V7 AI ਏਜੰਟਾਂ ਨੂੰ ਸੰਸਥਾਗਤ ਯਾਦ ਕਿਵੇਂ ਦਿੰਦਾ ਹੈ

ਅੱਜ ਦੇ ਮਾਡਲ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਬਾਰੇ ਰੀਜ਼ਨਿੰਗ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਉਹ ਉਨ੍ਹਾਂ ਕੰਮਾਂ ਦੇ ਮੂਲ ਕਾਰੋਬਾਰੀ ਸੰਦਰਭ ਨੂੰ ਆਪਣੇ ਆਪ ਨਹੀਂ ਸਮਝਦੇ. ਫੰਡ ਦੀ ਕਿਹੜੀ ਰਿਪੋਰਟ ਮੌਜੂਦਾ ਹੈ? ਤਿੰਨ ਸਿਸਟਮਾਂ ਵਿੱਚ ਇੱਕੋ ਇਕਾਈ ਨੂੰ ਕਿਹੜੇ-ਕਿਹੜੇ ਨਾਮ ਦਿੱਤੇ ਗਏ ਹਨ?

ਉਹ ਸੰਦਰਭ ਦਸਤਾਵੇਜ਼ਾਂ, ਡੇਟਾ ਰੂਮਾਂ, ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ, ਈਮੇਲਾਂ ਅਤੇ ਅੰਦਰੂਨੀ ਟੂਲਾਂ ਵਿੱਚ ਖਿੰਡਿਆ, ਅਣਸੁਲਝਿਆ ਅਤੇ ਏਜੰਟਾਂ ਦੀ ਨਜ਼ਰ ਤੋਂ ਲੁਕਿਆ ਰਹਿੰਦਾ ਹੈ. ਵਿੱਤ, ਬੀਮੇ ਅਤੇ ਰੀਅਲ ਅਸਟੇਟ ਦੀਆਂ ਟੀਮਾਂ ਲਈ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਅੰਦਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਦੀ ਸ਼ੁੱਧਤਾ ਨਾਲ ਕੋਈ ਸਮਝੌਤਾ ਨਹੀਂ ਹੋ ਸਕਦਾ.

ਕੰਪਿਊਟਰ ਦ੍ਰਿਸ਼ਟੀ ਉੱਤੇ ਆਧਾਰਿਤ ਇੱਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾਂਦੀ ਪਹੁੰਚਯੋਗਤਾ ਐਪ ਇਕੱਠੇ ਬਣਾਉਣ ਤੋਂ ਬਾਅਦ, ਰਿਜ਼ੋਲੀ ਅਤੇ ਐਡਵਰਡਸਨ ਨੇ 2018 ਵਿੱਚ V7⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਸ਼ੁਰੂ ਕੀਤਾ ਤਾਂ ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ AI ਸਿਸਟਮਾਂ ਨੂੰ ਆਪਣੇ ਕਾਰੋਬਾਰ ਦਾ ਕੰਮ ਕਰਨ ਦਾ ਢੰਗ ਸਿਖਾਉਣ ਵਿੱਚ ਮਦਦ ਮਿਲੇ. V7 Go ਅਹਿਮ ਕਾਰੋਬਾਰੀ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਬਣਾਉਣ ਅਤੇ ਲੁਕੇ ਸੰਦਰਭ ਨੂੰ ਅਜਿਹੀ ਯਾਦ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕਰਨ ਲਈ ਇੱਕ ਏਜੰਟ-ਅਧਾਰਿਤ ਮੰਚ ਹੈ, ਜਿਸ ਵਿੱਚ ਏਜੰਟ ਪੁੱਛਗਿੱਛ ਕਰਕੇ ਕਾਰਵਾਈ ਕਰ ਸਕਦੇ ਹਨ.

