Parallel, ein Entwickler-Infrastruktur-Unternehmen für KI-Agenten, die Wissen im Web erledigen, hat mit GPT-6 Astra Forschungszeit und -kosten signifikant reduziert. Die Tools des Unternehmens unterstützen Anwendungen von Web-Grounding für Sprachagenten bis hin zu Forschungen für Finanz- und Rechtsinstitute. Zuvor erforderte hochwertige Antworten für langlaufende Aufgaben größere Modelle mit erweiterter Reasoning-Fähigkeit, die mehr Zeit und Ressourcen verbrauchten. Mit GPT-6 Astra erreichte Parallel dieselbe Forschungsqualität in der halben Zeit mit etwa 50% Reduzierung der Code-Kosten.

In einem Test mit sechs Arbeitsmarktzahlen über vier Bundesstaaten über sechs Monate erledigte GPT-6 Astra die Arbeit doppelt so schnell wie vorherige Modelle. Der Agent durchsuchte mehrere Websites, sammelte Informationen und fasste die Ergebnisse in einem einzigen Bericht zusammen. Laut Devin Gupta, Technical Staff bei Parallel Web Systems, stellte Astra gezieltere Suchanfragen und fokussierte sich besser auf die endgültige Aufgabe, indem es sein Weltwissen einbezog.

Die erhöhte Effizienz ermöglicht es Parallel, die Forschung auf mehrere Agenten aufzuteilen. GPT-6 Astra kann spezifische Aufgaben an Sub-Agenten delegieren, sodass parallele Arbeit möglich ist und die Zeit für sequenzielle Suchen reduziert wird. Dies bietet einen besseren Weg von komplexen Fragen zu recherchierten Antworten mit weniger Wartezeit, geringeren Kosten und mehr Kapazität für anspruchsvolle Forschungsaufgaben im großen Maßstab.