အဓိက အကြောင်းအရာသို့ ကျော်သွားရန်
OpenAI

၂၀၂၆ နိုဝင်ဘာ ၁၂

OpenAI ဖြင့် Amplitude ၏ 1–2 ရက်အတွင်း အဆင့်မြှင့်မှု

OpenAI မော်ဒယ်များကို အဓိကသုံးသည့် Amplitude ၏ ကိုယ်တိုင်အစပြုလုပ်ဆောင်သော ထုတ်ကုန်အေးဂျင့် Wave က တည်ဆောက်ရန်အရာများ ရှာဖွေပြီး ကုဒ်ရေးအေးဂျင့်များဖြင့် အဆင့်မြှင့်မှုများ ထုတ်ပေးရန် ကူညီကာ အကျိုးသက်ရောက်မှုကို တိုင်းတာသည်။

လှိုင်းတွန့်ဖန်သားပုံစံ နက်ပြာရောင်နောက်ခံပေါ်ရှိ Amplitude လိုဂို။
ဒေသ: မြောက်အမေရိက
လုပ်ငန်းနယ်ပယ်: နည်းပညာ
ထုတ်ကုန်များ: Codex
ကုမ္ပဏီအရွယ်အစား: အလယ်အလတ်-စျေးကွက်

160%

တစ်ရက်အကြာတွင် ထိန်းချုပ်အုပ်စုနှင့် နှိုင်းယှဉ်ပါက အေးဂျင့်နှင့် အပြန်အလှန်အသုံးပြုမှု တိုးလာသည့်နှုန်း

1–2 ရက်

Wave ဖြင့် ထုတ်ကုန်အဆင့်မြှင့်မှုတစ်ခု ထုတ်ပေးရန် ခန့်မှန်းကြာချိန်

51%

Amplitude ၏ ဒေတာသိပ္ပံအေးဂျင့် အကဲဖြတ်မှုတွင် GPT‑6.1 Sol ၏ တာဝန်ပေးမှုတစ်ကြိမ်လျှင် ပျမ်းမျှ မော်ဒယ်ကုန်ကျစရိတ် လျော့နည်းမှု။

$1.34

Amplitude ၏ အခွင့်အလမ်းစူးစမ်းလေ့လာသူ အကဲဖြတ်မှုတွင် GPT‑6.1 Sol ၏ မော်ဒယ်ကုန်ကျစရိတ်။

Amplitude သည် လူများက ထုတ်ကုန်များကို လက်တွေ့မည်သို့အသုံးပြုကြောင်း အဖွဲ့များ နားလည်သိရှိစေရန် အစဉ်အမြဲ ကူညီပေးခဲ့သည်။ ၎င်း၏ ကိုယ်တိုင်အစပြုလုပ်ဆောင်သော ထုတ်ကုန်အေးဂျင့် Wave က ထိုသိရှိချက်များကို အမှန်တကယ် ထုတ်ပေးနိုင်သည့် အဆင့်မြှင့်မှုများအဖြစ် ပြောင်းလဲရန် အဖွဲ့များကို ကူညီပေးသည်။ Amplitude ၏ အဆိုအရ Wave ၏ လုပ်ဆောင်မှု 80% ခန့်ကို GPT‑6.1 Sol၊ GPT‑6 Luna နှင့် GPT‑Image‑2.5 Flare အပါအဝင် OpenAI မော်ဒယ်များက ပံ့ပိုးပေးထားသည်။ Wave သည် ထုတ်ကုန်အကြောင်း သိရှိချက်များကို အကောင်အထည်ဖော်မည့် အစီအစဉ်များအဖြစ် ပြောင်းလဲပေးသည်။ အဖွဲ့များက ထိုအစီအစဉ်များကို Codex အပါအဝင် ကုဒ်ရေးအေးဂျင့်များထံ ပို့နိုင်ပြီး Wave က ရရှိသည့် အကျိုးသက်ရောက်မှုကို တိုင်းတာပေးသည်။

