OpenAICN官方 API Token / 缓存 / Plan 计费表
官方API

Amplitude用OpenAI模型1-2天上线产品

Built primarily on OpenAI models, Amplitude’s proactive product agent, Wave, identifies what to build, helps teams ship changes with coding agents, and measures the impact.

返回指南列表

# Amplitude 用 OpenAI 模型 1-2 天上线产品

Amplitude 是数据分析和产品洞察领域的领先公司，其核心产品 Wave（主动产品代理）是典型案例：Wave 主要基于 OpenAI 模型开发，通过整合数据、会话回放和代码分析，快速发现产品改进机会，并指导团队用 Codex 等编码代理直接落地。 [[1]](https://openai.com/business/customer-stories/amplitude)

谁适用？

企业级产品团队，尤其是需要快速验证用户洞察、批量构建小改动或提升代理互动率的团队。OpenAI 官方 API 提供商们，适合希望用低成本 Token 实现 1-2 天交付的产品公司。

如何决策？ 先在 Wave 里输入产品目标和指标，Wave 自动拆解机会；测试后确认 GPT-6.1 Sol 等模型对高价值任务的推理质量，再用 GPT-6 Luna 处理高频小任务，平衡 $ / M 成本与速度。

Amplitude 的成功直接展示了 OpenAI 模型在实际产品迭代中的价值——从发现到上线只花 1-2 天，远低于传统一个月周期。下面我们拆解整个流程和 OpenAI API 计费路径。

Wave 如何把产品数据变成可落地的改进计划

Wave 接收产品领域、目标和指标后，会自动调用 OpenAI 模型组合：

  • GPT-6.1 Sol：深度调查、机会优先级排序和代码/数据分析（强推理能力）。
  • GPT-6 Luna：高频扫描代码、小检查和快速评估（低延迟、低 $ / M）。
  • GPT-Image-2.5 Flare：生成基于会话截图的 wireframe 和 mockup。

团队只需简单确认计划，Wave 就能把所有内容打包发给 Codex 等编码代理。整个过程无需人工从零开始写代码，显著提升团队执行效率。

Amplitude 在自家产品上实测：1 号线网页卡片互动提升 160%

Amplitude 用 Wave 测试自家首页建议卡片方案。早期方案中 80% 用户直接输入问题，仅 12 人点击卡片。Wave 提出个性化方案（结合用户最近仪表盘、页面来源），生成完整技术计划。

团队审核后交给 Codex 代理实施，A/B 测试结果：在上线当天，卡片发送量较对照组提升 160%。这正是非颠覆性小改动却大幅提高特征采用率的经典案例，也验证了 OpenAI 模型在快速原型验证中的实际效果。

不同任务选对模型：如何控制 Token 成本

Amplitude 通过评估模型质量、延迟和成本，采用分层策略：

  • 高价值调查任务用 GPT-6.1 Sol（评估得分 4.06/5，均值成本约 $1.34）。
  • 重复检查任务用 GPT-6 Luna（Data Science Agent 均值成本 $1.28，显著低于对比模型）。
  • 可视化任务用 GPT-Image-2.5 Flare（wireframe 得分 80.3/100）。

官方 API 定价参考（实际以 [OpenAI 官方价格页] 当日挂牌价为准，建议通过 [官方 API 页面] 实时比对）：

模型类别 主要任务 典型 $ / M 示例（参考价格） 适用场景
GPT-6.1 Sol 深度推理、调查 1.34 机会分析、代码审查
GPT-6 Luna 快速扫描、小检查 1.28 高频评估、代码扫描
GPT-Image-2.5 Flare mockup 生成 较低（按 token 消耗） 可视化、设计辅助
Codex 编码代理实施 随任务复杂度而定 技术计划落地

通过 Prompt 缓存（[官方定价页] 支持）可进一步降低重复 Token 消耗。团队可参考 [API 计费路径指南] 计算精确支出。

团队控制权：从代理到人工审核的灵活路径

Wave 始终让人类在最后一步把关。大多数 bug 修复直接发给 Codex，新功能则需人工审核。已落地的实验、flag 和指南中，1/4 当天上线，1/2 在 4 天内，2/3 在 1 周内完成。CEO Spenser Skates 表示：“OpenAI 让 AI 能找到我们从未想过分配的工作。”

更多成功案例可查看 [官方 API 实际应用示例]。

延伸阅读

  • [官方 API 价格与计费规则]
  • [API 计费路径与账单对账工具]
  • [OpenAI 模型实际应用案例]
  • [API 流量与路由指南]
  • [产品改进与团队决策框架]

风险与边界

使用 OpenAI 官方 API 时，请始终以 [官方定价页] 为准，避免因模型版本迭代导致 Token 消耗或质量意外波动。过度依赖代理可能导致计划不符预期，建议保留人工审核环节。非法律意见声明：本文基于公开案例与 OpenAI 官网信息整理，仅供参考，不构成任何法律或业务建议。

English summary

Amplitude’s Wave agent, built primarily on OpenAI models including GPT-6.1 Sol, GPT-6 Luna, and GPT-Image-2.5 Flare, turns product insights into shipped improvements in just 1-2 days. Wave analyzes session replays, analytics, and code to prioritize opportunities, generate technical plans, and coordinate with Codex coding agents. In one internal test, personalizing homepage suggestion cards increased engagement by 160% after one day. Amplitude evaluates models for each task—GPT-6.1 Sol for deep reasoning and low-cost GPT-6 Luna for high-volume checks—delivering a strong ROI on Token usage. Teams retain final approval, with most changes reaching users the same day or within a week. This real-world example shows how OpenAI API pricing, Prompt caching, and model routing enable fast, measurable product delivery for mid-market companies.