«Скорость выпуска больше не узкое место»: Asana снизила стоимость браузерного агента в 76 раз с GPT-6.1 Sol

Коротко о результате

9 октября 2026 года OpenAI опубликовала разбор того, как команда Asana переработала браузерного агента в своей платформе StackAI. Оптимизированный процесс на модели GPT-6.1 Sol дал в среднем $0.47 оценочных модельных затрат и около четырёх минут на прогон — это в 76 раз дешевле и в 5 раз быстрее исходной продакшн-конфигурации на Model B.

Эксперименты в Codex вела GPT-6 Astra. CTO StackAI в Asana Франк Идальго (Frank Hidalgo) оценивает объём этой работы в один-два месяца ручного труда, но с Astra она заняла около недели.

Что такое StackAI и почему важна каждая секунда

Asana помогает клиентам автоматизировать работу в разных бизнес-приложениях через StackAI — платформу, которую компания приобрела. В StackAI клиенты собирают сценарии, которые ходят по сайтам, заполняют формы и собирают информацию без написания кода.

На масштабе Asana даже небольшие неэффективности в таких сценариях накапливаются, поэтому Идальго поставил задачу сделать браузерного агента быстрее и дешевле в работе.

Агент кэшировал инструкции, но не историю

Первым шагом GPT-6 Astra в Codex разобрала кодовую базу и объяснила, как агент формирует каждый запрос к модели. Выяснилось, что агент кэшировал фиксированные инструкции и описания инструментов, но не растущую историю текста страниц и скриншотов — поэтому каждый запрос отправлял эту историю заново по полной цене.

Вторая находка: агент отбрасывал старые скриншоты и подрезал текст почти на каждом шаге. Каждая такая правка меняла историю, поэтому кэширования истории самого по себе не хватило бы, а потеря фактов могла заставить агента возвращаться на уже прочитанные страницы.

Три правки и 144 прогона

Идальго выбрал три предложенные правки: распространить кэширование на историю браузинга агента, увеличить объём удерживаемого текста и удалять скриншоты пакетами, а не на каждом шаге.

Код не был рассчитан на контролируемые эксперименты, поэтому GPT-6 Astra сначала переписала его так, чтобы один фронтенд и один бэкенд поддерживали много параллельных процессов со своими настройками. Затем Astra провела полное исследование: бюджеты истории в 120 000 и 480 000 символов и шесть политик кэширования и работы со скриншотами, каждая — трижды на каждой из четырёх моделей.

Лучшей оказалась политика, которая позволяла скриншотам накапливаться до 20, а затем оставляла только самый свежий: так ранняя история дольше оставалась неизменной между удалениями. Вместе с увеличенным бюджетом истории это и стало оптимизированным процессом. Каждая конфигурация решала одну и ту же задачу — собрать шесть полей по каждой из 32 книг из публичного демонстрационного каталога.

От ≥$36.21 до $0.47 за прогон

Для Model B оптимизация снизила оценочную стоимость с как минимум $36.21 (часть исходных прогонов упиралась в лимит шагов и не завершалась) до $1.24 за прогон — в 29 раз. Оптимизированный процесс на GPT-6.1 Sol оказался ещё в 2.6 раза дешевле — $0.47, и каждый прогон в нём доходил до конца и возвращал верный ответ.

На одном GPT-6.1 Sol с увеличенным бюджетом истории новая политика кэширования и скриншотов снизила стоимость в 4 раза, с $1.97 до $0.47 за прогон. Каждый вызов подешевел примерно втрое, потому что 89% входных данных приходило из кэша по 5% от цены без кэша. Быстрее стали и прогоны: как минимум 22.5 минуты на исходной конфигурации с Model B против примерно четырёх минут на оптимизированном процессе с GPT-6.1 Sol.

Управление историей влияло и на то, отвечал ли агент вообще: больший бюджет поднял число прогонов с ответом с трёх из 18 до всех 18, и в каждом случае ответ был верным.

Что дальше

Asana уже выпустила изменения в навигации браузера в StackAI и разрабатывает инструменты, чтобы такие эксперименты было проще повторять. Со временем команда планирует встроить это тестирование в оценки платформы, чтобы клиенты и внутренние команды сравнивали стоимость, время выполнения и качество ответов при настройке своих агентов.

Отдельно Asana использует GPT-6 Astra в Codex для проверки функций до релиза: Astra проходит по платформе, пробует разные входные данные и сообщает об ошибках людям-ревьюерам QA.

В публикации приводятся четыре прямые цитаты Идальго и одна цитата директора по продукту Asana Арнаба Боуза (Arnab Bose). В одной из них Идальго формулирует сдвиг так: скорость выпуска перестала быть узким местом, узким местом стало внимание человека, и он ждёт мира, где каждый инженер — продакт-менеджер, ведущий парк агентов.