Asana cuts model costs 76x in browser tests with GPT-6.1 Sol

Asana has cut model costs 76x and sped up its browser agent 5x, using GPT-6 Astra in Codex to run experiments on GPT-6.1 Sol. Asana helps customers automate work across business applications through Stack AI, a platform it acquired. Using Stack AI, customers can build workflows that navigate websites, fill out forms, and gather information without writing code. At Asana's scale, small inefficiencies in these workflows add up, so Stack AI CTO Frank Hidalgo, Ph D, set out to make the browser agent faster and cheaper to run. He directed GPT-6 Astra in Codex to investigate the agent, test improvements, and compare the results. Work he estimates would have taken one to two months by hand took about a week.

Asana's 144-run study tested GPT-6.1 Sol and three other frontier models. The optimized workflow on GPT-6.1 Sol averaged $0.47 in estimated model costs and about four minutes per run, 76x cheaper and 5x faster than the original production setup on Model B. Arnab Bose, CPO at Asana, said the work showed how an engineer could set direction while GPT-6 Astra ran the experiments and results moved through Command to production.

The investigation found that the agent cached its fixed instructions and tool definitions but not the growing history of page text and screenshots, so every request resent that history at full price. Hidalgo tested three changes: extending caching to browsing history, retaining more text, and removing screenshots in batches. The best policy let screenshots accumulate to 20 before trimming to the most recent one, keeping earlier history unchanged for longer stretches.

Each configuration collected six fields for each of 32 books from a public demo catalog. Every session's requests, data traces and results were recorded in Command, so the team could review the study afterward. Findings became tickets, then pull requests, and the changes went to production.

خفّضت Asana تكاليف النماذج 76 مرة وسرّعت وكيل المتصفح لديها 5 مرات، باستخدام GPT-6 Astra في Codex لإجراء التجارب على GPT-6.1 Sol. تساعد Asana العملاء على أتمتة العمل عبر تطبيقات الأعمال من خلال Stack AI، وهي منصة استحوذت عليها. وباستخدام Stack AI، يمكن للعملاء بناء سير عمل يتنقل عبر مواقع الويب، ويملأ النماذج، ويجمع المعلومات دون كتابة أي شيفرة. وعلى نطاق Asana، تتراكم الأوجه غير الفعالة الصغيرة في سير العمل هذا، ولذلك سعى Frank Hidalgo، Ph D، المدير التقني لـ Stack AI، إلى جعل وكيل المتصفح أسرع وأقل تكلفة في التشغيل. وجّه GPT-6 Astra في Codex لفحص الوكيل واختبار التحسينات ومقارنة النتائج. وقدّر أن هذا العمل كان سيستغرق شهراً إلى شهرين لو أُنجز يدوياً، لكنه استغرق نحو أسبوع.

شملت دراسة Asana البالغة 144 تشغيلاً نموذج GPT-6.1 Sol وثلاثة نماذج متقدمة أخرى. بلغ متوسط التكلفة التقديرية للنموذج في سير العمل المُحسَّن على GPT-6.1 Sol 0.47 دولار لكل تشغيل، واستغرق نحو أربع دقائق لكل تشغيل، أي أرخص بـ 76 مرة وأسرع بـ 5 مرات من إعداد الإنتاج الأصلي على Model B. وقال Arnab Bose، الرئيس التنفيذي للمنتج في Asana، إن العمل أظهر كيف يحدد المهندس الاتجاه بينما يجري GPT-6 Astra التجارب، وتنتقل النتائج عبر Command إلى الإنتاج.

وجد التحقيق أن الوكيل كان يخزن مؤقتاً تعليماته الثابتة وتعريفات أدواته، لكنه لم يخزن سجل نص الصفحات ولقطات الشاشة المتزايد، لذلك كان كل طلب يعيد إرسال هذا السجل بكامل التكلفة. اختبر Hidalgo ثلاثة تغييرات: توسيع التخزين المؤقت ليشمل سجل التصفح، والاحتفاظ بمزيد من النص، وإزالة لقطات الشاشة على دفعات. سمحت أفضل سياسة بتراكم لقطات الشاشة حتى 20 قبل تقليصها إلى الأحدث، مع بقاء السجل السابق دون تغيير لفترات أطول.

