പ്രധാന ഉള്ളടക്കത്തിലേക്ക് നീങ്ങുക
OpenAI

2026 സെപ്റ്റംബർ 22

സ്റ്റാർട്ടപ്പ്

GPT‑6 Astra: Parallel ഗവേഷണ സമയവും ചിലവും 50% കുറച്ചു

മുൻ മോഡലുകളെ അപേക്ഷിച്ച്, GPT‑6 Astra ഉപയോഗിച്ച് Parallel-ന്റെ ഏജന്റുകൾ പകുതി സമയത്തിലും ചിലവിലും തൊഴിൽവിപണി ഡാറ്റ ഗവേഷണം ചെയ്ത് സംഗ്രഹിച്ചു.

കമ്പനിയുടെ വലിപ്പം: സ്റ്റാർട്ടപ്പ്
മേഖല: നോർത്ത് അമേരിക്ക
ഇൻഡസ്ട്രി: സാങ്കേതിക വിദ്യ
ഉൽപ്പന്നങ്ങൾ: API

50%

ഗവേഷണ ജോലികൾ പൂർത്തിയാക്കാൻ കുറഞ്ഞ സമയം

50%

കോഡ് ചിലവിലെ കുറവ്

ലോഡിംഗ്…

വെബിൽ വിജ്ഞാനാധിഷ്ഠിത ജോലികൾ ചെയ്യുന്ന എഐ ഏജന്റുകൾക്കായി Parallel⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഡെവലപ്പർ അടിസ്ഥാനസൗകര്യം ഒരുക്കുന്നു. ശബ്ദ ഏജന്റുകൾക്കായുള്ള വെബ് ഗ്രൗണ്ടിംഗ് മുതൽ ധനകാര്യ സ്ഥാപനങ്ങൾക്കും നിയമസേവന ഉപഭോക്താക്കൾക്കുമുള്ള ഗവേഷണം വരെ ഇതിന്റെ ഉപകരണങ്ങൾ പിന്തുണയ്ക്കുന്നു. ഇതിനായി അത്യാധുനിക മോഡലുകളെ വെബ് തിരയലുമായി സംയോജിപ്പിക്കുന്നു.

Parallel-ന്റെ ഏറ്റവും ദൈർഘ്യമേറിയ ഗവേഷണ ജോലികളിൽ ഉയർന്ന നിലവാരമുള്ള ഉത്തരം ലഭിക്കാൻ സാധാരണയായി വിപുലമായ റീസണിംഗ് ശേഷിയുള്ള വലിയ മോഡൽ ഉപയോഗിക്കേണ്ടിവന്നിരുന്നു. ഇതിന് കൂടുതൽ സമയവും വിഭവങ്ങളും ആവശ്യമായിരുന്നു. GPT‑6 Astra ഉപയോഗിച്ചതോടെ സമയത്തിലും ചിലവിലും വലിയ പുരോഗതി കമ്പനി കൈവരിച്ചു.

“കുറഞ്ഞ ഗവേഷണ അഭ്യർഥനകളും കുറച്ച് ടോക്കണുകളും ഉപയോഗിച്ച് അതേ ഉയർന്ന നിലവാരമുള്ള ഗവേഷണം വളരെ വേഗത്തിൽ നേടാമെന്ന് Astra ഉപയോഗിച്ച് ഞങ്ങൾ തെളിയിച്ചു.”
—ഡെവിൻ ഗുപ്ത, സാങ്കേതിക വിഭാഗാംഗം, Parallel Web Systems

ആറ് മാസത്തെ ഡാറ്റ ഇരട്ടി വേഗത്തിൽ സമാഹരിക്കുന്നു

GPT‑6 Astra-യുടെ ഒരു പരീക്ഷണത്തിൽ, നാല് സംസ്ഥാനങ്ങളിലെ ആറ് വ്യത്യസ്ത തൊഴിൽവിപണി സ്ഥിതിവിവരക്കണക്കുകളെക്കുറിച്ച് ആറ് മാസക്കാലയളവിൽ ഗവേഷണം നടത്താൻ Parallel അതിന്റെ ഏജന്റിനോട് ആവശ്യപ്പെട്ടു. ഏജന്റിന് നിരവധി വെബ്‌സൈറ്റുകളിൽ തിരയുകയും വിവരങ്ങൾ ശേഖരിക്കുകയും കണ്ടെത്തലുകൾ ഒരൊറ്റ ഗവേഷണ റിപ്പോർട്ടായി സമാഹരിക്കുകയും ചെയ്യേണ്ടിയിരുന്നു.

മുൻ മോഡലുകളുടെ പകുതി സമയത്തിനുള്ളിൽ, കോഡ് ചിലവ് ഏകദേശം 50% കുറച്ചുകൊണ്ട്, അതേ ഗവേഷണ നിലവാരത്തിൽ ജോലി പൂർത്തിയാക്കാൻ GPT‑6 Astra-യ്ക്ക് കഴിഞ്ഞു.

കുറഞ്ഞ ഘട്ടങ്ങളിലൂടെ ഉയർന്ന നിലവാരമുള്ള ഉത്തരങ്ങളിലേക്ക്

GPT‑6 Astra കൂടുതൽ കേന്ദ്രീകൃതമായ തിരയലുകൾ നടത്തുകയും പ്രയോജനകരമായ ഫലത്തിലെത്താൻ കുറഞ്ഞ ഘട്ടങ്ങൾ മാത്രം എടുക്കുകയും ചെയ്തതായും Parallel കണ്ടെത്തി.

“മുൻ മോഡലുകളെ അപേക്ഷിച്ച്, Astra കൂടുതൽ ലക്ഷ്യബോധമുള്ള തിരയൽ ചോദ്യങ്ങൾ നൽകുകയും സ്വന്തം ലോകവിജ്ഞാനം പ്രയോജനപ്പെടുത്തി അന്തിമ ജോലിയിൽ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ചെയ്തു.”
—ഡെവിൻ ഗുപ്ത, സാങ്കേതിക വിഭാഗാംഗം, Parallel Web Systems

വർധിച്ച കാര്യക്ഷമത, നിരവധി ഏജന്റുകൾക്കിടയിൽ ഗവേഷണം വിഭജിക്കുന്നത് Parallel-ന് കൂടുതൽ പ്രായോഗികമാക്കുന്നു. GPT‑6 Astra-യ്ക്ക് നിർദിഷ്ട ഗവേഷണ ജോലികൾ ഉപ-ഏജന്റുകൾക്ക് ഏൽപ്പിക്കാനാകും. ഇതിലൂടെ ജോലികൾ ഒരേസമയം നടക്കുകയും തിരയലുകളുടെ ഒരൊറ്റ ക്രമത്തിലൂടെ മുന്നോട്ടുപോകാൻ വേണ്ട സമയം കുറയുകയും ചെയ്യുന്നു.

സങ്കീർണമായ ചോദ്യത്തിൽനിന്ന് ഗവേഷണാധിഷ്ഠിത ഉത്തരത്തിലേക്കുള്ള മികച്ച മാർഗം ഇപ്പോൾ Parallel-നുണ്ട്. കാത്തിരിപ്പ് സമയവും ചിലവും കുറയുന്നതിനൊപ്പം, വലിയ തോതിൽ ദുഷ്കരമായ ഗവേഷണ ജോലികൾ ഏറ്റെടുക്കാനും കൂടുതൽ അവസരമുണ്ട്.