Lo que aporta Duplex, en cifras.

• −90.3%*Llamadas al modelo, con más precisión94.6% de precisión, frente al 59.8% del modelo por sí solo
• 0%*Respuestas desfasadas tras un cambio de reglaCaché y recuperación: 72%
• 6 / 6*Pruebas en las que Duplex superó al ajuste fino+30.3 puntos de media, sin ningún entrenamiento
• 3 / 3*Modelos de frontera superados prediciendo cambios en el sistemaEn un benchmark empresarial público, sin llamadas al modelo

* Cifras de los benchmarks internos de Vareon, no verificadas de forma independiente. Lee el descargo de responsabilidad

• Un 90% menos de llamadas al modelo, y más precisión.*

  94.6%*Precisión, la más alta de la pruebaEl modelo solo 59.8% · con una caché 77.3%
  • −90.3% Llamadas · −84.8% de coste · −81.9% de latencia*
  • ~23× Más rápido tras aprender · ≈97 ms frente a ≈2,231 ms*

  Un flujo de 3,000 decisiones en el que las reglas cambiaron cinco veces, frente al modelo de frontera por sí solo y con una caché semántica; una ejecución de 300 decisiones añadió una caché con recuperación y un grafo de conocimiento. Todos los enfoques usaron el mismo modelo.

  Ver el resultado completo →Aprende y desaprende →

• Más preciso en todas las configuraciones, por una séptima parte del coste.

  Del 94.1 al 94.8%*Precisión de Duplex, en cada una de las ocho configuracionesLo máximo que alcanzó una caché: 77.3%
  • 84 a 91% En tres ejecuciones nuevas de 1,000 decisiones · Lo máximo que alcanzó una caché: cerca del 73%*

  Un flujo de 3,000 decisiones con cada enfoque probado en toda su gama de configuraciones, y después tres ejecuciones nuevas de 1,000 decisiones en un segundo entorno independiente.

  Ver el resultado completo →Decide si responder, traspasar o rechazar →

• Sigue aprendiendo sin olvidar, sin quedarse desfasado y sin crecer.

  5 / 5*Requisitos para aprender en producción, todos cumplidos en cada ejecuciónCaché y recuperación, 2.2 / 5 de media · ajuste fino en línea, 4 / 5
  • 0% Respuestas desfasadas tras un cambio de política · Caché y recuperación 72%*
  • Constante Tamaño a lo largo del tiempo · Caché y recuperación llegaron a ≈1,300 filas*

  Diez ejecuciones, con la misma supervisión y las mismas entradas para todos los enfoques.

  Ver el resultado completo →Sigue rápido y sólido a medida que crece →

• Maneja formulaciones nuevas y detecta los casos parecidos.

  7.5%*Respuestas erróneas en casos parecidosUna caché 45.3%, unas 6× más
  • 98.98% De las peticiones resueltas correctamente: bien respondidas o pasadas a tu IA · Duplex respondió por sí mismo el 95.78% de las peticiones conocidas*
  • 0.996 Puntuación al distinguir lo conocido de lo nuevo, sobre 1 · Una caché 0.930*

  Diez intenciones aprendidas y seis niveles de novedad, desde repeticiones exactas hasta peticiones de otro dominio, en diez ejecuciones.

  Ver el resultado completo →Resuelve casos que nunca ha visto →

• Planifica la ruta más corta, con cero tokens de modelo.

  100%*Éxito del plan, en cada ejecuciónUn agente reactivo: 0% · Duplex no usó tokens de modelo
  • 0% Un agente reactivo voraz*
  • ~204 Tokens por decisión que gasta un modelo de frontera para igualarlo*

  Un mundo de varios pasos en diez ejecuciones, frente a un agente reactivo y un modelo de frontera con la misma tarea.

  Ver el resultado completo →Ve lo que hará una acción →

• Mantiene el éxito de las tareas de agentes, con menos llamadas al modelo.

  83.3%*Éxito en tareasEl modelo en cada turno: 82.5%
  • 12.8% Turnos completados sin el modelo · ≈15% menos llamadas al modelo*
  • 100% Éxito en tareas nuevas*

  Τ-bench (tau2-bench), dominio retail, de Sierra Research. El entorno retail sin modificar, con el mismo modelo, las mismas herramientas y el mismo simulador de usuario para todos los enfoques, en tres ejecuciones de cuarenta episodios.

  Ver el resultado completo →Ejecuta llamadas al modelo y a herramientas según tus reglas →

• Un coste de lectura estable, por largo que sea el historial.

  96%*Respuestas actualizadas cuando un dato había cambiadoEl dato nuevo, no el antiguo
  • 3.7× Menos lectura por pregunta que leer todo el historial · Con cuarenta sesiones de historial*
  • 84% Precisión con cuarenta sesiones de historial*

  LongMemEval, de Wu et al., ICLR 2025. Cincuenta preguntas, cada una planteada con el historial en 2, 5, 10, 20 y 40 sesiones.

  Ver el resultado completo →Aporta a cada paso el historial adecuado →

• Bloquea todos los ataques, y deja pasar el trabajo normal.

  0%*Éxito de los ataquesEn seis familias de ataques parafraseados
  • 0.7% Falsos rechazos · El más bajo entre los enfoques que bloquearon todos los ataques*
  • 40 / 40 Muestras envenenadas retiradas · Precisión a menos de 1 punto*

  Seis familias de ataques, parafraseados, con peticiones inofensivas redactadas para parecerse a los ataques.

  Ver el resultado completo →Tus reglas van primero →

• Aprende una habilidad nueva por sí solo, con el modelo apagado.

  100%*Tareas completadas con el modelo apagado, en cada ejecuciónUn modelo de frontera necesitó ≈507 llamadas por ejecución
  • 0.26 ms Para reutilizar una habilidad · Con 0 llamadas al modelo*
  • 627 Acciones inseguras rechazadas por ejecución · Y aun así se aprendió la habilidad segura*

  Cuatro baterías en diez ejecuciones, cada una puntuada por su peor ejecución.

  Ver el resultado completo →Aprende habilidades nuevas por su cuenta →

• Superó a tres modelos de frontera prediciendo cambios en el sistema.

  0.256*Puntuación de predicción de cambios en el sistemaGPT-5.1 0.166 · Gemini 3 Pro 0.205 · Claude Sonnet 4.5 0.204
  • $0 Gasto en modelos · 570 predicciones sin llamadas; 84 con un modelo de frontera costaron $13.40*
  • ~80% Decisiones respondidas a partir de lo que aprendió · Tu IA se encargó del resto*

  World of Workflows, de Skyfall Research / ServiceNow. Tres modalidades offline, puntuadas por el propio evaluador de los autores del benchmark, en tres ejecuciones.

  Ver el resultado completo →Ve lo que hará una acción →

• Supera al ajuste fino, sin ningún entrenamiento.

  6 / 6*Pruebas en las que Duplex superó a un adaptador con ajuste fino+30.3 puntos de media
  • 0 Reentrenamiento para pasar a otra familia de modelos · Los adaptadores pasaron en 0 de 6*
  • Del 60 al 79% Respondido con lo que aprendió · En cualquiera de las dos familias de modelos*

  Tres conjuntos de datos públicos de intenciones, dos familias de modelos abiertos y tres ejecuciones, con el mismo modelo congelado y los mismos datos para todos los enfoques.

  Ver el resultado completo →Adapta tu modelo sin reentrenamiento →