核心结论：OpenAI 于 2026 年 10 月 9 日公布 Asana 的浏览器智能体优化案例。Asana 在一项 144 次运行的受控研究中，用 GPT-6 Astra 驱动 Codex 分析和测试工作流，并让优化后的浏览器智能体使用 GPT-6.1 Sol。与原生产配置使用的另一模型相比，测试中的估算模型费用约降低 76 倍，运行时间约缩短 5 倍。这是特定任务与组合改造的结果，不能归因于单次换模型。
浏览器智能体原本浪费在哪里？
Asana 通过 StackAI 提供可访问网页、填写表单和采集信息的智能体工作流。原工作流反复把网页文字、截图和工具结果传给模型，却只缓存固定指令和工具定义。它几乎每一步都删除旧截图、裁剪早期文字，使请求前缀频繁变化，浏览历史难以命中缓存；被丢弃的信息又可能让智能体重新访问已读页面。
缓存通常依赖请求中稳定且重复的前缀。单纯把缓存范围扩大到历史内容并不够：如果历史在每次调用前都被改写，可复用的部分仍会很少。
三项工作流调整
Asana 测试了三个方向：把浏览历史也纳入缓存；将历史预算从 12 万提高到 48 万字符；把逐步删除截图改为积累到 20 张后，再一次性只保留最新一张。
批量清理让两次清理之间的早期历史保持稳定，更多连续请求得以读取缓存。较大的历史预算还减少了过早裁剪网页文字的次数，降低智能体丢失关键事实的可能性。
76 倍和 5 倍的测试口径
Asana 对四种模型测试两档历史预算及六种缓存、截图策略，每个条件运行三次，共 144 次，另有 12 次后续测试。任务是从公开演示图书目录的 32 本书中各采集六个字段，共 192 个事实。各配置执行相同任务，但样本范围有限，不能把结果视作跨行业的通用基准。
官方披露，原配置使用的匿名 Model B 每次估算模型费用至少 36.21 美元；优化后，同一模型约 1.24 美元，约 29 倍改善。改用 GPT-6.1 Sol 的优化工作流约 0.47 美元，进一步约 2.6 倍，总体约 76 倍。部分基线运行达到步骤上限，因此其费用和时长是下限。
优化后的 GPT-6.1 Sol 工作流约四分钟完成，原配置至少 22.5 分钟。Asana 还表示，在该研究中，GPT-6.1 Sol 使用较小历史预算时，18 次运行只有 3 次给出答案；改用较大预算后，18 次均给出正确答案。
哪些结论可以用于企业智能体？
Asana 称其最佳配置下约 89% 的模型输入来自缓存，但这个比例取决于模型计费、缓存规则和任务历史结构，不能直接套用到其他系统。研究最有价值的结论是：完成率、正确性、延迟和总费用需要一起评估，单看 Token 单价或单次调用速度容易误判。
Asana 已将浏览器导航的相关改动发布到 StackAI，并计划把类似实验纳入持续评测。GPT-6 Astra 在 Codex 中承担了代码审查、实验组织和结果分析，工程师决定目标、筛选方案并审阅结论；完整请求与结果轨迹被记录以便复核。
中蓝科创观察
企业优化浏览器智能体时，可先检查每一步模型请求的上下文结构与缓存命中，再调整历史保留策略，最后比较模型组合。给步骤数、Token 和单次任务费用设置上限，保留可审计的请求和结果轨迹，并在真实业务样本上重复实验。
不要因为一次演示任务的 76 倍改善，就承诺生产系统也会得到同等节省。网页复杂度、权限流程、截图频率、模型价格和正确率要求都会改变结果。
本文依据 OpenAI 2026 年 10 月 9 日官方案例及 Asana 2026 年 10 月 8 日一手研究整理。所列费用为该研究中的估算模型费用，不包含所有生产运营成本。