جمعت كل إعدادات ستة حقول من كل كتاب من بين 32 كتاباً في كتالوج عرض عام. وسُجّلت طلبات كل جلسة ومسارات بياناتها ونتائجها في Command، حتى تتمكن الفريق من مراجعة الدراسة لاحقاً. وتحولت النتائج إلى تذاكر، ثم إلى طلبات دمج، وانتقلت التغييرات إلى الإنتاج.

Asana Codex-এ GPT-6 Astra ব্যবহার করে GPT-6.1 Sol-এর ওপর পরীক্ষা চালিয়ে তার ব্রাউজার এজেন্টের মডেল খরচ ৭৬ গুণ কমিয়েছে এবং গতি ৫ গুণ বাড়িয়েছে। Asana তার অধিগৃহীত প্ল্যাটফর্ম Stack AI-এর মাধ্যমে গ্রাহকদের ব্যবসায়িক অ্যাপ্লিকেশন জুড়ে কাজ স্বয়ংক্রিয় করতে সহায়তা করে। Stack AI দিয়ে গ্রাহকরা এমন ওয়ার্কফ্লো তৈরি করতে পারেন যা ওয়েবসাইটে নেভিগেট করে, ফর্ম পূরণ করে এবং তথ্য সংগ্রহ করে, কোনো কোড না লিখেই। Asana-এর স্কেলে এসব ওয়ার্কফ্লোর ছোট ছোট অদক্ষতা জমে বড় হয়ে ওঠে, তাই Stack AI-এর CTO Frank Hidalgo, Ph D, ব্রাউজার এজেন্টটিকে দ্রুত ও সস্তায় চালানোর লক্ষ্য নেন। তিনি Codex-এ GPT-6 Astra-কে এজেন্টটি খতিয়ে দেখতে, উন্নতি পরীক্ষা করতে এবং ফলাফল তুলনা করতে নির্দেশ দেন। তাঁর হিসাবে, হাতে করলে যে কাজে এক-দুই মাস লাগত, তা প্রায় এক সপ্তাহে হয়ে যায়।

Asana-এর ১৪৪-রানের গবেষণায় GPT-6.1 Sol এবং আরও তিনটি ফ্রন্টিয়ার মডেল পরীক্ষা করা হয়। GPT-6.1 Sol-এর অপ্টিমাইজড ওয়ার্কফ্লো প্রতি রানে গড়ে আনুমানিক মডেল খরচ হয়েছে $0.47 এবং সময় লেগেছে প্রায় চার মিনিট, যা Model B-তে মূল প্রোডাকশন সেটআপের তুলনায় ৭৬ গুণ সস্তা ও ৫ গুণ দ্রুত। Asana-এর CPO Arnab Bose বলেন, এই কাজ দেখিয়েছে কীভাবে একজন ইঞ্জিনিয়ার দিক নির্ধারণ করেন, আর GPT-6 Astra পরীক্ষা চালায় এবং ফলাফল Command-এর মাধ্যমে প্রোডাকশনে যায়।

তদন্তে দেখা যায়, এজেন্ট তার স্থির নির্দেশনা ও টুল সংজ্ঞা ক্যাশ করত, কিন্তু পেজের টেক্সট ও স্ক্রিনশটের ক্রমবর্ধমান ইতিহাস করত না, ফলে প্রতিটি অনুরোধে সেই ইতিহাস পূর্ণ মূল্যে আবার পাঠানো হতো। Hidalgo তিনটি পরিবর্তন পরীক্ষা করেন: ক্যাশ ব্রাউজিং ইতিহাসে বাড়ানো, আরও বেশি টেক্সট ধরে রাখা, এবং স্ক্রিনশট ব্যাচে সরানো। সেরা নীতিতে স্ক্রিনশট ২০টি পর্যন্ত জমতে দেওয়া হতো, তারপর শুধু সর্বশেষটি রাখা হতো, ফলে আগের ইতিহাস দীর্ঘ সময় অপরিবর্তিত থাকত।

