브라우저 에이전트는 요청 하나하나를 줄이면서도 완성된 작업의 비용을 높일 수 있습니다. 과거 관찰을 지우면 페이지를 다시 방문하거나 사실을 잃고 입력 재사용이 깨질 수 있습니다. Asana 연구는 완전하고 정확한 작업 비용을 측정한 뒤 그 결과를 만든 요청 이력을 살피는 방법을 제시합니다.
보고된 모델 비용 76배 절감과 약 5배 속도 개선은 최적화된 GPT-6.1 Sol과 기존 Model B 운영 구성을 비교합니다. 모델과 아키텍처가 함께 바뀌었습니다. Codex의 GPT-6 Astra는 조사와 실험을 지원했지, 가장 저렴한 브라우저 구성의 실행 모델은 아니었습니다.
절감 계산 전에 완료를 정의하기
주 연구는 네 모델, 여섯 이력·스크린샷 정책, 두 이력 한도와 조건별 세 번 반복으로 총 144회였습니다. 매번 공개 시연 카탈로그에서 책 32권의 여섯 필드, 총 192개 사실을 수집했습니다. 기준 답안으로 정확성을 확인했습니다. 경쟁 세 모델이 익명이어서 공급자별 비교에는 한계가 있습니다.
응답하지 않은 실행은 저렴한 성공이 아니라 실패로 기록하세요. Asana에 따르면 120,000자 이력에서 GPT-6.1 Sol은 18회 중 세 번만 답했고 480,000자에서는 18회 모두 정확히 답했습니다. 로그인 앱, 변하는 화면이나 모호한 업무에서 신뢰성을 입증한 게 아니라 이 과제가 증거 유지에 크게 민감함을 보여 줍니다.
유용한 이력과 안정된 접두부 보존하기
프롬프트 캐시는 같은 접두부의 적격 계산을 재사용하며 완성 답을 재생하지 않습니다. 원래 에이전트는 고정 지시를 캐시했지만 오래된 화면과 텍스트를 계속 지웠습니다. 이전 이력이 바뀌어 커지는 기록의 재사용이 깨졌습니다. 짧은 프롬프트가 오히려 반복 처리를 늘릴 수 있었습니다.
선택한 일괄 삭제는 최대 20개 화면을 남긴 뒤 최신 하나로 줄였습니다. 더 큰 텍스트 한도와 함께 덧붙이기만 하는 구간을 늘려 GPT-6.1 Sol 입력의 89%가 캐시를 거쳤습니다. 많은 기억과 낮은 삭제 빈도가 함께 작용했습니다. 큰 한도에서는 일괄 삭제 없는 캐시가 네 모델 중 셋에서 캐시를 쓰지 않을 때보다 비쌌습니다.
제목보다 같은 조건의 구성 비교하기
GPT-6.1 Sol 안에서 새 정책은 비용을 4분의 1로 줄였습니다. 모델과 구형·신형 시스템을 함께 바꾼 76배와는 분모가 다릅니다. Model B도 새 아키텍처에서 개선됐습니다. 일부 기존 실행은 단계 한도에 걸려 측정 시간이 완료 시간의 하한입니다. 어느 결과도 중립 순위표가 아닙니다.
고정 과제, 기준 출력과 공급자 사용량 계수로 재현하세요. 모델, 화면 보관과 텍스트 한도를 따로 바꾸고 유망 설정을 반복합니다. 조건당 세 번은 큰 경향을 뒷받침하지 작은 차이를 정밀 확정하지는 못합니다. 삭제 후 검토할 수 있도록 요청 추적, 구성 버전과 실패 출력을 활성 프롬프트 밖에 보관합니다.
운영 적용 전에 경계 정하기
추가 시험에서 모든 화면 보관이 호출당 비용을 낮추기도 했지만 긴 업무는 문맥 한도를 넘고 캐시 경제성은 공급자마다 다릅니다. 압축은 이력을 제한해도 세부사항과 접두부를 바꿀 수 있습니다. 단계, 토큰과 총지출 한도를 두고 재시도, 사람의 수정과 캐시 만료를 완료 비용에 포함하세요.
Asana는 변경을 StackAI 운영에 적용했다고 하나 광범위한 고객 결과나 장기 오류율은 공개하지 않았습니다. 실제 업무를 시범 적용해 완료, 수정 시간, 소요 시간과 캐시 비율을 측정하고 화면, 자격 증명과 고객 기록을 보호하세요. 캐시는 연산과 청구를 바꾸지 데이터 관리 의무를 없애지 않습니다. 정확성과 통제를 희생하지 않고 전체 업무가 저렴해질 때만 확대합니다.