Amplitude ၏ ခန့်မှန်းချက်အရ Wave ၏ အကူအညီဖြင့် အဖွဲ့များသည် ထုတ်ကုန်အဆင့်မြှင့်မှုများကို ယခင်က တစ်လခန့်ကြာရာမှ 1–2 ရက်အတွင်း ထုတ်ပေးနိုင်သည်။ Amplitude ၏ ကိုယ်ပိုင်ပင်မစာမျက်နှာတွင် Wave က အကြံပြုကတ်များကို တစ်ဦးချင်းအလိုက် ပြင်ဆင်ပေးရန် ကူညီခဲ့ရာ ကတ်များမှတစ်ဆင့် စာပို့မှု 160% တိုးလာခဲ့သည်။

“အခုဆို AI က ကျွန်တော်တို့ တာဝန်ပေးဖို့ တစ်ခါမှမစဉ်းစားမိတဲ့ အသုံးဝင်တဲ့အလုပ်တွေကို ရှာတွေ့နိုင်နေပါပြီ။ OpenAI ရဲ့ မော်ဒယ်တွေက ပြဿနာတစ်ခုကို စူးစမ်းလေ့လာနိုင်တယ်၊ ကုဒ်ရေးပြီး လည်ပတ်စေနိုင်တယ်၊ ရလာတဲ့ရလဒ်တွေအပေါ် မူတည်ပြီး နောက်ထပ် ဘာကိုစမ်းကြည့်မလဲဆိုတာ ဆုံးဖြတ်နိုင်တယ်။”
—Spenser Skates၊ အမှုဆောင်အရာရှိချုပ်၊ Amplitude

ထုတ်ကုန်ဒေတာမှ လက်တွေ့အဆင့်မြှင့်မှုများဆီသို့

Wave သည် Amplitude ၏ ကိုယ်တိုင်အစပြုလုပ်ဆောင်သော ထုတ်ကုန်အေးဂျင့်ဖြစ်သည်။ အဖွဲ့များက ထုတ်ကုန်၏ မည်သည့်အပိုင်းတွင် လုပ်ဆောင်ရမည်၊ မည်သည့်ပန်းတိုင်များနှင့် တိုင်းတာချက်များကို ပိုမိုကောင်းမွန်စေလိုသည်ကို သတ်မှတ်ပေးကြသည်။ Wave သည် Amplitude ဒေတာ၊ အသုံးပြုမှုမှတ်တမ်း ပြန်ကြည့်ချက်များ၊ ဖောက်သည်တုံ့ပြန်ချက်နှင့် ကုဒ်တို့ကို စုစည်းကာ အခွင့်အလမ်းများ ဖော်ထုတ်၍ ဦးစားပေးသတ်မှတ်သည်၊ ဖြေရှင်းချက်များ ဖန်တီးသည်၊ လူများနှင့် ကုဒ်ရေးအေးဂျင့်များကြား အကောင်အထည်ဖော်မှုကို ညှိနှိုင်းပေးသည်။ ထို့နောက် ရလဒ်များကို စောင့်ကြည့်ပြီး ရရှိသည့်သင်ခန်းစာများကို နောက်တစ်ကြိမ် အဆင့်မြှင့်မှုများအတွက် အသုံးချသည်။

ထိုလုပ်ငန်းစဉ်၏ နောက်ကွယ်တွင် Amplitude သည် အလုပ်အမျိုးမျိုးအတွက် မတူညီသော OpenAI မော်ဒယ်များကို အသုံးပြုထားသည်။ GPT‑6.1 Sol က အခွင့်အလမ်းစီမံခန့်ခွဲသူကို ပံ့ပိုးပေးပြီး ကုဒ်နှင့် ဒေတာကို နက်နက်ရှိုင်းရှိုင်း စူးစမ်းလေ့လာရာတွင် ကူညီပေးသည်။ GPT‑6 Luna က ကုဒ်စစ်ဆေးခြင်းနှင့် အကဲဖြတ်စစ်ဆေးမှုငယ်များ ပြုလုပ်ခြင်းကဲ့သို့ မကြာခဏ လုပ်ဆောင်ရသည့် ကုန်ကျစရိတ်နည်းသော အလုပ်များကို ကိုင်တွယ်သည်။ GPT‑Image‑2.5 Flare သည် အသုံးပြုမှုမှတ်တမ်း ပြန်ကြည့်ချက်များမှ ဖန်သားပြင်ဓာတ်ပုံများကို အမြင်ပိုင်း ကိုးကားချက်အဖြစ် အသုံးပြုကာ ထုတ်ကုန်နမူနာဒီဇိုင်းများ ဖန်တီးပေးသည်။

