事件概述

OpenAI News 在 2026 年 10 月 9 日发布了一则客户案例：企业级工作管理平台 Asana 利用 GPT‑6 Astra 在 Codex 中做自动化实验，把旗下浏览器 Agent 的工作流优化到 GPT‑6.1 Sol 上运行，在测试中实现了 76 倍更低的估计模型成本和 5 倍更快的运行速度，平均每次运行的估计模型成本降至 0.47 美元。

背景是 Asana 通过其收购的平台 StackAI 为客户提供无代码工作流：让 Agent 浏览网站、填写表单、收集信息。在 Asana 的业务规模下，这类工作流中任何一点低效都会被放大。StackAI CTO Frank Hidalgo 博士的目标很直接——让浏览器 Agent 跑得更快、更便宜，从而在控制运营成本的前提下，为客户提供更强的前沿模型。

据原文，Hidalgo 估计这项工作如果纯人工完成需要一到两个月，而借助 Codex 中的 GPT‑6 Astra 只用了约一周：他会睡前设好 /goal，第二天早上查看结果。

关键技术点

1. 先定位低效：缓存覆盖不全

GPT‑6 Astra 在 Codex 中被用来梳理代码库并解释 Agent 每一次模型请求是如何构造的。它发现了一个典型问题：Agent 确实缓存了固定指令和工具定义，但没有缓存不断增长的页面文本和截图历史，于是每次请求都要按全价重发这部分内容。

更棘手的是，Agent 几乎每一步都在丢弃旧截图、裁剪文本。这意味着历史内容一直在变，单纯”给历史加缓存”并不能解决问题；同时这些被丢掉的事实可能迫使 Agent 重新访问已经读过的页面。

2. 三项优化：缓存历史、扩大预算、批量丢弃截图

Hidalgo 审阅了 GPT‑6 Astra 提出的修复方案，选出三项进行验证：

  • 把缓存范围扩展到 Agent 的浏览历史；
  • 提高可保留文本量的上限；
  • 不再每一步都删截图，而是批量删除。

由于原代码并非为受控实验设计，GPT‑6 Astra 先重构了代码，使一套前后端能并行支撑多个工作流，每个工作流有独立配置。

3. 144 次运行的对照实验

实验规模为 144 次运行：历史预算取 120,000 与 480,000 字符两档，配合六种缓存与截图策略，每种组合在四个模型上各跑三次（2 × 6 × 3 × 4 = 144）。任务统一为：从公开演示目录中为 32 本书各收集六个字段，代表部分 Asana 客户在 StackAI 上运行的典型负载。

参与对比的四个模型为：

模型 描述 价格
Model A 另一家前沿实验室的较小、更便宜的模型，2025 年秋发布 GPT‑6.1 Sol 的一半
Model B 原生产环境使用的模型，与 Model A 同一实验室，2026 年夏发布 与 GPT‑6.1 Sol 相同
Model C Model B 的更新版，2026 年秋发布 与 GPT‑6.1 Sol 相同
GPT‑6.1 Sol OpenAI 的模型 —

（Model A/B/C 的真实名称与 GPT‑6.1 Sol 的具体定价，原文未说明。）

表现最好的策略是：允许截图累积到 20 张，再一次性裁剪回最近一张。这样在两次裁剪之间有更长的时间窗口，历史保持不变的时间更久，缓存更容易命中；再配合更大的历史预算，构成了最终的优化工作流。

4.