Přejít na obsah
Vareon
Spustit pilotní projekt
cs

Stálé náklady na čtení, ať je historie jakkoli dlouhá.

LongMemEval klade otázky o dlouhých historiích chatu mezi člověkem a asistentem. Jak historie rostla na čtyřicet relací, objem čtení za každou odpovědí Duplexu se ustálil, a kde se nějaký fakt změnil, odpověděl tím aktuálním.

LongMemEval, od Wu a kol., ICLR 2025. Benchmark →

Vidět to v akci →Všechny výsledky

Interní benchmarky. Všechna čísla na této stránce pocházejí z testů, které Vareon provedl sám, a nebyla nezávisle ověřena. Přečtěte si vyloučení odpovědnosti

  • 96%*Aktuální odpovědi tam, kde se fakt změnilNový fakt, ne ten starý
  • 3.7×*Méně čtení na otázku než při čtení celé historiePři čtyřiceti relacích historie
  • 84%*Přesnost při čtyřiceti relacích historie

* Čísla z interních benchmarků společnosti Vareon, nezávisle neověřená. Přečtěte si vyloučení odpovědnosti

Historie se zdvojnásobí. Čtení se ustálí.

Jak přibývají relace, celá historie se s nimi zdvojnásobuje.*

Krok 1 z 4: Historie

3.7× méně čtení na každou odpověď.*

Při čtyřiceti relacích historie, v porovnání s odesláním celé historie modelu.

Krok 1 z 3: Čtení

Duplex poslal 24,176 tokenů na otázku. Poslat celou historii znamenalo 88,798.*

Odpovídá faktem tak, jak platí teď.

Kde se fakt v průběhu historie změnil, dal Duplex aktuální odpověď v 96% případů.*

  • Časové uvažování: 90% správně.*
  • Uvažování napříč několika relacemi: 89% správně.*
Krok 1 z 4: Uvedeno

Na začátku historie zazní fakt: tým používá dodavatele A.*

Jak byl proveden.

Benchmark
LongMemEval od autorů Wu a kol. (ICLR 2025), z vyčištěné veřejné verze.
Práce
Odpovědět na otázku o dlouhé historii chatu mezi člověkem a asistentem.
Historie
Relace, které obsahují odpověď, smíchané s nesouvisejícími relacemi ze souboru 19,195, při 2, 5, 10, 20 a 40 relacích.
Rozsah
50 otázek při pěti velikostech historie: 250 odpovědí pro každý přístup.
Modely
GPT-5.5 četl, co mu každý přístup dodal, a napsal každou odpověď; hodnotil je samostatný model.

Co to znamená pro vaši práci.

  • Dlouhodobá práce zůstává cenově dostupná.

    Mezi dvaceti a čtyřiceti relacemi se historie zdvojnásobila a náklady na každou odpověď zůstaly na $0.032.*

  • Odpovědi se řídí tím, co se změnilo.

    Kde se fakt změnil, odpověděl Duplex v 96% případů tím aktuálním.*

  • Odpovídá, místo aby se odpovědi zdržel.

    Duplex odmítl 5 z 250 otázek a na zbytek odpověděl.*

Ke každému kroku přináší správnou historii →
Další: Blokuje každý útok a běžnou práci pustí dál.Číst →

Ověřte si to na vlastní práci.

Od vašeho vlastního asistenta po každého agenta, kterého vaše firma provozuje: v pilotním projektu běží Duplex na vaší vlastní práci, s měřítky dohodnutými před začátkem.

Spustit pilotní projekt →Všechny výsledky

Vaše data, vaše volba.

vareon.com nepoužívá analytické ani reklamní sledovací nástroje ani sledovací nástroje třetích stran a Vareon vaše data neprodává. Pokud přijmete, web si na tomto zařízení po dobu jednoho roku zapamatuje váš světlý nebo tmavý vzhled. Pokud odmítnete, ukládá jen to, co potřebuje ke svému fungování.

Svou volbu můžete kdykoli změnit v Nastavení soukromí v zápatí každé stránky. Přečíst zásady ochrany osobních údajů