အခွင့်အလမ်းတစ်ခုကို စတင်အကောင်အထည်ဖော်နိုင်ပြီဆိုလျှင် အဖွဲ့များသည် လမ်းညွှန်ချက်အဖြစ် နည်းပညာအစီအစဉ်နှင့် လက်ခံနိုင်မှုစံနှုန်းများကို ပူးတွဲကာ Wave မှ Codex အပါအဝင် ကုဒ်ရေးအေးဂျင့်များထံ တိုက်ရိုက်ပို့နိုင်သည်။

Wave ၏ “ကုဒ်ရေးအေးဂျင့်ထံ ပို့ရန်” မီနူးတွင် အကောင်အထည်ဖော်ရန် ရွေးချယ်စရာများအဖြစ် Codex နှင့် Wave Code Agent ကို ပြသထားသည်။

Wave ကြောင့် အေးဂျင့်နှင့် အပြန်အလှန်အသုံးပြုမှု 160% တိုးလာပုံ

“Wave ရဲ့ အယူအဆက အသုံးပြုမှုမှတ်တမ်း ပြန်ကြည့်ချက်တွေ၊ ခွဲခြမ်းစိတ်ဖြာချက်တွေနဲ့ ကုဒ်တွေ အမြောက်အမြားကို အေးဂျင့်တွေက အသေးစိတ်စစ်ဆေးပြီး ထုတ်ကုန်တိုးတက်စေမယ့် အခွင့်အလမ်းတွေ ရှာဖွေပေးတဲ့ ပေါင်းစည်းပလက်ဖောင်းတစ်ခု ရရှိဖို့ပါ” ဟု Amplitude ၏ အဓိက AI ထုတ်ကုန်မန်နေဂျာ Jacob Newman က ရှင်းပြသည်။

Amplitude သည် Wave ကို ကိုယ်ပိုင်ပင်မစာမျက်နှာတွင် စမ်းသပ်ခဲ့သည်။ ထိုစာမျက်နှာရှိ ယေဘုယျအကြံပြုကတ်များသည် အသုံးပြုသူများကို AI အေးဂျင့်နှင့် စကားစပြောနိုင်ရန် ကူညီဖို့ ရည်ရွယ်ထားသည်။ လူများက ထိုကတ်များကို မကြာခဏ ကျော်သွားကြောင်း Wave က တွေ့ရှိခဲ့သည်။ နမူနာအဖြစ် ရွေးထားသည့် အသုံးပြုမှုမှတ်တမ်း 100 ကို ပြန်ကြည့်ရာ အသုံးပြုသူ 80 က မိမိမေးခွန်းကို ကိုယ်တိုင်ရိုက်ထည့်ပြီး 12 ဦးသာ အကြံပြုချက်တစ်ခုကို ရွေးခဲ့သည်။

