Hoppa till innehållet
Vareon
Starta en pilot
sv

En jämn läskostnad, hur lång historiken än är.

LongMemEval ställer frågor om långa chatthistoriker mellan en person och en assistent. När historiken växte till fyrtio sessioner planade läsningen bakom vart och ett av svaren från Duplex ut, och där ett faktum hade ändrats svarade den med det aktuella.

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

Se det hända →Alla resultat

Interna benchmarktester. Alla siffror på denna sida kommer från tester som Vareon själv har genomfört och har inte oberoende verifierats. Läs ansvarsfriskrivningen

  • 96%*Aktuella svar där ett faktum hade ändratsDet nya faktumet, inte det gamla
  • 3.7×*Mindre läsning per fråga än att läsa hela historikenVid fyrtio sessioners historik
  • 84%*Träffsäkerhet vid fyrtio sessioners historik

* Siffror från Vareons interna benchmarktester, inte oberoende verifierade. Läs ansvarsfriskrivningen

Historiken fördubblas. Läsningen planar ut.

När sessionerna hopar sig fördubblas hela historiken med dem.*

Steg 1 av 4: Historiken

3.7× mindre läsning för varje svar.*

Vid fyrtio sessioners historik, jämfört med att skicka hela historiken till modellen.

Steg 1 av 3: Läsning

Duplex skickade 24,176 tokens per fråga. Att skicka hela historiken innebar 88,798.*

Den svarar med faktumet så som det ser ut nu.

Där ett faktum ändrades under historikens gång gav Duplex det aktuella svaret i 96% av fallen.*

  • Tidsresonemang: 90% rätt.*
  • Resonemang över flera sessioner: 89% rätt.*
Steg 1 av 4: Angivet

Tidigt i historiken anges ett faktum: teamet använder leverantör A.*

Så genomfördes det.

Benchmark
LongMemEval, av Wu et al. (ICLR 2025), från den rensade offentliga versionen.
Arbetet
Besvara en fråga om en lång chatthistorik mellan en person och en assistent.
Historiker
Sessionerna som innehåller svaret, blandade med orelaterade sessioner från en pool med 19,195, vid 2, 5, 10, 20 och 40 sessioner.
Omfattning
50 frågor vid fem historikstorlekar: 250 svar för varje metod.
Modeller
GPT-5.5 läste det som varje metod tillhandahöll och skrev varje svar; en separat modell bedömde dem.

Vad det betyder för ditt arbete.

  • Långvarigt arbete förblir prisvärt.

    Från tjugo till fyrtio sessioner fördubblades historiken, och kostnaden för varje svar låg kvar på $0.032.*

  • Svaren följer det som ändrades.

    Där ett faktum hade ändrats svarade Duplex med det aktuella i 96% av fallen.*

  • Den svarar, i stället för att avstå.

    Duplex avböjde 5 av de 250 frågorna, och besvarade resten.*

Ger varje steg rätt historik →
Nästa: Blockerar varje attack, och släpper igenom vanligt arbete.Läs det →

Se det i ditt eget arbete.

Från din egen assistent till varje agent ditt företag kör sätter en pilot Duplex på ditt eget arbete, med mätetal som avtalas innan den börjar.

Starta en pilot →Alla resultat

Dina uppgifter, ditt val.

vareon.com använder inga spårare för analys eller annonsering och inga spårare från tredje part, och Vareon säljer inte dina uppgifter. Om du godkänner kommer webbplatsen ihåg ditt ljusa eller mörka utseende på den här enheten i ett år. Om du nekar sparar den bara det som behövs för att den ska fungera.

Du kan när som helst ändra ditt val under Integritetsval längst ned på varje sida. Läs integritetspolicyn