প্রতিটি কনফিগারেশন একটি পাবলিক ডেমো ক্যাটালগের ৩২টি বইয়ের প্রতিটি থেকে ছয়টি ফিল্ড সংগ্রহ করেছে। প্রতিটি সেশনের অনুরোধ, ডেটা ট্রেস ও ফলাফল Command-এ রেকর্ড হয়েছে, যাতে টিম পরে পুরো গবেষণা পর্যালোচনা করতে পারে। ফলাফল টিকিটে, তারপর পুল রিকোয়েস্টে রূপান্তরিত হয়, এবং পরিবর্তনগুলো প্রোডাকশনে যায়।

Asana hat die Modellkosten um das 76-Fache gesenkt und seinen Browser-Agenten fünfmal schneller gemacht, indem GPT-6 Astra in Codex Experimente auf GPT-6.1 Sol durchführte. Asana unterstützt Kunden dabei, Arbeit über Geschäftsanwendungen hinweg zu automatisieren, und zwar über Stack AI, eine Plattform, die das Unternehmen übernommen hat. Mit Stack AI können Kunden Workflows erstellen, die Websites durchsuchen, Formulare ausfüllen und Informationen sammeln, ohne Code zu schreiben. Im Maßstab von Asana summieren sich kleine Ineffizienzen in diesen Workflows, weshalb sich Stack AI-CTO Frank Hidalgo, Ph D, vorgenommen hat, den Browser-Agenten schneller und günstiger im Betrieb zu machen. Er beauftragte GPT-6 Astra in Codex damit, den Agenten zu untersuchen, Verbesserungen zu testen und die Ergebnisse zu vergleichen. Eine Arbeit, für die er manuell ein bis zwei Monate veranschlagte, dauerte etwa eine Woche.

Die Studie von Asana mit 144 Läufen testete GPT-6.1 Sol und drei weitere Frontier-Modelle. Der optimierte Workflow auf GPT-6.1 Sol kostete im Schnitt geschätzte Modellkosten von 0,47 $ und benötigte etwa vier Minuten pro Lauf, also 76-mal günstiger und fünfmal schneller als das ursprüngliche Produktionssetup auf Model B. Arnab Bose, CPO bei Asana, sagte, die Arbeit zeige, wie ein Ingenieur die Richtung vorgibt, während GPT-6 Astra die Experimente durchführt und die Ergebnisse über Command in die Produktion gelangen.

Die Untersuchung ergab, dass der Agent seine festen Anweisungen und Werkzeugdefinitionen zwischengespeichert hatte, nicht aber den wachsenden Verlauf aus Seitentext und Screenshots, sodass jede Anfrage diesen Verlauf zum vollen Preis erneut übermittelte. Hidalgo testete drei Änderungen: das Caching auf den Browsing-Verlauf auszuweiten, mehr Text zu behalten und Screenshots stapelweise zu entfernen. Die beste Richtlinie ließ Screenshots bis auf 20 anwachsen, bevor nur noch der neueste behalten wurde, sodass der frühere Verlauf länger unverändert blieb.

Jede Konfiguration erfasste sechs Felder für jedes der 32 Bücher aus einem öffentlichen Demokatalog. Anfragen, Datenspuren und Ergebnisse jeder Sitzung wurden in Command protokolliert, sodass das Team die Studie später vollständig prüfen konnte. Aus den Erkenntnissen wurden Tickets, dann Pull Requests, und die Änderungen gingen in die Produktion.

