V7 Go gradi poslovnu memoriju za AI agente uz GPT-6 Astra
V7 je predstavio rezultate rada platforme V7 Go, koja poslovne dokumente pretvara u kontekst za AI agente: GPT-6 Astra ostvario je 89% tačnosti na najtežim upitima nad Context Graph-om, dok je GPT-5.6 Sol na istom nivou težine zabeležio 78%. V7 Go koristi GPT-5.6 Luna za извlačenje podataka iz miliona fajlova, a modele GPT-5.6 Terra i Sol za rezonovanje, korišćenje alata i složene tokove rada.
Graf konteksta kao trajna poslovna memorija
Problem koji V7 pokušava da reši nije samo pronalaženje jednog dokumenta. Poslovni kontekst je često rasut kroz data room-ove, tabele, imejlove, SharePoint, Google Drive i interne alate. Agent bez objedinjene memorije mora iznova da pretražuje te izvore, pri čemu može propustiti važne veze među podacima.
Context Graph povezuje entitete, odnose, činjenice, atribute i metrike, uz citirani dokaz koji vodi do izvornog dokumenta. Kada stigne novi fajl, sistem prepoznaje kompanije, fondove, osobe i druge entitete definisane ontologijom, zatim ih povezuje sa postojećim ili novim zapisima. Ako graf nema dovoljno informacija, V7 Go može da pretraži originalne dokumente primenom RAG pristupa.
V7 navodi da je njegov sistem za samo preuzimanje podataka na HERB testu nadmašio zvaničnu osnovnu vrednost za 69% i smanjio halucinacije kod neodgovorivih upita za 38%. Takva struktura konteksta namenjena je poslovima kod kojih je poreklo informacije jednako važno kao i sam odgovor.
Primena u dugim tokovima rada
Platforma je namenjena tokovima rada od 50 do 100 koraka, poput procene poslova u privatnom kapitalu i osiguranja. V7 tvrdi da agenti takve procese završavaju za nekoliko minuta uz 99,9% tačnosti i sled odluka koji se može proveriti. Za aktivni kontekst čuvaju se skorašnje razmene, dok se stariji materijal skladišti u grafu i dohvaća po potrebi.
Među rezultatima koje kompanija navodi su 21 puta brža provera poslova kod upravljača imovinom, skraćenje jednog procesa finansijske provere sa više od 100 sati na manje od 10 i ušteda od 12.000 dolara po zadatku u troškovima stručnjaka. Timovi za osiguranje smanjili su greške u obradi šteta za 13,5% u odnosu na ručni osnovni rezultat, nakon što su agentima dali istorijske podatke o prethodnim štetama i polisama.
Modeli, cena i pristup kroz MCP
V7 raspoređuje zadatke po slojevima brzine i složenosti. GPT-5.6 Luna obrađuje strukturisano izvlačenje i rad velikog obima, dok GPT-5.6 Terra i Sol pokreću razgovor, putanju Go Agent i korake koji zahtevaju više rezonovanja ili upotrebu alata. V7 je izmerio da je GPT-5.6 Sol smanjio stopu grešaka pri pozivanju alata sa 2,7% kod GPT-5.5 na 0,2%.
U novijim testovima, tokovi rada sa više eksternih poziva završavali su se do 50% brže. GPT-5.6 Luna je doneo 78% niži trošak po dokumentu nego GPT-5.4 mini. Prelazak dokumentno intenzivnih opterećenja sa Chat Completions API-ja na Responses API smanjio je upotrebu tokena za približno 5% u pojedinim tokovima rada sa mnogo PDF dokumenata i poboljšao pouzdanost keširanja.
Context Graph je dostupan kroz MCP server, pa ga korisnici mogu koristiti iz ChatGPT-a i drugih kompatibilnih klijenata, a tokove rada mogu kreirati kroz MCP u Codex-u. V7 navodi da je vreme izrade toka rada srednje dužine tako smanjeno sa približno jednog sata na oko 20 minuta. Za poslovanje je ključan zaključak da agenti daju pouzdanije rezultate kada rade nad ažurnim, strukturisanim i dokazima povezanim kontekstom, uz jasnu proveru svakog koraka.