Un agent navigateur peut réduire chaque requête et pourtant renchérir le travail fini. Supprimer d'anciennes observations peut imposer de revisiter des pages, perdre des faits ou casser la réutilisation des entrées. L'étude Asana propose une méthode : mesurer le coût d'une tâche complète et correcte, puis examiner l'historique qui l'a produite.
La réduction annoncée de 76 fois du coût du modèle et d'environ cinq fois du temps compare GPT-6.1 Sol optimisé à l'ancienne configuration de production Model B. Architecture et modèle ont changé ensemble. GPT-6 Astra dans Codex a aidé à l'enquête et aux essais, sans être le modèle d'exécution de la configuration navigateur la moins chère.
Définir l'achèvement avant les économies
L'étude principale comptait 144 essais : quatre modèles, six politiques d'historique et de captures, deux limites, trois répétitions par condition. Chacun recueillait six champs pour 32 livres, soit 192 faits, dans un catalogue public de démonstration. Une réponse de référence rendait la justesse vérifiable. Trois concurrents restaient anonymes, limitant la comparaison des fournisseurs.
Comptez une absence de réponse comme échec, pas comme succès bon marché. À 120 000 caractères d'historique, GPT-6.1 Sol n'a répondu que dans trois essais sur 18 ; à 480 000, les 18 réponses étaient correctes selon Asana. Cela ne démontre pas sa fiabilité dans des applications authentifiées, des mises en page changeantes ou des tâches ambiguës, mais une forte sensibilité de ce cas aux preuves conservées.
Garder l'historique utile et le préfixe stable
Le cache réutilise du calcul admissible pour un préfixe identique, sans rejouer une réponse terminée. L'ancien agent mettait en cache les instructions fixes mais supprimait constamment captures et texte anciens. Ces modifications changeaient le passé et compromettaient la réutilisation de l'historique croissant. Un prompt réduit pouvait donc engendrer plus de retraitement.
La suppression par lots retenue gardait jusqu'à 20 captures avant de ne conserver que la plus récente. Avec davantage de texte, elle produisait des séquences d'ajout plus longues et 89 % d'entrée en cache pour GPT-6.1 Sol. Mémoire accrue et suppressions moins fréquentes fonctionnaient ensemble. À grande limite, le cache sans suppression par lots coûtait plus cher que l'absence de cache pour trois modèles sur quatre.
Comparer des configurations équivalentes
Dans GPT-6.1 Sol seul, la nouvelle politique divisait le coût par quatre. Le dénominateur diffère du 76x entre modèles et anciens/nouveaux systèmes. Model B progressait aussi avec l'architecture. Certains essais initiaux atteignaient la limite d'étapes : leur durée n'est qu'un minimum pour finir. Aucun résultat ne constitue un palmarès neutre.
Reproduisez avec tâches fixes, sorties de référence et compteurs du fournisseur. Variez séparément modèle, conservation des captures et limite de texte, puis répétez les réglages prometteurs. Trois répétitions établissent de grandes tendances, pas de petites différences précises. Gardez traces, versions et échecs hors du prompt actif afin d'auditer après les suppressions.
Fixer des limites avant le déploiement
Garder toutes les captures réduisait parfois le prix par appel dans des essais complémentaires. Mais les flux longs dépassent le contexte et l'économie du cache dépend du fournisseur. La compression borne l'historique, tout en risquant de perdre des détails et changer le préfixe. Fixez limites d'étapes, de jetons et de dépense, en comptant reprises, réparation humaine et expiration du cache.
Asana dit avoir déployé ces changements dans StackAI, sans publier de résultats clients étendus ni taux d'erreur durables. Testez des flux réalistes, mesurez achèvement, temps de correction, durée et part cachée, et protégez captures, identifiants et données clients. Le cache change calcul et facturation, pas les obligations de gouvernance. Étendez seulement si le flux complet devient moins cher sans perdre justesse ni contrôle.