OpenAI于9月22日发布客户案例称，Parallel正在网络研究智能体任务中使用GPT-6 Astra。
页面披露的一项内部测试要求智能体收集四个州、连续六个月的六项劳动力市场统计数据，并汇编为研究报告。OpenAI称，Parallel观察到GPT-6 Astra完成该任务的时间约为此前模型的一半，代码成本也约减少一半。
上述耗时和成本数字来自OpenAI发布的合作案例及Parallel的观察，并非本站独立测试，也不能直接作为跨平台比较结论。
长链路研究任务的成本传导
研究型智能体通常需要多轮推理、检索、工具调用和结果整理。若特定任务能以较少步骤完成，等待时间和模型资源消耗可能随之下降，使部分原本成本较高的研究流程更具可用性。不过，案例中的结果依赖Parallel自身的任务设置与工作流，不能外推至所有智能体产品。面向外部信息的研究任务仍需关注资料来源、工具权限和人工审阅，才能控制长链路输出的可靠性。
| 涉及行业 | 行业影响分析 | 简要理由 |
|---|---|---|
| 应用软件 | 利好 | 长任务资源消耗若下降，可能扩展高阶模型在研究型任务中的使用场景；研究、检索和报告类软件可围绕任务编排与结果审阅完善产品能力。 |
| 互联网服务与基础设施 | 中性 | 检索和模型调用会带来服务需求，但效率变化也可能降低单项任务的资源消耗。 |
新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。