浏览器智能体可以让每次请求更小，却让完成工作更贵。删除旧观察，可能迫使它重访页面、丢失事实，或破坏前面输入的复用。Asana 的浏览器智能体研究给出一种有用测试法：衡量完整且正确的任务成本，再检查产生结果的请求历史。
报告中的模型成本降低 76 倍、运行时间约缩短五倍，比较的是优化后的 GPT-6.1 Sol 工作流与原先采用 Model B 的生产配置，架构和模型同时变化。Codex 中的 GPT-6 Astra 协助调查并执行工程研究，并不是最低价浏览器配置的运行模型。
先定义完成，再计算节省
主研究包含四个模型、六种历史与截图策略、两种历史额度以及每种条件三次重复，共 144 次运行。每次从一个公开演示目录收集 32 本书的六个字段，即 192 条事实。参考答案使正确性可以检查。另三个模型匿名，因此对具体厂商的比较受到限制。
将不回答的运行记为失败，而不是廉价成功。据 Asana，在 120,000 字符历史额度下，GPT-6.1 Sol 的 18 次运行只有三次回答；提高到 480,000 字符后，18 次全部正确回答。这不能证明它在登录应用、变化布局或模糊业务任务中可靠，只证明该任务对保留证据高度敏感。
保留有用历史与稳定前缀
提示缓存复用相同请求前缀中符合条件的计算，不是重播完成的答案。原智能体缓存固定指令，却反复删除旧截图和裁剪文本。这改变前面的历史，破坏不断增长记录的复用。因此，更短提示也可能造成更多重复处理。
选中的批量裁剪策略最多保留 20 张截图，再缩减到最新一张。结合更大文本额度，它形成更长的只追加片段，使 GPT-6.1 Sol 的缓存输入占比达到 89%。更多记忆和较少删除需要共同作用。在较大额度下，四个模型中有三个在仅缓存、不批量裁剪时，成本反而高于不缓存。
比较配对配置，而不只看标题
在 GPT-6.1 Sol 内部，新策略将成本降为四分之一；这与跨模型、旧新系统相比的 76 倍，分母不同。Model B 在新架构下同样改善。某些原运行触及步数限制，因此测得时长只是完成任务所需时间的下界。两种结果都不是中立排行榜。
使用固定任务、参考输出和供应商用量计数复现比较。分别改变模型、截图保留和文本额度，再重复有希望的配置。公开研究每条件三次重复，支持大方向，不支持精确的小差异。将请求轨迹、配置版本和失败输出保存在活动提示之外，便于裁剪后审计证据。
发布优化前先设置边界
后续测试中，保留所有截图有时降低单次调用成本，但长流程会超过上下文限制，不同供应商缓存经济性也不同。压缩历史可以控制长度，却可能丢细节、改变前缀。设置步数、token 和总支出上限，并把重试、人工修复和缓存过期计入完整任务成本。
Asana 表示这些浏览器改动已进入 StackAI 生产，但未发布广泛客户结果或长期错误率。应试点真实工作流，衡量完成、纠正时间、时长和缓存占比，并保护截图、凭据及客户记录。缓存改变计算和计费，不改变数据治理义务。只有在不牺牲正确性与控制的情况下，完整流程确实更便宜，才扩大使用。