನ್ನು ಪರಿಗಣಿಸಿ: ಇದು ಅಪರೂಪದ ಸಂಗತಿಗಳನ್ನು ಹುಡುಕುವ ಮಾಡೆಲ್‌ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಪರೀಕ್ಷಿಸುವ ಹುಡುಕಾಟ ಆಧಾರಿತ ಮಾನದಂಡ. ಮೂರು ತಿಂಗಳ ಹಿಂದೆ, ಈ ಮಾನದಂಡದಲ್ಲಿ GPT‑5.5 (ಎಕ್ಸ್‌ಟ್ರಾ ಹೈ) ಒಟ್ಟು $33.27 ವೆಚ್ಚದಲ್ಲಿ 84.36% ಅಂಕ ಗಳಿಸಿತು. ಬಿಡುಗಡೆಯ ಸಮಯದಲ್ಲಿ GPT‑5.6 Luna (ಎಕ್ಸ್‌ಟ್ರಾ ಹೈ) $1.33 ವೆಚ್ಚದಲ್ಲಿ 84.04% ಅಂಕ ಗಳಿಸಿ, ಬಹುತೇಕ ಅದೇ ಕಾರ್ಯಕ್ಷಮತೆ ನೀಡುತ್ತದೆ. ಅಂದಿನಿಂದ ನಾವು ಬೆಲೆಗಳನ್ನು ಇನ್ನಷ್ಟು ಕಡಿಮೆ ಮಾಡಿದ್ದೇವೆ. ನಮ್ಮ ಇತ್ತೀಚಿನ ಬೆಲೆ ಕಡಿತಗಳ ಕುರಿತು ಇನ್ನಷ್ಟು ಓದಿ.

5.6 ಕುಟುಂಬದ ಸಣ್ಣ ಮಾಡೆಲ್‌ಗಳು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಕಾರ್ಯಭಾರ, ವಿಳಂಬಕ್ಕೆ ಸೂಕ್ಷ್ಮವಾದ ಸಂವಹನಗಳು ಮತ್ತು ಏಜೆಂಟ್ ಆಧಾರಿತ ಕಾರ್ಯವಿಧಾನಗಳ ಪುನರಾವರ್ತಿತ ಹಂತಗಳಿಗೆ ಉತ್ತಮವಾಗಿ ಹೊಂದುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಏಜೆಂಟ್ ಆಧಾರಿತ ವಿಶ್ಲೇಷಣೆಗೆ ಮುನ್ನ ಕೈಬರಹದ ಟಿಪ್ಪಣಿಗಳನ್ನು ಸಂಸ್ಕರಿಸುವ ಕಾನೂನು-ತಂತ್ರಜ್ಞಾನ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ನಡೆಸುತ್ತಿದ್ದರೆ, ಇಡೀ ಬಳಕೆಗೆ ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್ ಬಳಸುವ ಬದಲು ಈಗ ಹೊರತೆಗೆಯುವಿಕೆಗೆ Terra ಅಥವಾ Luna ಬಳಸಿ ಗಮನಾರ್ಹ ವೆಚ್ಚ ಉಳಿಸಬಹುದು.

GPT‑5.6 ಬಳಸಿದ ತಕ್ಷಣವೇ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವಂತೆ ಮಾಡುವುದರ ಜೊತೆಗೆ, ಇನ್ನಷ್ಟು ಸುಧಾರಣೆಗಾಗಿ Responses APIಗೆ ಹೊಸ ಪ್ರಿಮಿಟಿವ್‌ಗಳನ್ನು ಸಹ ಬಿಡುಗಡೆ ಮಾಡಿದ್ದೇವೆ. ಏಜೆಂಟ್‌ಗಳು ಹೆಚ್ಚು ದಕ್ಷವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ನೆರವಾಗುವ ಮೂರು ಪೂರಕ ಆರ್ಕಿಟೆಕ್ಚರಲ್ ಬದಲಾವಣೆಗಳೊಂದಿಗೆ GPT‑5.6 ಅನ್ನು ಎಂಡ್-ಟು-ಎಂಡ್ ತರಬೇತುಗೊಳಿಸಿದ್ದೇವೆ:

