Asana 在一项内部测试中，通过改造 AI 浏览器智能体的数据复用方式，并切换到 OpenAI 的 GPT-6.1 Sol 模型，据称将单次运行成本压缩了 76 倍。
要点概览：
- 在 GPT-6.1 Sol 上优化后的智能体，单次运行平均成本为 0.47 美元，而此前运行在竞品模型上至少需 36.21 美元。
- 不更换模型、仅通过工作流与缓存策略优化，成本就已降低约 29 倍。
- 所有数据来自单一、场景较窄的内部测试，尚未经过第三方独立审计。
Asana StackAI 测试细节
OpenAI 于 10 月 9 日在案例研究中公布了这组数据，此前一天，Asana 工程团队发布了支撑该结果的 144 次实验记录。
测试对象是 Asana 收购的自动化平台 StackAI 中的浏览器智能体。该智能体可在无需写代码的情况下自动打开网页、填写表单并抓取信息。本轮测试要求其在每次运行中收集 32 本书的相关数据。
在使用某竞品模型、且尚未优化的原始生产配置下，每次运行至少需要 36.21 美元、耗时至少 22.5 分钟，且部分任务因步骤数触顶而未能完成。优化后、并切换至 GPT-6.1 Sol 后，每次运行平均成本降至 0.47 美元、耗时约 4 分钟，且所有运行均给出了正确结果。
OpenAI 的 GPT-6 Astra 在 Codex 编码工具环境中对该智能体进行剖析时发现，智能体几乎在每次调用中都会把不断膨胀的网页文本与截屏历史完整回传，相当于重复“全价”购买同一批上下文。Astra 随后尝试了一系列修复，包括：
- 将页面文本与截屏内容引入缓存，避免重复付费上传；
- 允许截屏数量先累积到 20 张，再按需回退到 1 张；
- 将历史上下文长度上限提高 4 倍，以减少无效往返。
在 GPT-6.1 Sol 上应用这些改造后，约 89% 的输入数据来自缓存而非新付费的上下文。
延伸阅读：ChatGPT 智能界面为 12 亿用户把图表和计算器直接塞进答案
CTO Frank Hidalgo 谈成本博弈
StackAI 首席技术官 Frank Hidalgo 表示，如果完全由人工完成这套研究，他预计需要一到两个月；而借助新工具，整个过程约一周就完成了。他坦言，模型调用成本长期限制了 Asana 面向客户提供的模型选型空间，如今更“轻量”的浏览器智能体让公司得以在运营成本下降的前提下，升级为速度更快的模型。
AI 路由厂商 OrcaRouter 的一份分析指出，成本大头节省来自工作流与缓存机制本身的修复，而非单纯切换模型。
同一套流程优化措施，在竞品模型上也实现了约 29 倍的成本下降。在此基础上，改用 GPT-6.1 Sol 又带来了约 2.6 倍的额外降本，且官方价目表并无差别。OrcaRouter 将这一差距归因于 GPT-6.1 Sol 在缓存命中和上下文利用效率上的差异化表现。
目前尚无外部机构对这些数据进行审计或复核。
这并非 Asana 首次公开 Codex 相关成果。早在 8 月 7 日，Asana 工程团队就曾披露，在 Codex 智能体协助下，公司前端测试体系仅用约两周就从一套老旧测试库迁移完成，而原本预估这一项目需要大约五年才能收尾，对应 API 账单约为 1.2 万美元。