Asana ha reducido 76 veces los costos de modelo y aceleró 5 veces su agente de navegador, usando GPT-6 Astra en Codex para ejecutar experimentos sobre GPT-6.1 Sol. Asana ayuda a los clientes a automatizar el trabajo en aplicaciones empresariales mediante Stack AI, una plataforma que adquirió. Con Stack AI, los clientes pueden crear flujos de trabajo que navegan por sitios web, completan formularios y recopilan información sin escribir código. A la escala de Asana, las pequeñas ineficiencias de estos flujos se acumulan, así que Stack AI, a cargo de Frank Hidalgo, Ph D, director de tecnología, se propuso hacer que el agente de navegador fuera más rápido y barato de ejecutar. Le indicó a GPT-6 Astra en Codex que investigara el agente, probara mejoras y comparara los resultados. Un trabajo que él estima que habría tomado uno o dos meses a mano se completó en alrededor de una semana.

El estudio de 144 ejecuciones de Asana probó GPT-6.1 Sol y otros tres modelos de frontera. El flujo optimizado sobre GPT-6.1 Sol promedió 0,47 $ en costos estimados de modelo y unos cuatro minutos por ejecución, 76 veces más barato y 5 veces más rápido que la configuración de producción original sobre el Modelo B. Arnab Bose, director de producto de Asana, dijo que el trabajo mostró cómo un ingeniero puede marcar la dirección mientras GPT-6 Astra ejecuta los experimentos y los resultados pasan por Command hasta producción.

La investigación encontró que el agente almacenaba en caché sus instrucciones fijas y definiciones de herramientas, pero no el historial creciente de texto de página y capturas de pantalla, por lo que cada solicitud reenviaba ese historial a precio completo. Hidalgo probó tres cambios: extender el caché al historial de navegación, conservar más texto y eliminar capturas de pantalla por lotes. La mejor política permitió acumular hasta 20 capturas antes de reducirlas a la más reciente, manteniendo el historial anterior sin cambios durante más tiempo.

Cada configuración recopiló seis campos de cada uno de 32 libros de un catálogo de demostración público. Las solicitudes, trazas de datos y resultados de cada sesión quedaron registrados en Command, de modo que el equipo pudo revisar el estudio después. Los hallazgos se convirtieron en tickets, luego en pull requests, y los cambios pasaron a producción.

Asana a réduit de 76 fois les coûts de modèle et accéléré de 5 fois son agent de navigation, en utilisant GPT-6 Astra dans Codex pour mener des expériences sur GPT-6.1 Sol. Asana aide ses clients à automatiser le travail entre les applications professionnelles grâce à Stack AI, une plateforme qu'elle a acquise. Avec Stack AI, les clients peuvent créer des flux de travail qui naviguent sur des sites web, remplissent des formulaires et recueillent des informations sans écrire de code. À l'échelle d'Asana, les petites inefficacités de ces flux s'accumulent ; le directeur technique de Stack AI, Frank Hidalgo, Ph D, a donc entrepris de rendre l'agent de navigation plus rapide et moins coûteux à exécuter. Il a chargé GPT-6 Astra dans Codex d'examiner l'agent, de tester des améliorations et de comparer les résultats. Un travail qu'il estime à un ou deux mois à la main a pris environ une semaine.

L'étude d'Asana portant sur 144 exécutions a testé GPT-6.1 Sol et trois autres modèles de pointe. Le flux de travail optimisé sur GPT-6.1 Sol a affiché en moyenne 0,47 $ de coûts de modèle estimés et environ quatre minutes par exécution, soit 76 fois moins cher et 5 fois plus rapide que la configuration de production initiale sur le Modèle B. Arnab Bose, directeur produit d'Asana, a déclaré que ce travail montrait comment un ingénieur peut fixer le cap pendant que GPT-6 Astra mène les expériences et que les résultats passent par Command jusqu'en production.

