知识卡片：Asana 在浏览器测试中用 GPT-6.1 Sol 将模型成本降低 76 倍

一句话结论

据 OpenAI 官方页面标题与候选摘要，Asana 借助 GPT-6.1 Sol（候选摘要中亦提及 GPT-6 Astra 与 Codex），在浏览器 agent 测试中实现成本降低 76 倍、速度提升 5 倍，从而可为客户提供更强模型。以上关键数据待核实。

事件概述或研究问题

来源材料为 OpenAI 官网索引页（URL: https://openai.com/index/asana-browser-agent），正文未能抓取。基于已知元数据，该材料描述的是 Asana 对其浏览器 agent 进行模型替换与优化的工作，核心问题是：如何在不牺牲（甚至提升）能力的前提下，显著降低浏览器 agent 的模型调用成本与延迟。

方法/产品要点

• 涉及主体：Asana（浏览器 agent 提供方）、OpenAI（模型提供方）。
• 涉及模型与工具：候选摘要称使用 GPT-6 Astra 于 Codex 中；Manual title 则称 GPT-6.1 Sol。二者关系与具体指代待核实。
• 优化目标：降低单位任务成本、提高执行速度，以便向客户开放更强模型。
• 具体技术手段（如提示工程、模型蒸馏、路由策略、缓存等）：材料未提供，待核实。

主要结果或产业意义

• 成本：测试中降低 76 倍（76x cheaper）——待核实。
• 速度：测试中提升 5 倍（5x faster）——待核实。
• 能力：候选摘要称目的是“向客户提供更强模型”，但未给出具体能力对比数据——待核实。
• 产业意义：若数据属实，说明浏览器 agent 这类高频、多步交互场景，正成为模型效率优化（每美元智能产出）的主要落地战场。

为什么重要

浏览器 agent 通常需要多轮截图、DOM 解析与动作决策，单任务 token 消耗大、延迟敏感，成本是商业化的首要瓶颈。76x 成本下降若成立，意味着原本因成本无法规模化的浏览器自动化能力可能具备可售性。同时，本条与既有卡片《Parallel 借 GPT‑6 Astra 将研究时间与成本减半（待核实）》和《GPT-5.6：前沿智能与效率的融合》构成同一脉络的增量证据：多家厂商正以 GPT-6 系列模型换取成本/速度的数量级改善，而非单纯追求能力提升。

局限与不确定性

• 原始正文未能抓取，本卡片全部内容仅来自 URL、标题与候选摘要，未经原文验证。
• 模型命名存在冲突（GPT-6.1 Sol vs GPT-6 Astra），无法确认是同一模型的不同称呼、不同版本，还是元数据错误——待核实。
• “76x”“5x”的基准（对比对象、测试集、任务类型、统计口径）完全未知——待核实。
• 测试环境与生产环境差异、是否包含缓存或路由收益，均无信息——待核实。

可用于图书/PPT/简报的角度

• “数量级效率”叙事：agent 竞争从能力比拼转向每美元产出比拼。
• 浏览器 agent 的经济学：为何成本是这类 agent 商业化的第一约束。
• 模型代际更新的落地方式：企业如何通过替换模型与工具链（如 Codex）快速获得成本红利。
• 案例对照：Asana（浏览器 agent）与 Parallel（研究 agent）的效率改进可并列展示。
• 引用时须标注“数据来源为 OpenAI 页面标题与摘要，待核实”。

与既有脉络的关系

本条是“GPT-6 系列带来 agent 成本/速度数量级改善”这一脉络的又一案例，与 Parallel 卡片（成本与时间各减半）方向一致但幅度更大（76x/5x），提示同一模型家族在不同任务类型上的效率收益差异显著。差异原因待核实。

原始材料

• 标题（Manual）：Asana cuts model costs 76x in browser tests with GPT-6.1 Sol
• URL: https://openai.com/index/asana-browser-agent
• 来源：OpenAI 官网索引页（正文未抓取）
• Track: industry
• Topics: agent
• Candidate summary: Using GPT-6 Astra in Codex, Asana made its browser agent 76x cheaper and 5x faster in tests to offer customers more capable models.