Plus il tourne, moins il demande.
Étape 1 sur 4 : Le début
90% d’appels au modèle en moins, et plus précis.*
3,000 décisions d’opérations clients : remboursements, déblocages de compte, plafonds de crédit, versements. Chacune a une seule bonne action parmi environ dix-neuf, ou un refus, et cinq fois en cours de route l’entreprise a changé une règle. Toutes les approches utilisaient GPT-5.5 ; Duplex apprenait au fil de l’eau.
Benchmarks internes. Tous les chiffres de cette page proviennent de tests menés par Vareon en interne et n’ont pas été vérifiés de manière indépendante. Lire l’avertissement
- 94.6%*Précision, la plus élevée du testLe modèle seul 59.8% · avec un cache 77.3%
- −90.3%*Appels modèleCoût −84.8% · latence −81.9%
- ~23×*Plus rapide sur l’acquis≈97 ms contre ≈2,231 ms
* Chiffres issus des benchmarks internes de Vareon, non vérifiés de manière indépendante. Lire l’avertissement
3,000 décisions, et où chacune est allée.
Traitées par Duplex lui-même, passées à GPT-5.5, ou refusées.
Étape 1 sur 4 : Arrivée
3,000 décisions arrivent : remboursements, déblocages, plafonds de crédit et versements, en plus de 2,000 formulations.*
Après un changement de règle, qui a donné la nouvelle réponse.
Sur 100 décisions touchées par un changement de règle.
Étape 1 sur 3 : Le modèle seul
GPT-5.5 ne peut pas connaître le changement d’une règle interne : il a donné l’ancienne réponse 97% du temps.*
Plus le flux est long, meilleurs sont les chiffres.
Le même travail sur un flux de 300 décisions et sur un flux de 3,000 décisions.
Étape 1 sur 4 : Précision
Duplex était précis à 85.0% sur un flux de 300 décisions, et à 94.6% sur 3,000.*
La facture, et l’attente.
GPT-5.5 seul contre GPT-5.5 avec Duplex, sur les mêmes 3,000 décisions.
Étape 1 sur 3 : Par décision
Chaque tranche de 1,000 décisions coûtait $0.13 avec Duplex, et $0.82 avec GPT-5.5 seul.*
Comment il a été mené.
- Le travail
- Décisions d’opérations clients : remboursements, déblocages de compte, plafonds de crédit, versements, accès et escalade de fraude. Une seule bonne action parmi environ dix-neuf, ou un refus.
- Le flux
- 3,000 décisions en plus de 2,000 formulations, dont 68% formulées d’une manière jamais vue, avec de nouveaux types de requêtes arrivant en cours de route.
- Règles modifiées
- Cinq changements de règle internes, chacun inversant la bonne action pour un type de requête ; 1,073 décisions sont venues après un changement.
- Retours
- La bonne réponse a été révélée pour environ une décision sur dix, les mêmes pour toutes les approches.
- Modèles
- GPT-5.5, avec de vrais appels API, pour toutes les approches.
- Comparé à
- GPT-5.5 seul, et GPT-5.5 avec un cache sémantique à son meilleur réglage ; sur le flux de 300 décisions, également un cache avec recherche documentaire et graphe de connaissances.
- Conditions égales
- Le même modèle, les mêmes retours et les mêmes règles de refus pour toutes les approches.
Ce que cela signifie pour votre travail.
Votre facture baisse à mesure qu’il apprend.
Duplex a traité lui-même 86% des décisions : 90% d’appels au modèle en moins et un coût inférieur de 85%.*
Un changement de règle atteint chaque réponse.
Après le changement de règles, Duplex a donné la nouvelle réponse dans 92.5% des cas ; GPT-5.5 seul, dans 2.3%.*
Il s’améliore avec le volume.
De 300 à 3,000 décisions, la précision est passée de 85.0% à 94.6% et le coût par décision a baissé de deux tiers.*
Suivant : Plus précis à chaque réglage, pour un septième du coût.Le lire →
Voyez-le sur votre propre travail.
De votre propre assistant à chaque agent qu’exploite votre entreprise, un pilote fait tourner Duplex sur votre propre travail, avec des indicateurs convenus avant son lancement.