아사나 (Asana)

개요

Asana는 StackAI를 통해 자사 플랫폼에 에이전트 업무 자동화를 도입한다고 설명한다. 브라우저 에이전트 연구는 독립적으로 준비한 정답과 응답을 대조하면서 비용과 실행 시간을 평가한다. (source)

주요 인물

• Frank Hidalgo가 브라우저 에이전트 연구를 작성했으며, Arnab Bose는 Asana의 CPO로 소개된다. (source)

모델과 제품

• StackAI에 브라우저 탐색 변경 사항이 적용된다. Command는 요청, 실행 기록, 결과를 보관하고 연구 결과를 검토된 변경 사항으로 연결한다. 연구에서는 Codex의 Astra로 실험을 수행하고 GPT-6.1 Sol을 평가 대상 모델 중 하나로 사용한다. (source)

최근 활동

• 2026-10-08: 두 가지 문자 수 예산에서 여섯 가지 이력·캐싱 정책을 네 모델에 시험했으며, 조건마다 세 번 실행했다. 총 144회 실행과 12회 후속 실행이다. 기존 Model B에서 최적화로 비용은 29x, 실행 시간은 4x 줄었다. 최적화된 GPT-6.1 Sol 업무 흐름으로 전환했을 때 기존 기준선 대비 비용 76x, 실행 시간 5x 감소라는 대표 결과가 나왔다. 기준선 실행 일부가 한도에 걸렸으므로 이 감소 배수는 하한이다. (source)
• 수정 사항은 누적 이력을 캐싱하고, 스크린샷을 20개까지 모은 뒤 1개로 줄이며, 텍스트 예산을 120,000에서 480,000 characters로 늘린다. 큰 예산에서는 Model C와 Sol의 모든 실행이 응답했다. 작은 예산에서는 Model C의 18회 중 하나도 응답하지 못했고 Sol은 3회만 응답했다. (source)

전략적 위치

해석: 이 사례는 이력 관리와 측정을 통해 에이전트 배포 비용을 낮추는 방법을 보여준다. 연구는 조건 사이의 작은 차이보다 넓은 경향을 뒷받침한다고 명시하며, 맥락 압축은 연구 범위 밖이라고 설명한다. 보편적인 모델 순위를 입증하는 결과는 아니다. (source)

관련

• Agents (LLM Agents) · Eval Harness Configuration · OpenAI — 에이전트 오케스트레이션과 평가 대상 모델을 통한 연결이다. (source)