Um agente de navegador pode reduzir cada solicitação e encarecer o trabalho concluído. Apagar observações antigas pode forçar novas visitas, perder fatos ou quebrar a reutilização da entrada anterior. O estudo da Asana oferece um teste: medir quanto custa uma tarefa completa e correta e examinar o histórico que a produziu.
A redução divulgada de 76 vezes no custo de modelo e cerca de cinco vezes no tempo compara GPT-6.1 Sol otimizado com a configuração original de produção Model B. Arquitetura e modelo mudaram juntos. GPT-6 Astra no Codex ajudou a investigar e executar o estudo, não foi o modelo de execução da configuração mais barata.
Defina conclusão antes de calcular economia
O estudo principal teve 144 execuções: quatro modelos, seis políticas de histórico e capturas, dois limites e três repetições por condição. Cada execução coletou seis campos de 32 livros, ou 192 fatos, de um catálogo público demonstrativo. Uma resposta de referência permitia verificar correção. Três modelos concorrentes ficaram anônimos, limitando comparações por fornecedor.
Registre execuções sem resposta como falhas, não sucessos baratos. Com 120.000 caracteres de histórico, GPT-6.1 Sol respondeu em três de 18 testes; com 480.000, respondeu corretamente nos 18, segundo a Asana. Isso não estabelece confiabilidade em aplicativos autenticados, layouts variáveis ou tarefas ambíguas. Mostra grande sensibilidade desta tarefa à evidência preservada.
Preserve histórico útil e prefixo estável
Cache de prompt reutiliza computação elegível de um prefixo idêntico, não reproduz uma resposta pronta. O agente original armazenava instruções fixas, mas removia capturas antigas e aparava texto repetidamente. Isso alterava o passado e prejudicava o reaproveitamento do histórico crescente. Prompts menores podiam gerar mais processamento repetido.
A política escolhida mantinha até 20 capturas antes de reduzir à mais recente. Com maior espaço textual, gerava trechos mais longos de apenas acréscimos e 89% de entrada em cache para GPT-6.1 Sol. Mais memória e exclusão menos frequente funcionaram juntas. No limite maior, cache sem corte em lotes custou mais que nenhum cache em três dos quatro modelos.
Compare configurações equivalentes, não só a manchete
Dentro do GPT-6.1 Sol, a nova política reduziu o custo quatro vezes. É outra base que a comparação de 76 vezes entre modelos e sistemas antigo e novo. Model B também melhorou com a arquitetura. Algumas execuções antigas atingiram limites de passos; seu tempo medido é um limite inferior para concluir. Nenhum resultado é uma classificação neutra.
Reproduza com tarefas fixas, saídas de referência e contadores do fornecedor. Varie separadamente modelo, retenção de capturas e espaço textual e repita configurações promissoras. Três repetições sustentam padrões amplos, não diferenças pequenas e precisas. Guarde rastros de solicitações, versões e saídas falhas fora do prompt ativo para auditar após os cortes.
Estabeleça limites antes de publicar a otimização
Manter todas as capturas às vezes barateou cada chamada em testes adicionais, mas fluxos longos podem exceder o contexto e a economia do cache varia por fornecedor. Compactação limita histórico, mas pode perder detalhes e mudar o prefixo. Defina limites de passos, tokens e gasto total, incluindo novas tentativas, reparo humano e expiração do cache no custo completo.
A Asana diz ter levado as mudanças à produção StackAI, mas não publicou resultados amplos de clientes nem taxas de erro duradouras. Teste fluxos reais, medindo conclusão, tempo de correção, duração e cache; proteja capturas, credenciais e registros. Cache muda computação e cobrança, não obrigações de governança. Amplie somente quando o fluxo completo ficar mais barato sem sacrificar correção ou controle.