Analysera sid-diffar i stor skala med GPT-OSS 120B: historien om Page Deltas powered by NLP Cloud

Om webbplatsändringsövervakning, Page Deltas och NLP Cloud

Webben förändras ständigt. Konkurrenter justerar priser, leverantörer uppdaterar tyst sina användarvillkor, tillsynsmyndigheter publicerar nya riktlinjer och dokumentationssidor utvecklas utan något meddelande. För många team är det dyrt att upptäcka dessa ändringar dagar eller veckor för sent: en missad prisrörelse, en obemärkt policyuppdatering eller ett tyst avvecklat API kan få verkliga affärskonsekvenser. Page Deltas byggdes för att lösa just det här problemet. Det övervakar kontinuerligt de webbsidor som spelar roll för ett team, upptäcker ändringar och levererar tydliga, AI-genererade sammanfattningar direkt till Slack, Microsoft Teams, Discord, e-post eller webhooks.

Bakom kulisserna drivs intelligenslagret i Page Deltas av GPT-OSS 120B, en open-weight storspråkmodell som serveras via NLP Cloud API. Partnerskapet illustrerar väl vad modern öppen källkods-AI möjliggör: en produktionsfunktion som varje dag läser tusentals sid-diffar, avgör vilka som verkligen spelar roll och förklarar dem på klartext — utan att ge avkall på datasekretess eller kostnadskontroll.

Varför det är svårt att analysera sid-diffar i stor skala

Att upptäcka att en sida har ändrats är den enkla delen. En enkel jämförelse mellan två versioner av en sida flaggar något vid nästan varje hämtning: roterande banners, widgets med trendande artiklar, cookiemeddelanden, uppdaterade tidsstämplar, slumpmässig markup från moderna frontend-ramverk eller A/B-testvariationer. Det svåra är att avgöra om en ändring faktiskt spelar roll.

Traditionella regelbaserade metoder som CSS-selektor-ignoreringslistor och trösklar för ändringsstorlek når snabbt sina gränser. De är sköra, måste underhållas separat för varje övervakad webbplats och kan i grunden inte avgöra om ett omskrivet stycke är en viktig uppdatering av en återbetalningspolicy eller en ofarlig rättning av en stavfel. Att förstå en diff kräver att man faktiskt läser den — vilket är precis vad stora språkmodeller är bra på.

Men i skalan av tusentals kontinuerligt övervakade URL:er är det bara hållbart att skicka varje kandidat-diff till en LLM om modellen samtidigt är korrekt, snabb och kostnadseffektiv. Det är där GPT-OSS 120B på NLP Cloud kommer in.

Page Deltas omvandlar råa sidändringar till handlingsbara aviseringar

Page Deltas hämtar de övervakade sidorna enligt schema, jämför varje ny version med den föregående och tar före-och-efter-skärmdumpar så att användare visuellt kan verifiera varje ändring. Sitemap-discovery-funktionen upptäcker till och med helt nya URL:er så snart de publiceras, vilket är särskilt användbart för att tidigt se produktlanseringar. Team kan samarbeta kring monitorer med rollbaserad åtkomst och skicka aviseringar till kanalerna de redan använder: Slack, Discord, Microsoft Teams, e-post eller webhooks för anpassade integrationer.

Typiska användningsfall inkluderar övervakning av konkurrenters prissidor, spårning av produktlanseringar och changelogs, bevakning av regulatoriska och juridiska sidor för compliance samt analys av rekryteringssidor för att förstå en marknad. I varje fall är löftet detsamma: istället för en vägg av råa HTML-diffar får användare en kort, läsbar sammanfattning av vad som ändrats och varför det kan spela roll — bara när det faktiskt spelar roll.

Filtrera och sammanfatta sid-diffar med GPT-OSS 120B

För varje ändring som upptäcks av övervakningsmotorn skickar Page Deltas diffen, tillsammans med lite sidkontext, till GPT-OSS 120B via NLP Cloud API. Modellen spelar två roller samtidigt. Först fungerar den som filter: den bedömer om ändringen är meningsfull eller bara brus, så att irrelevanta uppdateringar aldrig når användaren. Sedan fungerar den som skribent: för meningsfulla ändringar producerar den den koncisa sammanfattning som hamnar i aviseringen och förklarar på klartext vad som ändrats på sidan.

GPT-OSS 120B passar särskilt bra för den här arbetsbelastningen. Publicerad av OpenAI under den tillåtande Apache 2.0-licensen är det en mixture-of-experts-modell: endast omkring 5 miljarder av dess 117 miljarder parametrar är aktiva per token, vilket ger resonemangs- och instruktionsföljningskvalitet nära toppen till latens och kostnad för en mycket mindre modell. Det stora kontextfönstret rymmer bekvämt även stora diffar tillsammans med omgivande sidinnehåll. För en volymstark, alltid-på-uppgift som sid-diff-analys är den här balansen av kvalitet, hastighet och pris precis vad som behövs.

Att servera GPT-OSS 120B på NLP Cloud ger ytterligare fördelar. Pay-as-you-go-API:et skalar med volymen övervakade sidor utan något infrastrukturarbete på Page Deltas sida, och data som skickas till API:et används aldrig för att träna andra modeller. Och eftersom GPT-OSS 120B är open source behåller Page Deltas full kontroll över sin roadmap: modellen kan senare finjusteras på egna exempel på relevanta och irrelevanta ändringar, eller köras på en dedikerad server när volymerna växer — utan vendor lock-in. Läs mer om generativa AI-modeller som GPT-OSS 120B på NLP Cloud här.

Vad händer härnäst för Page Deltas och NLP Cloud

Det här samarbetet har precis börjat. När Page Deltas växer utforskar båda teamen djupare AI-förmågor: rikare kategorisering av ändringar, trendanalys över på varandra följande versioner av en sida och övervakning av webbplatser på många språk — ett område där de flerspråkiga förmågorna hos modellerna på NLP Cloud glänser. På NLP Cloud-sidan driver arbetsbelastningar som den här oss att optimera vår inference-stack så att stora open-source-modeller förblir snabba och prisvärda i stor skala.

Page Deltas är ett utmärkt exempel på vad utvecklare kan bygga idag genom att kombinera en fokuserad produkt med avancerade AI-modeller med öppen källkod som serveras via ett enkelt API.

Om du inte har gjort det ännu kan du registrera dig för NLP Cloud här.

Du kan prova Page Deltas gratis här.

Jessica
Marknadschef på NLP Cloud