Amp：20 人公司，部分用户每周烧百亿 token

一家 20 人的公司，没有专人做营销，但有一个专职做营销的智能体。这句话比任何跑分都更能说明 agent 现在被用在哪。

一、发生了什么

10 月 14 日，OpenAI 发布 Amp 的客户案例。需要先说清楚：这是厂商口径，不是第三方评测。

Amp 做的是面向开发者的编程智能体，CEO 是 Quinn Slack。案例里的事实大致有这么几条：

Amp 团队只有 20 人，营销没有专职的人，交给智能体做，用来改善新用户引导和搜索曝光。写作、页面设计、文档生成交给 GPT-6 Astra，官方转述的说法是，Amp 对文风和设计很挑，但对产出满意。内置的语音助手 Puck 由 GPT-Live-1 支撑，可以实时对话，甚至能通过手表说话。另有 Ultrafast 模式搭配 Astra，用来加速智能体的工作流。

接入方式上，Amp 支持「用 ChatGPT 账号登录」，用户因此能拿到更多 token 和更多模型，包括 Astra。这个设计解决的是一个心理问题：用户不用盯着每一个 token 算账，才敢把智能体放出去跑长任务。

量级方面，官方说部分用户每周消耗 100 亿 token，OpenAI 模型占 Amp token 用量的大多数。原文只写了「多数」，没有给百分比。CEO 还举了个私人例子：把自家房屋图纸交给 Astra，在 Blender 里生成 3D 模型，再和孩子一起把它改成游戏。

Puck 是这个案例里另一个值得注意的东西。它是 Amp 最近发布的内置助手，用来启动和管理其他智能体——查一个 bug、协调多个智能体并行干活、翻出过去的对话记录。换句话说，连「派活」这一步也交给了模型，人只负责判断结果。

案例没有披露 Amp 的用户规模，也没说这些智能体产出的内容由谁终审。对一家做开发者工具的公司来说，这个环节大概还是人在把关。

二、跟你有什么关系

小团队：可以抄的不是模型，是那个动作——找一件「没人专职做、但一直要做」的事，给它一个常驻智能体。真正的门槛不是技术，是敢不敢把这件事的产出直接发出去。

开发者：Amp 没有只押一个模型，说明这不是站队，是路由。贵的做审美和长文，实时模型做语音，快速模式做交互，各自负责一段体验。这种分工比「选一个最强模型」更接近生产环境。

算成本的人：每周百亿 token 是极少数重度用户，不是平均值。拿它做预算，会把自己的账算崩。

三、怎么用

1. 选一件重复发生、又有明确产出物的事，比如更新帮助文档、整理发布说明、盯搜索词。
2. 给它固定的输入（仓库、文档、后台数据）和固定的输出格式。别一上来就让它自己决定做什么。
3. 用最贵的模型做一次「定调」，把风格和结构定下来；批量重复的部分换便宜的模型。
4. 记录每个成功任务的成本，而不是每百万 token 的单价。
5. 给智能体划边界：哪些操作可以直接做，哪些必须等人确认。
6. 先跑两周再决定要不要扩。第一周看它做错什么，第二周看人改它花多少时间。改的时间超过自己做的时间，这条路就不成立。

四、三个别信的说法

「20 人公司靠 AI 顶一个团队」。 案例没说营收、没说留存，也没说智能体产出的东西要不要人返工。厂商案例只能证明它被用起来了，不能证明它替代了谁。而且这 20 人本身就是做 agent 的，工具用得好是职业优势。

「接的模型越多越强」。 接得多意味着路由和评测的成本也高。Amp 能这么干，是因为它自己就是做 agent 的，评测能力是它的本业。

「每周百亿 token 是常态」。 原文写的是「部分用户」。这类用户通常在做批量长任务，和日常写代码的消耗不是一个量级。

五、一句话结论

Amp 案例值得看的不是它接了几个模型，而是一个 20 人团队开始把「没人负责的活」交给常驻智能体，并且用不同价位的模型分工。

信息来源

• OpenAI：Amp puts AI agents to work beyond code with OpenAI models，2026 年 10 月 14 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。