Asana 用 GPT-6 Astra 优化浏览器智能体，GPT-6.1 Sol 测试成本降低 76 倍

Asana 在浏览器测试中使用 GPT‑6.1 Sol 将模型成本降低 76 倍

在 Codex 中使用 GPT‑6 Astra，Asana 在测试中让其浏览器代理的成本降低 76 倍、速度提升 5 倍，从而能够为客户提供能力更强的模型。

联系销售

Image 1: White Asana logo over a blue layered-paper texture.

公司规模：大型企业

地区：北美

行业：科技

产品：Codex

76 倍

使用优化后的 GPT-6.1 Sol 工作流，预估模型成本降低

5 倍

使用优化后的 GPT-6.1 Sol 工作流，浏览器运行速度提升

$0.47

使用优化后的 GPT-6.1 Sol 工作流，平均预估模型成本

收听文章 5:37

音频 1

借助 Codex 中运行实验的 GPT‑6 Astra，Asana 优化了浏览器代理在 GPT‑6.1 Sol 上的工作流，使其成本降低 76 倍、速度提升 5 倍。

Asana 通过其StackAI⁠（在新窗口中打开）平台，帮助客户在各类业务应用中实现工作自动化。该平台是 Asana收购的（在新窗口中打开）。借助 StackAI，客户无需编写代码即可构建工作流，用于浏览网站、填写表单和收集信息。在 Asana 的规模下，这些工作流中的微小低效都会累积起来。

Asana 的 StackAI 首席技术官 Frank Hidalgo 博士着手提高浏览器代理的运行速度并降低成本。他让 Codex 中的 GPT‑6 Astra 调查该代理、测试改进方案并比较结果。据他估计，手动完成这些工作需要一到两个月，而实际只花了一周左右。

Asana 的 144 次运行研究⁠（在新窗口中打开）测试了 GPT‑6.1 Sol 和另外三个前沿模型，本文中称为模型 A、B 和 C。最终形成的 GPT‑6.1 Sol 优化工作流，平均每次运行的预估模型成本为 0.47 美元，耗时约四分钟；与使用模型 B 的原始生产配置相比，成本降低 76 倍，速度提升 5 倍。

“这就是人类团队与智能体团队在实践中的运作方式。工程师确定方向，GPT-6 Astra 运行实验，结果再通过 Command 投入生产。这展示了 Asana 如何让人类与智能体团队协同运作。”

——Asana 首席产品官 Arnab Bose

使用 GPT‑6 Astra 找出浏览器代理的低效之处

为了加快进度，Hidalgo 首先使用 Codex 中的 GPT‑6 Astra 梳理代码库，并说明代理如何构建每个模型请求。GPT‑6 Astra 发现，代理会缓存固定指令和工具定义，却不会缓存不断增长的页面文本和屏幕截图历史，因此每次请求都会以全价重新发送这些历史记录。

代理还会在几乎每一步丢弃旧屏幕截图并删减文本。每次修改都会改变历史记录，因此仅缓存历史记录并无帮助；丢失这些信息还可能迫使代理重新访问已经读过的页面。

借助 GPT‑6 Astra，将预计两个月的研究缩短至一周

Hidalgo 审查了 GPT‑6 Astra 提出的修复方案，并选出三项进行测试：

将缓存范围扩展至代理的浏览历史
增加代理可保留的文本量
改为分批移除屏幕截图，而不是每一步都移除

GPT‑6 Astra 首先进行快速测试，以确定哪些变量会产生影响。由于代码并非为受控实验而设计，随后它对代码进行了重构，使一个前端和一个后端能够并行支持多种工作流，且每种工作流都可使用各自的设置。

Astra 完成了整项研究：历史记录预算分别为 120,000 和 480,000 个字符，并采用六种缓存和截图策略；每种策略都在四个模型上分别测试了三次（见下表）。表现最佳的策略是允许截图累积到 20 张，然后再删减到只保留最新的一张。这样一来，每次删除之间的较长时间内，较早的历史记录都能保持不变。结合更大的历史记录预算，这便构成了优化后的工作流。每种配置执行的任务都相同：从一个公开的演示目录中，为 32 本书各收集六个字段；这代表了部分 Asana 客户在 StackAI 上运行的任务。

模型	说明	价格
模型 A	另一家前沿实验室推出的较小、价格较低的模型，于 2025 年秋季发布	价格为 GPT‑6.1 Sol 的一半
模型 B	最初用于生产环境的模型，与模型 A 来自同一家实验室，于 2026 年夏季发布	与 GPT‑6.1 Sol 价格相同
模型 C	模型 B 的更新版本，于 2026 年秋季发布	与 GPT‑6.1 Sol 价格相同
GPT‑6.1 Sol	OpenAI 的模型

