GPT-6 Astra：为 Parallel 降低并行研究的时间与成本

OpenAI 宣布，AI 代理基础设施开发公司 Parallel 已利用 GPT-6 Astra 将其最长运行的研究任务的时间和成本降低了 50%。这一改进使 Parallel 能够更高效地执行复杂的研究任务——例如编制劳动力市场统计数据——同时不牺牲研究输出的质量。

复杂研究任务中的效率提升

Parallel 报告称，在执行高质量研究时，资源消耗显著减少。此前，完成长时间运行任务的高质量答案通常需要更大规模的模型和更长的推理时间，这导致时间和资源消耗增加。而使用 GPT-6 Astra 后，Parallel 在保持相同研究质量的同时，将完成时间减少了一半，并将代码成本降低了约 50%。

案例研究：劳动力市场统计数据汇编

在一项具体测试中，Parallel 指派一个代理在六个月内对四个州的六项不同劳动力市场统计数据进行研究。该任务要求代理在多个网站上搜索信息、收集数据，并将结果整理成报告。GPT-6 Astra 在完成这项工作时所用时间仅为之前模型的一半，代码成本也降低了 50%。

更精准的搜索聚焦与智能体工作流优化

与之前模型相比，GPT-6 Astra 在信息检索和任务执行方面展现出更精准的策略。Parallel Web Systems 技术团队成员 Devin Gupta 表示："Astra 发出的搜索查询更具针对性，对最终任务的聚焦更好，并能更好地结合其世界知识，相比之前模型表现更优。"

Parallel 智能体任务委派

GPT-6 Astra 的效率提升使 Parallel 能够更有效地在多个智能体之间分配研究任务。该模型可以将特定研究任务委派给子智能体，从而实现多个研究流并行进行，而非依次执行一系列搜索。这一能力显著减少了等待最终答案的总时间，使 Parallel 能够大规模应对高要求的研究任务。