L'enquête a révélé que l'agent mettait en cache ses instructions fixes et ses définitions d'outils, mais pas l'historique croissant du texte des pages et des captures d'écran, de sorte que chaque requête renvoyait cet historique à plein tarif. Hidalgo a testé trois modifications : étendre la mise en cache à l'historique de navigation, conserver davantage de texte et supprimer les captures d'écran par lots. La meilleure politique laissait les captures s'accumuler jusqu'à 20 avant de ne garder que la plus récente, ce qui préservait l'historique antérieur plus longtemps.

Chaque configuration a recueilli six champs pour chacun des 32 livres d'un catalogue de démonstration public. Les requêtes, traces de données et résultats de chaque session ont été enregistrés dans Command, afin que l'équipe puisse revoir l'étude par la suite. Les conclusions ont été transformées en tickets, puis en pull requests, et les modifications sont passées en production.

Asana ने Codex में GPT-6 Astra का उपयोग करके GPT-6.1 Sol पर प्रयोग चलाते हुए अपने ब्राउज़र एजेंट की मॉडल लागत 76 गुना घटाई और उसे 5 गुना तेज़ बनाया। Asana अपने अधिग्रहित प्लेटफ़ॉर्म Stack AI के माध्यम से ग्राहकों को व्यावसायिक एप्लिकेशन में काम स्वचालित करने में मदद करता है। Stack AI के साथ ग्राहक ऐसे वर्कफ़्लो बना सकते हैं जो वेबसाइटों पर नेविगेट करें, फ़ॉर्म भरें और जानकारी जुटाएँ, और इसके लिए कोड लिखने की ज़रूरत नहीं होती। Asana के पैमाने पर इन वर्कफ़्लो की छोटी अक्षमताएँ जुड़कर बड़ी बन जाती हैं, इसलिए Stack AI के CTO Frank Hidalgo, Ph D, ने ब्राउज़र एजेंट को तेज़ और सस्ता चलाने का लक्ष्य रखा। उन्होंने Codex में GPT-6 Astra को एजेंट की जाँच करने, सुधारों का परीक्षण करने और परिणामों की तुलना करने का निर्देश दिया। जिस काम को उन्होंने हाथ से करने पर एक से दो महीने का अनुमान लगाया था, वह लगभग एक सप्ताह में हो गया।

Asana के 144 रन वाले अध्ययन में GPT-6.1 Sol और तीन अन्य फ्रंटियर मॉडलों का परीक्षण हुआ। GPT-6.1 Sol पर अनुकूलित वर्कफ़्लो की औसत अनुमानित मॉडल लागत $0.47 रही और प्रति रन लगभग चार मिनट लगे, जो Model B पर मूल उत्पादन सेटअप से 76 गुना सस्ता और 5 गुना तेज़ है। Asana के CPO Arnab Bose ने कहा कि इस काम ने दिखाया कि एक इंजीनियर दिशा तय कर सकता है, जबकि GPT-6 Astra प्रयोग चलाता है और परिणाम Command के माध्यम से उत्पादन तक पहुँचते हैं।

जाँच में पाया गया कि एजेंट अपने निश्चित निर्देशों और टूल परिभाषाओं को कैश करता था, लेकिन पृष्ठ के टेक्स्ट और स्क्रीनशॉट के बढ़ते इतिहास को नहीं, इसलिए हर अनुरोध में वह इतिहास पूरी कीमत पर फिर से भेजा जाता था। Hidalgo ने तीन बदलाव आज़माए: ब्राउज़िंग इतिहास तक कैश बढ़ाना, अधिक टेक्स्ट रखना, और स्क्रीनशॉट को बैच में हटाना। सबसे अच्छी नीति में स्क्रीनशॉट 20 तक जमा होने दिए गए और फिर केवल सबसे नए को रखा गया, जिससे पुराना इतिहास लंबे समय तक अपरिवर्तित रहा।

