Parallel skrócił o połowę czas i koszt badań dzięki GPT‑6 Astra
GPT‑6 Astra umożliwił agentom Parallel badanie i syntezę danych rynku pracy w o połowę krótszym czasie i przy kosztach o połowę niższych niż w przypadku wcześniejszych modeli.
50%
Krótszy czas realizacji zadań badawczych
50%
Redukcja kosztu kodu
Parallel(otwiera nowe okno) tworzy infrastrukturę programistyczną dla agentów AI, którzy wykonują w internecie pracę opartą na wiedzy. Narzędzia firmy obsługują różne zastosowania — od internetowego ugruntowania agentów głosowych po badania dla instytucji finansowych i klientów z branży prawnej — łącząc pionierskie modele z wyszukiwaniem w internecie.
W przypadku najbardziej czasochłonnych zadań badawczych Parallel uzyskanie wysokiej jakości odpowiedzi zwykle wymagało użycia większego modelu z rozszerzonym rozumowaniem, co pochłaniało więcej czasu i zasobów. Dzięki GPT‑6 Astra firma znacząco skróciła czas realizacji zadań i obniżyła ich koszt.
„Dzięki modelowi Astra pokazaliśmy, że równie wysoką jakość badań można uzyskać znacznie, znacznie szybciej, przy mniejszej liczbie wywołań badawczych i tokenów”.
W jednym z testów GPT‑6 Astra firma Parallel zleciła swojemu agentowi zbadanie sześciu różnych statystyk rynku pracy w czterech stanach na przestrzeni sześciu miesięcy. Agent musiał przeszukać wiele witryn, zebrać informacje i zestawić wyniki w jednym raporcie badawczym.
GPT‑6 Astra wykonał pracę w czasie o połowę krótszym niż wcześniejsze modele i przy koszcie kodu niższym o około 50%, zapewniając przy tym taką samą jakość badań.
Firma Parallel zauważyła również, że model GPT‑6 Astra prowadził bardziej ukierunkowane wyszukiwania i potrzebował mniej kroków, aby uzyskać przydatny wynik.
„Astra formułowała bardziej precyzyjne zapytania i lepiej koncentrowała się na końcowym zadaniu, w większym stopniu wykorzystując swoją wiedzę ogólną niż poprzednie modele”.
Większa efektywność ułatwia też firmie Parallel dzielenie badań między wielu agentów. GPT‑6 Astra może przekazywać konkretne zadania badawcze podagentom, dzięki czemu prace przebiegają równocześnie i nie trzeba realizować całej sekwencji wyszukiwań po kolei.
Parallel ma teraz skuteczniejszą drogę od złożonego pytania do odpowiedzi opartej na badaniach: krótszy czas oczekiwania, niższe koszty i większe możliwości realizowania na dużą skalę wymagających zadań badawczych.