Wave က လတ်တလောဇယားများ၊ ဒက်ရှ်ဘုတ်များ သို့မဟုတ် အသုံးပြုသူ ဝင်လာခဲ့သည့် စာမျက်နှာကို အခြေခံကာ ကတ်များကို တစ်ဦးချင်းအလိုက် ပြင်ဆင်ပေးရန် အဆိုပြုခဲ့သည်။ ၎င်းက ပြောင်းလဲမည့်ပုံစံကို သရုပ်ဖော်ပြီး နည်းပညာအစီအစဉ်တစ်ခု ရေးဆွဲပေးခဲ့သည်။ ထိုအစီအစဉ်တွင် လွတ်လပ်စွာ စာရိုက်ထည့်နိုင်မှုကို ဆက်ထားရန်နှင့် တစ်ဦးချင်းအလိုက် ပြင်ဆင်ပေးရန် နောက်ခံအချက်အလက် မရှိသည့်အခါ ယေဘုယျအကြံပြုချက်များ ပြသရန်တို့ ပါဝင်သည်။ အတိုချုံးသုံးသပ်ပြီးနောက် အဖွဲ့သည် အလုပ်ကို ကုဒ်ရေးအေးဂျင့်တစ်ခုထံ လွှဲပေးကာ ပြောင်းလဲမှုကို A/B စမ်းသပ်ခဲ့သည်။

Amplitude ပင်မစာမျက်နှာ၏ မူလပုံစံနှင့် အဆိုပြုဖြေရှင်းချက်။ ယေဘုယျအကြံပြုကတ်များအစား လတ်တလောလုပ်ဆောင်ချက်များအပေါ် အခြေခံ၍ တစ်ဦးချင်းအလိုက် အကြံပြုချက်များ ပြသထားသည်။

Amplitude မျှဝေခဲ့သည့် စမ်းသပ်ရလဒ်အရ တစ်ရက်အကြာတွင် ပင်မစာမျက်နှာ အကြံပြုကတ်များမှတစ်ဆင့် ပို့သည့်စာအရေအတွက်သည် ထိန်းချုပ်အုပ်စုနှင့် နှိုင်းယှဉ်ပါက 160% တိုးလာခဲ့သည်။ “ထူးထူးခြားခြား ဆန်းသစ်တာမျိုး မဟုတ်လို့ လျစ်လျူရှုခံနေရတဲ့ အရာတွေက လုပ်ဆောင်ချက်တွေအပေါ် အသုံးပြုမှုကို မထင်မှတ်တဲ့နည်းနဲ့ တိုးလာစေနိုင်တာကို ပြတဲ့ ကောင်းမွန်တဲ့ဥပမာတစ်ခုပါ” ဟု Amplitude ၏ အကြီးတန်း အဓိက AI အင်ဂျင်နီယာ Eric Carlson က ရှင်းပြသည်။

အလုပ်တစ်ခုစီအတွက် သင့်တော်သော OpenAI မော်ဒယ်ကို ရွေးချယ်ခြင်း

Wave ၏ အလုပ်အမျိုးအစားပေါ်မူတည်၍ မော်ဒယ်များထံမှ လိုအပ်သည့်စွမ်းရည် ကွာခြားသည်။ နက်ရှိုင်းစွာ စူးစမ်းလေ့လာမှုအတွက် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်အားကောင်းရန်နှင့် ခိုင်လုံသည့် အထောက်အထားများပါသော ကောက်ချက်များရရန် လိုအပ်သည်။ အကြိမ်ရာနှင့်ချီ ထပ်တလဲလဲလုပ်ရသည့် စစ်ဆေးမှုငယ်တစ်ခုမှာမူ မြန်ဆန်ပြီး ကုန်ကျစရိတ်နည်းရန် လိုအပ်သည်။ Amplitude သည် အလုပ်တစ်ခုစီ၏ အရည်အသွေး၊ တုံ့ပြန်ကြာချိန်နှင့် ကုန်ကျစရိတ်တို့ကို အကဲဖြတ်ပြီး သင့်တော်ရာ မော်ဒယ်များကို တာဝန်ပေးသည်။

“OpenAI က ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော အားကောင်းတဲ့မော်ဒယ်တွေနဲ့ ပိုသေးပြီး ပိုမြန်တဲ့မော်ဒယ်တွေ နှစ်မျိုးလုံး ပေးထားတဲ့အတွက် ထုတ်ကုန်တစ်ခုလုံးမှာ အရည်အသွေး၊ တုံ့ပြန်ကြာချိန်နဲ့ အဖြေထုတ်လုပ်မှုကုန်ကျစရိတ်တို့ကို မျှတအောင် ချိန်ညှိနိုင်ခဲ့ပါတယ်။”
—Spenser Skates၊ အမှုဆောင်အရာရှိချုပ်၊ Amplitude