हर कॉन्फ़िगरेशन ने एक सार्वजनिक डेमो कैटलॉग की 32 किताबों में से प्रत्येक के छह फ़ील्ड एकत्र किए। हर सत्र के अनुरोध, डेटा ट्रेस और परिणाम Command में दर्ज हुए, ताकि टीम बाद में पूरे अध्ययन की समीक्षा कर सके। निष्कर्ष टिकटों में, फिर पull requests में बदले, और बदलाव उत्पादन में गए।

Asana telah memangkas biaya model sebesar 76 kali lipat dan mempercepat agen browsernya 5 kali lipat, dengan menggunakan GPT-6 Astra di Codex untuk menjalankan eksperimen pada GPT-6.1 Sol. Asana membantu pelanggan mengotomatiskan pekerjaan di seluruh aplikasi bisnis melalui Stack AI, sebuah platform yang diakuisisinya. Dengan Stack AI, pelanggan dapat membangun alur kerja yang menavigasi situs web, mengisi formulir, dan mengumpulkan informasi tanpa menulis kode. Pada skala Asana, inefisiensi kecil dalam alur kerja ini menumpuk, sehingga CTO Stack AI, Frank Hidalgo, Ph D, berupaya membuat agen browser lebih cepat dan lebih murah untuk dijalankan. Ia menugaskan GPT-6 Astra di Codex untuk menyelidiki agen, menguji perbaikan, dan membandingkan hasilnya. Pekerjaan yang menurut perkiraannya memakan waktu satu hingga dua bulan jika dilakukan manual, selesai dalam sekitar seminggu.

Studi Asana dengan 144 kali uji coba menguji GPT-6.1 Sol dan tiga model frontier lainnya. Alur kerja yang dioptimalkan pada GPT-6.1 Sol rata-rata menghabiskan estimasi biaya model $0,47 dan sekitar empat menit per uji coba, 76 kali lebih murah dan 5 kali lebih cepat dibandingkan pengaturan produksi awal pada Model B. Arnab Bose, CPO di Asana, mengatakan pekerjaan ini menunjukkan bagaimana seorang insinyur menentukan arah sementara GPT-6 Astra menjalankan eksperimen, dan hasilnya masuk ke produksi melalui Command.

Investigasi menemukan bahwa agen menyimpan dalam cache instruksi tetap dan definisi alatnya, tetapi tidak menyimpan riwayat teks halaman dan tangkapan layar yang terus bertambah, sehingga setiap permintaan mengirim ulang riwayat tersebut dengan harga penuh. Hidalgo menguji tiga perubahan: memperluas cache ke riwayat penjelajahan, mempertahankan lebih banyak teks, dan menghapus tangkapan layar secara berkelompok. Kebijakan terbaik membiarkan tangkapan layar menumpuk hingga 20 sebelum dipangkas menjadi yang terbaru, sehingga riwayat sebelumnya tetap tidak berubah lebih lama.

Setiap konfigurasi mengumpulkan enam kolom dari masing-masing dari 32 buku di katalog demo publik. Permintaan, jejak data, dan hasil setiap sesi dicatat di Command, sehingga tim dapat meninjau studi tersebut setelahnya. Temuan diubah menjadi tiket, lalu pull request, dan perubahan dikirim ke produksi.

Asanaは、CodexのGPT-6 AstraでGPT-6.1 Solの実験を行い、ブラウザエージェントのモデルコストを76分の1、速度を5倍に改善しました。Asanaは、買収したプラットフォームであるStack AIを通じて、顧客が業務アプリケーション全体の作業を自動化できるよう支援しています。Stack AIを使えば、顧客はコードを書かずに、ウェブサイトを移動し、フォームに入力し、情報を収集するワークフローを構築できます。Asanaの規模では、こうしたワークフローの小さな非効率が積み重なるため、Stack AIのCTOであるFrank Hidalgo, Ph Dは、ブラウザエージェントをより速く、より安く動かすことに取り組みました。彼はCodex内のGPT-6 Astraに、エージェントの調査、改善策のテスト、結果の比較を指示しました。手作業なら1〜2か月かかると見積もった作業が、約1週間で完了しました。

