Asana obniża koszty AI 76x. Test GPT-6.1 Sol za 0,47 USD

Asana, firma znana z oprogramowania do zarządzania projektami, ogłosiła przełom w optymalizacji kosztów modeli sztucznej inteligencji. Dzięki wdrożeniu zaawansowanych technik cache’owania i usprawnieniu przepływów pracy, udało się zredukować koszty operacyjne agenta przeglądarkowego działającego na modelu GPT-6.1 Sol aż 76-krotnie, co otwiera drogę do szerszego i bardziej przystępnego cenowo zastosowania zaawansowanych narzędzi AI.

Nowy standard wydajności: 0,47 USD za uruchomienie

Głównym osiągnięciem inżynierów Asany jest drastyczne obniżenie kosztów pojedynczego uruchomienia inteligentnego agenta. Przed wprowadzeniem zmian, koszt ten był znaczącym obciążeniem. Teraz, średnia cena za wykonanie zadania przez agenta wynosi zaledwie około 0,47 USD, a cały proces zajmuje przeciętnie cztery minuty. Tak znacząca redukcja kosztów operacyjnych pozwala firmie oferować bardziej zaawansowane funkcje AI bez przerzucania wysokich opłat na klientów końcowych.

Identyfikacja problemu: nieefektywna komunikacja z modelem

Przed optymalizacją, działanie agenta przeglądarkowego było kosztowne z powodu sposobu, w jaki komunikował się on z modelem GPT-6.1 Sol. Każde wywołanie API wiązało się z przesyłaniem pełnego pakietu danych, który obejmował nie tylko bieżące polecenie, ale również definicje wszystkich dostępnych narzędzi, systemowe podpowiedzi (prompty) oraz stale rosnącą historię konwersacji tekstowej i zrzutów ekranu. Taki model działania prowadził do szybkiego wzrostu liczby tokenów przetwarzanych przez AI, co bezpośrednio przekładało się na wysokie koszty i bardzo niską efektywność mechanizmów cache.

Inteligentne cache’owanie jako klucz do oszczędności

Aby rozwiązać problem, Asana wdrożyła szereg optymalizacji zintegrowanych w platformie StackAI. Zamiast przesyłać pełną historię przy każdym zapytaniu, wprowadzono inteligentne mechanizmy, które znacząco poprawiły wydajność.

Kluczowe zmiany polegały na cache’owaniu historii działań oraz wprowadzeniu batchowego przycinania zrzutów ekranu. Dzięki temu agent mógł wielokrotnie korzystać z pamięci podręcznej w kolejnych, powiązanych ze sobą wywołaniach.

Jedną z najważniejszych technik było tzw. batchowe przycinanie. Agent mógł teraz przechowywać do 20 zrzutów ekranu w historii, zanim system zredukował je do jednego reprezentatywnego obrazu. To z kolei pozwalało na wykonanie około 19 kolejnych zapytań z wykorzystaniem tego samego, zcache’owanego kontekstu. Samo dostosowanie „budżetu historycznego” pozwoliło obniżyć koszt pojedynczego uruchomienia z 1,97 USD do 0,47 USD, co stanowi niemal czterokrotną oszczędność na tym jednym elemencie.

Szybsze testy z GPT-6 Astra i korzyści dla klientów

Proces wdrożenia i weryfikacji nowych rozwiązań został znacząco przyspieszony dzięki wykorzystaniu modelu GPT-6 Astra. Posłużył on do przeprowadzenia zautomatyzowanej i szybkiej kampanii testowej, która pozwoliła na sprawną analizę wyników i wprowadzenie niezbędnych poprawek. Ostateczny rezultat tych działań to nie tylko wewnętrzna oszczędność dla Asany, ale przede wszystkim wymierna korzyść dla jej klientów. Dzięki niższym kosztom operacyjnym firma może oferować dostęp do potężnych modeli AI w sposób bardziej zrównoważony i skalowalny, zwiększając ich dostępność na rynku.

Źródła

Asana cuts model costs 76x in browser tests with GPT-6.1 Sol, OpenAI, 2026. https://openai.com/index/asana-browser-agent

Asana Cuts Its Agent Cost on GPT-6.1 Sol by 76, Briefia, 2026. https://www.briefia.fr/en/article/asana-cuts-its-agent-cost-on-gpt-6-1-sol-by-76

How we cut our browser agent’s cost by 76x, Asana, 2026. https://asana.com/zh-tw/inside-asana/cut-browsers-agent-cost