2026 年 11 月 12 日，OpenAI 放出一份标杆客户战报，核心主角是产品分析平台 Amplitude 推出的主动式产品 Agent——Wave。按官方说法，Wave 约 80% 由 OpenAI 模型驱动，能自己查数据、看用户录屏、画原型图，再把技术方案直接派单给 Codex 等编码 Agent 写代码，硬生生把产品改进的上线周期从约 1 个月压到了 1–2 天。在 Amplitude 自家主页的实测里，它还顺手干出了一个 160% 的互动增长。如果只看这组公关数字，传统产品经理和初级数据分析师明天就可以收拾工位了；但只要把 Amplitude 团队前几天发在自家技术博客里的原始底稿翻出来对一下账，就会发现前台演的是效率神话，后台算的却是另一本极其精明的成本细账。
Wave 不是一个拿来聊天的对话框，而是一条塞进了三个不同模型的流水线：
- GPT-6.1 Sol.负责最重头的机会管理，对代码和行为数据做深度调查。
- GPT-6 Luna.干脏活累活，负责高频、低成本的代码扫描与小型评估检查。
- **GPT-Image-2.5 Flare**：直接拿用户会话回放（Session Replay）的截图当视觉参考，生成修改后的产品线框图。
这套组合拳目前只向 Amplitude 的 Growth 和 Enterprise 客户作为独立付费项开放（具体美元定价未公开，落地页仍挂着 Closed Beta 字样）。对比同行，Mixpanel 在 2026 年 6 月把 AI 助手改名为 Mixpanel Agent，但实验功能还在排队，根因分析锁死在企业版里；Heap 的 Sense Chat 也还停留在 Beta 阶段，只敢把问题和最常见的 5 个属性值发给 OpenAI。Amplitude 确实迈出了步子最野的一步，直接把手从数据分析伸进了研发交付的口袋。
显微镜下的“160% 增长”：公关战报与技术底稿的温差
最抓眼球的战果，是 Wave 给 Amplitude 自家主页做的那次改版。
过程本身很漂亮。Wave 翻了 100 个用户的会话回放，发现主页上用来引导用户跟 AI 聊天的通用推荐卡片几乎成了摆设：80 个人宁可自己敲字提问，只有 12 个人点了卡片。Wave 顺势提议，根据用户刚看过的图表、看板或来源页面，把卡片改成千人千面的个性化推荐。它自己画了原型图、写了带兜底逻辑的技术方案，团队审核后直接甩给编码 Agent 干活。上线跑了一天 A/B 测试，通过卡片发送的消息量就比对照组涨了 160%。
但魔鬼全藏在分母里。Amplitude 首席 AI 产品经理 Jacob Newman 在 11 月 9 日发表的技术博文中交了底：所谓 160% 的暴涨，实际绝对值是每 100 名曝光用户产生的发送量从 0.94 次变成了 2.43 次。
更耐人寻味的是两边的表述差异。Amplitude 官方关于这次实验的两篇博文，不仅没提總曝光样本量，还老老实实把结果定性为需要进一步验证的初步读数；甚至连“1–2 天上线周期”和 OpenAI 在这次实验里的角色，在 Amplitude 自家博文里都只字未提，全靠 OpenAI 的客户案例替它喊了出来。
百人 0.94 次到 2.43 次，证明个性化确实比大锅饭有效，但离改变业务基本面还隔着十万八千里。用单日跑出来的极小基数去折算一个硕大的百分比，这是硅谷 SaaS 圈心照不宣的修辞术。
67.5 分淘汰 69.3 分：B2B Agent 的真实算力账本
如果把公关水分拧干，这份案例里真正值得所有做企业级 AI 的人拿放大镜看的，是 Amplitude 披露的内部模型评测账本。
| 评测任务模块 | 胜出模型 (OpenAI) | 核心得分与耗时 | 竞品模型表现 | 单次调度成本对比 |
|---|---|---|---|---|
