Asana 瀏覽器智能體成本降低 76 倍，GPT-6.1 Sol 實測

2026 年 10 月 9 日，OpenAI 发布了与项目管理软件公司 Asana 有关的案例。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 因此可以给客户提供能力更强的模型，而不必再为高昂的调用费用让步。需要说明的是，公开信息没有交代测试任务的构成，也没有给出对比基线、成功率和延迟的统计口径。所以七十六倍和五倍是厂商在特定测试里的结果，不能直接当作所有场景的通用收益。但方向很明确：企业软件里的智能体，已经开始用成本和速度这两个硬指标来衡量模型升级是否值得。

要看懂这个数字，先要看浏览器智能体怎么干活。它每一步通常要读取页面内容，可能是截图，也可能是结构化的页面元素，再由模型判断下一步是点击、输入还是滚动，然后重复，直到任务完成。总成本约等于每一步消耗的输入输出量乘以步数，再加上失败后重试的开销。页面内容很长，每一步都要把大量上下文重新送进模型，所以这类智能体天然偏贵。要把成本压低七十多倍，单靠模型单价下降很难解释，更可能是几件事叠加：新模型对页面的理解更准，一次就选对操作，步数和重试明显减少；上下文缓存或更精简的页面表示，降低了每一步的输入量；任务被拆得更合理，简单步骤不必动用最强的模型。速度提升五倍也印证了这一点，因为耗时同样主要由步数和每步生成量决定。至于 Codex 在其中扮演什么角色，资料只说是在 Codex 中使用新模型，没有拆分它是用于开发和调优智能体，还是直接参与运行。合理的推断是，编码智能体让团队能更快地重写提示、工具和评测流程，把模型能力真正转成线上效果。这个归因属于推断，并非已披露的事实。

对行业来说，影响首先落在企业软件厂商身上。过去许多 SaaS 公司想做智能体功能，却被推理成本卡住：功能一旦被客户大量使用，毛利就被模型账单吞掉，只好限制调用次数，或者退而使用较弱的模型。成本降到原来的几十分之一，就等于把这道约束挪开了，厂商既能把更强的模型作为默认配置，也有空间重新设计定价，比如从按席位收费转向按任务或用量收费。Asana 的竞争对手，包括 Monday、Notion、Atlassian 这类协作与项目管理产品，都会面对同样的问题：谁先把智能体做成低成本、可规模化的功能，谁就更容易把它写进标准套餐。对独立的浏览器智能体创业公司而言，压力同样不小。当平台级模型和编码工具把成本曲线大幅下压，纯靠封装模型调用的产品很难守住差异，竞争会转向数据、流程集成、权限控制和可靠性。对 OpenAI 来说，这类客户案例的价值在于证明 GPT-6 系列加 Codex 的组合不只是写代码，还能反过来帮企业优化自己的智能体，从而把模型、开发工具和企业部署绑成一条完整的链路。对终端用户来说，最直接的变化是智能体能处理更长、更杂的任务，等待时间也更短。

接下来有几个信号值得盯。第一是生产环境的数据。测试里的成本和速度，要靠真实流量验证，尤其是任务成功率、出错后的恢复能力，以及在复杂权限页面上的表现。如果成本降了而成功率没有同步提升，节省的钱可能被人工兜底的成本抵消。第二是定价与产品形态。观察 Asana 是否把更强的模型向更多客户默认开放，是否调整智能体功能的收费方式，可以判断这次降本有多大一部分被让利给了用户。第三是安全问题。浏览器智能体要在用户已登录的环境里操作，页面中的恶意指令注入、越权操作和误操作，都会随着调用量放大而变得更重要，企业客户会要求更细的审计和确认机制。第四是同行的跟进与第三方评测。如果其他厂商也披露了量级相近的降本数据，并且有独立基准复现，就说明这是模型代际升级带来的普遍红利；如果只有个别案例，则更可能依赖 Asana 自身的工程优化。无论哪种情况，智能体竞争的重心都在从比谁的模型更强，转向比谁能以更低的成本、更稳定地把任务做完。