ブラウザーエージェントは各リクエストを小さくしても、完了した仕事を高くすることがあります。過去の観察を削ると、再訪、事実の喪失、入力再利用の破損が起きます。Asana の研究は、正しく完了したタスクの費用を測り、その履歴を調べるという検証方法を示します。
モデル費用 76 分の 1、実行時間約 5 分の 1 は、最適化した GPT-6.1 Sol と従来の Model B 本番設定の比較です。モデルと構成の両方が変わりました。Codex の GPT-6 Astra は調査と実験を支援したモデルであり、最安構成のブラウザー実行モデルではありません。
節約を計算する前に完了を定義する
主研究は四モデル、六つの履歴・画面保持方針、二つの履歴上限、各条件三回で計 144 実行でした。同じ公開デモ目録から 32 冊の六項目、計 192 事実を集めます。正解資料で検査可能にしました。他の三モデルは匿名で、提供者別の比較には限界があります。
回答しない実行を安い成功ではなく失敗として数えます。Asana によると GPT-6.1 Sol は履歴 120,000 文字では 18 回中三回しか回答せず、480,000 文字では全 18 回で正答しました。認証アプリ、変わるレイアウト、曖昧な業務での信頼性ではなく、この課題が証拠保持に強く依存することを示します。
有用な履歴と安定した接頭部を残す
プロンプトキャッシュは同一接頭部の対象計算を再利用し、完成回答を再生するものではありません。従来は固定指示をキャッシュしても、古い画面やテキストを繰り返し削除していました。過去の履歴が変わり、増え続ける記録の再利用が崩れます。短い要求が反復処理を増やす場合があります。
採用した一括削除は最大 20 枚を残してから最新一枚だけにします。大きな文字数枠と組み合わせ、追記だけの区間が長くなり、GPT-6.1 Sol の入力の 89% がキャッシュ経由になりました。記憶増加と削除頻度低下が連動しています。大きな枠では、一括削除なしのキャッシュは四モデル中三つでキャッシュなしより高価でした。
見出しでなく対応する設定を比較する
GPT-6.1 Sol 内では新方針で費用が四分の一になりました。モデルも旧新システムも異なる 76 倍とは分母が違います。Model B も新構成で改善しました。一部の旧実行はステップ上限で止まったため、測定時間は完了時間の下限です。どちらも中立的なランキングではありません。
固定課題、正解出力、提供者の使用量計数で再現します。モデル、画面保持、文字数枠を別々に変え、有望な設定を繰り返します。各条件三回という研究は大きな傾向を示しても、小さな差の精密比較には足りません。要求履歴、構成版、失敗出力は活動中プロンプト外に保存し、削除後も監査できるようにします。
本番投入の前に境界を決める
追加試験では全画面保持で呼び出し単価が下がることもありましたが、長い処理は文脈上限を超え、キャッシュ費用は提供者で違います。要約圧縮は履歴を制限できても詳細や接頭部を変えます。ステップ、トークン、総支出を制限し、再試行、人の修正、キャッシュ失効も完了費用へ含めます。
Asana は変更を StackAI 本番へ出したと述べますが、広い顧客成果や長期エラー率は未公開です。現実的な業務を試し、完了、修正時間、所要時間、キャッシュ比率を測り、画面、認証情報、顧客記録を守ります。キャッシュは計算と請求を変えてもデータ管理義務は変えません。正確さと統制を犠牲にせず全工程が安くなる場合だけ拡大します。