GPT‑6.1 Sol से आसना की मॉडल लागत 76 गुना कम
ग्राहकों को अधिक सक्षम मॉडल देने के लिए आसना ने Codex में GPT‑6 Astra की मदद ली. परीक्षणों में ब्राउज़र एजेंट की लागत 76 गुना घटी और गति 5 गुना बढ़ी.
76 गुना
अनुकूलित GPT-6.1 Sol कार्यप्रवाह से कम अनुमानित मॉडल लागत
5 गुना
अनुकूलित GPT-6.1 Sol कार्यप्रवाह से तेज़ ब्राउज़र निष्पादन
$0.47
अनुकूलित GPT-6.1 Sol कार्यप्रवाह की औसत अनुमानित मॉडल लागत
Codex में GPT‑6 Astra से प्रयोग करवाकर, आसना ने GPT‑6.1 Sol पर अपने ब्राउज़र एजेंट का कार्यप्रवाह बेहतर बनाया, जिससे लागत 76 गुना घटी और गति 5 गुना बढ़ी.
आसना अपने अधिग्रहित(एक नई विंडो में खुलेगा) मंच स्टैकएआई(एक नई विंडो में खुलेगा) के ज़रिए ग्राहकों को व्यावसायिक अनुप्रयोगों में काम स्वचालित करने में मदद करता है. स्टैकएआई से ग्राहक बिना कोड लिखे ऐसे कार्यप्रवाह बना सकते हैं, जो वेबसाइटों पर जाएँ, फ़ॉर्म भरें और जानकारी जुटाएँ. आसना जितने बड़े पैमाने पर काम करता है, वहाँ इन कार्यप्रवाहों की छोटी-छोटी अक्षमताओं का कुल असर बड़ा हो जाता है.
आसना में स्टैकएआई के मुख्य प्रौद्योगिकी अधिकारी, पीएचडी उपाधिधारक फ़्रैंक हिडाल्गो ने ब्राउज़र एजेंट को अधिक तेज़ और कम खर्चीला बनाने का बीड़ा उठाया. उन्होंने Codex में GPT‑6 Astra को एजेंट की जाँच करने, सुधारों को परखने और नतीजों की तुलना करने का निर्देश दिया. उनके अनुमान में जो काम ख़ुद करने पर एक से दो महीने लेता, वह लगभग एक हफ़्ते में हो गया.
आसना के 144 निष्पादनों वाले अध्ययन(एक नई विंडो में खुलेगा) में GPT‑6.1 Sol और तीन अन्य अत्याधुनिक मॉडल परखे गए, जिन्हें यहाँ मॉडल A, B और C कहा गया है. GPT‑6.1 Sol पर बने बेहतर कार्यप्रवाह में प्रति निष्पादन औसत अनुमानित मॉडल लागत $0.47 और समय लगभग चार मिनट रहा. यह मॉडल B पर मूल संचालन व्यवस्था से 76 गुना सस्ता और 5 गुना तेज़ था.
“लोगों और एजेंटों की टीमें व्यवहार में इसी तरह काम करती हैं. एक अभियंता ने दिशा तय की, GPT-6 Astra ने प्रयोग किए, और नतीजे कमांड के ज़रिए वास्तविक संचालन में लागू हुए. यह दिखाता है कि आसना लोगों और एजेंटों की टीमों की परिकल्पना को कैसे साकार करता है.”
तेज़ी से आगे बढ़ने के लिए हिडाल्गो ने Codex में GPT‑6 Astra से पहले कोड की संरचना समझने और यह बताने को कहा कि एजेंट हर मॉडल अनुरोध कैसे बनाता है. GPT‑6 Astra ने पाया कि एजेंट तय निर्देशों और उपकरणों की परिभाषाओं को कैश में रखता था, लेकिन पृष्ठों के पाठ और स्क्रीनशॉट का बढ़ता इतिहास नहीं. इसलिए हर अनुरोध में पूरा इतिहास फिर भेजने की पूरी कीमत लगती थी.
एजेंट लगभग हर चरण में पुराने स्क्रीनशॉट हटाता और पाठ छोटा करता था. हर संपादन से इतिहास बदल जाता था, इसलिए केवल इतिहास को कैश करने से मदद नहीं मिलती. तथ्य हटने के कारण एजेंट को पहले पढ़े पृष्ठों पर दोबारा जाना भी पड़ सकता था.
