Parallel 是一家为 AI Agent 构建开发者基础设施的公司，其工具覆盖语音 Agent 的联网支撑，以及金融机构和法律客户的深度研究场景，思路是把前沿模型与网页搜索结合起来。

在 Parallel 最耗时的研究任务里，以前为了保证回答质量，通常要调用更大、推理能力更强的模型，代价是时间和资源消耗都很高。引入 GPT-6 Astra 后，情况明显改观。Parallel 技术团队成员 Devin Gupta 表示，用 Astra 可以更快拿到同等高质量的研究结果，所需的研究调用和 token 数都更少。

实际测试中，Parallel 让 Agent 去研究四个州、六个月的六项劳动力市场统计指标，Agent 需要跨多个网站检索、收集信息并汇总成报告。GPT-6 Astra 用前一模型一半的时间完成了任务，成本降低约 50%，研究质量保持不变。

Parallel 还观察到，GPT-6 Astra 的搜索更聚焦，到达有用结果所需的步骤更少。Devin Gupta 说，相比之前的模型，Astra 会发出更有针对性的搜索查询，更专注最终任务，并且能把自身世界知识融入过程。

这种效率提升还让 Parallel 更愿意把研究任务拆给多个 Agent 并行执行。GPT-6 Astra 可以把具体的子任务委派给 sub-agent，同时推进工作，减少从头到尾单线搜索的耗时。Parallel 现在从复杂问题到研究答案的路径更短，等待时间更少，成本更低，也更能承载大规模的研究任务。