Asana 优化代理流程与模型切换，AI 浏览器成本降 76 倍

Asana 在近期技术升级中，通过优化数据复用机制并引入 OpenAI 的 GPT-6.1 Sol 模型，实现其 AI 浏览器代理成本大幅下降。在一项内部测试中，该代理每次任务的平均支出仅为 0.47 美元，相较此前使用竞品模型时的最低成本 36.21 美元，降幅超过 76 倍。

成本控制的关键：工作流优化优先于模型替换

值得注意的是，这一显著降本并非仅依赖新模型。根据 StackAI 首席技术官 Frank Hidalgo 的说明，仅通过调整任务执行流程，原始环境下的成本已降低 29 倍。这表明，系统设计的合理性对整体开销影响深远。后续引入 GPT-6.1 Sol 后，成本进一步压缩 2.6 倍，形成叠加效应。

测试背景与核心指标

10 月 9 日，OpenAI 发布案例研究，披露了针对 Asana 收购平台 StackAI 的浏览器代理测试结果。该代理可在无代码条件下完成网页导航、表单填写及信息提取，单次任务需收集 32 本书的数据。在原有生产环境中，每次运行耗时至少 22.5 分钟，部分任务因步骤限制失败；而在优化后的 GPT-6.1 Sol 环境中，平均耗时缩短至四分钟，所有任务均成功返回准确结果。

缓存机制如何提升效率

区块链分析显示，旧版系统存在严重资源浪费——每次调用均以全价传输不断增长的历史页面文本与截图记录。为解决此问题，团队实施三项关键优化：限制历史记录增长上限、将多张截图合并为一张、提高缓存容量。在新架构下，89% 的输入数据来源于缓存，极大减少重复计算与请求开销。

外部机构观点：流程优于模型本身

AI 路由公司 OrcaRouter 分析指出，若将相同优化应用于原竞品模型，成本同样可下降 29 倍。这意味着，大部分节省源于流程改进而非模型更替。而 GPT-6.1 Sol 在同等定价下额外实现 2.6 倍降本，主要得益于其对缓存机制的高效支持。

此前，Asana 工程师已于 8 月公开表示，借助 Codex 代理，公司仅用两周时间完成了原本预计五年才能完成的前端库迁移工作，节省约 1.2 万美元人力成本。此次成果延续了其自动化战略的成功路径。

需要强调的是，上述数据基于单次内部测试，尚未经过独立第三方审计，实际应用中可能受环境差异影响。