Asana借助OpenAI新模型,浏览器智能体成本降低76倍

OpenAI官方新闻披露了一个客户案例:项目管理软件公司Asana在Codex中使用GPT-6系列模型,对自家的浏览器智能体做了改造。按披露的测试结果,这个智能体的运行成本降低到原来的七十六分之一,速度提升约五倍。Asana表示,成本和延迟压下来之后,公司有空间向客户提供能力更强的模型,而不必为控制开支而收窄功能。需要说明的是,这些数字来自测试环境,不等于生产环境中所有客户任务的平均表现。原文也没有给出测试集规模、任务类型和对比基线的完整细节,所以七十六倍应当理解为特定场景下的结果,而不是通用的降本承诺。

要理解这个数字为什么重要,先要看浏览器智能体是怎么工作的。它不像普通对话,用户问一句、模型答一句就结束。它要在一个循环里反复运行:读取当前网页的状态,可能是截图,也可能是页面结构和可见文本;让模型判断下一步;再执行点击、输入或跳转;然后读取新的页面状态,继续判断。一个看似简单的任务,比如在项目管理系统里创建任务、指派负责人、补全字段,往往要经过十几步甚至几十步。每一步都要调用一次模型,而且上下文随历史动作不断累积,总成本因此远高于一次普通问答。成本和延迟也会层层叠加:每步慢一点,整个任务就慢很多;每步贵一点,整个任务就贵很多。所以这类产品的单位经济性很敏感。七十六倍的降幅不太可能只来自单价下降,更合理的推断是多个因素叠加:新模型每步判断更准,走弯路和重试变少;完成任务所需的步数减少;单步推理本身更快更省;提示词和上下文也可以借机精简。这些只是基于浏览器智能体通用原理的推断,具体贡献各占多少,原文没有拆分。另一点值得注意的是,Asana是在Codex中完成这项工作的。这暗示开发团队用编码智能体来重构、测试和迭代自家的智能体流程,工程效率的提升和运行成本的下降是同时发生的。

从行业角度看,这个案例触到了企业软件厂商的一个核心难题:智能体功能很好演示,却很难规模化。许多团队的经历是,原型阶段效果不错,一旦面向全体客户开放,每次调用的成本与等待时间就让功能很难免费提供,也很难定价。Asana这类工作管理平台,客户数量大、操作高频,智能体如果每次任务都昂贵且缓慢,厂商只能限制使用次数,或者退回到能力较弱的小模型。成本降到可承受的水平后,厂商就可以把更强的模型当作默认选项,用户体验和功能边界都会变宽。这也会改变竞争格局。一方面,模型提供方可以用这样的客户案例证明,新一代模型的价值不只在跑分,而在于让智能体真正算得过账,这对OpenAI与其他模型厂商争夺企业客户很有说服力。另一方面,同类的协作与项目管理软件,比如各家做任务看板和工作流的公司,会面临更大的压力:如果对手的智能体既快又便宜,就能把更多重复操作自动化,客户对手工点选界面的容忍度会下降。对做浏览器自动化和机器人流程自动化的老牌厂商来说,这也是一个信号,传统的脚本和规则式方案要面对由大模型驱动、适应页面变化的新方案。对终端用户而言,最直接的好处是等待时间缩短、可用功能增多,但也要留意,智能体能替用户执行的操作越多,权限控制、操作审计和误操作回滚就越重要。

接下来有几个信号值得观察。第一,Asana是否把这套方案推广到全部客户,以及是否公布更完整的生产数据,例如任务成功率、平均步数、每任务成本和用户留存,这些比单一倍数更能说明问题。第二,其他企业软件公司是否发布类似的案例。如果多家公司都报告了数量级的成本下降,说明这是模型代际变化带来的普遍效应,而不是个别团队优化的结果。第三,定价方式是否变化。成本下降之后,厂商是继续把智能体作为附加付费功能,还是并入基础套餐,会反映出他们对这项能力的定位。第四,可靠性问题不会因为便宜而消失。浏览器智能体在遇到登录验证、页面改版、弹窗干扰时仍可能出错,更便宜的调用反而可能让团队用更多重试去换成功率,总体账目要持续核算。最后,编码智能体与业务智能体相互促进的趋势也值得关注:用Codex这样的工具开发和调优智能体,本身又降低了迭代成本,这条链条如果跑通,企业软件的功能更新节奏可能明显加快。