Im dłużej działa, tym rzadziej pyta.
Krok 1 z 4: Początek
O 90% mniej wywołań modelu i większa dokładność.*
3,000 decyzji z operacji klienckich: zwroty, odblokowania kont, limity kredytowe, wypłaty. Każda ma jedno właściwe działanie spośród około dziewiętnastu albo odmowę, a po drodze firma pięć razy zmieniła zasadę. Każde podejście korzystało z GPT-5.5; Duplex uczył się na bieżąco.
Wewnętrzne benchmarki. Wszystkie liczby na tej stronie pochodzą z testów, które Vareon przeprowadził samodzielnie, i nie zostały niezależnie zweryfikowane. Przeczytaj zastrzeżenia
- 94.6%*Dokładność, najwyższa w teścieSam model 59.8% · z cache 77.3%
- −90.3%*Wywołania aiKoszt −84.8% · opóźnienie −81.9%
- ~23×*Szybciej po nauczeniu≈97 ms wobec ≈2,231 ms
* Liczby z wewnętrznych benchmarków Vareon, niezweryfikowane niezależnie. Przeczytaj zastrzeżenia
3,000 decyzji i dokąd trafiła każda z nich.
Odpowiedź samego Duplex, przekazanie do GPT-5.5 lub odmowa.
Krok 1 z 4: Przychodzą
Przychodzi 3,000 decyzji: zwroty, odblokowania, limity kredytowe i wypłaty, w ponad 2,000 sformułowaniach.*
Kto po zmianie zasady udzielił nowej odpowiedzi.
Na każde 100 decyzji, których dotyczyła zmiana zasady.
Krok 1 z 3: Sam model
GPT-5.5 nie może wiedzieć o prywatnej zmianie zasad firmy: dawał starą odpowiedź w 97% przypadków.*
Im dłuższy strumień, tym lepsze liczby.
Ta sama praca na strumieniu 300 decyzji i na strumieniu 3,000 decyzji.
Krok 1 z 4: Dokładność
Dokładność Duplex wyniosła 85.0% w strumieniu 300 decyzji i 94.6% w strumieniu 3,000.*
Rachunek i czas oczekiwania.
Sam GPT-5.5 kontra GPT-5.5 z Duplex, na tych samych 3,000 decyzji.
Krok 1 z 3: Na decyzję
Każde 1,000 decyzji kosztowało $0.13 z Duplex i $0.82 z samym GPT-5.5.*
Jak go przeprowadzono.
- Praca
- Decyzje z operacji klienckich: zwroty, odblokowania kont, limity kredytowe, wypłaty, dostęp i eskalacja oszustw. Jedno właściwe działanie spośród około dziewiętnastu albo odmowa.
- Strumień
- 3,000 decyzji w ponad 2,000 sformułowaniach, z czego 68% w brzmieniu niewidzianym wcześniej, a w połowie pojawiają się nowe rodzaje zapytań.
- Zmiany zasad
- Pięć wewnętrznych zmian zasad, z których każda odwracała właściwe działanie dla danego rodzaju zapytania; 1,073 decyzje zapadły po zmianie.
- Informacja zwrotna
- Właściwą odpowiedź ujawniano dla mniej więcej jednej decyzji na dziesięć, tych samych dla każdego podejścia.
- Modele
- GPT-5.5, z prawdziwymi wywołaniami API, dla każdego podejścia.
- Porównywane z
- Sam GPT-5.5 oraz GPT-5.5 z cache semantycznym w najlepszym ustawieniu; na strumieniu 300 decyzji także cache z wyszukiwaniem i grafem wiedzy.
- Jednakowe warunki
- Ten sam model, informacja zwrotna i zasady odmowy dla każdego podejścia.
Co to oznacza dla twojej pracy.
Twój rachunek maleje, gdy Duplex się uczy.
Duplex sam odpowiedział na 86% decyzji: o 90% mniej wywołań modelu i o 85% niższy koszt.*
Zmiana zasady dociera do każdej odpowiedzi.
Po zmianie zasad Duplex udzielał nowej odpowiedzi w 92.5% przypadków; sam GPT-5.5 – w 2.3%.*
Z większą skalą jest coraz lepszy.
Od 300 do 3,000 decyzji dokładność wzrosła z 85.0% do 94.6%, a koszt jednej decyzji spadł o dwie trzecie.*
Dalej: Dokładniejszy w każdym ustawieniu, za jedną siódmą kosztu.Przeczytaj →
Zobacz to na własnej pracy.
Od twojego własnego asystenta po każdego agenta, którego uruchamia twoja firma: pilotaż uruchamia Duplex na twojej własnej pracy, ze wskaźnikami uzgodnionymi przed startem.