1. ಈಗಾಗಲೇ ಮಾಡಿದ ಕೆಲಸವನ್ನು ಮರುಬಳಸಿ: ಮಾಡೆಲ್ ಸರದಿಗಳಾದ್ಯಂತ ರೀಜನಿಂಗ್ ಅನ್ನು ಉಳಿಸಿಕೊಳ್ಳಲು⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಅವಕಾಶ ನೀಡಿ ಮತ್ತು ದೀರ್ಘ ಸಂಭಾಷಣೆಗಳನ್ನು ಸಂಕುಚಿತಗೊಳಿಸಲು ಸ್ಥಳೀಯ ಸಂದರ್ಭ ಸಂಕುಚಿತಗೊಳಿಸುವಿಕೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬಳಸುವುದರಿಂದ, ಮಾಡೆಲ್ ಗೊಂದಲಗೊಳ್ಳದೆ ಅಥವಾ ಹಿಂದಿನ ಸಂದರ್ಭವನ್ನು ಮರುನಿರ್ಮಿಸದೆ ದೀರ್ಘಾವಧಿಯ ಕಾರ್ಯಗಳಾದ್ಯಂತ ತನ್ನ ಕೆಲಸದ ಸುಸಂಬದ್ಧತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುತ್ತದೆ.

2. ಸೂಕ್ತವಾಗಿರುವಲ್ಲಿ ಸಮಾಂತರವಾಗಿ ವಿಭಜಿಸಿ: ಸ್ಥಳೀಯ ಬಹು-ಏಜೆಂಟ್ ಸಂಯೋಜನೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬಳಸುವುದರಿಂದ ಹಲವು ಏಜೆಂಟ್‌ಗಳನ್ನು ಸಮಾಂತರ ವರ್ಕ್‌ಸ್ಟ್ರೀಮ್‌ಗಳಲ್ಲಿ ಸಂಯೋಜಿಸಿ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ವೇಗವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಬಹುದು.

3. ನಿರ್ಧಾರಿತ ಕೆಲಸವನ್ನು ಕೋಡ್‌ಗೆ ವರ್ಗಾಯಿಸಿ: ಮಾಡೆಲ್‌ನ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ವಿಂಡೋದ ಹೊರಗೆ ಟೂಲ್ ಫಲಿತಾಂಶಗಳನ್ನು ಶೋಧಿಸಲು, ಒಟ್ಟುಗೂಡಿಸಲು ಮತ್ತು ಸಂಯೋಜಿಸಲು ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕ್ ಟೂಲ್ ಕರೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬಳಸಿ. ಹೀಗೆ ಮಾಡೆಲ್ ಟೋಕನ್‌ಗಳನ್ನು ನಿರ್ಣಯಕ್ಕೆ ಮೀಸಲಿಟ್ಟು ವೆಚ್ಚ, ವಿಳಂಬ ಮತ್ತು ಸಂದರ್ಭದ ಕ್ಷೀಣತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು.

ಇವುಗಳನ್ನು ಒಟ್ಟಿಗೆ ಬಳಸಿದಾಗ ವ್ಯತ್ಯಾಸವು ಅಪಾರವಾಗಿರಬಹುದು. ಉದಾಹರಣೆಗೆ, ARC-AGI-3ನಲ್ಲಿ ಪ್ರಮಾಣಿತ ಪೂರಕ ವ್ಯವಸ್ಥೆಯೊಂದಿಗೆ GPT‑5.6 Sol 13.3% ಅಂಕ ಗಳಿಸಿತು. ಆದರೆ ಉಳಿಸಿಕೊಂಡ ರೀಜನಿಂಗ್ ಮತ್ತು ಸಂದರ್ಭ ಸಂಕುಚಿತಗೊಳಿಸುವಿಕೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿದ ನಂತರ, ಸುಮಾರು 6 ಪಟ್ಟು ಕಡಿಮೆ ಔಟ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸಿದ್ದರೂ ಅಂಕ 38.3%ಗೆ ಏರಿತು. ಮಾಡೆಲ್‌ನಲ್ಲಿ ಯಾವುದೇ ಬದಲಾವಣೆ ಇಲ್ಲ, ಆದರೂ ಕಾರ್ಯಕ್ಷಮತೆ ಸುಮಾರು ಮೂರು ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ. ನಮ್ಮ ARC-AGI-3 ಪೂರಕ ವ್ಯವಸ್ಥೆಯ ಪರಿಶೀಲನೆ ಕುರಿತು ಇಲ್ಲಿ ಇನ್ನಷ್ಟು ಓದಬಹುದು.

