Hver innstilling, i ett diagram.
Steg 1 av 4: Modellen
Mer nøyaktig på hver innstilling, til en sjuendedel av kostnaden.
På alle sine åtte innstillinger var Duplex mer nøyaktig enn en semantisk cache på noen av sine fem, eller GPT-5.5 alene på sin ene, på de samme 3,000 beslutningene. Tre kjøringer til, på nye strømmer, viste samme rekkefølge.
- 94.1 til 94.8%Nøyaktigheten til Duplex, på hver av åtte innstillingerDet beste en cache nådde: 77.3%
- 84 til 91%På tre nye kjøringer med 1,000 beslutningerDet beste en cache nådde: rundt 73%
Duplex på sitt dårligste slår en cache på sitt beste.
Den minst nøyaktige innstillingen for Duplex mot den mest nøyaktige innstillingen for cachen.
Steg 1 av 2: Nøyaktighet
I sin minst nøyaktige innstilling fikk Duplex 94.1%. Cachen, i sin mest nøyaktige, fikk 77.3%.
Å justere en cache gir ikke nøyaktighet.
Den samme cachen, fra løseste til strengeste likhetskrav.
Steg 1 av 3: Strengere
Å stramme inn treffene i en cache sender flere forespørsler til modellen: fra 4 kall til 212.
Samme rekkefølge, kjøring etter kjøring.
Tre nye kjøringer med 1,000 beslutninger hver, i et andre, uavhengig oppsett.
Steg 1 av 2: Nøyaktighet
Over tre nye kjøringer i et andre, uavhengig oppsett fikk Duplex 87.7%, og den beste cachen 73.0%.
Slik ble det kjørt.
- Arbeidet
- Den samme strømmen fra kundedrift som i kostnadsresultatet: én riktig handling av rundt nitten, eller et avslag, med fem interne regelendringer.
- Innstillinger
- Duplex på åtte innstillinger, fra mest villig til å svare selv til mest forsiktig; en semantisk cache på fem, fra løsest til strengest likhetskrav; GPT-5.5 alene på sin eneste.
- Omfang
- Én strøm med 3,000 beslutninger, deretter tre uavhengige kjøringer med 1,000 beslutninger i et andre oppsett.
- Holdt likt
- De samme registrerte svarene fra GPT-5.5 for hvert punkt, den samme tilbakemeldingen og de samme reglene for avslag.
Hva det betyr for arbeidet ditt.
Stødig på hver innstilling.
Alle åtte innstillingene for Duplex landet mellom 94.1% og 94.8% nøyaktighet.
Nøyaktighet en cache ikke kan nå.
På tvers av innstillingene nådde cachen høyst 77.3%, og 44.2% etter en regelendring.
Billigere enn modellen, overalt.
Selv den mest forsiktige innstillingen for Duplex kostet mindre enn GPT-5.5 alene, og var 34 poeng mer nøyaktig.
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.