← 返回全部情报
Asana 用 GPT-6 Astra 在 Codex 里做实验,把浏览器智能体优化到 GPT-6.1 Sol:估计模型成本降约 76 倍、速度约快 5 倍,单次约 0.47 美元 的封面

·OpenAI(官方客户故事)·厂商工程实践收录 2026-10-12

Asana 用 GPT-6 Astra 在 Codex 里做实验,把浏览器智能体优化到 GPT-6.1 Sol:估计模型成本降约 76 倍、速度约快 5 倍,单次约 0.47 美元

浏览器智能体提示缓存截图策略GPT-6.1 SolCodexAsanaStackAI

一句话结论

Asana(经其收购的 StackAI)让 GPT-6 Astra 在 Codex 中排查浏览器智能体成本:发现固定指令与工具定义已缓存,但不断增长的页面文本与截图历史每次全价重传,且几乎每步删旧截图、裁文本,导致历史无法稳定命中缓存。工程师圈定三项改动后,Astra 重构出可并行对照的实验台,完成 144 次运行;优化后的 GPT-6.1 Sol 工作流平均估计模型成本约 0.47 美元、约 4 分钟/次,相对原生产用 Model B 约便宜 76 倍、约快 5 倍,且优化组全部跑完并答对。

打开原文 OpenAI:Asana cuts model costs 76x in browser tests with GPT-6.1 Sol

背景与理念

StackAI 让客户不用写代码就能让工作流浏览网站、填表、采数;规模一大,浏览器智能体的小浪费会变成账单。目标不是换一个更贵的模型硬扛,而是先搞清请求是怎么拼出来的,再让更强模型变得用得起。

负责人估计手工做同等研究要 1–2 个月;与 Astra 协作大约一周——常在睡前设 /goal,早上审结果。

具体做法

  1. 诊断。Astra 映射代码后指出:指令与工具定义已缓存,浏览历史(文本+截图)未缓存;且几乎每步删截图、裁文本,历史指纹一直在变。
  2. 选定实验变量。扩展历史缓存;加大可保留文本量;按批删截图而不是每步删。
  3. 搭可对照实验台。因原代码不适合受控实验,先重构前后端以并行跑多套配置。
  4. 矩阵。历史预算 120,000 与 480,000 字符;六种缓存/截图策略;四模型各测三遍(共 144 次)。同一任务:从公开演示目录为 32 本书各采 6 个字段。最佳策略让截图积到 20 张再裁回最近 1 张,配合更大历史预算。
  5. 工程闭环。请求、轨迹与结果进 Asana Command,再变成工单与 PR 上生产;后续还用 Astra 做发版前产品点选测试。

关键数据/例子

总对照:相对原 Model B 生产设置,优化 GPT-6.1 Sol 约 76× 便宜、约 5× 快;均值约 $0.47、约 4 分钟/次。

Model B 自身:从至少 $36.21(部分触步数上限)降到 $1.24(约 29×);Sol 优化后再低约 2.6× 到 $0.47。

Sol 单模型:更大历史 + 新策略下从 $1.97 到 $0.47(约 4×);约 89% 输入命中缓存(缓存价约为未缓存的 5%)。

完成率:小历史预算下 18 次里仅 3 次给出答案;大预算下 18/18 且全部正确。

原 Model B 时长:至少约 22.5 分钟。

人工对照:约 1–2 个月 → 约 1 周。

创新点

第一,让前沿模型当「实验员」:改代码、跑矩阵、读用量记录,人只定方向与验收。

第二,把浏览器历史的缓存稳定性当成一等公民——少改历史指纹,比一味砍上下文更省。

第三,用同一任务、多模型、多策略的完整研究包沉淀进交付平台,方便复盘与产品化。

可否复用

  1. 优化浏览器/电脑操作智能体前,先画清「每步请求里哪些前缀稳定、哪些历史在变」。
  2. 截图与文本裁剪改为批量触发,避免每步破坏前缀缓存。
  3. 把成本、时延、答对率放进同一实验矩阵,不要只看单次 demo。
  4. 实验结果默认进工单系统,从洞见到 PR 有固定路径。

笔记会在输入时自动保存。