Jede Einstellung in einem Diagramm.
Schritt 1 von 4: Das Modell
Genauer bei jeder Einstellung, zu einem Siebtel der Kosten.
Bei allen acht seiner Einstellungen war MS Duplex genauer als ein semantischer Cache bei jeder seiner fünf oder GPT-5.5 allein bei seiner einen, auf denselben 3,000 Entscheidungen. Drei weitere Läufe auf neuen Strömen zeigten dieselbe Reihenfolge.
Interne Benchmarks. Jede Zahl auf dieser Seite stammt aus Tests, die MatterSpace selbst durchgeführt hat, und wurde nicht unabhängig überprüft. Haftungsausschluss lesen
- 94.1 bis 94.8%*Genauigkeit von MS Duplex, bei jeder der acht EinstellungenDas Beste, was ein Cache erreichte: 77.3%
Genauigkeit von MS Duplex, bei jeder der acht Einstellungen MS Duplex 94.1 bis 94.8% Das Beste, was ein Cache erreichte 77.3% - 84 bis 91%*Bei drei neuen Läufen mit 1,000 EntscheidungenDas Beste, was ein Cache erreichte: etwa 73%
Bei drei neuen Läufen mit 1,000 Entscheidungen MS Duplex 84 bis 91% Das Beste, was ein Cache erreichte ≈73%
* Zahlen aus internen Benchmarks von MatterSpace, nicht unabhängig überprüft. Haftungsausschluss lesen
MS Duplex in seiner schlechtesten Einstellung schlägt einen Cache in seiner besten.
Die ungenaueste Einstellung von MS Duplex gegen die genaueste Einstellung des Caches.
Schritt 1 von 2: Genauigkeit
Bei seiner ungenauesten Einstellung erreichte MS Duplex 94.1%. Der Cache erreichte bei seiner genauesten 77.3%.*
Einen Cache zu justieren, bringt keine Genauigkeit.
Derselbe Cache, vom lockersten Abgleich bis zum strengsten.
Schritt 1 von 3: Strenger
Wird der Abgleich eines Caches strenger, gehen mehr Anfragen ans Modell: von 4 Aufrufen auf 212.*
Dieselbe Reihenfolge, Lauf für Lauf.
Drei neue Läufe mit je 1,000 Entscheidungen, in einem zweiten, unabhängigen Aufbau.
Schritt 1 von 2: Genauigkeit
In drei neuen Läufen in einem zweiten, unabhängigen Aufbau erreichte MS Duplex 87.7%, der beste Cache 73.0%.*
Wie es durchgeführt wurde.
- Die Arbeit
- Derselbe Strom aus dem Kundenbetrieb wie beim Kostenergebnis: eine richtige Aktion aus etwa neunzehn oder eine Ablehnung, mit fünf internen Regeländerungen.
- Einstellungen
- MS Duplex mit acht Einstellungen, von der, die am ehesten selbst antwortet, bis zur vorsichtigsten; ein semantischer Cache mit fünf, vom lockersten bis zum strengsten Abgleich; GPT-5.5 allein mit seiner einzigen.
- Umfang
- Ein Strom mit 3,000 Entscheidungen, dann drei unabhängige Läufe mit 1,000 Entscheidungen in einem zweiten Aufbau.
- Gleich gehalten
- Dieselben aufgezeichneten Antworten von GPT-5.5 für jeden Punkt, dieselbe Rückmeldung und dieselben Ablehnungsregeln.
Was es für deine Arbeit bedeutet.
Stabil bei jeder Einstellung.
Alle acht Einstellungen von MS Duplex lagen bei einer Genauigkeit zwischen 94.1% und 94.8%.*
Genauigkeit, die ein Cache nicht erreicht.
Über seine Einstellungen hinweg kam der Cache auf höchstens 77.3%, und auf 44.2% nach einer Regeländerung.*
Überall günstiger als das Modell.
Selbst die vorsichtigste Einstellung von MS Duplex kostete weniger als GPT-5.5 allein und war 34 Punkte genauer.*
Weiter: Lernt weiter, ohne zu vergessen, zu veralten oder zu wachsen.Lesen →
Erlebe es mit deiner eigenen Arbeit.
Vom eigenen Assistenten bis zu jedem Agenten, den dein Unternehmen betreibt: Ein Pilotprojekt lässt MS Duplex mit deiner eigenen Arbeit laufen, und die Kennzahlen werden vereinbart, bevor es beginnt.