Unternehmensnachrichten über Kontext-Grapher Jedify senkt KI-Token-Kosten um 75%

Jedify befürwortet die Erweiterung der KI mit Kontext-Graph-Technologie und behauptet, dass seine Lösung die KI-Tokenkosten um bis zu drei Viertel senken kann.

Kontextdiagramme speichern Entitätsbeziehungen (Menschen, Produkte, Orte usw.) in Datenbankstrukturen.Priorisierung von Verbindungen für die schnelle Übertragung komplexer miteinander verbundener Daten, im Gegensatz zu tabellenbasierten relationalen Datenbanken. Während Wissensdiagramme KI-Workloads bedienen, validieren Kontextdiagramme zusätzlich, welche Beziehungen wahr sind.

Jedify-Mitbegründer und CTO Adi Elimelech kommentierte: "Ein großer Teil der Branche verbindet Token-Effizienz und Kosteneffizienz, aber sie unterscheiden sich.Die Vorkodierung der Geschäftslogik innerhalb eines Kontextdiagramms erspart dem Modell die Notwendigkeit, für jede Abfrage von Grund auf neu zu denkenDies ist der Kernmechanismus, der unabhängig von der Umsetzung durch den Anbieter ist.

Anstatt das gesamte Datenbankschema für jede Abfrage an die KI zu übermitteln, kodiert Jedify's Kontext-Graph Geschäftslogik-Definitionen, Berechnungen, Beziehungen und Regeln in eine strukturierte Wissensdatenbank.Es aktualisiert und erweitert sich autonom, wenn sich das Geschäft ändert., die neue Daten, Beziehungen und Regeln aufnehmen.Bei Benutzeranfragen werden nur relevante Entitäten abgerufen, wodurch der LLM ein kompakter, genauer Kontext erhält.

Jedify führte ein Produktions- und Lagerhaus-Benchmarking über 100 Geschäftsfragen in drei Komplexitätsstufen durch (insgesamt 200 bewertete Testpunkte).036 Roh-Token pro SQL-Generierungsaufruf mit einer korrekten Antwortrate von 87%Im Gegensatz dazu verbrauchen herkömmliche Schema-Injection-Methoden 50.000 bis 150.000 Token pro Anruf mit einer Genauigkeit von 60 bis 70%; Schema-Injection-basierte Multi-Agent-Systeme wie CHESS erreichen fast 339,000.965 Token pro AnfrageAnmerkung: Diese Referenzwerte basieren auf externen Studien mit unterschiedlichen Schemata und Fragen, nicht auf Tests im Lager.

Gemessen an einem token-ROI-Framework, das Kosten und Genauigkeit ausgleicht, lieferte Jedify's Ansatz 4,6x höhere Renditen als Schema-Injektions-Workflows und 20x gegenüber grundlegenden Multi-Agent-Pipelines.Schema-Injektion erzielte 60 bis 70% korrekte Ausgänge, während Jedify eine hohe Genauigkeit für Entitäten innerhalb der Abdeckung des Graphen erreichte.

Auf der 100-Tabellen-Unternehmensskala reduzierte der Kontext-Graph die Token-Injektion um etwa 50% pro SQL-Aufruf im Vergleich zu Rohschema-Baselines; bei 200 Tabellen überstieg die Token-Einsparung 75%.

Elimelech betonte auch die Vorteile des Datenbesitzes: ¢Die Geschäftslogik liegt in Ihrem kontrollierten Diagramm,so dass Sie nicht Ihr vollständiges Schema und Join-Filter-Regeln an Grenzmodell-Anbieter auf jeder Anfrage auszusetzen.??

Durch das Filtern auf nur erforderliche Entitäten vor der SQL-Generierung senken Kontextgraphen die Modell-Reasoning-Last.Die Analyse der Produktionsrouten zeigt, dass etwa 85% der Enterprise-Analytics-Abfragen auf günstigeren Open-Source-Modellen anstelle von Premium-Frontier-LLMs mit vernachlässigbarem Genauigkeitsverlust ausgeführt werden können, die Ausgaben für Infrastrukturen zu senken.

Laden Sie das entsprechende Whitepaper hier herunter.

Beibei Qianxing Jietong Technology Co., Ltd.
Sandy Yang, Leiterin der globalen Strategie
WhatsApp / WeChat: +86 13426366826
E-Mail: yangyd@qianxingdata.com
Website: www.qianxingdata.com/www.storagesserver.com Die Daten werden auf der Website der chinesischen Regierung gespeichert.
Geschäftsfokus:
Vertrieb von IKT-Produkten/Systemintegration und Dienstleistungen/Infrastrukturlösungen
Mit mehr als 20 Jahren Erfahrung im IT-Vertrieb arbeiten wir mit führenden globalen Marken zusammen, um zuverlässige Produkte und professionelle Dienstleistungen zu liefern.
¢Technologie nutzen, um eine intelligente Welt aufzubauen¡Ihr vertrauenswürdiger Dienstleister für IKT-Produkte!