Naplánuje nejkratší cestu bez jediného tokenu modelu.
Malý svět místností, kde je cíl dva až pět tahů daleko a cestou je smyčka a slepá ulička. Každý úkol ukáže, který tah kam vede, a pak požádá o trasu. MS Duplex, reaktivní agent a GPT-5.5 dostali stejnou mapu.
Interní benchmarky. Všechna čísla na této stránce pocházejí z testů, které MatterSpace provedl sám, a nebyla nezávisle ověřena. Přečtěte si vyloučení odpovědnosti
- 100%*Úspěšnost plánů v každém běhuReaktivní agent: 0% · MS Duplex nepoužil žádné tokeny modelu
Úspěšnost plánů v každém běhu MS Duplex 100% Reaktivní agent 0% - 0%*Reaktivní hladový agent
- ~204*Tokeny na rozhodnutí, které špičkový model utratí, aby se mu vyrovnal
Tokeny na rozhodnutí, které špičkový model utratí, aby se mu vyrovnal MS Duplex 0 Špičkový model ~204
* Čísla z interních benchmarků společnosti MatterSpace, nezávisle neověřená. Přečtěte si vyloučení odpovědnosti
Hledání nejkratší cesty.
Krok 1 z 5: Svět
Stejná odpověď, bez účtu.
Kolik za stejné nejkratší cesty zaplatil GPT-5.5 a kolik MS Duplex.
Krok 1 z 3: Tokeny
MS Duplex nespotřeboval na žádné rozhodnutí tokeny modelu. GPT-5.5 na každé spotřeboval zhruba 204.*
Tah, který vypadá nejblíž k cíli, může nikam nevést.
Kam vedly tahy každého přístupu, během deseti běhů.
Krok 1 z 2: Reaktivní
První tahy reaktivního agenta: zhruba polovina vedla do smyčky nebo slepé uličky a žádný nedosáhl cíle.*
Čtyři kontroly, splněné u každého plánu.
Co se kontrolovalo u každého plánu, který MS Duplex vytvořil.
Krok 1 z 4: Nejkratší
Každý plán byl přesně nejkratší cestou.*
Jak byl proveden.
- Práce
- Najít cestu náhodně vygenerovaným světem místností, dva až pět tahů k cíli, se smyčkou, která nikam nevede, a slepou uličkou.
- Rozsah
- Jeden hostovaný běh s 20 úkoly a deset nezávislých běhů po 12 plánech.
- Porovnáno s
- Reaktivní agent, který vidí o jeden tah dopředu, a GPT-5.5, který dostal stejnou mapu v promptu.
- Shodné podmínky
- Stejná mapa a stejný úkol pro všechny přístupy.
Co to znamená pro vaši práci.
Plánuje bez nákladů na model.
MS Duplex se vyrovnal nejkratším cestám GPT-5.5 bez jediného tokenu modelu.*
Opakovaná rozhodnutí jsou rychlá.
Při opakovaném dotazu odpověděl MS Duplex s mediánem 582 ms; GPT-5.5 potřeboval 1,647 ms.*
Zastaví se, místo aby hádal.
Když začínal někde, kde nikdy nebyl, pokaždé to řekl.
Další: Úkoly agentů dál uspívají, s menším počtem volání modelu.Číst →
Ověřte si to na vlastní práci.
Od vašeho vlastního asistenta po každého agenta, kterého vaše firma provozuje: v pilotním projektu běží MS Duplex na vaší vlastní práci, s měřítky dohodnutými před začátkem.