Asana 利用 GPT-6 Astra 和 Codex 对其浏览器代理进行优化，在测试中实现了成本降低 76 倍、速度提升 5 倍的显著效果，旨在为客户提供更强大的模型能力。
详细分析
Asana 此次公布的浏览器代理优化成果，核心意义不在于“76 倍”这一数字本身，而在于它揭示了一个正在成形的行业趋势：AI 代理的竞争焦点正从“能不能用”快速转向“用不用得起”。浏览器代理作为一类需要频繁调用视觉理解、页面解析、动作决策和结果验证的复杂工作流，其推理成本长期居高不下，一直是阻碍规模化商用的主要瓶颈之一。Asana 通过 GPT-6 Astra 与 Codex 的组合将成本压缩两个数量级，同时把速度提升 5 倍，这意味着原本因成本过高而只能停留在概念验证阶段的应用场景，开始具备进入生产环境的现实条件。
从技术路径看，这一成果很可能并非来自单一模型的降价，而是模型编排、任务分解与代码生成能力协同作用的结果。Codex 在其中的角色值得关注：当代理需要执行浏览器操作时，并非每一步都调用最昂贵的视觉语言模型，而是通过代码理解与生成来替代部分高成本推理环节，把“看屏幕”转化为“读写结构化指令”。这种“以代码换算力”的思路，正在成为代理成本优化的主流范式。
对行业而言，这一消息的冲击力在于它进一步压低了 AI 代理商业化的成本门槛。过去一年，浏览器代理赛道已经聚集了 OpenAI 的 Operator、Anthropic 的 Computer Use、Google 的 Project Mariner 以及大量创业公司，竞争维度集中在任务成功率和覆盖场景上。Asana 的测试结果提示，下一阶段的差异化可能来自单位任务经济性——谁能以更低成本完成同等复杂度的操作，谁就能率先把代理嵌入高频、低毛利的业务流程中。
对 Asana 自身来说，这一优化直接服务于其从项目管理工具向“AI 工作平台”转型的战略。项目管理软件的客单价和续费率高度依赖用户日常活跃度，而浏览器代理如果能够以极低成本代替用户完成跨系统数据搬运、表单填写、状态更新等重复操作，将显著提升产品的不可替代性。76 倍的成本下降意味着 Asana 可以在不显著增加推理支出的前提下，向更多客户开放代理功能，甚至将其作为基础能力而非高价附加模块提供。
当然，测试环境与真实生产环境之间仍存在差距。浏览器代理面临的最大挑战从来不是单次任务成本，而是长链条任务中的错误累积和异常恢复。成本降低 76 倍是否能在复杂、动态的真实网页环境中保持，仍需更大规模的验证。此外，对 GPT-6 Astra 和 Codex 的深度依赖也意味着 Asana 的议价能力和技术自主性受到上游模型供应商的制约。
更宏观地看，这一案例再次印证了 AI 应用层的一个关键规律：模型能力的提升并不自动转化为商业价值，中间需要大量工程优化来把“能力”变成“可负担的产品”。Asana 的 76 倍成本削减，本质上是一次工程红利的释放。随着更多企业掌握类似的编排与优化方法，AI 代理的渗透速度可能会远超此前预期。
成本下降 76 倍比能力提升 5 倍更具商业想象力——它把浏览器代理从演示品变成了可以算得过账的生产力工具。
原文：OpenAI Blog