V7 Go ਲੱਖਾਂ ਫ਼ਾਈਲਾਂ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀ ਕੱਢਣ ਅਤੇ ਉਸ ਨੂੰ ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕਰਨ ਲਈ GPT‑5.6 Luna ਵਰਤਦਾ ਹੈ. ਇਹ ਗ੍ਰਾਫ਼ ਇਕਾਈਆਂ, ਸੰਬੰਧਾਂ ਅਤੇ ਹਵਾਲੇ ਵਾਲੇ ਸਬੂਤਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ ਅਤੇ MCP ਖੋਜ ਤੇ ਸੈਂਕੜੇ ਪੜਾਵਾਂ ਤੱਕ ਫੈਲ ਸਕਣ ਵਾਲੇ ਦੁਹਰਾਉਣਯੋਗ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ. ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਲਈ, V7 Go ਉਨ੍ਹਾਂ ਗੁੰਝਲਦਾਰ, ਕਈ ਪੜਾਵਾਂ ਵਾਲੀਆਂ ਹਦਾਇਤਾਂ ਵਿੱਚ ਰੀਜ਼ਨਿੰਗ ਅਤੇ ਟੂਲ ਵਰਤੋਂ ਵਾਸਤੇ GPT‑5.6 Terra ਅਤੇ Sol ਵਰਤਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਨੁੱਖਾਂ ਨੂੰ ਦਰਜਨਾਂ ਘੰਟੇ ਲੱਗਦੇ ਹਨ. V7 ਨੇ ਸਭ ਤੋਂ ਵੱਧ ਮਿਹਨਤ ਮੰਗਣ ਵਾਲੀਆਂ ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਪੁੱਛਗਿੱਛਾਂ ਲਈ GPT‑6 Astra ਵਰਤਣਾ ਵੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿੱਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹੈ.

V7 ਮੁਤਾਬਕ, ਸੰਦਰਭ, ਮਾਡਲਾਂ ਅਤੇ ਟੂਲਾਂ ਦੇ ਮਿਲ ਕੇ ਕੰਮ ਕਰਨ ਨਾਲ ਏਜੰਟ 50–100 ਪੜਾਵਾਂ ਵਾਲੇ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਮਿੰਟਾਂ ਵਿੱਚ 99.9% ਸ਼ੁੱਧਤਾ ਨਾਲ ਪੂਰੇ ਕਰਦੇ ਹਨ ਅਤੇ ਹਰ ਫ਼ੈਸਲੇ ਦਾ ਜਾਂਚਯੋਗ ਰਿਕਾਰਡ ਵੀ ਕਾਇਮ ਰੱਖਦੇ ਹਨ.

ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਇੱਕ ਖ਼ਾਸ ਸਮੱਸਿਆ ਹੱਲ ਕਰਦਾ ਹੈ. ਏਜੰਟਾਂ ਨੂੰ ਹਰ ਬੇਨਤੀ ਉੱਤੇ ਸੰਦਰਭ ਮੁੜ ਲੱਭਣਾ ਪੈਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਦਰਜਨਾਂ ਖੋਜਾਂ ਵਿੱਚ ਸਮਾਂ ਅਤੇ ਟੋਕਨ ਲੱਗਦੇ ਹਨ ਅਤੇ ਅਕਸਰ ਸੰਬੰਧਾਂ ਵਿੱਚ ਲੁਕੀ ਅਹਿਮ ਜਾਣਕਾਰੀ ਛੁੱਟ ਜਾਂਦੀ ਹੈ.

ਡੇਟਾ ਆਉਣ ਉੱਤੇ, V7 Go SharePoint ਅਤੇ Google Drive ਵਰਗੇ ਭੰਡਾਰਾਂ ਨਾਲ ਜੁੜਦਾ ਹੈ, ਉਨ੍ਹਾਂ ਵਿੱਚ ਇਕਾਈਆਂ, ਸੰਬੰਧ, ਤੱਥ, ਗੁਣ ਅਤੇ ਮਾਪ ਲੱਭਦਾ ਹੈ ਅਤੇ ਇੱਕ ਅਜਿਹਾ ਗ੍ਰਾਫ਼ ਭਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀ ਲੱਭਣਾ ਲੰਬੇ-ਸੰਦਰਭ ਵਾਲੀਆਂ ਵਿਧੀਆਂ ਨਾਲੋਂ ਕਈ ਗੁਣਾ ਸਸਤਾ ਅਤੇ ਤੇਜ਼ ਹੈ.

ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਏਜੰਟਾਂ ਨੂੰ ਇੱਕ ਸੰਰਚਿਤ ਅਤੇ ਤਾਜ਼ਾ ਰਿਕਾਰਡ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਹ ਸਿੱਧੀ ਪੁੱਛਗਿੱਛ ਕਰ ਸਕਦੇ ਹਨ. ਨਵੀਂ ਫ਼ਾਈਲ ਆਉਣ ਉੱਤੇ, V7 Go ਕੰਪਨੀਆਂ, ਫੰਡਾਂ, ਲੋਕਾਂ ਜਾਂ ਅਸਤਿਤਵ-ਵਰਗੀਕਰਨ ਦੀ ਕਿਸੇ ਵੀ ਇਕਾਈ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ, ਫਿਰ ਹਰ ਤੱਥ ਨੂੰ ਨਵੇਂ ਜਾਂ ਮੌਜੂਦਾ ਰਿਕਾਰਡ ਨਾਲ ਜੋੜਦਾ ਹੈ ਅਤੇ ਮੂਲ ਸਰੋਤ ਦੇ ਹਵਾਲੇ ਵਾਲੇ ਸਬੂਤ ਸੰਭਾਲਦਾ ਹੈ. ਜੇ ਗ੍ਰਾਫ਼ ਵਿੱਚ ਕਾਫ਼ੀ ਜਾਣਕਾਰੀ ਨਾ ਹੋਵੇ, ਤਾਂ V7 Go ਫਿਰ ਵੀ RAG ਰਾਹੀਂ ਮੂਲ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਖੋਜ ਕਰ ਸਕਦਾ ਹੈ.

V7 ਨੇ ਇਹ ਵੀ ਪਰਖਿਆ ਹੈ ਕਿ ਉਸ ਸੰਦਰਭ ਦੀ ਸੰਰਚਨਾ ਕਿੰਨੀ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਕਾਰੋਬਾਰੀ ਸਿਸਟਮਾਂ ਵਿੱਚ ਫੈਲੀ ਜਾਣਕਾਰੀ ਲੱਭਣ ਅਤੇ ਜੋੜਨ ਦੇ ਮਿਆਰੀ ਟੈਸਟ HERB ਉੱਤੇ, V7 ਦੇ ਸਿਰਫ਼ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਵਾਲੇ ਸਿਸਟਮ ਨੇ ਅਧਿਕਾਰਤ ਅਧਾਰ-ਰੇਖਾ ਨਾਲੋਂ 69% ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਅਤੇ ਜਿਨ੍ਹਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਨਹੀਂ ਦਿੱਤੇ ਜਾ ਸਕਦੇ ਸਨ, ਉਨ੍ਹਾਂ ਉੱਤੇ ਮਨਘੜਤ ਜਵਾਬ 38% ਘਟਾਏ. V7 Go ਉਸ ਸਰੋਤ-ਨਾਲ-ਜੁੜੇ ਸੰਦਰਭ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗੁੰਝਲਦਾਰ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਹਰ ਕੰਪਨੀ ਦੀ ਆਪਣੀ ਜਾਣਕਾਰੀ ਉੱਤੇ ਆਧਾਰਿਤ ਰੱਖਦਾ ਹੈ.

V7 Go ਉਸ ਵਿਵਸਥਿਤ ਸੰਦਰਭ ਨੂੰ ਨਿੱਜੀ ਇਕਵਿਟੀ ਸੌਦਿਆਂ ਦੀ ਜਾਂਚ ਅਤੇ ਬੀਮਾ ਜੋਖਮ-ਮੁਲਾਂਕਣ ਵਰਗੇ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਵਿੱਚ ਵਰਤਦਾ ਹੈ. ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ, ਇੱਕ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਗੁਪਤ ਜਾਣਕਾਰੀ ਮੈਮੋਰੈਂਡਮ (CIM) ਨਾਮਕ ਸੌਦਾ ਦਸਤਾਵੇਜ਼ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀ ਕੱਢਦਾ ਹੈ, ਮੁੱਖ ਵਿੱਤੀ ਅੰਕੜੇ, ਸੌਦੇ ਦੀਆਂ ਸ਼ਰਤਾਂ ਅਤੇ ਪ੍ਰਬੰਧਨ ਵੇਰਵੇ ਦਿੰਦਾ ਹੈ ਅਤੇ ਜੋਖਮ ਖੇਤਰਾਂ ਲਈ ਹਵਾਲੇ ਜੋੜਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ V7 Go ਜਾਂਚ-ਨੋਟ ਤਿਆਰ ਕਰਦਾ ਹੈ.

ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਮਾਡਲ ਨੂੰ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਇਤਿਹਾਸ ਨੂੰ ਹਰ ਵਾਰ ਮੁੜ ਸਿੱਖੇ ਬਿਨਾਂ ਉਸ ਨਾਲ ਕੰਮ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ. ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੇ ਏਜੰਟਾਂ ਲਈ, V7 Go ਹਾਲੀਆ ਗੱਲਬਾਤ ਨੂੰ ਮਾਡਲ ਦੇ ਸਰਗਰਮ ਸੰਦਰਭ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਅਤੇ ਪੁਰਾਣੀ ਸਮੱਗਰੀ ਨੂੰ ਲੋੜ ਪੈਣ ਉੱਤੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਗ੍ਰਾਫ਼ ਵਿੱਚ ਸੰਭਾਲਦਾ ਹੈ.

ਉਹ ਸਾਂਝਾ ਸੰਦਰਭ ਪਹਿਲਾਂ ਹੀ V7 ਦੇ ਗਾਹਕਾਂ ਲਈ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਵੱਧ ਵਰਤੋਂ ਵਾਲੇ ਕੰਮ ਨੂੰ ਤੇਜ਼ ਕਰ ਰਿਹਾ ਹੈ:

• ਸੰਪਤੀ ਪ੍ਰਬੰਧਕ ਸੌਦਿਆਂ ਦੀ ਜਾਂਚ ਪਹਿਲਾਂ ਨਾਲੋਂ 21 ਗੁਣਾ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਪੂਰੇ ਦਿਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਿਰਫ਼ 15 ਮਿੰਟਾਂ ਤੱਕ ਘਟਾ ਸਕਦੇ ਹਨ.

• ਇੱਕ ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਟੀਮ ਨੇ ਸਮੀਖਿਆ ਦਾ ਸਮਾਂ 100 ਘੰਟਿਆਂ ਤੋਂ ਵੱਧ ਤੋਂ ਘਟਾ ਕੇ 10 ਘੰਟਿਆਂ ਤੋਂ ਘੱਟ ਕਰ ਦਿੱਤਾ ਅਤੇ ਹਰ ਕੰਮ ਉੱਤੇ ਮਾਹਰਾਂ ਦੀ ਲਾਗਤ ਵਿੱਚ $12,000 ਬਚਾਏ.

• ਆਪਣੇ ਏਜੰਟਾਂ ਨੂੰ ਪਿਛਲੇ ਸਾਰੇ ਦਾਅਵਿਆਂ ਅਤੇ ਮੌਜੂਦਾ ਪਾਲਿਸੀਆਂ ਦਾ ਇਤਿਹਾਸਕ ਗਿਆਨ ਦੇਣ ਤੋਂ ਬਾਅਦ, ਬੀਮਾ ਟੀਮਾਂ ਨੇ ਹੱਥੀਂ ਪ੍ਰਕਿਰਿਆ ਦੀ ਅਧਾਰ-ਰੇਖਾ ਦੇ ਮੁਕਾਬਲੇ ਦਾਅਵਿਆਂ ਦੀ ਕਾਰਵਾਈ ਵਿੱਚ ਗਲਤੀਆਂ 13.5% ਘਟਾਈਆਂ.