Wave ၏ အခွင့်အလမ်းစူးစမ်းလေ့လာသူအတွက် Amplitude က မော်ဒယ်များသည် တွေ့ရှိချက်များကို အထောက်အထားဖြင့် အတည်ပြုနိုင်သလား၊ မရှိသည်ကို ရှိသည်ဟု မှားယွင်းသတ်မှတ်မှုကို ရှောင်နိုင်သလား၊ အကဲဖြတ်သူ၏ တုံ့ပြန်ချက်ကို ထည့်သွင်းအသုံးချသလား၊ ကိရိယာအလုပ်မလုပ်သည့်အခါ ပြန်လည်ဖြေရှင်းနိုင်သလား၊ ကောက်ချက်များကို သက်သေအထောက်အထားနှင့် ကိုက်ညီအောင် ထိန်းသိမ်းနိုင်သလားဟူ၍ အကဲဖြတ်ခဲ့သည်။ GPT‑6.1 Sol သည် စုစုပေါင်းရမှတ် 5 မှတ်အနက် 4.06 မှတ် ရခဲ့ပြီး အခြားရွေးချယ်စရာ မော်ဒယ်သုံးခုမှာ 3.62၊ 3.52 နှင့် 2.94 မှတ်စီ ရခဲ့သည်။ ၎င်းသည် စူးစမ်းလေ့လာမှုစံနှုန်း ငါးခုစလုံးတွင် ထိပ်ဆုံးမှ ဦးဆောင်ခဲ့ပြီး စူးစမ်းလေ့လာချိန်၏ အလယ်တန်ဖိုးမှာ 54 မိနစ်ဖြင့် အမြန်ဆုံးဖြစ်ခဲ့သည်။

Wave ၏ ဒေတာသိပ္ပံအေးဂျင့်ကို သီးခြားအကဲဖြတ်ရာတွင် GPT‑6.1 Sol က 100 မှတ်အနက် 67.5 မှတ်ရပြီး အခြားထိပ်တန်းမော်ဒယ်တစ်ခုက 69.3 မှတ် ရခဲ့သည်။ တာဝန်ပေးမှုတစ်ကြိမ်လျှင် ပျမ်းမျှ မော်ဒယ်ကုန်ကျစရိတ်မှာ အသီးသီး $1.28 နှင့် $2.63 ဖြစ်သည်။ GPT‑6.1 Sol သည် ကိရိယာအသုံးပြုမှု သတ်မှတ်ချက်လိုက်နာခြင်း၊ ခန့်မှန်းခြင်းနှင့် မသေချာမှုကို ကိုင်တွယ်ခြင်း၊ သက်သေအထောက်အထားဖြင့် အခြေပြုခိုင်မာစေခြင်းတို့တွင်လည်း ပိုမိုမြင့်မားသော ရမှတ်များ ရရှိခဲ့သည်။

GPT‑6.1 Sol ဒေတာသိပ္ပံအေးဂျင့် အကဲဖြတ်ချက်

ကုဒ်စစ်ဆေးခြင်းနှင့် အကဲဖြတ်စစ်ဆေးမှုငယ်များ ပြုလုပ်ခြင်းကဲ့သို့ ပမာဏများသည့်အလုပ်များတွင် တုံ့ပြန်ကြာချိန်နှင့် ကုန်ကျစရိတ် နည်းပါးစေရန် Amplitude သည် GPT‑6 Luna ကို အသုံးပြုသည်။ အထူးပြုအေးဂျင့်များကြား အလုပ်ခွဲဝေပေးခြင်းဖြင့် အဖွဲ့သည် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ဆောင်မှု၏ ပိုမြင့်သည့်ကုန်ကျစရိတ်ကို အလိုအပ်ဆုံးအလုပ်များအတွက်သာ သုံးနိုင်သည်။

