Parallel采用GPT-6 Astra，研究耗时与成本减半

面向网页端知识检索场景的 AI 智能体开发基础设施提供商 Parallel，主要为语音智能体联网、金融与法律行业深度调研等业务提供工具支持，将前沿模型与网页检索能力紧密结合。

在过去，针对耗时较长的深度研究任务，获取高质量结论往往意味着必须调用更大型的模型进行长时间推理。这种方式不仅严重拉长了响应周期，也消耗了大量 Token 与计算资源。而在接入 GPT-6 Astra 后，Parallel 在执行时间和调用成本上均获得了显著改善。

Parallel Web Systems 技术团队成员 Devin Gupta 表示：“借助 Astra，我们证实了在更少搜索调用和更低 Token 消耗的情况下，依然能以大幅加快的速度输出同等质量的调研成果。”

数据整理速度提升一倍

在针对 GPT-6 Astra 的一项实测中，Parallel 让 AI 智能体去调研 4 个州在过去 6 个月内的 6 项劳动力市场统计指标。该任务要求智能体在多个外部网站间检索信息、抓取比对，并将分散的数据整合成一份完整的调研报告。

最终，GPT-6 Astra 仅用以往模型一半的时间就完成了这项复杂任务，代码调用与 Token 成本降低了约 50%，且报告质量保持在相同水准。

步骤更少，搜索更精准

Parallel 的测试还表明，GPT-6 Astra 在信息搜集过程中表现出更强的目的性，往往仅需更少的交互步骤就能锁定核心答案。

与前代模型相比，Astra 能够更好地调用自身内置的世界知识，生成的搜索关键词更加精准，能始终紧扣核心任务目标，有效避免了无意义的迂回检索。

此外，效率的大幅提升也让多智能体协作变得更具可行性。GPT-6 Astra 可以将庞大的研究课题拆解并分派给多个子智能体并发执行，摆脱了以往单线顺序检索的耗时模式。这让复杂问答走向深度调研报告的路径变得更快、成本更低，也为更大规模的自动化知识检索应用打开了空间。