Asana 用 GPT-6.1 Sol 将浏览器代理模型成本降低 76 倍
效率跃升：76 倍成本削减与 5 倍速度提升
Asana 旗下 StackAI 平台的浏览器代理在最新测试中实现了显著的效率突破。通过采用 GPT-6.1 Sol 模型并借助 GPT-6 Astra 在 Codex 中自动优化工作流，该代理的运行成本降至平均每次 0.47 美元，相比原先生产环境使用的 Model B 便宜了 76 倍，同时运行速度提升了 5 倍，单次运行时间缩短至约四分钟。
这一结果来自一项 144 次运行的对比研究，测试覆盖了 GPT-6.1 Sol 及另外三个前沿模型（Model A、B、C）。优化后的工作流在保持任务能力的同时，大幅压缩了模型调用开销。
瓶颈定位：缓存策略与历史数据的矛盾
StackAI 的浏览器代理允许客户通过无代码方式构建自动化流程，例如导航网站、填写表单和收集信息。在 Asana 的规模下，微小的效率损耗会被迅速放大。
StackAI 首席技术官 Frank Hidalgo 博士 在优化过程中发现，代理虽然缓存了固定指令和工具定义，但没有缓存不断增长的页面文本和截图历史，导致每次请求都需重新发送完整历史记录，且按全价计费。此外，代理几乎在每一步都会丢弃旧截图并裁剪文本，使得历史记录不断变化，单纯缓存历史数据无法解决问题。
Hidalgo 借助 GPT-6 Astra 在 Codex 中映射代码库并解释模型请求的构建方式，最终找到了优化路径。他估计，若手动完成这项工作需要一到两个月，而实际仅用约一周。
人机协作的新范式
Asana 首席产品官 Arnab Bose 表示：“这就是人类与代理团队协作的实际形态。工程师设定方向，GPT-6 Astra 运行实验，结果通过 Command 进入生产环境。”
这一案例展示了 AI 代理在优化自身工作流方面的潜力：人类工程师聚焦于目标定义与方向把控，而代理则承担重复性实验与性能调优。对于依赖浏览器自动化处理大规模任务的企业而言，此类优化不仅能降低直接成本，还能提升响应速度，使更强大的模型得以在成本可控的前提下投入生产。
目前，Asana 尚未披露该优化工作流的具体技术细节，但表示将继续探索代理效率的边界。