ਗੁੰਝਲਦਾਰ, ਕਈ ਪੜਾਵਾਂ ਵਾਲੇ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਕਿ ਮਾਡਲ ਲੰਬੀਆਂ ਹਦਾਇਤਾਂ ਦੀ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪਾਲਣਾ ਕਰੇ, ਟੂਲ ਚਲਾਏ, ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰੇ ਅਤੇ ਪੜਾਵਾਂ ਦੀ ਲੰਬੀ ਲੜੀ ਪਾਰ ਕਰੇ. ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਦੀ ਇੱਕ ਗਲਤੀ ਵੀ ਮਹਿੰਗੇ ਨਤੀਜਿਆਂ ਅਤੇ AI ਸਿਸਟਮਾਂ ਉੱਤੇ ਭਰੋਸਾ ਟੁੱਟਣ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ. V7 Go ਮਾਡਲਾਂ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਵਾਲੇ ਕੰਮਾਂ ਵਿੱਚ ਰਾਹ ਦਿਖਾਉਂਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਨਿਰਧਾਰਤ ਕੋਡ, ਛੋਟੇ ਮਾਡਲਾਂ ਨੂੰ ਕੰਮ ਸੌਂਪਣਾ, ਫ਼ਾਈਲ ਬਣਾਉਣ ਦੇ ਪੜਾਅ ਅਤੇ ਏਕੀਕਰਨ ਸ਼ਾਮਲ ਹਨ, ਨਾਲ ਹੀ ਹਰ ਸੰਚਾਲਨ ਦਾ ਜਾਂਚਯੋਗ ਰਿਕਾਰਡ ਵੀ ਰਹਿੰਦਾ ਹੈ.

AI ਦੁਆਰਾ ਬਣਾਏ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਵਿੱਚ, V7 Go ਹਰ ਪੜਾਅ ਨੂੰ ਤੇਜ਼, ਦਰਮਿਆਨੇ ਅਤੇ ਬੁੱਧੀਮਾਨ ਪੱਧਰ ਨਾਲ ਜੋੜਦਾ ਹੈ. GPT‑5.6 Luna ਸੰਰਚਿਤ ਜਾਣਕਾਰੀ ਕੱਢਣ ਅਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਾਲੇ ਹੋਰ ਕੰਮ ਸੰਭਾਲਦਾ ਹੈ, ਜਦਕਿ GPT‑5.6 Terra ਜਾਂ Sol ਚੈਟ, Go Agent ਮਾਰਗ ਅਤੇ ਵਧੇਰੇ ਰੀਜ਼ਨਿੰਗ ਜਾਂ ਟੂਲ ਵਰਤੋਂ ਮੰਗਣ ਵਾਲੇ ਪੜਾਵਾਂ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ.

V7 ਨਵੇਂ ਮਾਡਲਾਂ ਨੂੰ ਲਗਾਤਾਰ ਸੰਭਾਲੇ ਜਾਂਦੇ ਮਿਆਰੀ ਜਾਂਚ-ਸਮੂਹ ਉੱਤੇ ਪਰਖਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਹਵਾਲਿਆਂ ਦੀ ਸ਼ੁੱਧਤਾ, ਸੈਂਕੜੇ ਦਸਤਾਵੇਜ਼ ਕਿਸਮਾਂ ਵਿੱਚ ਜਾਣਕਾਰੀ ਕੱਢਣ ਦੀ ਗੁਣਵੱਤਾ, ਜਵਾਬਾਂ ਦੀ ਸਹੀ ਹੋਣ ਦੀ ਦਰ, ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ, ਦੇਰੀ, ਲਾਗਤ ਅਤੇ ਅਸਲ ਕਾਰੋਬਾਰੀ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਸ਼ਾਮਲ ਹਨ. V7 ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਮਰੱਥਾਵਾਂ ਵਿੱਚ OpenAI ਜ਼ਿਆਦਾਤਰ ਮਾਡਲਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ. V7 ਵੱਲੋਂ ਵਰਤੇ ਜਾਂਦੇ ਹੋਰ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਹਫ਼ਤੇ ਲੱਗਣ ਦੇ ਮੁਕਾਬਲੇ, OpenAI ਨੇ V7 ਦੀ ਵਧੀ ਸਮਰੱਥਾ ਦੀ ਲੋੜ ਨੂੰ ਕੁਝ ਘੰਟਿਆਂ ਵਿੱਚ ਮਨਜ਼ੂਰ ਕਰਕੇ ਲਾਗੂ ਵੀ ਕਰ ਦਿੱਤਾ.