ಏಜೆಂಟ್ ಆಧಾರಿತ ವರ್ಕ್‌ಫ್ಲೋಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಎರಡು ಬಗೆಯ ಕೆಲಸಗಳಿರುತ್ತವೆ:

1. ನಿರ್ಣಯ ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳು

2. ಮುಖ್ಯವಾಗಿ ದತ್ತಾಂಶವನ್ನು ವರ್ಗಾಯಿಸುವ, ಶೋಧಿಸುವ ಮತ್ತು ಸಂಯೋಜಿಸುವ ಕೆಲಸ

ಏಜೆಂಟ್ 100 ದಾಖಲೆಗಳನ್ನು ಹಿಂಪಡೆದು, ದಿನಾಂಕದ ಪ್ರಕಾರ ಶೋಧಿಸಿ, ಸಂಬಂಧಿತ ವಹಿವಾಟುಗಳನ್ನು ಗುರುತಿಸುವಾಗ, ಮಾಡೆಲ್ ತನ್ನ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ವಿಂಡೋದಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಮಧ್ಯಂತರ ಫಲಿತಾಂಶದ ಕುರಿತು ರೀಸನಿಂಗ್ ಮಾಡಬೇಕಾಗಿಲ್ಲ. ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕ್ ಟೂಲ್ ಕರೆಯು ‌ ಟೂಲ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಲು, ಸ್ವತಂತ್ರ ಕರೆಗಳನ್ನು ಸಮಾಂತರವಾಗಿ ಚಲಾಯಿಸಲು ಮತ್ತು ಅವುಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಕಾನ್ಟೆಕ್ಸ್ಟ್ ವಿಂಡೋದ ಹೊರಗೆ ಸಂಸ್ಕರಿಸಲು GPT‑5.6ಗೆ JavaScript ಬರೆಯಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ. ಹೀಗಾಗಿ ಮಾಡೆಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್‌ಗೆ ಅಗತ್ಯವಿರುವ ನಿರ್ಣಯ ಕೈಗೊಳ್ಳುವುದರ ಮೇಲಷ್ಟೇ ಗಮನಹರಿಸಬಹುದು.

ಸಮಾಂತರಗೊಳಿಸಬಹುದಾದ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳಲ್ಲಿ, ಹಲವು ಏಜೆಂಟ್ ವರ್ಕ್‌ಫ್ಲೋಗಳ ನಡುವೆ ಕ್ರಮಗಳು ಮತ್ತು ರೀಜನಿಂಗ್ ಅನ್ನು ಹಂಚುವುದರಿಂದ ಕಾರ್ಯಗಳನ್ನು ವೇಗವಾಗಿ ಹಾಗೂ ಹೆಚ್ಚಿನ ಇಂಟೆಲಿಜೆನ್ಸ್‌ನಿಂದ ಪೂರ್ಣಗೊಳಿಸಬಹುದು. ಈ ಸಂಯೋಜನೆಗಳಲ್ಲಿ ಉಪ-ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು ಮತ್ತು ಅವರಿಗೆ ಕಾರ್ಯಗಳನ್ನು ನಿಯೋಜಿಸುವುದು ಮುಖ್ಯ ಏಜೆಂಟ್‌ನ ಜವಾಬ್ದಾರಿ. ಉಪ-ಏಜೆಂಟ್‌ಗಳು ತಮ್ಮ ಗುರಿಗಳನ್ನು ಸಮಾಂತರವಾಗಿ ಸಾಧಿಸಿ, ಕೊನೆಯಲ್ಲಿ ಅಂತಿಮ ಸಂಯೋಜನೆಗಾಗಿ ತಮ್ಮ ಫಲಿತಾಂಶವನ್ನು ಮುಖ್ಯ ಏಜೆಂಟ್‌ಗೆ ಹಿಂತಿರುಗಿಸುತ್ತವೆ. Responses APIಯಲ್ಲಿ ಬಹು-ಏಜೆಂಟ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುವ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮೂಲಕ ತಂಡಗಳು ಸ್ಥಳೀಯವಾಗಿಯೇ ಅದರ ಪ್ರಯೋಜನ ಪಡೆಯಲು ಆರಂಭಿಸಬಹುದು. ChatGPTಯಲ್ಲಿನ Ultra ಸಾಮರ್ಥ್ಯದ ಸೆಟ್ಟಿಂಗ್ ಕೂಡ ಇದೇ ರೀತಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ಸೂಕ್ತ ಸಂಖ್ಯೆಯ ಉಪ-ಏಜೆಂಟ್‌ಗಳು ಎಷ್ಟು ಮತ್ತು ಅವುಗಳನ್ನು ಯಾವಾಗ ರಚಿಸಬೇಕು ಎಂಬುದನ್ನು GPT‑5.6 ಚೆನ್ನಾಗಿ ಅರಿತಿದ್ದರೂ, ಬಹು-ಏಜೆಂಟ್ ವರ್ತನೆಯನ್ನು ಸುಲಭವಾಗಿ ನಿರ್ದೇಶಿಸಬಹುದು. ಉಪ-ಏಜೆಂಟ್‌ಗಳನ್ನು ಯಾವಾಗ ಬಳಸಬೇಕೆಂದು ಮಾಡೆಲ್‌ಗೆ ಸೂಚಿಸಿದರೆ, ಹೆಚ್ಚುವರಿ ಟೋಕನ್ ವೆಚ್ಚವು ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆ ನೀಡುವ ಸಂದರ್ಭಗಳಲ್ಲಷ್ಟೇ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚುತ್ತದೆ.