Asanaの144回の実行による研究では、GPT-6.1 Solと他の3つの最先端モデルをテストしました。GPT-6.1 Solで最適化されたワークフローの推定モデルコストは平均0.47ドル、1回の実行は約4分で、Model Bでの元の本番環境設定と比べて76分の1のコスト、5倍の速度でした。AsanaのCPOであるArnab Boseは、エンジニアが方向性を定め、GPT-6 Astraが実験を実行し、その結果がCommandを通じて本番環境に反映されるという、この取り組みの進め方を示したと述べています。

調査により、エージェントは固定の指示とツール定義はキャッシュしていたものの、ページのテキストやスクリーンショットの増え続ける履歴はキャッシュしていなかったことがわかりました。そのため、毎回のリクエストで、その履歴が全額料金で再送信されていたのです。Hidalgoは3つの変更を試しました。ブラウジング履歴までキャッシュを広げること、より多くのテキストを保持すること、スクリーンショットをまとめて削除することです。最も効果的だった方式は、スクリーンショットを20枚まで蓄積させてから最新の1枚に絞るもので、それによって過去の履歴をより長く変更せずに保てました。

各設定では、公開デモカタログにある32冊の本それぞれから6つのフィールドを収集しました。各セッションのリクエスト、データトレース、結果はすべてCommandに記録され、チームは後から研究全体を確認できました。得られた知見はチケットになり、その後プルリクエストになり、変更は本番環境に反映されました。

A Asana reduziu em 76 vezes os custos de modelo e acelerou em 5 vezes seu agente de navegador, usando o GPT-6 Astra no Codex para conduzir experimentos sobre o GPT-6.1 Sol. A Asana ajuda clientes a automatizar o trabalho em aplicativos empresariais por meio do Stack AI, uma plataforma que ela adquiriu. Com o Stack AI, os clientes podem criar fluxos de trabalho que navegam em sites, preenchem formulários e reúnem informações sem escrever código. Na escala da Asana, pequenas ineficiências nesses fluxos se acumulam, então Frank Hidalgo, Ph D, diretor de tecnologia do Stack AI, decidiu tornar o agente de navegador mais rápido e mais barato de executar. Ele direcionou o GPT-6 Astra no Codex para investigar o agente, testar melhorias e comparar os resultados. Um trabalho que ele estima que levaria um a dois meses feito manualmente levou cerca de uma semana.

O estudo da Asana, com 144 execuções, testou o GPT-6.1 Sol e outros três modelos de fronteira. O fluxo otimizado no GPT-6.1 Sol teve custo médio estimado de modelo de US$ 0,47 e cerca de quatro minutos por execução, 76 vezes mais barato e 5 vezes mais rápido que a configuração de produção original no Modelo B. Arnab Bose, diretor de produtos da Asana, disse que o trabalho mostrou como um engenheiro pode definir o rumo enquanto o GPT-6 Astra executa os experimentos e os resultados passam pelo Command até a produção.

A investigação descobriu que o agente armazenava em cache suas instruções fixas e definições de ferramentas, mas não o histórico crescente de texto das páginas e capturas de tela, de modo que cada solicitação reenviava esse histórico por preço integral. Hidalgo testou três mudanças: estender o cache ao histórico de navegação, reter mais texto e remover capturas de tela em lotes. A melhor política deixava as capturas acumularem até 20 antes de reduzi-las à mais recente, mantendo o histórico anterior inalterado por mais tempo.

Cada configuração coletou seis campos de cada um dos 32 livros de um catálogo de demonstração público. As solicitações, rastros de dados e resultados de cada sessão foram registrados no Command, para que a equipe pudesse revisar o estudo depois. As conclusões viraram tickets, depois pull requests, e as alterações foram para a produção.