အကြမ်းဖျဉ်းနှင့် နမူနာဒီဇိုင်းများ ဖန်တီးရာတွင် OpenAI ၏ ရုပ်ပုံ ထုတ်လုပ်မှု မော်ဒယ်က ဖြေရှင်းချက် အကြမ်းဖျဉ်းဒီဇိုင်းများအတွက် 100 မှတ်အနက် 80.3 မှတ်ရခဲ့ပြီး အခြား ရုပ်ပုံ ထုတ်လုပ်မှု မော်ဒယ်တစ်ခုက 63.9 မှတ် ရခဲ့သည်။ Amplitude ၏ အကဲဖြတ်မှုသည် အခွင့်အလမ်း 15 ခုတွင် ရှင်းလင်းဖော်ပြနိုင်မှု အရည်အသွေး၊ မူရင်းထုတ်ကုန်နှင့် ကိုက်ညီမှု၊ ညွှန်ကြားချက်လိုက်နာမှု၊ စာသားနှင့် UI ဖတ်ရှုရလွယ်ကူမှု၊ အမြင်ပိုင်း တစ်သမတ်တည်းရှိမှုတို့ကို လွှမ်းခြုံထားသည်။

GPT‑Image‑2.5 Flare အကြမ်းဖျဉ်းဒီဇိုင်း အကဲဖြတ်ချက်

မည်သည့်အရာကို ထုတ်ပေးမည်ဆိုသည့် ဆုံးဖြတ်ခွင့်ကို အဖွဲ့များလက်ထဲတွင် ထားရှိခြင်း

လုပ်ငန်းကဏ္ဍအသီးသီးမှ ဖောက်သည်များသည် ထုတ်ကုန်အဆင့်မြှင့်ရန် အခွင့်အလမ်းများ ဖော်ထုတ်၍ လက်တွေ့ထုတ်ပေးနိုင်ရန် Wave ၏ ဘီတာဗားရှင်းကို အသုံးပြုနေကြပြီဖြစ်သည်။ Wave သည် အသုံးပြုမှုနှင့် ခွဲခြမ်းစိတ်ဖြာမှုဒေတာတို့ကို လေ့လာပြီး အဆိုပြုပြင်ဆင်ချက်၊ နည်းပညာအစီအစဉ်၊ လက်ခံနိုင်မှုစံနှုန်းများပါဝင်သော အကြံပြုချက်များကို ရေးဆွဲပေးသည်။

ထိုမှတစ်ဆင့် အဖွဲ့များက မည်မျှအထိ အလိုအလျောက် လုပ်ဆောင်စေမည်ကို ထိန်းချုပ်နိုင်သည်။ အဖွဲ့အများစုသည် ချို့ယွင်းချက်ပြင်ဆင်မှုများကို ကုဒ်ရေးအေးဂျင့်များထံ တိုက်ရိုက်ပို့ကြပြီး လုပ်ဆောင်ချက်အသစ်များနှင့် ပိုမိုကြီးမားသော စွန့်စားဆောင်ရွက်မှုများကိုမူ လူက သုံးသပ်ပေးသည်။

တကယ်ထုတ်ပေးဖြစ်သည့် ပြောင်းလဲမှုများအတွက် ရှာဖွေတွေ့ရှိချိန်မှ အကောင်အထည်ဖော်ချိန်အထိ အချိန်တိုနိုင်သည်။ ဖောက်သည်များ စတင်အသုံးပြုလိုက်သည့် စမ်းသပ်မှုများ၊ လုပ်ဆောင်ချက်အဖွင့်အပိတ် ထိန်းချုပ်မှုများနှင့် လမ်းညွှန်များအနက် လေးခုလျှင် တစ်ခုကို Wave က အခွင့်အလမ်းဖော်ထုတ်သည့်နေ့မှာပင် စတင်အသုံးပြုနိုင်ခဲ့သည်။ တစ်ဝက်ကို လေးရက်မပြည့်မီနှင့် သုံးခုလျှင် နှစ်ခုကို တစ်ပတ်အတွင်း စတင်အသုံးပြုနိုင်ခဲ့သည်။

