Beobachtetes Signal · 9. Okt. 2026 · Technical Release · Quelle: OpenAI Blog · Relevanz: 4/5 · Sentiment: Positiv
Asana senkt Browser-Agent-Kosten um 76x mit GPT-6.1 Sol
Asana nutzte GPT-6 Astra in Codex von OpenAI, um den Workflow seines Browser-Agenten auf GPT-6.1 Sol zu optimieren und erreichte eine 76-fache Kostensenkung und 5-fache Beschleunigung. Die Studie, durchgeführt von StackAI-CTO Frank Hidalgo, testete vier Modelle und implementierte Caching- und Screenshot-Richtlinien, die die geschätzten Modellkosten von 36,21 $ auf 0,47 $ pro Lauf senkten. Die Optimierung ermöglicht es Asana, Kunden schnellere und leistungsfähigere Modelle anzubieten und gleichzeitig die Betriebskosten zu senken. Asana hat die Änderungen in StackAI veröffentlicht und plant, ähnliche Tests in Plattform-Evaluierungen zu integrieren.
Die Optimierung von KI-Modellen zeigt erhebliche Kosten- und Effizienzgewinne für Unternehmensautomatisierung, was AdTech-Betriebe beeinflusst, die auf KI-Agenten angewiesen sind.
Marktsignale zu Asana in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Asana optimierte seinen Browser-Agenten auf GPT-6.1 Sol und senkte die Modellkosten von 36,21 $ auf 0,47 $ pro Lauf (76x günstiger) und beschleunigte die Läufe von 22,5 Minuten auf 4 Minuten (5x schneller).
- Die Optimierung nutzte GPT-6 Astra in Codex, um Experimente zu automatisieren und die Forschungszeit von geschätzten 1-2 Monaten auf etwa eine Woche zu reduzieren.
- Der optimierte Workflow behielt einen Browserverlauf von bis zu 480.000 Zeichen bei und verwendete eine Caching-Richtlinie, die die Eingabekosten um 89% senkte (5% des ungecachten Preises).
- Asana hat die Änderungen an der Browser-Navigation in StackAI veröffentlicht und plant, ähnliche Tests in Plattform-Evaluierungen zu integrieren.
- Die Studie testete vier Modelle, darunter GPT-6.1 Sol und drei andere; der optimierte Aufbau auf GPT-6.1 Sol schloss alle Läufe mit korrekten Antworten ab.
Verknüpfte Unternehmen
2 verknüpfte Unternehmen“Asana unterstützt Kunden durch die akquirierte Plattform StackAI bei der Automatisierung von Arbeitsabläufen über Geschäftsanwendungen hinwe...”
“Der Artikel beschreibt Asanas Nutzung von GPT-6 Astra in Codex sowie GPT-6.1 Sol, bei denen es sich um OpenAI-Modelle handelt.”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Parallel halbiert Recherchezeit und -kosten mit GPT-6 Astra
Eine Fallstudie von OpenAI zeigt signifikante Effizienzgewinne bei Parallel, einem Entwickler von Infrastruktur für KI-Agenten, durch den Einsatz des neuen GPT-6 Astra-Modells. Bei der Erstellung von Arbeitsmarktstatistiken halbierte GPT-6 Astra die benötigte Recherchezeit und reduzierte die operativen Kosten im Vergleich zu Vorgängermodellen um rund 50 Prozent. Das Modell zeichnete sich durch eine fokussiertere Websuche aus, benötigte weniger Zwischenschritte für hochwertige Ergebnisse und ermöglichte eine effektive Delegation von Aufgaben an Sub-Agenten zur parallelen Ausführung. Diese Ergebnisse verdeutlichen das Potenzial für die KI-gestützte Research Automation: Durch geringere Latenzen und drastisch sinkende Betriebskosten lassen sich komplexe, webbasierte Wissensprozesse künftig deutlich skalierbarer und wirtschaftlicher umsetzen.
Wöchentliche KI-Übersicht: Modelle, Agenten, Sicherheit
Die KI/ML-Nachrichten dieser Woche umfassen mehrere bedeutende Veröffentlichungen. OpenAI stellte GPT-6.1 Sol vor, ein neues Modell für komplexe Programmieraufgaben mit verbesserter Cache-Preissenkung und einem 1,05-Millionen-Token-Kontextfenster. Anthropic veröffentlichte Claude Sonnet 5.5 mit 30% schnellerer Ausgabe und bis zu 30% geringeren Kosten pro Aufgabe. Cloudflare brachte Clef heraus, ein Open-Source-Entscheidungsmodell für Routing- und Klassifizierungsaufgaben, und NVIDIA präsentierte Kumo Tabular, ein Foundation-Modell für tabellarische Daten, sowie seine Open Agent Safety Platform zur Sicherung von KI-Agenten. Google kündigte Gemini 4 Argon an, ein Frontier-Modell mit 1-Million-Token-Ausgabe, zunächst für ausgewählte Tester. Der übergeordnete Trend ist die zunehmende Spezialisierung des KI-Stacks, weg von monolithischen Modellen hin zu heterogenen Architekturen mit Entscheidungsmodellen, Sicherheitsgrenzen und Kostenoptimierung pro Aufgabe.
Basis verdoppelt Tempo bei Steuer-Workbooks mit GPT-6 Astra
Basis, ein Unternehmen, das KI-Agenten für Buchhalter entwickelt, berichtet, dass der Einsatz von OpenAIs GPT-6 Astra-Modell seinen Agenten ermöglicht, ein komplexes Steuer-Workbook mit 50 Tabs doppelt so schnell zu bearbeiten wie mit dem bisherigen Modell GPT-5.6 Sol. Die verbesserte Leistung wird auf das bessere Verständnis der Nutzerabsicht, bessere anfängliche Entscheidungsfindung und adaptives Denkvermögen von GPT-6 Astra zurückgeführt. Basis verzeichnete etwa 20% Verbesserung bei internen Evaluierungswerten, bedingt durch die Fähigkeit des Modells, Erwartungen mit weniger expliziten Anweisungen abzuleiten. Zudem kann GPT-6 Astra die Rechenleistung während Aufgaben anpassen, während der Cache erhalten bleibt, was Kosten und Antwortzeiten für langlaufende Operationen reduziert.
Alle künftigen Signale zu Asana & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.