V7 ਦੇ ਨਵੀਨਤਮ ਜਾਂਚ-ਢਾਂਚੇ ਵਿੱਚ, ਕਈ ਬਾਹਰੀ ਕਾਲਾਂ ਵਾਲੇ ਮੁੱਖ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਹੁਣ 50% ਤੱਕ ਤੇਜ਼ੀ ਨਾਲ ਪੂਰੇ ਹੁੰਦੇ ਹਨ. V7 ਨੇ GPT‑5.6 Luna ਨਾਲ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਇੱਕ ਹੋਰ ਲਾਭ ਮਾਪਿਆ: GPT‑5.4 mini ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰਤੀ ਦਸਤਾਵੇਜ਼ 78% ਘੱਟ ਲਾਗਤ. V7 ਨੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਵੱਧ ਵਰਤੋਂ ਵਾਲੇ ਆਪਣੇ V7 Go ਕਾਰਜਭਾਰ ਵੀ ਚੈਟ ਕੰਪਲੀਸ਼ਨਜ਼ API ਤੋਂ ਰਿਸਪਾਂਸਿਜ਼ API ਉੱਤੇ ਤਬਦੀਲ ਕਰ ਦਿੱਤੇ. ਇਸ ਦੀ ਜਾਂਚ ਵਿੱਚ, ਇਸ ਤਬਦੀਲੀ ਨੇ PDF ਦੀ ਵੱਧ ਵਰਤੋਂ ਵਾਲੇ ਕੁਝ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਲਈ ਟੋਕਨ ਵਰਤੋਂ ਲਗਭਗ 5% ਘਟਾਈ ਅਤੇ ਕੈਸ਼ਿੰਗ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਸੁਧਾਰੀ.

V7 ਨੇ ਆਪਣੇ ਸਭ ਤੋਂ ਔਖੇ ਸਵਾਲਾਂ ਉੱਤੇ GPT‑6 Astra ਦੀ ਵੀ ਜਾਂਚ ਕੀਤੀ. GPT‑5.6 Sol ਨੇ V7 ਦੇ ਕਈ ਮੌਜੂਦਾ ਮਿਆਰੀ ਟੈਸਟਾਂ ਵਿੱਚ ਲਗਭਗ ਪੂਰੇ ਅੰਕ ਹਾਸਲ ਕਰ ਲਏ ਸਨ, ਇਸ ਲਈ ਕੰਪਨੀ ਨੇ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਵਧੇਰੇ ਬੇਤਰਤੀਬ ਅਸਲ ਡੇਟਾ ਨਾਲ ਗ੍ਰਾਫ਼-ਪੁੱਛਗਿੱਛ ਸਵਾਲਾਂ ਦਾ ਹੋਰ ਚੁਣੌਤੀਪੂਰਨ ਸਮੂਹ ਬਣਾਇਆ. ਟੈਸਟ ਦਾ ਡੇਟਾ-ਸਮੂਹ ਔਖਿਆਈ ਦੇ ਚਾਰ ਪੱਧਰਾਂ ਵਿੱਚ ਵੰਡਿਆ ਹੋਇਆ ਹੈ. V7 ਮੁਤਾਬਕ, ਬਹੁਤ ਔਖੇ ਪੱਧਰ ਉੱਤੇ GPT‑5.6 Sol ਨੇ 78% ਅੰਕ ਹਾਸਲ ਕੀਤੇ, ਜਦਕਿ GPT‑6 Astra ਦੀ ਸ਼ੁੱਧਤਾ 89% ਰਹੀ. ਦੋਵਾਂ ਮਾਡਲਾਂ ਨੇ ਸੌਖੇ, ਦਰਮਿਆਨੇ ਅਤੇ ਔਖੇ ਪੱਧਰਾਂ ਉੱਤੇ ਲਗਭਗ 100% ਅੰਕ ਹਾਸਲ ਕੀਤੇ.