ಇಡೀ ಮಾಡೆಲ್ ಕುಟುಂಬದಲ್ಲಿ ಪ್ರಾಂಪ್ಟ್ ಕ್ಯಾಶ್‌ನ TTL ಅನ್ನು ಕನಿಷ್ಠ 30 ನಿಮಿಷಗಳಿಗೆ ವಿಸ್ತರಿಸಲಾಗಿದೆ ಮತ್ತು ಈಗ ಮಾಡೆಲ್‌ನ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ವಿಂಡೋದೊಳಗೆ ಕ್ಯಾಶ್ ಬ್ರೇಕ್‌ಪಾಯಿಂಟ್‌ಗಳನ್ನು ನಿರ್ಧಾರಿತವಾಗಿ ಹೊಂದಿಸಬಹುದು. ಇದರಿಂದ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳು ತಮ್ಮ ಕ್ಯಾಶ್ ಹಿಟ್ ದರವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಿವೆ.

ಕ್ಯಾಶ್ ಬ್ರೇಕ್‌ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಹೊಂದಿಸುವುದರ ಜೊತೆಗೆ, ಸೂಕ್ತವಾದ prompt_cache_key⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಅನ್ನು ಬಳಸುವುದರಿಂದ, ಹಿಂದೆ ಅದೇ ಪೂರ್ವಪ್ರತ್ಯಯವನ್ನು ನಿರ್ವಹಿಸಿದ ಇನ್‌ಫರೆನ್ಸ್ ಎಂಜಿನ್‌ಗೇ ವಿನಂತಿಗಳು ತಲುಪುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚಿ, ವಿಳಂಬ ಕಡಿಮೆಯಾಗುತ್ತದೆ.

ಈ ಉದಾಹರಣೆಗಳೆಲ್ಲದರಲ್ಲೂ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಆರ್ಥಿಕತೆಯು ಎಷ್ಟು ಬದಲಾಗಿದೆ ಎಂಬುದು ಎದ್ದು ಕಾಣುತ್ತದೆ.

ಹಿಂದೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್ ಅಗತ್ಯವಿದ್ದ ಬಳಕೆಗಳು ಈಗ ಸಣ್ಣ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬಳಸಿ, ರೀಜನಿಂಗ್ ಪ್ರಯತ್ನವನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ದಕ್ಷ ವಾಸ್ತುಶಿಲ್ಪದ ಆಯ್ಕೆಗಳನ್ನು ಮಾಡುವ ಮೂಲಕ ಅಲ್ಪ ವೆಚ್ಚದಲ್ಲೇ ಸಮಾನ ಅಥವಾ ಉತ್ತಮ ಫಲಿತಾಂಶ ಪಡೆಯಬಹುದು.

ನೀವೆಲ್ಲರೂ ಏನು ನಿರ್ಮಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನೋಡಲು ನಾವು ಉತ್ಸುಕರಾಗಿದ್ದೇವೆ!