Asana heeft in interne tests de kosten van zijn AI‑browser‑agent 76 keer weten terug te dringen door slimmer met hergebruik van data om te gaan en over te stappen op OpenAI’s GPT-6.1 Sol, melden beide bedrijven.
Kernpunten:
- De geoptimaliseerde agent kostte gemiddeld $0,47 per run op GPT-6.1 Sol, tegenover minimaal $36,21 op een concurrerend model.
- Alleen de aanpassingen in de workflow verlaagden de kosten al 29 keer, vóór de overstap van model.
- De cijfers komen uit één smal testscenario en zijn niet onafhankelijk geverifieerd.
Asana StackAI‑test
OpenAI publiceerde de resultaten op 9 oktober in een casestudy, een dag nadat Asana‑ingenieurs de achterliggende studie met 144 runs zelf online hadden gezet.
De tests betroffen een browser‑agent binnen StackAI, een automatiseringsplatform dat Asana heeft overgenomen. Die agent navigeert over websites, vult formulieren in en verzamelt informatie zonder dat er code nodig is. In elke run moest de agent gegevens verzamelen over 32 boeken.
In de oorspronkelijke productie‑opzet op een concurrerend model kostte een run minimaal $36,21 en duurde die minstens 22,5 minuten; sommige runs strandden daarbij op een stappengrens vóór afronding. De geoptimaliseerde variant op GPT-6.1 Sol kwam gemiddeld uit op $0,47 en circa vier minuten per run, waarbij elke run het juiste antwoord opleverde.
OpenAI’s GPT-6 Astra, ingezet in de Codex‑codingtool, ontdekte dat de agent zijn steeds groeiende geschiedenis van paginateksten en schermafbeeldingen vrijwel bij elke call opnieuw volledig verstuurde – en dus telkens volledig betaalde. Astra testte vervolgens aanpassingen die deze geschiedenis in cache opsloegen, schermafbeeldingen lieten oplopen tot 20 stuks voordat werd teruggeschakeld naar één, en de limiet voor de geschiedenis verviervoudigden. Op GPT-6.1 Sol bleek daarna 89% van de input uit de cache te komen.
Ook interessant: De slimme UI van ChatGPT voegt grafieken en rekenmachines toe aan antwoorden voor 1,2 mrd gebruikers
Frank Hidalgo over kosten
Volgens Frank Hidalgo, chief technology officer van StackAI, zou het onderzoek hem met de hand één à twee maanden hebben gekost, terwijl het nu ongeveer een week duurde. Kosten beperkten eerder welke modellen Asana aan klanten kon aanbieden voor dit soort taken, zegt hij; een efficiëntere agent maakt het mogelijk een sneller model te leveren én de operationele kosten te verlagen.
Een analyse van AI‑routeringsbedrijf OrcaRouter stelt dat het grootste deel van de besparing voortkomt uit de workflow‑aanpassingen, niet uit de modelwissel.
Dezelfde wijzigingen verlaagden de kosten op het concurrerende model al 29 keer. GPT-6.1 Sol zorgde vervolgens, bij dezelfde lijstprijs, nog eens voor een 2,6‑voudige verlaging. Volgens de analyse komt dat verschil vooral doordat het model de cache efficiënter benut.
Er heeft nog geen externe partij een audit uitgevoerd op de cijfers.
Het is niet Asana’s eerste publiek gedeelde Codex‑case. Op 7 augustus meldde het engineeringteam dat Codex‑agents de front‑end‑tests van het bedrijf in ongeveer twee weken van een verouderde bibliotheek hadden gemigreerd – een klus die men anders op zo’n vijf jaar had ingeschat. De rekening bedroeg circa $12.000.
Lees verder: Kan TRON $95 mrd aan stablecoins beschermen tegen quantumaanvallen? Sun zegt van wel
