Parallel affirme doubler l'efficacité de ses recherches web avec GPT‑6 Astra

Parallel rapporte avoir réduit de moitié le temps et le coût de ses recherches web grâce à GPT‑6 Astra, tout en maintenant la qualité. L’entreprise met en avant des requêtes plus ciblées, moins d’étapes et la possibilité de déléguer à des sous‑agents pour travailler en parallèle.

Parallel met en avant délégation à des sous‑agents et attente réduite

Parallel indique que l’efficacité accrue rend plus pratique de répartir une mission de recherche entre plusieurs agents. L’entreprise affirme que GPT‑6 Astra peut déléguer des tâches spécifiques à des sous‑agents, permettant un travail simultané et réduisant le temps passé dans une seule séquence de recherches. Elle rapporte disposer désormais d’un meilleur chemin d’une question complexe à une réponse recherchée, avec moins d’attente, des coûts réduits et davantage de possibilités pour des travaux exigeants à grande échelle. Parallel dit aussi avoir observé des recherches plus ciblées et nécessitant moins d’étapes pour aboutir à un résultat utile.

Un test sur six mois de statistiques dans quatre États

Lors d’une expérimentation, un agent s’est vu confier la collecte de six indicateurs distincts du marché du travail sur quatre États, couvrant une période de six mois. La démarche impliquait de visiter plusieurs plateformes, d’extraire les données puis de rassembler l’ensemble dans un rapport unique. Selon Parallel, GPT‑6 Astra a réalisé cette tâche en moitié moins de temps que les modèles précédents, avec une réduction d’environ 50% des coûts de code, tout en conservant la même qualité. Devin Gupta ajoute qu’Astra permet d’obtenir la même qualité plus rapidement, avec moins d’appels de recherche et moins de tokens.

Gains chiffrés et contexte technique chez Parallel

Parallel indique avoir réduit de moitié le temps et le coût de recherche par rapport à ses anciens modèles, précisant que les analyses du marché du travail ont été réalisées deux fois plus vite et pour deux fois moins cher. L’entreprise observe une nette progression en termes de rapidité et de coûts grâce à GPT‑6 Astra, alors que les tâches les plus chronophages nécessitaient auparavant un modèle plus volumineux et un raisonnement approfondi, ce qui augmentait la consommation de ressources. Parallel développe une infrastructure pour les concepteurs d’agents opérant sur le web, avec des outils couvrant le web grounding pour agents vocaux et la recherche pour des clients financiers et juridiques, en combinant modèles de pointe et navigation web. Devin Gupta souligne qu’Astra émet des requêtes plus ciblées et se concentre mieux sur la tâche ultime en intégrant ses connaissances du monde que les modèles précédents.