A Perplexity mostantól a GPT‑6 Astra modellt alkalmazza olyan rendszerszintű feladatok ellátására, mint kommunikációs szövegek megírása, szoftvermódosítások végrehajtása és termelési rendszerek monitorozása. A cég szerint az új modell ritkábban jelentkezik be ellenőrzésre, mint a korábbi modellek, miközben továbbra is képes nagy mennyiségű információt feldolgozni.
Johnny Ho, a Perplexity társalapítója és Chief Strategy Officer‑a hangsúlyozta, hogy a modell fejlődése közvetlenül javítja a keresési képességeket: ahogy a modell egyre jobb kódot tud írni, a Perplexity keresőmotorja is hatékonyabban tud webes és belső forrásokat feltérképezni és tömören összefoglalni azokat.
A gyakorlati kihívás azonban nem csupán az információk feldolgozása, hanem ezek alkalmazása valós rendszerekben. Ebben nyújt nagy segítséget a GPT‑6 Astra, amelyet a Perplexity olyan feladatokra használ, ahol a modellnek rendszerszintű, automatizált szerepe van.
A modell egyik leghasznosabb gyakorlati alkalmazása a kódtesztelés: Johnny Ho elmondása szerint, mivel a manuális tesztelés időigényes, gyakran kéri meg a GPT‑6 Astra‑t, hogy építsen egy kisebb tesztprogramot az adott alkalmazás köré. A modell képes élethű válaszokat generálni — például úgy, mint egy külső szolgáltatás (nyelvi modell API vagy egy connector) — így helyettesítve ezeket a szolgáltatásokat a tesztkörnyezetben. Ennek segítségével ellenőrizhető az alkalmazás válaszkészsége és a teljes munkafolyamat a kezdetektől a végéig.
Összességében a Perplexity a GPT‑6 Astra‑t nem csak információs feladatokra, hanem tényleges rendszerszintű működésre is beveti, különösen ott, ahol automatizált tesztelésre és valós külső szolgáltatások szimulálására van szükség.