| 机会调查 (Opportunity Investigator) | GPT-6.1 Sol | 4.06 / 5 分 (中位 54 分钟) | 3.62 / 3.52 / 2.94 分 | 未披露 |
| 数据科学 Agent (Data Science) | GPT-6.1 Sol | 67.5 / 100 分 | 领先竞品 69.3 / 100 分 | 1.28 美元 vs 2.63 美元 |
| 方案线框图生成 (15 个机会点) | GPT-Image-2.5 Flare | 80.3 / 100 分 | 竞品 63.9 / 100 分 | 未披露 |
看懂第二行数据，就看懂了 2026 年企业买模型的真正逻辑。
在数据科学 Agent 的评测里，GPT-6.1 Sol 只拿了 67.5 分，実は输给了另一个拿到 69.3 分的领先竞品模型。但 Amplitude 最终把票投给了分数更低的 GPT-6.1 Sol。原因很简单，后者的单次调度均价要 2.63 美元，而 GPT-6.1 Sol 只要 1.28 美元，直接砍掉了一半还多。
刷榜多出的 1.8 分是给投资人看的，省下的 1.35 美元才是自己的毛利。
《史记》有言，“天下熙熙，皆为利来”。前两年大模型军备竞赛，厂商总想着用一个智商最高、参数最大的旗舰模型包打天下；但到了 Wave 这种需要在后台跑 54 分钟深度调查、还要成百上千次扫描代码的重度 Agent 场景里，Token 账单会直接吃光 SaaS 软件的订阅毛利。Amplitude 一边用便宜的 GPT-6 Luna 扛住高频扫描，一边在核心推理上为了省一半成本果断放弃最高分模型，这才是 B2B 软件能活下去的工程铁律。
- 结论.企业级 Agent 选型已经彻底告别唯跑分论，进入按“单次任务均价 × 工具契约遵从度”算细账的路由时代。
离“无限工程师”还有多远
11 月 12 日当天，Amplitude 发了一篇标题颇具煽动性的商业化宣言，问客户“如果拥有无限的工程师，你会建造什么”。
理想很丰满，但数据不会凭空长出腿来。独立数据分析从业者 Olga Berezovsky 在 2026 年 4 月对 Amplitude 早期 Agent 做过实测：哪怕在数据埋点质量良好的前提下，其交互有用率也只有 40% 左右，真正能打的强结果仅占约 10%，而且运行偏慢，极度依赖人类事先建好的既有报表上下文。
早年铁路刚铺开时，人们以为只要买来蒸汽机车就能通达天下，后来才发现，真正让人破产的是统一轨距、平整路基和日常养护。今天的产品分析 Agent 像极了当年的蒸汽机头——它确实能把“发现问题到写完代码”的链路缩短，前提是你底层的事件埋点、属性命名和报表上下文已经治理得像镜面一样平整。
但凡底层埋点是一团乱麻，跑得越快的 Agent，制造垃圾PR（代码合并请求）的速度就越快。这也是为什么在目前已上线的客户里，虽然有四分之一的实验能在发现当天上线、三分之二在一周内推完，但绝大多数团队只敢把修 Bug 直接交给编码 Agent，一旦碰到新功能和重度改版，依然得老老实实退回人工审核。
- 风险.连 Amplitude 官方在技术博客里都承认，让 Agent“持续自主追求长期目标”目前仍是一个尚未实现的远期愿景；企业买家若冲着全自动闭环去买单，大概率要先交一笔高昂的数据治理学费。
对于每天泡在需求池里的产品经理和数据分析师来说，Wave 这类工具倒逼出的职能重构已经摆在桌面上。以前你可以花两周时间看 100 个录屏、拉几张漏斗图、画三个粗糙的线框图来证明自己的工作量；现在 GPT-6.1 Sol 花 54 分钟、烧掉一两块钱美金就能把这套活干完，顺手还把验收标准喂给了 Codex。低阶的“看数画图写文档”正在迅速贬值，人类唯一还能握紧方向盘的地方，只剩下判断那个从 0.94 到 2.43 的改动，到底值不值得消耗团队的注意力。