Asana 借助 GPT-6.1 Sol 在浏览器测试中将模型成本降低 76 倍

Asana 在浏览器智能体测试中借助 GPT-6 Astra 与 Codex，将成本降低 76 倍、速度提升 5 倍，以向客户提供能力更强的模型。

• Asana 在浏览器智能体测试中借助 GPT-6 Astra 与 Codex，将成本降低 76 倍、速度提升 5 倍，以向客户提供能力更强的模型。
• 原贴提到：Using GPT-6 Astra in Codex, Asana made its browser agent 76x cheaper and
• 来源：openai.com

这条信号的表面是性能数字，实质是 AI Agent 的单位经济性被拿到台面上：Asana 在浏览器相关测试中，用 Codex 里的 GPT-6 Astra 把浏览器智能体的成本做到便宜 76 倍、速度快 5 倍，目标是给客户提供能力更强的模型。来源为 OpenAI News。标题中的模型名写作 GPT-6.1 Sol，正文写的是 GPT-6 Astra，两者不一致，解读时应先把它当作待确认的公开信号，而不是可直接复用的配置结论。

为什么重要

Agent 产品过去常卡在“能力强但太贵、太慢”。如果成本能下降两个数量级、延迟明显改善，商业模式会变：原先不敢开放的高频浏览器操作、长链路自动化和多轮工具调用，可能从演示走向可售卖的套餐。它也会把竞争焦点从“单次模型分数”推向“每任务成本、端到端延迟和成功率”的组合指标。

对谁有价值

• 做 AI Agent、浏览器自动化、RPA 和 SaaS 自动化的产品团队，可把它视为成本结构优化的参考方向。
• 需要给企业客户交付可预测毛利的 AI 应用团队，可关注模型路由、代码代理与推理成本控制。
• 采购和平台团队可追问供应商：测试基准是什么、生产负载是否同样成立、单价与限流如何变化。

可以怎么行动

第一，不要只看“76 倍”这个总数，先拆自己的任务链路，记录每次浏览器任务的模型调用次数、token 消耗、工具往返和失败重试。第二，若已在用 Codex 或类似代码代理环境，可小流量对比 GPT-6 Astra 与现有模型在真实页面上的单位任务成本和延迟。第三，把优化目标写成“每成功任务成本”和“P95 延迟”，而不是单纯看模型单价。第四，保留回退与多模型路由，避免把关键路径绑死在单一模型或单一供应商上。

风险与限制

这是测试结果，不是生产保证。76 倍和 5 倍高度依赖基线、任务类型、缓存、上下文长度和并发条件；换到复杂登录、风控严格或长会话页面，收益可能收窄。模型名不一致也提醒我们，公开摘要可能存在版本或笔误，不能直接当作采购依据。此外，浏览器智能体涉及账号、隐私与合规，成本下降不等于风险下降。更稳妥的做法是先验证效果、成本和合规边界，再决定是否扩大使用。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 openai.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Asana 借助 GPT-6.1 Sol 在浏览器测试中将模型成本降低 76 倍》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• OpenAI News 原帖