Parallel 借助 GPT‑6 Astra 将劳动力市场数据研究的时间与成本减半

Parallel 的智能体承担劳动力市场数据的研究与综合工作，并改用 GPT‑6 Astra 来完成这一环节。 原文描述的是新一代模型被接入既有智能体研究流程，属于流程内的模型换代，而不是提出新的研究设计。 来自企业侧的一句话陈述，加载文本未给出任务规模、评测集或对照设置。

同一流程的研究耗时相比此前模型减少一半。 以相对此前模型的对比形式呈现，而非绝对时长或公开基准上的成绩。 单一来源的相对说法，文本未说明耗时的测量口径。

同一流程的成本相比此前模型减少一半。 把成本与耗时并列作为该模型带来的收益，指向单位研究产出的经济性。 同为企业自述的相对比例，文本未披露计费或成本核算方式。

这段材料适用于评估把更新一代模型接入研究型智能体流水线后，在劳动力市场数据这一具体场景中的时间与成本表现；对正在搭建数据检索与综合流程、考虑模型换代的团队最具参考价值。其适用前提是 Parallel 自身的智能体配置与同类任务负载，超出这一设定后结论未必成立。

读者仍会想了解“此前的模型”具体指哪些模型、耗时与成本如何计量、任务量与数据规模多大，以及提速降本之后输出质量是否维持在同一水平；加载文本是简短摘要，没有图表或附录，这些细节无法从现有材料中确认。