Un agente browser può ridurre ogni richiesta e rendere più costoso il lavoro finito. Eliminare osservazioni precedenti può obbligarlo a rivisitare pagine, perdere fatti o interrompere il riuso dell'input. Lo studio Asana offre un metodo: misurare il costo di un compito completo e corretto, poi analizzare la cronologia che lo ha prodotto.
La riduzione dichiarata di 76 volte del costo del modello e di circa cinque volte dei tempi confronta GPT-6.1 Sol ottimizzato con la configurazione produttiva originale Model B. Architettura e modello sono cambiati insieme. GPT-6 Astra in Codex ha aiutato l'indagine ingegneristica, non era il modello operativo della configurazione browser più economica.
Definire il completamento prima del risparmio
Lo studio principale comprendeva 144 esecuzioni: quattro modelli, sei politiche di cronologia e schermate, due limiti e tre ripetizioni per condizione. Ogni esecuzione raccoglieva sei campi per 32 libri, cioè 192 fatti, da un catalogo dimostrativo pubblico. Una risposta di riferimento permetteva di controllare la correttezza. Tre concorrenti erano anonimi, limitando i confronti tra fornitori.
Registrare le mancate risposte come fallimenti, non successi economici. Con 120.000 caratteri di cronologia GPT-6.1 Sol rispose in tre di 18 prove; con 480.000, secondo Asana, tutte le 18 risposte furono corrette. Non dimostra affidabilità su app autenticate, interfacce variabili o compiti ambigui: dimostra una forte dipendenza di quel compito dalle prove conservate.
Preservare cronologia utile e prefisso stabile
La cache del prompt riutilizza calcoli ammissibili per un prefisso identico, non riproduce una risposta finita. L'agente originale memorizzava istruzioni fisse ma eliminava ripetutamente schermate e testo vecchi. Queste modifiche alteravano il passato, compromettendo il riuso della cronologia crescente. Prompt più piccoli potevano quindi causare più elaborazione ripetuta.
La politica scelta manteneva fino a 20 schermate prima di ridurle all'ultima. Con il limite testuale maggiore produceva tratti più lunghi di sole aggiunte e l'89% di input da cache per GPT-6.1 Sol. Più memoria e cancellazioni meno frequenti funzionavano insieme. Al limite maggiore, la cache senza tagli a gruppi costava più dell'assenza di cache per tre modelli su quattro.
Confrontare configurazioni equivalenti, non solo il titolo
Nel solo GPT-6.1 Sol la nuova politica riduceva il costo di quattro volte. Il denominatore differisce dal confronto 76x tra modelli e sistemi vecchi e nuovi. Anche Model B migliorava con la nuova architettura. Alcune prove originali raggiunsero il limite di passi: la durata misurata è quindi un limite inferiore per completare il lavoro. Non è una classifica neutrale.
Riprodurre il confronto con compiti fissi, risultati di riferimento e contatori del fornitore. Variare separatamente modello, conservazione delle schermate e limite testuale, ripetendo le impostazioni promettenti. Tre ripetizioni sostengono tendenze ampie, non piccole differenze precise. Conservare tracce, versioni e risultati falliti fuori dal prompt attivo per l'audit dopo i tagli.
Stabilire confini prima del rilascio
Tenere tutte le schermate talvolta riduceva il costo per chiamata nei test aggiuntivi, ma i flussi lunghi possono superare il contesto e l'economia della cache varia per fornitore. La compattazione limita la cronologia ma può perdere dettagli e modificare il prefisso. Impostare limiti di passi, token e spesa, includendo tentativi, riparazioni umane e scadenza della cache nel costo completo.
Asana dichiara di aver distribuito le modifiche in StackAI, ma non ha pubblicato risultati ampi dei clienti o errori di lungo periodo. Provare flussi reali, misurare completamento, correzioni, durata e quota cache, proteggendo schermate, credenziali e dati dei clienti. La cache cambia calcolo e fatturazione, non gli obblighi sui dati. Estendere solo se l'intero flusso costa meno senza sacrificare correttezza o controllo.