Asana уз GPT‑6.1 Sol смањује трошкове модела 76 пута
Уз GPT‑6 Astra у Codex-у, Asana је у тестовима снизила трошкове агента за прегледач 76 пута и убрзала га 5 пута, да би корисницима понудила способније моделе.
76×
Нижи процењени трошкови модела уз оптимизовани ток рада на моделу GPT-6.1 Sol
5×
Бржа извршавања у прегледачу уз оптимизовани ток рада на моделу GPT-6.1 Sol
0,47 $
Просечан процењени трошак модела уз оптимизовани ток рада на моделу GPT-6.1 Sol
Уз експерименте које је GPT‑6 Astra спровео у Codex-у, Asana је оптимизовала ток рада свог агента за прегледач на моделу GPT‑6.1 Sol, уз 76 пута ниже трошкове и 5 пута брже извршавање.
Asana помаже корисницима да аутоматизују рад у пословним апликацијама путем платформе StackAI(отвара се у новом прозору), коју је преузела(отвара се у новом прозору). Уз StackAI, корисници могу да креирају токове рада који се крећу по веб-сајтовима, попуњавају обрасце и прикупљају информације без писања кода. При обиму пословања компаније Asana, и мале неефикасности у тим токовима рада се нагомилавају.
Др Френк Идалго, технички директор платформе StackAI у компанији Asana, решио је да убрза рад агента за прегледач и смањи трошкове његовог извршавања. Наложио је моделу GPT‑6 Astra у Codex-у да испита агента, тестира побољшања и упореди резултате. Посао који би, по његовој процени, ручно трајао један до два месеца завршен је за око недељу дана.
Студија компаније Asana са 144 извршавања(отвара се у новом прозору) тестирала је GPT‑6.1 Sol и још три гранична модела, овде означена као модели A, B и C. Добијени оптимизовани ток рада на моделу GPT‑6.1 Sol имао је просечан процењени трошак модела од 0,47 $ и трајао је око четири минута по извршавању — 76 пута јефтиније и 5 пута брже од првобитне продукционе поставке са моделом B.
„Овако тимови људи и агената изгледају у пракси. Инжењер је задао смер, GPT-6 Astra је спровео експерименте, а резултати су преко Command-а стигли у продукцију. То показује како Asana омогућава да тимови људи и агената заиста заживе.“
Да би брзо напредовао, Идалго је најпре користио GPT‑6 Astra у Codex-у да мапира базу кода и објасни како агент формира сваки захтев моделу. GPT‑6 Astra је открио да агент кешира фиксна упутства и дефиниције алата, али не и све дужу историју прикупљеног текста са страница и снимака екрана. Зато је уз сваки захтев поново слао ту историју по пуној цени.
Агент је такође уклањао старије снимке екрана и скраћивао текст при готово сваком кораку. Свака измена мењала је историју, па само њено кеширање не би помогло. Уз то, због губитка тих података агент је могао да буде приморан да поново посећује већ прочитане странице.
Идалго је прегледао исправке које је предложио GPT‑6 Astra и изабрао три за тестирање:
Проширење кеширања на агентову историју прегледања
Повећање количине текста коју агент може да задржи
Групно уклањање снимака екрана уместо уклањања при сваком кораку
GPT‑6 Astra је почео кратким тестовима како би утврдио које су променљиве важне. Пошто код није био осмишљен за контролисане експерименте, затим га је рефакторисао тако да један фронтенд и бекенд подрже више паралелних токова рада, сваки са сопственим подешавањима.
Astra је спровео целу студију: ограничења историје од 120.000 и 480.000 знакова и шест правила за кеширање и снимке екрана, свако тестирано три пута на сваком од четири модела (погледајте табелу испод). Најбоље се показало правило по којем се снимци екрана накупљају до 20, а затим се задржава само најновији. Тако је ранија историја остајала непромењена током дужих периода између уклањања. То је, у споју са већим простором за историју, чинило оптимизовани ток рада. Свака конфигурација обављала је исти задатак: прикупљала је шест поља за сваку од 32 књиге из јавног демонстрационог каталога, што одражава задатке које неки корисници компаније Asana извршавају у StackAI-ју.
