GPT-6 Astra accélère les recherches de Parallel, réduit les coûts

Résumé

Avec GPT‑6 Astra, les agents de Parallel ont analysé six statistiques du marché du travail deux fois plus vite, avec une réduction des coûts de code de 50 %.

Les faits

Parallel développe une infrastructure destinée aux agents d’intelligence artificielle qui réalisent des tâches de connaissance sur le web. Ses outils couvrent notamment l’ancrage web pour les agents vocaux ainsi que la recherche destinée à des clients financiers et juridiques. Pour ses recherches les plus longues, Parallel devait généralement utiliser un modèle plus puissant doté d’un raisonnement étendu afin d’obtenir une réponse de qualité, au prix d’un temps d’exécution et d’une consommation de ressources plus élevés. Avec GPT‑6 Astra, l’entreprise indique obtenir la même qualité de recherche plus rapidement, avec moins d’appels de recherche et moins de jetons. Lors d’un test, l’agent de Parallel devait rechercher six statistiques du marché du travail dans quatre États sur une période de six mois. Il devait consulter plusieurs sites, recueillir les informations et compiler les résultats dans un rapport unique. GPT‑6 Astra a réalisé cette tâche en deux fois moins de temps que les modèles précédents, avec une réduction d’environ 50 % du coût de code, tout en conservant la même qualité de recherche. Parallel a également observé que GPT‑6 Astra formulait des requêtes plus ciblées et effectuait moins d’étapes pour parvenir à un résultat utile. Le modèle peut en outre déléguer des tâches de recherche précises à des sous-agents, afin que plusieurs travaux soient réalisés simultanément.

Pourquoi c’est important

Le résultat rapporté par Parallel porte sur deux variables déterminantes pour les agents de recherche : le temps nécessaire pour produire un rapport et le coût de code associé. Une exécution deux fois plus rapide et une réduction d’environ 50 % du coût rendent les recherches longues plus praticables. La délégation à des sous-agents élargit aussi les possibilités d’exécution parallèle. Pour Parallel, cette combinaison ouvre davantage de marge pour traiter à grande échelle des questions complexes, avec moins d’attente et des coûts plus faibles.

Questions fréquentes

Quel gain de temps GPT‑6 Astra a-t-il obtenu ?

GPT‑6 Astra a réalisé le test de Parallel en deux fois moins de temps que les modèles précédents.

Quelle réduction du coût de code Parallel a-t-il observée ?

Parallel rapporte une réduction d’environ 50 % du coût de code.

Quel était le test réalisé par l’agent ?

L’agent devait rechercher six statistiques du marché du travail dans quatre États sur six mois, puis compiler les résultats dans un rapport.

Comment GPT‑6 Astra réduit-il le nombre d’étapes ?

Parallel indique que le modèle effectue des recherches plus ciblées et moins d’étapes pour atteindre un résultat utile.

GPT‑6 Astra peut-il répartir les recherches ?

Oui. Il peut déléguer des tâches précises à des sous-agents afin que plusieurs recherches se déroulent simultanément.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.