Co daje Duplex, w liczbach.
Każda liczba obok tego, co pokonała: sam model, cache, wyszukiwanie albo dostrajanie.
- −90.3%Wywołań modelu, a trafność rośnieDokładność 94.6%, wobec 59.8% dla samego modelu
- 0%Nieaktualne odpowiedzi po zmianie zasadCache i wyszukiwanie: 72%
- 6 / 6Testy, w których Duplex pokonał dostrajanieŚrednio +30.3 punktu, bez treningu
- 3 / 3Czołowe modele pokonane w przewidywaniu zmian w systemieW publicznym benchmarku dla przedsiębiorstw, bez wywołań modelu
Jeden strumień 3,000 decyzji, trzy sposoby.
Krok 1 z 3: Dokładność
Wszystkie wyniki.
O 90% mniej wywołań modelu i większa dokładność.
94.6%Dokładność, najwyższa w teścieSam model 59.8% · z cache 77.3%- −90.3% Wywołania ai · Koszt −84.8% · opóźnienie −81.9%
- ~23× Szybciej po nauczeniu · ≈97 ms wobec ≈2,231 ms
Strumień 3,000 decyzji, w którym zasady zmieniły się pięć razy, w porównaniu z samym czołowym modelem i z cache semantycznym; przebieg z 300 decyzjami dodał cache z wyszukiwaniem i graf wiedzy. Każde podejście korzystało z tego samego modelu.
Dokładniejszy w każdym ustawieniu, za jedną siódmą kosztu.
Od 94.1 do 94.8%Dokładność Duplex w każdym z ośmiu ustawieńNajlepszy wynik cache: 77.3%- Od 84 do 91% W trzech nowych przebiegach po 1,000 decyzji · Najlepszy wynik cache: około 73%
Strumień 3,000 decyzji, w którym każde podejście przetestowano w pełnym zakresie ustawień, potem trzy nowe przebiegi po 1,000 decyzji w drugiej, niezależnej konfiguracji.
Uczy się dalej, nie zapominając, nie tracąc aktualności i nie rosnąc.
5 / 5Wymagania uczenia się w środowisku produkcyjnym, wszystkie spełnione w każdym przebieguCache i wyszukiwanie średnio 2.2 / 5 · dostrajanie online 4 / 5- 0% Nieaktualne odpowiedzi po zmianie polityki · Cache i wyszukiwanie 72%
- Stały Rozmiar w czasie · Cache i wyszukiwanie urosły do ≈1,300 wierszy
Dziesięć przebiegów z tym samym nadzorem i tymi samymi danymi wejściowymi dla każdego podejścia.
Radzi sobie z nowymi sformułowaniami i wychwytuje łudząco podobne zapytania.
7.5%Błędne odpowiedzi na łudząco podobne zapytaniaCache 45.3%, około 6× więcej- 98.98% Zapytań obsłużonych poprawnie: z dobrą odpowiedzią lub przekazanych twojej AI · Duplex sam odpowiedział na 95.78% znanych zapytań
- 0.996 Wynik odróżniania znanego od nowego, w skali do 1 · Cache 0.930
Dziesięć wyuczonych intencji i sześć poziomów nowości, od dokładnych powtórzeń po zapytania z innej dziedziny, w dziesięciu przebiegach.
Planuje najkrótszą drogę bez ani jednego tokenu modelu.
100%Skuteczność planów w każdym przebieguAgent reaktywny: 0% · Duplex nie zużył tokenów modelu- 0% Reaktywny agent zachłanny
- ~204 Tokeny na decyzję, które czołowy model zużywa, by mu dorównać
Wieloetapowy świat w dziesięciu przebiegach, w porównaniu z agentem reaktywnym i czołowym modelem, przy tym samym zadaniu.
Utrzymuje skuteczność zadań agentów przy mniejszej liczbie wywołań modelu.
83.3%Udane zadaniaModel w każdej turze: 82.5%- 12.8% Tury wykonane bez modelu · ≈15% mniej wywołań modelu
- 100% Skuteczność w nowych zadaniach
Τ-bench (tau2-bench), handel detaliczny, autorstwa Sierra Research. Niezmodyfikowane środowisko handlu detalicznego, z tym samym modelem, narzędziami i symulatorem użytkownika dla każdego podejścia, w trzech przebiegach po czterdzieści epizodów.
Stały koszt czytania, niezależnie od długości historii.
96%Aktualne odpowiedzi tam, gdzie fakt się zmieniłNowy fakt, nie stary- 3.7× Mniej czytania na pytanie niż przy czytaniu całej historii · Przy czterdziestu sesjach historii
- 84% Dokładność przy czterdziestu sesjach historii
LongMemEval, autorstwa Wu i in., ICLR 2025. Pięćdziesiąt pytań, każde zadane przy historii liczącej 2, 5, 10, 20 i 40 sesji.
Blokuje każdy atak i przepuszcza zwykłą pracę.
0%Skuteczność atakówW sześciu rodzinach przeformułowanych ataków- 0.7% Fałszywe odmowy · Najmniej ze wszystkich podejść, które zablokowały każdy atak
- 40 / 40 Usunięte zatrute próbki · Dokładność w granicach 1 punktu
Sześć rodzin ataków, przeformułowanych, z nieszkodliwymi zapytaniami napisanymi na wzór ataków.
Samodzielnie uczy się nowej umiejętności przy wyłączonym modelu.
100%Zadania wykonane przy wyłączonym modelu, w każdym przebieguCzołowy model potrzebował ≈507 wywołań na przebieg- 0.26 ms Na ponowne użycie umiejętności · Przy 0 wywołań modelu
- 627 Odrzucone niebezpieczne działania na przebieg · A bezpieczna umiejętność i tak została wyuczona
Cztery zestawy w dziesięciu przebiegach, każdy oceniany według najgorszego przebiegu.
Pokonał trzy czołowe modele w przewidywaniu zmian w systemie.
0.256Wynik przewidywania zmian w systemieGPT-5.1 0.166 · Gemini 3 Pro 0.205 · Claude Sonnet 4.5 0.204- $0 Wydatki na model · 570 przewidywań przy zerowej liczbie wywołań; 84 na czołowym modelu kosztowały $13.40
- ~80% Decyzje rozstrzygnięte na podstawie tego, czego się nauczył · Resztę przejęła twoja AI
World of Workflows, autorstwa Skyfall Research / ServiceNow. Trzy ścieżki offline, oceniane własnym ewaluatorem autorów benchmarku, w trzech przebiegach.
Wygrywa z dostrajaniem, bez treningu.
6 / 6Testy, w których Duplex pokonał dostrojony adapterŚrednio +30.3 punktu- 0 Ponowne trenowanie przy przejściu do innej rodziny modeli · Adaptery przeszły w 0 z 6
- Od 60 do 79% Odpowiedź z tego, czego się nauczył · Na obu rodzinach modeli
Trzy publiczne zbiory danych z intencjami, dwie otwarte rodziny modeli i trzy przebiegi, z tym samym zamrożonym modelem i danymi dla każdego podejścia.
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.