A Parallel fejlesztői infrastruktúrát épít AI‑ügynökök számára, amelyek tudásalapú munkát végeznek a weben: a hangalapú ügynökök webes alapozásától kezdve pénzügyi és jogi kutatásokig. A cég eszközei határmodell(ek)et és webes keresést kombinálnak a feladatok megoldásához.
A hosszabb, összetett kutatási feladatoknál korábban általában nagyobb modellt és kiterjesztett érvelést kellett használni a jó minőségű válaszokhoz, ami több időt és erőforrást igényelt. Parallel szerint GPT‑6 Astra ezen a területen jelentős javulást hozott.
Kísérleti feladat és eredmények
Egy belső tesztben a Parallel arra kérte az ügynökét, hogy kutasson hat különböző munkaerő‑piaci statisztikát négy államra vonatkozóan, fél évre visszamenőleg. A feladat több weboldal átvizsgálását, adatok gyűjtését és az eredmények egyetlen kutatási jelentésbe való összeállítását foglalta magában.
A cég beszámolója szerint GPT‑6 Astra a korábbi modellekhez képest nagyjából felére csökkentette a munkavégzés idejét, miközben a kódolási költségek is mintegy 50%-kal mérséklődtek. A kutatás minősége a Parallel szerint azonos maradt a korábbi eredményekkel.
Pontosabb keresések és kevesebb lépés
A Parallel megfigyelései alapján GPT‑6 Astra fókuszáltabb kereséseket hajtott végre és kevesebb lépésre volt szüksége ahhoz, hogy hasznos eredményre jusson. Ez azt jelenti, hogy a modell hatékonyabban azonosította a releváns forrásokat és gyorsabban szintetizálta az információkat.
Párhuzamosítás és al‑ügynökök delegálása
A jobb hatékonyság lehetővé tette, hogy a Parallel gyakorlatiabban ossza szét a kutatást több ügynök között. GPT‑6 Astra képes volt specifikus kutatási feladatokat al‑ügynökökre delegálni, így a munkafolyamatok egyszerre történhettek, és csökkent az egymást követő keresésekben eltöltött idő.
Következmények a munkafolyamatokra
A Parallel szerint a modell segítségével rövidebb úton lehet eljutni egy összetett kérdéstől a kutatott válaszig: kevesebb várakozás, alacsonyabb költség és nagyobb kapacitás a nagyszabású, bonyolult kutatási feladatok kezelésére. A változások különösen hasznosak lehetnek olyan szereplők számára, akik rendszeresen végeznek többforrású, időigényes adatgyűjtést és -összegzést.
(Számok és megfigyelések a Parallel belső tesztjeiből származnak; a cikk nem közöl pontos üzemeltetési részleteket vagy időpontokat.)