ပေးထားသော အဓိကအဆင့်များအကြား တန်ဖိုးများကို ခန့်မှန်းဖြည့်ထားသည်။ မျဉ်းကွေးသည် သရုပ်ဖော်ချက်သာဖြစ်ပြီး သီးခြားလေ့လာတွေ့ရှိချက်များ မဟုတ်ပါ။

ရှေ့ဆက်မည့်ခြေလှမ်း

“OpenAI နဲ့အတူ ကျွန်တော်တို့ ရည်မှန်းထားတာက ကုမ္ပဏီတွေ ဆော့ဖ်ဝဲတည်ဆောက်တဲ့အခါ ကိုယ့်ဘာသာ တိုးတက်အောင်လုပ်နိုင်တဲ့ ထုတ်ကုန်တွေကို တည်ဆောက်ကြဖို့ပါ” ဟု Skates က ပြောသည်။ OpenAI ၏ မော်ဒယ်များတွင် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်နှင့် ကုဒ်ရေးစွမ်းရည် ပိုကောင်းလာသည်နှင့်အမျှ အဖွဲ့များသည် စူးစမ်းလေ့လာမှုနှင့် အကောင်အထည်ဖော်မှု အလုပ်များကို အေးဂျင့်များထံ ပိုမိုလွှဲအပ်နိုင်မည်ဖြစ်ပြီး နောက်ဆုံးတွင် ပိုကောင်းသော ထုတ်ကုန်များက အသုံးပြုသူများထံ ပိုမြန်မြန်ရောက်ရှိလာမည်ဖြစ်သည်။ အဖွဲ့က အခြားဦးစားပေးအလုပ်များကို လုပ်နေစဉ် အေးဂျင့်များက Amplitude ၏ ကိုယ်ပိုင်ထုတ်ကုန်တွင် အဆင့်မြှင့်ရန်အရာများ ရှာဖွေပြီး ထုတ်ပေးနိုင်ရန် ကူညီနေသဖြင့် Amplitude သည် ထိုအကျိုးရလဒ်ကို တွေ့မြင်နေရပြီဖြစ်သည်။ “ထုတ်ကုန် ပိုကောင်းလာအောင် ဆော့ဖ်ဝဲကပါ ဘေးချင်းယှဉ် ကူလုပ်ပေးနေတဲ့အခါ အဖွဲ့တွေဟာ ကိုယ်တွေ ဘယ်လောက်အထိ လုပ်နိုင်သလဲဆိုတာကို အံ့ဩသွားကြလိမ့်မယ်လို့ ကျွန်တော်ထင်ပါတယ်။”

အလုပ်၏ ခေတ်သစ်တွင် ပါဝင်ပါ

ကမ္ဘာတစ်ဝှမ်းရှိ စီးပွားရေးလုပ်ငန်း ၁ သန်းကျော်သည် OpenAI ဖြင့် အဓိပ္ပာယ်ရှိသော ရလဒ်များကို ရရှိနေကြသည်။

လုပ်ငန်းသုံး OpenAI ဆိုင်ရာ နောက်ဆုံးသတင်းများကို ရယူပါ

ထုတ်ကုန်ဆိုင်ရာ နောက်ဆုံးအပ်ဒိတ်များ၊ လက်တွေ့အသုံးချ လမ်းညွှန်များ၊ မကြာမီကျင်းပမည့် အစီအစဉ်များနှင့် အခြားအကြောင်းအရာများ။

စာရင်းသွင်းခြင်းဖြင့် OpenAI ထံမှ အီးမေးလ်များ လက်ခံရရှိရန် သင်သဘောတူပါသည်။ အချိန်မရွေး စာရင်းသွင်းထားမှုကို ပယ်ဖျက်နိုင်ပါသည်။ ကျွန်ုပ်တို့၏ ကိုယ်ရေးလုံခြုံမှုမူဝါဒ⁠ကို ဖတ်ရှုပါ။