Asana 使用 GPT-6.1 Sol 将浏览器测试模型成本降低 76 倍

📌 One-Sentence Summary

Asana 通过在 Codex 中使用 GPT-6 Astra 优化浏览器代理工作流，将模型成本降低 76 倍，速度提高 5 倍，同时在复杂网络导航任务中保持高精度。

📝 Summary

Asana 通过其 StackAI 平台开展了一项综合研究，以提高浏览器代理的效率。通过利用 Codex 中的 GPT-6 Astra，团队发现代理在管理浏览器历史记录和屏幕截图数据方面效率低下。由此产生的优化工作流——包括扩展缓存和更智能的图像处理——将平均模型成本从 36 美元以上降低到仅 0.47 美元，执行时间从 22 分钟降低到 4 分钟，同时确保 100% 的任务完成率。

💡 Main Points

显著的成本和时间减少

优化后的 GPT-6.1 Sol 工作流将模型成本降低 76 倍，速度比初始设置提高 5 倍。这一优化是通过改进代理的内存管理和缓存策略实现的，从而使其能够更有效地重用数据。

高效的历史管理

研究显示，代理在每次请求时都在重复发送相同的历史数据。通过将缓存扩展以包括浏览历史，并实施政策以在丢弃之前保留更多文本，发送到模型的数据量大幅减少，从而导致了所观察到的成本节约。

可靠性提高

优化不仅节省了成本，还提高了代理的可靠性。通过拥有更大的历史预算，代理能够一致地完成完整任务（收集 32 个书籍条目），而之前的设置由于内存限制，经常无法完成。

💬 Key Quotes

这展示了人类和代理团队在实践中的样子。一位工程师制定了方向，GPT-6 Astra 执行了实验，结果通过 Command 进入了生产环境。这展示了 Asana 如何将人类和代理团队带入现实。

成本曾经限制了我们可以为这些工作负载提供的模型。通过提高代理的效率，我们可以在降低运营成本的同时，为客户提供更好、更快的模型。

📊 Article Meta

AI Screening： 88

Source： OpenAI News

Author： OpenAI

Category： 人工智能

Language： 英文

Read Time： 6 min

Word Count： 1392

Tags：

AI 与智能应用 , AI 工作流 , AI 工程 , AI 编程 , AI Agent