हिडाल्गो ने GPT‑6 Astra के सुझाए सुधारों की समीक्षा की और परीक्षण के लिए तीन चुने:
एजेंट के ब्राउज़िंग इतिहास को भी कैश में रखना
पाठ सहेजने की सीमा बढ़ाना
हर चरण पर स्क्रीनशॉट हटाने के बजाय उन्हें समूहों में हटाना
GPT‑6 Astra ने छोटे परीक्षणों से शुरुआत की, ताकि पता चले कि किन चरों का असर पड़ता है. कोड नियंत्रित प्रयोगों के लिए नहीं बना था. इसलिए इसने कोड को पुनर्गठित किया, ताकि एक ही अग्रभाग और पृष्ठभाग पर अलग-अलग सेटिंग वाले कई कार्यप्रवाह समानांतर चल सकें.
Astra ने पूरा अध्ययन किया: इतिहास के लिए 1,20,000 और 4,80,000 अक्षरों की सीमाएँ तथा कैशिंग और स्क्रीनशॉट की छह नीतियाँ. चारों मॉडलों पर हर संयोजन को तीन बार परखा गया (नीचे तालिका देखें). सबसे अच्छा प्रदर्शन करने वाली नीति में 20 स्क्रीनशॉट इकट्ठे होने दिए गए, फिर सबसे नए को छोड़कर बाकी हटा दिए गए. इससे स्क्रीनशॉट हटाने के बीच पुराना इतिहास अधिक समय तक अपरिवर्तित रहा. इतिहास की बड़ी सीमा के साथ मिलकर यही बेहतर कार्यप्रवाह बना. हर विन्यास ने एक ही काम किया: सार्वजनिक प्रदर्शन सूची की 32 पुस्तकों में से प्रत्येक के छह विवरण जुटाना. यह स्टैकएआई में आसना के कुछ ग्राहकों के काम का प्रतिनिधि उदाहरण था.
मॉडल | विवरण | कीमत |
|---|---|---|
मॉडल A | एक अन्य अत्याधुनिक प्रयोगशाला का छोटा, सस्ता मॉडल, जो 2025 की शरद ऋतु में जारी हुआ | GPT‑6.1 Sol की आधी कीमत |
मॉडल B | मूल रूप से वास्तविक संचालन में इस्तेमाल हुआ मॉडल, मॉडल A वाली प्रयोगशाला से, जो 2026 की गर्मियों में जारी हुआ | GPT‑6.1 Sol के बराबर कीमत |
मॉडल C | मॉडल B का अद्यतन संस्करण, जो 2026 की शरद ऋतु में जारी हुआ | GPT‑6.1 Sol के बराबर कीमत |
GPT‑6.1 Sol | OpenAI का मॉडल |
GPT‑6 Astra ने कार्यप्रवाह चलाए और अनुरोधों, उपयोग अभिलेखों व परिणामों की जाँच की. मॉडल के अलग सत्रों में काम की समीक्षा हुई. हर सत्र के अनुरोध, डेटा के गतिविधि रिकॉर्ड और नतीजे आसना के सॉफ़्टवेयर वितरण मंच कमांड(एक नई विंडो में खुलेगा) में दर्ज हुए, ताकि टीम बाद में पूरे अध्ययन की समीक्षा कर सके. कमांड में मिले निष्कर्षों से पहले कार्य-टिकट बने, फिर कोड मर्ज करने के अनुरोध, और बदलाव वास्तविक संचालन में लागू किए गए.
“यह काम ख़ुद करने में मुझे एक से दो महीने लगते. Codex में GPT-6 Astra की मदद से लगभग एक हफ़्ता लगा: मैं सोने से पहले /goal तय करता और सुबह नतीजों की समीक्षा करता था.”
मॉडल B में सुधार से प्रति निष्पादन अनुमानित मॉडल लागत कम-से-कम $36.21 से घटकर $1.24 रह गई, यानी 29 गुना कमी. कुछ मूल निष्पादन पूरे होने से पहले ही चरणों की सीमा तक पहुँच गए थे. GPT‑6.1 Sol पर बेहतर कार्यप्रवाह इससे भी 2.6 गुना सस्ता था: केवल $0.47. बेहतर कार्यप्रवाह के हर निष्पादन ने काम पूरा किया और सही उत्तर दिया.
3 निष्पादनों के औसत. ≥: आधारमान में सीमा पर रुके निष्पादन शामिल हैं, इसलिए इसका औसत एक निचली सीमा है.
दाईं ओर के दो गुणक अनुकूलित मॉडल B से तुलना दिखाते हैं. उसी अध्ययन के चरण 1 में मॉडल B और चरण 2 में मॉडल C व Sol 6.1 चलाए गए (बिंदीदार रेखा).
