据 OpenAI 官方宣布,Amplitude 发布其主动式产品代理 Wave,该代理约 80% 由 OpenAI 模型驱动,能将产品改进的交付周期从约一个月缩短至 1-2 天。
要点速览
Amplitude 的 Wave 代理旨在将用户行为洞察转化为可执行的产品改进。它整合了 Amplitude 数据、会话回放、客户反馈和代码库,自动识别并优先处理改进机会。

模型分工明确: Wave 并非单一模型,而是根据任务需求调用不同的 OpenAI 模型。深度调查使用 GPT‑6.1 Sol,高频低成本任务使用 GPT‑6 Luna,视觉原型生成使用 GPT‑Image‑2.5 Flare。
编码代理集成: 当改进方案确定后,Wave 会生成技术计划和验收标准,直接发送给 Codex 等编码代理进行实施,人类团队只需进行简要审查或处理复杂新功能。
实际效果显著: 在 Amplitude 自身首页的测试中,Wave 通过个性化建议卡片,使卡片驱动的消息发送量在一天内提升了 160%。

关键参数
| 项目 | 参数 |
|---|---|
| 核心驱动模型 | GPT‑6.1 Sol, GPT‑6 Luna, GPT‑Image‑2.5 Flare |
| 交付周期 | 1-2 天(原周期约一个月) |
| 代理参与度提升 | 160%(对比控制组,一天后) |
| GPT‑6.1 Sol 调查评分 | 4.06/5.0(优于竞品模型) |
| 数据科学代理平均成本 | $1.28/次(对比竞品 $2.63/次) |
| 图像生成评分 | 80.3/100(用于解决方案线框图) |

价格与上市
- Wave Beta 版: 面向各行业客户开放,具体价格官方尚未公布。
- 上市时间: 目前已处于 Beta 测试阶段,部分客户已将其用于识别和交付产品改进。
媒体评价
据 OpenAI News 报道,Amplitude 在内部测试中展示了 Wave 的实际工作能力。Amplitude 发现其首页的通用建议卡片常被用户忽略,80% 的用户会直接输入问题而非点击建议。Wave 提出利用用户最近的图表或来源页面个性化卡片,并生成了技术计划。经过简短审查后,团队将工作交给编码代理,最终使卡片驱动的消息发送量在一天内提升了 160%。
在模型评估方面,GPT‑6.1 Sol 在机会调查任务中得分 4.06/5.0,优于三个竞品模型,且中位调查时间仅为 54 分钟。在数据科学代理任务中,其平均成本为 1.28 美元/次,低于竞品的 2.63 美元/次。对于视觉原型,GPT‑Image‑2.5 Flare 在解决方案线框图生成中得分 80.3/100,同样领先于其他图像生成模型。
一个读者会问的问题
Wave 对独立创作者和小团队意味着什么?
对于个人开发者或小型工作室,Wave 的价值在于“自动化决策”而非仅仅是“自动化代码”。过去,你需要自己分析数据、决定改什么、再写代码。Wave 帮你完成了从“发现用户忽略的功能”到“生成技术计划”的全过程。这意味着你不需要雇佣专门的数据分析师或产品经理,AI 就能告诉你下一步该做什么,并直接生成代码供你审查。
值不值得?
如果你使用 Amplitude 或类似的分析工具,且希望快速迭代产品,Wave 非常值得。它通过模型分工(如用便宜的 GPT‑6 Luna 做日常扫描,用昂贵的 GPT‑6.1 Sol 做深度推理)控制了成本。对于小团队,1.28 美元(约 8.55 元)/次的数据科学代理成本远低于人工分析,且能将新功能上线时间缩短至几天内。
适合谁?
适合那些拥有用户数据、希望快速验证想法、但人力有限的产品团队。不适合完全从零开始、尚未积累足够用户行为数据的产品,因为 Wave 需要数据来“发现”改进机会。





