Asana 借力 GPT-6.1 Sol：浏览器代理成本暴降 76 倍，大模型进入“普惠智能”时代

八卦洞察

Asana 的这一突破标志着企业级 AI 从“技术尝鲜”正式转向“经济可行性”阶段。76 倍的成本降幅并非简单的迭代，而是量变引发质变，意味着原本昂贵的浏览器自动化（Browser Automation）现在可以大规模部署到每一个基础工作流中。这预示着大模型竞争的主战场已从单纯的“参数规模”转向“单位推理效能”。

行动建议

• 成本重构：企业应立即重新评估现有 AI 业务的 Token 消耗结构，转向“大小模型协同”架构，利用 Sol 等高性能小模型替代昂贵的通用模型处理高频任务。
• 关注延迟：5 倍的速度提升是用户体验的生死线。在开发 Agent 时，应将响应速度（Latency）视为与准确率同等重要的核心指标。

事件核心

协作软件巨头 Asana 近期披露，通过在其内部框架 Codex 中引入 GPT-6.1 Sol 和 GPT-6 Astra，成功将其浏览器代理（Browser Agent）的运行成本降低了 76 倍，同时推理速度提升了 5 倍。这一进展解决了长期以来困扰 AI 智能体在复杂网页环境中执行任务时“又慢又贵”的痛点。

技术/商业细节

Asana 的浏览器代理旨在模拟人类在浏览器中的操作，如填写表单、提取跨平台数据和执行复杂的跨应用流转。在过去，这类任务依赖于高参数量的模型来理解复杂的 DOM 结构，导致单次操作成本极高。GPT-6.1 Sol 的引入通过更优化的推理架构，在保持逻辑推理能力的同时，极大地压缩了 Token 成本。此外，5 倍的速度提升意味着 Agent 能够实时响应用户指令，消除了此前长达数十秒的等待时间，使“实时协作 AI”成为可能。

八卦分析：全球影响

从全球视角看，Asana 的案例是“Agentic Workflow”（智能体工作流）商业化落地的分水岭。首先，它证明了摩尔定律在 AI 推理领域的加速作用——成本的指数级下降将直接催生出无数原本在商业上不成立的 AI 应用场景。其次，这反映了 OpenAI 等模型厂商正在通过“垂直化”和“轻量化”策略深挖企业级市场。对于竞争对手而言，如果无法在单位经济效益（Unit Economics）上跟进，将面临被边缘化的风险。

战略建议

对于正在构建 AI 应用的开发者和决策者，我们建议：第一，不要盲目追求最大规模的模型，而应建立“任务-模型”匹配矩阵，将高频、低复杂度的 DOM 操作交给 Sol 级别的模型。第二，深耕“端到端”的自动化，Asana 的成功在于将 AI 深度嵌入浏览器环境，而非仅仅作为一个聊天插件。第三，关注 AI 的 ROI 转化，当成本降低 76 倍时，AI 的角色将从“辅助工具”转变为“数字劳动力”。