Asana 借助 GPT-6.1 Sol，瀏覽器智慧體成本降低 76 倍

据 OpenAI 发布的客户案例，项目管理软件公司 Asana 在 Codex 环境中使用 GPT-6 系列模型，重做了自家的浏览器智能体。测试结果显示，这个智能体的运行成本降低了 76 倍，执行速度提升了 5 倍。Asana 表示，成本和延迟的大幅下降，让公司可以把能力更强的模型提供给客户，而不必担心每次任务的账单失控。需要说明的是，这些数字来自测试环境，并非公开的线上全量统计，具体的测试任务集、对比基线和计费口径，原文没有给出细节，读者应当把它看作一个方向性的信号，而不是可以直接套用的通用系数。

要理解这组数字为什么重要，先要看浏览器智能体的成本结构。这类智能体需要在网页上完成点击、输入、翻页、读取内容等一连串动作。每一步通常都要把页面状态交给模型，由模型决定下一步做什么。页面状态可能是文档结构，也可能是截图，体量很大。一个任务往往要几十步，输入的上下文会不断累积，所以费用并不是线性增长，而是随步数放大。常见的浪费有三类：一是每一步都重复传入大量无关页面内容；二是模型在可以直接走捷径的地方反复试错；三是遇到异常时缺少恢复机制，只能从头再来。成本下降 76 倍很难靠单一因素达成，更合理的推断是多项改进叠加：模型本身对页面的理解更准，一次就能选对动作，步数减少；单次调用的价格更低；工程上对上下文做了裁剪和缓存。Codex 在其中的角色，则是让工程团队更快地重写和迭代这些执行逻辑、测试脚本和评估流程。换句话说，模型升级与代码工程化这两条线一起发力，才可能得到这样的量级。速度提升 5 倍同样有双重含义：步数更少，加上单步推理更快，用户等待的时间才会明显缩短，而等待时间正是决定智能体能否从演示走向日常使用的关键体验指标。

从行业影响看，这个案例触及了企业采用智能体时最现实的一道门槛：单位经济模型。过去很多团队在原型阶段效果很好，一到规模化就发现每个任务的成本高于它替代的人工成本，项目只能搁置。当成本降到原来的几十分之一，同样的预算可以覆盖几十倍的任务量，或者用来换取更强的模型，这正是 Asana 所说的向客户提供更强模型的含义。对 Asana 这类协作软件厂商而言，智能体不再是需要额外收费、勉强盈亏平衡的附加功能，而可以成为产品的默认能力，嵌入任务整理、跨系统录入、状态同步等日常流程。对竞争对手来说，压力同样明显：Notion、Atlassian、Monday.com 等同类产品，都在把智能体做进工作流，谁先把单次任务成本压下来，谁就能在定价和功能覆盖上占得先手。对模型供应商来说，这个案例也是一次清晰的营销：OpenAI 借客户之口，强调的不只是模型分数，而是真实业务里的成本和速度，这与它推广 Codex 作为工程落地入口的思路一致。另一方面，独立的浏览器自动化创业公司和开源方案会面临更大的比较压力，因为大厂模型与开发环境的组合在成本曲线上持续下探，纯靠封装模型调用的产品，护城河会越来越薄。

接下来值得关注的信号有几个。第一，Asana 是否会披露更完整的评估方法，包括任务成功率、失败后的恢复情况，以及在不同网站、不同页面复杂度下的表现。成本降低的前提是质量不下降，只看成本和速度而不看成功率，结论是不完整的。第二，这套改造是否会转化为客户可见的产品变化，例如更低的价格、更高的使用额度，或者开放更强的模型选项。如果成本节省最终没有传导到用户侧，它的行业意义就会打折扣。第三，其他企业是否会公布类似量级的数据。若多家公司在不同场景下都能复现几十倍的降幅，说明成本下降来自模型和工具链的整体进步；若只有个别案例，则更可能是针对特定任务的精心优化。第四，安全与权限问题不会因为成本下降而消失。浏览器智能体能代表用户操作真实系统，规模一旦扩大，误操作、越权访问、提示词注入等风险也随之放大，企业需要同步建设审计、确认和回滚机制。总体来看，这个案例说明智能体竞争的重心正在移动：从谁的模型更聪明，转向谁能用更低的成本、更短的时间稳定完成真实任务。接下来一两个季度，更多企业会拿出自己的数据，这场比较才会真正清晰。