केवल GPT‑6.1 Sol को देखें, तो इतिहास की बड़ी सीमा के साथ नई कैशिंग और स्क्रीनशॉट नीति ने प्रति निष्पादन लागत $1.97 से घटाकर $0.47 कर दी, यानी 4 गुना कमी. हर कॉल लगभग 3 गुना सस्ती थी, क्योंकि 89% इनपुट कैश से आया, जिसकी कीमत बिना कैश वाले इनपुट की केवल 5% थी. निष्पादन भी तेज़ हुए: मॉडल B की मूल व्यवस्था में कम-से-कम 22.5 मिनट लगते थे, जबकि GPT‑6.1 Sol के बेहतर कार्यप्रवाह में लगभग चार मिनट लगे.
3 निष्पादनों का औसत, मानक विचलन दर्शाती रेखाओं के साथ. ≥: औसत में सीमा पर रुका या अधूरा निष्पादन शामिल है, इसलिए वास्तविक मान कम-से-कम इतना है.
स्तंभों में नीली रंग-योजना इस्तेमाल हुई है. कैशिंग के प्रभाव को 4.8 लाख की बड़ी सीमा वाले स्तंभ से तुलना करके देखें.
निष्पादन चिह्न और मानक विचलन की रेखाएँ मूल चित्र से अनुमान के आधार पर दोबारा बनाई गई हैं; निष्पादनों के मूल मान और मानक विचलन उपलब्ध नहीं थे.
3 निष्पादनों का औसत, मानक विचलन दर्शाती रेखाओं के साथ. ≥: औसत में सीमा पर रुका या अधूरा निष्पादन शामिल है, इसलिए वास्तविक मान कम-से-कम इतना है.
स्तंभों में नीली रंग-योजना इस्तेमाल हुई है. कैशिंग के प्रभाव को 4.8 लाख की बड़ी सीमा वाले स्तंभ से तुलना करके देखें.
निष्पादन चिह्न और मानक विचलन की रेखाएँ मूल चित्र से अनुमान के आधार पर दोबारा बनाई गई हैं; निष्पादनों के मूल मान और मानक विचलन उपलब्ध नहीं थे.
जाँच से यह भी पता चला कि एजेंट कोई उत्तर दे भी पाएगा या नहीं, इस पर इतिहास के प्रबंधन का क्या असर पड़ता है. GPT‑6.1 Sol को ब्राउज़िंग इतिहास सहेजने की अधिक जगह देने से उत्तर देने वाले निष्पादनों की संख्या बढ़ी. छोटी सीमा में 18 में से तीन ने उत्तर दिया था; बड़ी सीमा में सभी 18 ने सही उत्तर दिया. हिडाल्गो के लिए व्यावसायिक लाभ यह है कि ग्राहकों को अधिक तेज़, सक्षम मॉडल मिलें और संचालन की लागत भी वहनीय रहे.
“पहले लागत तय करती थी कि हम इन कार्यों के लिए ग्राहकों को कौन-से मॉडल दे सकते हैं. एजेंट की दक्षता बढ़ाकर हम अपनी संचालन लागत घटाने के साथ-साथ ग्राहकों को बेहतर, तेज़ मॉडल दे सकते हैं.”
आसना ने स्टैकएआई में ब्राउज़र नेविगेशन के बदलाव जारी कर दिए हैं. अब वह ऐसे उपकरण बना रहा है, जिनसे इस तरह के प्रयोग दोहराना आसान हो. टीम आगे चलकर इस परीक्षण को मंच के मूल्यांकनों में शामिल करना चाहती है, ताकि ग्राहक और आंतरिक टीमें अपने एजेंटों का विन्यास करते समय लागत, निष्पादन समय और उत्तर की गुणवत्ता की तुलना कर सकें.
“अब बाधा सॉफ़्टवेयर जारी करने की गति नहीं, बल्कि लोगों के ध्यान देने की सीमित क्षमता है. हम ऐसी दुनिया के करीब हैं, जहाँ हर अभियंता एक उत्पाद प्रबंधक होगा, जो एजेंटों के पूरे दल का नेतृत्व करेगा.”
आसना अब नई उत्पाद सुविधाएँ जारी करने से पहले Codex में GPT‑6 Astra से उनका परीक्षण करवा रहा है: Astra मंच पर अलग-अलग जगह जाता है, विभिन्न इनपुट आज़माता है और गुणवत्ता जाँचकर्ताओं को त्रुटियाँ बताता है. हिडाल्गो इसे नए सॉफ़्टवेयर विकास जीवनचक्र की नींव मानते हैं, जहाँ क्लाउड एजेंट के कई सत्र समानांतर रूप से सुविधाओं का परीक्षण करते हैं.
पूरा अध्ययन आसना(एक नई विंडो में खुलेगा) और स्टैकएआई(एक नई विंडो में खुलेगा) के ब्लॉग पर उपलब्ध है.