Asana снизила стоимость моделей в 76 раз и ускорила своего браузерного агента в 5 раз, использовав GPT-6 Astra в Codex для проведения экспериментов на GPT-6.1 Sol. Asana помогает клиентам автоматизировать работу в бизнес-приложениях с помощью Stack AI, платформы, которую компания приобрела. С Stack AI клиенты могут создавать рабочие процессы, которые переходят по сайтам, заполняют формы и собирают информацию, не написав ни строчки кода. В масштабах Asana мелкие неэффективности таких процессов накапливаются, поэтому технический директор Stack AI Frank Hidalgo, Ph D, поставил задачу сделать браузерного агента быстрее и дешевле в работе. Он поручил GPT-6 Astra в Codex изучить агента, протестировать улучшения и сравнить результаты. Работа, которую он оценивал в один-два месяца при выполнении вручную, заняла около недели.

В исследовании Asana, включавшем 144 запуска, тестировались GPT-6.1 Sol и три других передовых модели. Оптимизированный процесс на GPT-6.1 Sol в среднем обходился в 0,47 доллара по оценочной стоимости модели и занимал около четырёх минут на запуск, что в 76 раз дешевле и в 5 раз быстрее исходной производственной конфигурации на Model B. Арнаб Бозе, директор по продуктам Asana, заявил, что работа показала, как инженер задаёт направление, пока GPT-6 Astra проводит эксперименты, а результаты через Command попадают в производство.

Расследование показало, что агент кешировал свои фиксированные инструкции и определения инструментов, но не растущую историю текста страниц и скриншотов, поэтому каждый запрос заново отправлял эту историю по полной цене. Hidalgo проверил три изменения: распространение кеширования на историю просмотров, сохранение большего объёма текста и удаление скриншотов пакетами. Лучшая политика позволяла скриншотам накапливаться до 20, прежде чем оставить только самый свежий, благодаря чему более ранняя история дольше оставалась неизменной.

Каждая конфигурация собирала шесть полей для каждой из 32 книг из общедоступного демонстрационного каталога. Запросы, трассировки данных и результаты каждой сессии фиксировались в Command, чтобы команда могла позже просмотреть исследование целиком. Выводы превратились в тикеты, затем в pull request'ы, а изменения ушли в производство.

Asana利用Codex中的GPT-6 Astra对GPT-6.1 Sol进行实验，使其浏览器代理的模型成本降低了76倍，运行速度提升了5倍。Asana通过其收购的平台Stack AI帮助客户实现跨业务应用的工作自动化。借助Stack AI，客户无需编写代码即可构建能够浏览网站、填写表单和收集信息的工作流程。在Asana的规模下，这些工作流程中的微小低效会不断累积，因此Stack AI首席技术官Frank Hidalgo博士着手让浏览器代理运行得更快、成本更低。他指示Codex中的GPT-6 Astra调查该代理、测试改进方案并比较结果。他估计，如果由人工完成这项工作需要一到两个月，而实际只用了大约一周。

Asana的144次运行研究测试了GPT-6.1 Sol及另外三个前沿模型。在GPT-6.1 Sol上优化后的工作流程，估算模型成本平均为0.47美元，每次运行约四分钟，与Model B上的原始生产设置相比，成本降低76倍，速度提升5倍。Asana首席产品官Arnab Bose表示，这项工作展示了工程师如何设定方向，而GPT-6 Astra负责运行实验，结果则通过Command进入生产环境。

调查发现，该代理缓存了其固定指令和工具定义，却没有缓存不断增长的页面文本和截图历史，因此每次请求都以全价重新发送这些历史内容。Hidalgo测试了三项改动：将缓存扩展至浏览历史、保留更多文本，以及分批删除截图。效果最好的策略是允许截图累积到20张后再修剪为最近一张，从而让较早的历史在更长时间内保持不变。

每种配置都为来自公共演示目录的32本书分别收集了六个字段。每次会话的请求、数据追踪和结果都记录在Command中，团队因此可以事后审查整个研究。研究结论转化为工单，再转化为拉取请求，最终改动进入生产环境。