Asana 在内部测试中表示，通过重构其 AI 浏览器智能体的数据复用方式，并切换至 OpenAI 的 GPT-6.1 Sol 模型，单次运行成本被压缩到原来的 1/76。
要点概览：
- 基于 GPT-6.1 Sol 优化后的浏览器智能体，单次运行平均成本为 0.47 美元，此前在竞品模型上的成本至少为 36.21 美元。
- 仅靠工作流与缓存机制改造，在不更换模型的前提下，成本已先下降约 29 倍。
- 所有数据均来自单一、场景较窄的内部测试，尚未经过第三方独立审计。
Asana 的 StackAI 测试
OpenAI 于 10 月 9 日在一篇案例研究中披露了相关结果，前一天 Asana 工程团队已公开支撑该研究的 144 次实验数据。
测试对象是集成在 StackAI 平台中的浏览器智能体。StackAI 是 Asana 收购的一套自动化平台，这一智能体可在无需编写代码的前提下自动打开网页、填写表单并抓取信息。本次测试中，每次运行的任务是采集 32 本书的相关数据。
在切换前，运行在某款竞品模型上的原始线上配置，每次运行成本至少 36.21 美元，用时至少 22.5 分钟，且部分任务在达到步骤上限前仍未完成。经优化并接入 GPT-6.1 Sol 之后，单次平均成本降至约 0.47 美元，耗时约 4 分钟且全部运行均返回了正确结果。
OpenAI 的 GPT-6 Astra 模型在 Codex 编码工具中发现，该浏览器智能体几乎在每一次调用中都按“原价”重复发送不断膨胀的页面文本与截图历史。随后，Astra 测试了一套修复方案：对页面历史进行缓存，将截图缓存上限提高到 20 张再回落到 1 张，并将历史内容上限提升 4 倍。在 GPT-6.1 Sol 上应用这些优化后，约 89% 的输入数据来自缓存。
延伸阅读：ChatGPT 智能化 UI 为 12 亿用户的回答内嵌图表与计算器
Frank Hidalgo：成本结构被彻底改写
Frank Hidalgo，StackAI 首席技术官表示，如果完全依靠人工，这项研究至少需要一到两个月，如今在工具的辅助下约一周就完成。他指出，成本一直限制着 Asana 能为客户提供哪些高阶模型，而更“轻量”的浏览器智能体意味着公司可以在控制运营开支的同时，提供延迟更低、速度更快的模型选项。
AI 路由公司 OrcaRouter 的一份分析认为，大部分节省其实源自工作流和缓存策略的修复，而非简单的模型切换。
相同的流程改造在原竞品模型上也带来了约 29 倍的成本下降；在此基础上，更换为 GPT-6.1 Sol 又在相同标价条件下额外降低约 2.6 倍成本。该分析将这部分差异归因于 GPT-6.1 Sol 对缓存的利用效率更高。
目前，这些数字尚未经过外部独立机构审计。
这并非 Asana 首次对外披露 Codex 相关成果。8 月 7 日，Asana 工程团队曾介绍，借助 Codex 智能体，他们在大约两周时间内就将公司前端测试从一套老旧库迁移出去，而原本预期这一项目需要约五年才能完成，最终相关账单约为 1.2 万美元。