GPT‑6 Astra 运行了这些工作流，并检查了请求、使用记录和输出；另有独立的模型会话审查了相关工作。每个会话的请求、数据轨迹和结果都记录在 Asana 的软件交付平台 Command⁠（在新窗口中打开）中，方便团队之后审查整项研究。团队通过 Command 将研究发现转化为工单，再转为拉取请求，最终将改动部署到生产环境。

“如果手动完成，这需要我一到两个月。使用 Codex 中的 GPT-6 Astra，只花了大约一周：我会在睡觉前设置一个 /goal，早上再查看结果。”

—Frank Hidalgo，博士，Asana 的 StackAI 首席技术官

将模型成本降至每次运行 0.50 美元以下

对于模型 B，优化将估算的模型成本从每次运行至少 36.21 美元（部分原始运行在完成前就达到了步骤上限）降至 1.24 美元，成本降低了 29 倍。GPT‑6.1 Sol 上的优化工作流还要便宜 2.6 倍，每次运行仅为 0.47 美元。优化工作流的每次运行都完成了任务并返回正确答案。

三次运行的平均值。≥：基线数据包含达到上限的运行，因此其平均值是下限。

右侧两处折叠线表示与优化后的模型 B 相比。模型 B 在研究第一阶段运行；模型 C 和 Sol 6.1 在同一项研究的第二阶段运行（虚线）。

仅使用 GPT‑6.1 Sol 并采用更大的历史记录预算时，新的缓存和截图策略将成本降低了 4 倍，从每次运行 1.97 美元降至 0.47 美元。每次调用的成本约降低了 3 倍，因为 89% 的输入来自缓存，缓存价格仅为未缓存价格的 5%。运行速度也有所提升：模型 B 在原始设置下至少需要 22.5 分钟，而 GPT‑6.1 Sol 的优化工作流约需四分钟。

三次运行的平均值，SD 误差线。≥：平均值包含达到上限或未完成的运行，因此实际值至少为该数值。

柱形使用蓝色主题。比较缓存效果时，请参照较大预算的 480k 柱形。

运行标记和 SD 误差线是根据源图像近似还原的；底层运行值和标准差不可用。

三次运行的平均值，SD 误差线。≥：平均值包含达到上限或未完成的运行，因此实际值至少为该数值。

柱形使用蓝色主题。比较缓存效果时，请参照较大预算的 480k 柱形。

运行标记和 SD 误差线是根据源图像近似还原的；底层运行值和标准差不可用。

调查还显示，历史记录管理会影响智能体是否能够生成答案。给 GPT‑6.1 Sol 更多空间保留浏览历史后，生成答案的运行次数从较小历史记录预算下的 18 次中 3 次，提升到较大预算下的 18 次全部成功，且答案均正确。对 Hidalgo 来说，这项工作的商业价值在于让客户能够使用更快、能力更强的模型，同时保持运营成本可持续。

“成本曾经限制了我们能为客户提供哪些模型来处理这些工作负载。通过提高智能体的效率，我们可以为客户提供更好、更快的模型，同时降低运营成本。”

—Frank Hidalgo，博士，Asana 的 StackAI 首席技术官

扩大实验与产品测试规模

Asana 已在 StackAI 中发布浏览器导航方面的改进，并正在开发工具，让类似实验更容易重复开展。团队计划逐步将这类测试纳入平台评估，让客户和内部团队在配置智能体时能够比较成本、运行时间和答案质量。

“交付速度已不再是瓶颈；人的注意力才是。我们正接近这样一个时代：每位工程师都是一名产品经理，带领一支智能体团队。”

—Frank Hidalgo，博士，Asana 的 StackAI 首席技术官

Asana 目前正在 Codex 中使用 GPT‑6 Astra，在产品功能发布前进行测试：Astra 会浏览平台、尝试不同输入，并报告错误，供人工质量保证审核人员检查。Hidalgo 认为，这是新型软件开发生命周期的基础，届时许多云端智能体会话将并行测试各项功能。

完整研究请参阅Asana⁠（在新窗口中打开）和StackAI⁠（在新窗口中打开）博客。

加入工作新时代

全球有超过 100 万家企业正借助 OpenAI 取得切实成果。

联系销售团队

继续阅读

Image 2: Oracle — Cover

Oracle 如何借助 ChatGPT 和 Codex 将数天工作缩短至数分钟 2026 年 10 月 8 日

Image 3: 1Password > Card image > Fiber ridge close-up

1Password 借助 Codex 将工程效率提升 21% 2026 年 9 月 8 日

Image 4: loveholidays customer story art card v4

loveholidays 如何借助 Codex 让每个人都能成为创造者 2026 年 8 月 26 日

研究