V7 Go ਪਹਿਲਾਂ ਹੀ ਆਪਣੇ MCP ਸਰਵਰ ਰਾਹੀਂ ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਦੀ ਪੁੱਛਗਿੱਛ ਅਤੇ ਡੇਟਾ ਗ੍ਰਹਿਣ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ, ਇਸ ਲਈ ਗਾਹਕ ਇਸ ਨੂੰ ChatGPT ਅਤੇ ਹੋਰ ਅਨੁਕੂਲ ਕਲਾਇੰਟਾਂ ਤੋਂ ਵਰਤ ਸਕਦੇ ਹਨ. ਉਹ Codex ਵਿੱਚ MCP ਰਾਹੀਂ V7 Go ਕਾਰਜ-ਪ੍ਰਵਾਹ ਵੀ ਬਣਾ ਸਕਦੇ ਹਨ. ਕਾਰਜ-ਪ੍ਰਵਾਹ ਦੀ ਸਰਲ ਰਚਨਾ ਦੇ ਨਾਲ, ਇਸ ਨੇ ਦਰਮਿਆਨੀ ਲੰਬਾਈ ਦਾ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਬਣਾਉਣ ਦਾ ਸਮਾਂ ਲਗਭਗ ਇੱਕ ਘੰਟੇ ਤੋਂ ਘਟਾ ਕੇ ਕਰੀਬ 20 ਮਿੰਟ ਕਰ ਦਿੱਤਾ ਹੈ.

V7 ਦਾ ਲੰਬੇ ਸਮੇਂ ਦਾ ਟੀਚਾ ਉਸ ਸਾਂਝੀ ਯਾਦ ਨੂੰ ਹੋਰ ਸਰਗਰਮ ਬਣਾਉਣਾ ਹੈ. ਟੀਮ ਅਜਿਹੇ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਉੱਤੇ ਕੰਮ ਕਰ ਰਹੀ ਹੈ ਜੋ ਸੰਦਰਭ ਗ੍ਰਾਫ਼ ਵਿੱਚ ਤੱਥ ਬਦਲਣ ਉੱਤੇ ਸ਼ੁਰੂ ਹੋਣ, ਅਸੰਗਤੀਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਨ ਅਤੇ ਲੋਕਾਂ ਨੂੰ ਦੱਸਣ ਕਿ ਕਿਹੜੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਮੁੜ ਸਮੀਖਿਆ ਲੋੜੀਂਦੀ ਹੈ. ਮਿਸਾਲ ਵਜੋਂ, ਮੁੜ ਜਾਰੀ ਕੀਤੀ ਫੰਡ ਰਿਪੋਰਟ V7 Go ਨੂੰ ਉਹ ਕੰਮ ਚਿੰਨ੍ਹਿਤ ਕਰਨ ਲਈ ਪ੍ਰੇਰ ਸਕਦੀ ਹੈ ਜੋ ਹਾਲੇ ਵੀ ਪੁਰਾਣੇ ਅੰਕੜਿਆਂ ਉੱਤੇ ਨਿਰਭਰ ਹੈ.

ਰਿਜ਼ੋਲੀ ਕਹਿੰਦੇ ਹਨ, “ਸਾਡਾ ਟੀਚਾ ਅਹਿਮ ਕਾਰੋਬਾਰੀ ਕੰਮ ਹੱਲ ਕਰਨ ਵਾਲੇ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਅਤੇ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਯਾਦ ਰਾਹੀਂ ਕਾਰੋਬਾਰਾਂ ਨੂੰ AI ਦੇ ਯੁੱਗ ਲਈ ਆਪਣੇ ਟੂਲ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਹੈ.” “AI ਤੋਂ ਅਸਲ ਮੁੱਲ ਹਾਸਲ ਕਰਨ ਵਾਲੀਆਂ ਵਿੱਤੀ ਕੰਪਨੀਆਂ ਉਹ ਨਹੀਂ ਹੋਣਗੀਆਂ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਭ ਤੋਂ ਵੱਧ ਏਜੰਟ ਹੋਣਗੇ. ਉਹ ਉਹ ਕੰਪਨੀਆਂ ਹੋਣਗੀਆਂ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਦਰਭ ਹੋਵੇਗਾ.”