Databricks GPT‑5.5ను ఎంటర్ప్రైజ్ ఏజెంట్ వర్క్ఫ్లోలకు తెస్తోంది
సంక్లిష్ట ఎంటర్ప్రైజ్ ఏజెంట్ పనుల కోసం Databricks బెంచ్మార్క్ అయిన OfficeQA Proలో GPT‑5.5 కొత్త అత్యాధునిక స్థాయిని నెలకొల్పింది.
50%
OfficeQA Pro బెంచ్మార్క్పై ఖచ్చితత్వం (అత్యాధునిక స్థాయి)
46%
OfficeQA Pro బెంచ్మార్క్లో GPT-5.4తో పోలిస్తే లోపాల తగ్గింపు
Databricks కస్టమర్ ఏజెంట్ వర్క్ఫ్లోల కోసం GPT‑5.5ను అందుబాటులోకి తెస్తోంది. మోడల్ కంపెనీ బెంచ్మార్క్ అయిన OfficeQA Proలో సంక్లిష్ట ఎంటర్ప్రైజ్ డాక్యుమెంట్ పనుల కోసం కొత్త అత్యాధునిక స్థాయిని నెలకొల్పింది.
స్కాన్ చేసిన PDFలు, పాత ఫైళ్లు, మరియు దీర్ఘ-సందర్భ డాక్యుమెంట్లు ఉన్న వర్క్ఫ్లోల్లో మోడళ్లు పార్సింగ్, రిట్రీవల్, మరియు ఆధారిత రిజనింగ్ను ఎలా నిర్వహిస్తాయో OfficeQA Pro అంచనా వేస్తుంది. ఇవి తరచుగా ప్రొడక్షన్ ఏజెంట్ సిస్టమ్లను దెబ్బతీసే పనులు.
ఏజెంట్-హార్నెస్ సెట్టింగ్లో, GPT‑5.5 GPT‑5.4తో పోలిస్తే లోపాలను 46% తగ్గించింది మరియు OfficeQA Proలో 50% ఖచ్చితత్వాన్ని మించిన తొలి మోడల్గా నిలిచింది.
“5.5తో ఉన్న Codex ఇప్పుడు అందుబాటులో ఉన్న అన్ని ఏజెంట్లు మరియు మోడళ్లలో అత్యాధునిక స్థాయిలో ఉంది.”
OfficeQA Proలో పెద్ద సంఖ్యలో స్కాన్ చేసిన లేదా పాత ఎంటర్ప్రైజ్ డాక్యుమెంట్లు ఉంటాయి. వీటిలో పార్సింగ్ సమయంలో జరిగే చిన్న ఎక్స్ట్రాక్షన్ లోపాలు మిగతా వర్క్ఫ్లో అంతటా వరుసగా ప్రభావం చూపవచ్చు. “ఒక నిర్దిష్ట అంకె లేదా సంఖ్యను మీరు ఎక్స్ట్రాక్ట్ చేయలేకపోతే, ఏజెంట్ పని చేసే దాని మొత్తం దిశ మారిపోతుంది,” అని Singhvi వివరిస్తున్నారు.
ఈ పార్సింగ్-భారీ వర్క్ఫ్లోల్లో Databricksకు GPT‑5.5 నుంచి అత్యధిక మెరుగుదలలు కనిపించాయి. “మునుపటి 5.4 వంటి మోడళ్లు అన్ని అంకెలను సరిగ్గా పార్స్ చేయలేకపోయాయి, కానీ 5.5 పాత డాక్యుమెంట్లు మరియు స్కాన్ చేసిన PDFలను పార్స్ చేయడంలో పెద్ద మెరుగుదల చూపుతున్నట్లు కనిపిస్తోంది,” అని Singhvi అంటున్నారు.
బహుళ-దశల పనుల అంతటా ఆర్కెస్ట్రేషన్లో కూడా బృందం మెరుగుదలలను గమనించింది. “5.4లో మేము గమనించిన ఒక విషయం ఏమిటంటే, కొన్నిసార్లు అది అవసరంలేని శోధన మళ్లింపుల్లోకి వెళ్లేది, దాంతో చాలా అసమర్థమైన మార్గాలు ఏర్పడేవి,” అని సింగ్వి అంటున్నారు.
మునుపటి మోడళ్లతో పోలిస్తే, GPT‑5.5 సంబంధిత సందర్భాన్ని రిట్రీవ్ చేయడంలో మరియు అదనపు పర్యవేక్షణ లేకుండా సంక్లిష్ట వర్క్ఫ్లోలను పూర్తి చేయడంలో మరింత నమ్మదగినదిగా ఉంది.
Databricks ఇప్పుడు AI Unity Gateway ద్వారా GPT‑5.5ను అందుబాటులో ఉంచుతోంది. అక్కడ కస్టమర్లు AgentBricks మరియు Agent Supervisor APIతో నిర్మించిన వర్క్ఫ్లోల్లో ఈ మోడల్ను ఉపయోగిస్తున్నారు. ఈ సిస్టమ్లలో, GPT‑5.5 ప్రత్యేక ఏజెంట్ల అంతటా పార్సింగ్, రిట్రీవల్, మరియు అమలును ఆర్కెస్ట్రేట్ చేస్తుంది.
“కస్టమ్ ఏజెంట్ వర్క్ఫ్లోల కోసం AgentBricks మరియు Agent Supervisor APIని ఉపయోగించే కస్టమర్లు చాలా మంది కనిపిస్తారు,” అని Singhvi అంటున్నారు. “ఈ వర్క్ఫ్లోలను GPT‑5.5 పర్యవేక్షించడం నిజంగా ఉత్సాహకరం.”
"జ్ఞానాన్ని పెంపొందించడంలో జీపీటీ-5.5 అద్భుతంగా పనిచేసింది." మా కోసం జ్ఞానపరమైన పనిని చేయడంలో ఇది ఒక పెద్ద దశ మార్పు.”
పని కొత్త యుగంలో చేరండి
చదవడం కొనసాగించండి
