Hopp til innholdet
Vareon
Start en pilot
no

En jevn lesekostnad, uansett hvor lang historikken er.

LongMemEval stiller spørsmål om lange chathistorikker mellom en person og en assistent. Da historikken vokste til førti økter, flatet lesingen bak hvert svar fra Duplex ut, og der et faktum hadde endret seg, svarte den med det gjeldende.

LongMemEval, av Wu et al., ICLR 2025. Benchmarken →

Se det skje →Alle resultater

Interne benchmarker. Alle tallene på denne siden kommer fra tester som Vareon selv har kjørt, og er ikke uavhengig verifisert. Les ansvarsfraskrivelsen

  • 96%*Gjeldende svar der et faktum hadde endret segDet nye faktumet, ikke det gamle
  • 3.7×*Mindre lesing per spørsmål enn å lese hele historikkenVed førti økters historikk
  • 84%*Nøyaktighet ved førti økters historikk

* Tall fra Vareons interne benchmarker, ikke uavhengig verifisert. Les ansvarsfraskrivelsen

Historikken dobles. Lesingen flater ut.

Etter hvert som øktene hoper seg opp, dobles hele historikken med dem.*

Steg 1 av 4: Historikken

3.7× mindre lesing for hvert svar.*

Ved førti økters historikk, sammenlignet med å sende hele historikken til modellen.

Steg 1 av 3: Lesing

Duplex sendte 24,176 tokener per spørsmål. Å sende hele historikken betydde 88,798.*

Den svarer med faktum slik det står nå.

Der et faktum endret seg underveis i historikken, ga Duplex det gjeldende svaret i 96% av tilfellene.*

  • Tidsmessig resonnering: 90% riktig.*
  • Resonnering på tvers av flere økter: 89% riktig.*
Steg 1 av 4: Oppgitt

Tidlig i historikken oppgis et faktum: teamet bruker leverandør A.*

Slik ble det kjørt.

Benchmark
LongMemEval, av Wu et al. (ICLR 2025), fra den rensede offentlige utgivelsen.
Arbeidet
Svar på et spørsmål om en lang chathistorikk mellom en person og en assistent.
Historikker
Øktene som inneholder svaret, blandet med urelaterte økter fra en samling på 19,195, ved 2, 5, 10, 20 og 40 økter.
Omfang
50 spørsmål ved fem historikkstørrelser: 250 svar for hver tilnærming.
Modeller
GPT-5.5 leste det hver tilnærming leverte, og skrev hvert svar; en egen modell vurderte dem.

Hva det betyr for arbeidet ditt.

  • Langvarig arbeid forblir rimelig.

    Fra tjue til førti økter ble historikken doblet, og kostnaden per svar holdt seg på $0.032.*

  • Svarene følger det som endret seg.

    Der et faktum hadde endret seg, svarte Duplex med det gjeldende i 96% av tilfellene.*

  • Den svarer, i stedet for å holde tilbake.

    Duplex avviste 5 av de 250 spørsmålene, og besvarte resten.*

Tar med riktig historikk til hvert steg →
Neste: Blokkerer hvert angrep, og slipper vanlig arbeid gjennom.Les det →

Se det på ditt eget arbeid.

Fra din egen assistent til hver agent bedriften din kjører, setter en pilot Duplex på ditt eget arbeid, med måltallene avtalt før den starter.

Start en pilot →Alle resultater

Dine data, ditt valg.

vareon.com bruker ingen sporere for analyse eller annonsering og ingen sporere fra tredjeparter, og Vareon selger ikke dataene dine. Hvis du godtar, husker nettstedet det lyse eller mørke utseendet ditt på denne enheten i ett år. Hvis du avslår, lagrer det bare det som trengs for at det skal fungere.

Du kan når som helst endre valget ditt under Personvernvalg nederst på hver side. Les personvernerklæringen