Модел | Опис | Цена |
|---|---|---|
Модел A | Мањи, јефтинији модел друге лабораторије за граничне моделе, објављен у јесен 2025. | Упола јефтинији од модела GPT‑6.1 Sol |
Модел B | Модел првобитно коришћен у продукцији, из исте лабораторије као модел A, објављен у лето 2026. | Иста цена као за GPT‑6.1 Sol |
Модел C | Ажурирана верзија модела B, објављена у јесен 2026. | Иста цена као за GPT‑6.1 Sol |
GPT‑6.1 Sol | Модел компаније OpenAI |
GPT‑6 Astra је покретао токове рада и испитивао захтеве, евиденцију коришћења и излазне резултате, а рад је провераван у засебним сесијама модела. Захтеви, трагови података и резултати сваке сесије забележени су у Command(отвара се у новом прозору)-у, платформи компаније Asana за испоруку софтвера, како би тим накнадно могао да прегледа целу студију. Налази из Command-а претворени су у радне задатке, затим у захтеве за спајање кода, а измене су пуштене у продукцију.
„Ручно би ми за ово требало један до два месеца. Уз GPT-6 Astra у Codex-у, било је потребно око недељу дана: задао бих /goal пре спавања, а ујутру прегледао резултате.“
Код модела B, оптимизација је смањила процењени трошак модела са најмање 36,21 $ (нека првобитна извршавања достигла су ограничење броја корака пре завршетка) на 1,24 $ по извршавању — 29 пута мање. Оптимизовани ток рада на моделу GPT‑6.1 Sol био је још 2,6 пута јефтинији, са трошком од 0,47 $. Свако извршавање оптимизованог тока рада завршило је задатак и вратило тачан одговор.
Просеци 3 извршавања. ≥: почетна поставка обухвата извршавања прекинута ограничењем, па је њен просек доња граница.
Два десна фактора промене приказују поређење са оптимизованом поставком модела B. Модел B је тестиран у фази 1, а модел C и Sol 6.1 у фази 2 исте студије (тачкаста линија).
На самом моделу GPT‑6.1 Sol, уз већи простор за историју, ново правило за кеширање и снимке екрана смањило је трошак 4 пута, са 1,97 $ на 0,47 $ по извршавању. Сваки позив био је око 3 пута јефтинији, јер је 89% улазних података долазило из кеша, по цени од 5% цене некешираних података. И извршавања су постала бржа: најмање 22,5 минута са првобитном поставком на моделу B, наспрам око четири минута са оптимизованим током рада на моделу GPT‑6.1 Sol.
Просек 3 извршавања, линије грешке приказују стандардну девијацију. ≥: просек обухвата извршавање прекинуто ограничењем или недовршено извршавање, па је стварна вредност најмање оволика.
Ступци су у нијансама плаве боје. Ефекте кеширања упоредите са ступцем за већи простор за историју од 480.000 знакова.
Ознаке извршавања и линије стандардне девијације приближно су реконструисане са изворне слике; изворне вредности извршавања и стандардне девијације нису биле доступне.
Просек 3 извршавања, линије грешке приказују стандардну девијацију. ≥: просек обухвата извршавање прекинуто ограничењем или недовршено извршавање, па је стварна вредност најмање оволика.
Ступци су у нијансама плаве боје. Ефекте кеширања упоредите са ступцем за већи простор за историју од 480.000 знакова.
Ознаке извршавања и линије стандардне девијације приближно су реконструисане са изворне слике; изворне вредности извршавања и стандардне девијације нису биле доступне.
Истраживање је показало и како управљање историјом утиче на то да ли ће агент уопште дати одговор. Када је GPT‑6.1 Sol добио више простора за чување историје прегледања, број извршавања која су дала одговор порастао је са три од 18 при мањем ограничењу на свих 18 при већем, сваки пут са тачним одговором. За Идалга, пословна вредност је у томе што корисници добијају приступ бржим, способнијим моделима, док оперативни трошкови остају одрживи.
„Трошкови су раније ограничавали избор модела које смо могли да понудимо корисницима за ове задатке. Ефикаснији агент нам омогућава да корисницима понудимо бољи, бржи модел, а да притом смањимо оперативне трошкове.“
Asana је увела измене навигације у прегледачу у StackAI и развија алате који ће олакшати понављање сличних експеримената. Тим планира да временом укључи ово тестирање у евалуације платформе, како би корисници и интерни тимови при подешавању агената могли да упореде трошкове, време извршавања и квалитет одговора.
„Брзина испоруке више није уско грло; сада је то људска пажња. Близу смо света у којем је сваки инжењер менаџер производа који предводи читаву групу агената.“
Asana сада користи GPT‑6 Astra у Codex-у за тестирање функција производа пре објављивања: Astra се креће по платформи, испробава различите уносе и пријављује грешке људима задуженим за контролу квалитета. Идалго то види као темељ новог животног циклуса развоја софтвера, са бројним сесијама агената у облаку које паралелно тестирају функције.
Цела студија доступна је на блоговима Asana(отвара се у новом прозору) и StackAI(отвара се у новом прозору).
